‘On the same level’: facilitators’ experiences running a drug user-led safer injecting education campaign
Notice bibliographique
Résumé
BACKGROUND: Unsafe injection practices play a major role in elevated rates of morbidity and mortality among people who inject drugs (IDU). There is growing interest in the direct involvement of IDU in interventions that seek to address unsafe injecting. This study describes a drug user-led safer injecting education campaign, and explores facilitators' experiences delivering educational workshops. METHODS: We conducted semi-structured qualitative interviews with 8 members of the Injection Support (IS) Team who developed and facilitated a series of safer injecting education workshops. Interviews explored facilitator's perceptions of the workshops, experiences being a facilitator, and perspectives on the educational campaign. Interviews were transcribed verbatim and a thematic analysis was conducted. RESULTS: IS Team facilitators described how the workshop's structure and content enabled effective communication of information about safer injecting practices, while targeting the unsafe practices of workshop participants. Facilitators' identity as IDU enhanced their ability to relate to workshop participants and communicate educational messages in language accessible to workshop participants. Facilitators reported gaining knowledge and skills from their involvement in the campaign, as well as positive feelings about themselves from the realization that they were helping people to protect their health. Overall, facilitators felt that this campaign provided IDU with valuable information, although facilitators also critiqued the campaign and suggested improvements for future efforts. CONCLUSIONS: This study demonstrates the feasibility of involving IDU in educational initiatives targeting unsafe injecting. Findings illustrate how IDU involvement in prevention activities improves relevance and cultural appropriateness of interventions while providing individual, social, and professional benefits to those IDU delivering education.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,015 | 0,009 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,003 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».