MétaCan
Menu
Retour à la cohorte
Enregistrement W2075077878 · doi:10.1080/13698575.2013.868408

The risk of being ‘too honest’: drug use, stigma and pregnancy

2013· article· en· W2075077878 sur OpenAlexaboutno aff
Camille Stengel

Notice bibliographique

RevueHealth Risk & Society · 2013
Typearticle
Langueen
DomaineMedicine
ThématiquePrenatal Substance Exposure Effects
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFeelingPregnancyChildbirthQualitative researchPsychologyHealth careStigma (botany)MedicineDevelopmental psychologySocial psychologyNursingPsychiatrySociology

Résumé

récupéré en direct d'OpenAlex

In this article, I examine the ways in which risk is constructed and managed by those involved in the pregnancy and childbirth of women who use drugs, including the women themselves. I discuss how constructions of risk influence maternal care outcomes and the understanding of choice, often in the form of stigmatisation. In this article, I draw on data from a qualitative research study that I conducted in 2011 in a western Canada city in which I interviewed 13 pregnant and parenting women who had used drugs during their pregnancy. In this article, I show how the everyday risk construction of pregnancy, labour and delivery is compounded significantly by drug use and the stigmatisation associated with this perceived risk-taking behaviour. The participants in the study often internalised this understanding of risk and this manifested itself in delays in accessing maternal health and social care services. The women in the study had different understandings of risk and these were structured by the women’s own understanding of general risk factors during their pregnancy, as well as their experiences of the constructions of risk and risk management by health and social care professionals. While structural life chances can constrain women’s feelings of self-efficacy, services that promote clients’ ability to make choices can facilitate reduced stigmatisation and facilitate the development of more compassionate and autonomous approaches to risk management.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,022
Communication savante0,0050,003
Science ouverte0,0010,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,011
Tête enseignante GPT0,264
Écart entre enseignants0,253 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations90
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth Risk & SocietyMême sujetPrenatal Substance Exposure EffectsTravaux en français237 207