Building recovery capital through peer harm reduction work
Notice bibliographique
Résumé
Purpose – Peer harm reduction programmes engage service users in service delivery and may help peers to develop employment skills, better health, greater stability, and new goals. Thus far, peer work has not been discussed as an intervention to promote recovery. The purpose of this paper is to provide findings related to two research questions: first,do low-threshold employment programmes have the potential to contribute to positive recovery capital, and if so, how? Second, how are such programmes designed and what challenges do they face in supporting the recovery process? Design/methodology/approach – Using a community-based research approach, data were collected at a Toronto, Canada community health centre using in-depth interviews with peer workers ( n =5), staff ( n =5), and programme clients ( n =4) and two focus groups with peer workers ( n =12). A thematic analysis was undertaken to describe the programme model and to explore the mechanisms by which participation contributes to the development of recovery capital. Findings – The design of the Regent Park Community Health Centre peer work model demonstrates how opportunities for participation in community activities may spark cumulative growth in positive recovery capital within the community of PUDs. However, the recovery contagion of peer work may lose momentum with insufficient opportunities for new and experienced peer workers. Originality/value – Using the concept of recovery capital, the authors demonstrate how low-threshold employment interventions have the potential to contribute to the development of positive recovery capital.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 tête enseignante, 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 ».