Meeting people where they are at : how nurses, using the framework of harm reduction, make sense of nursing practice with people who use drugs
Notice bibliographique
Résumé
Nurses who work with people who use drugs in the Downtown Eastside of Vancouver (DTES), British Columbia are on the forefront in advancing a harm reduction framework in very controversial, cutting-edge practice environments. The purpose of this study was to explore how these nurses, using the framework of harm reduction, make sense of their nursing practice. It is hoped that the results of this study may advance adopting a harm reduction framework in nursing practice, education and policy development and serve as the foundation for further nursing research. This study utilized a qualitative interpretive descriptive methodology to gather data from eight nurses who work with people who use drugs in harm reduction practice environments. The nurses were divided into two focus groups and data was collected through a semi-structured focus group interview. Following initial data analysis, each focus group was reconvened and a second semi-structured group interview was held to clarify and to further discuss the emerging themes. The data analysis proceeded simultaneously with the interviews utilizing a process of constant comparative analysis. I completed the thematic analysis as I moved between the transcripts and identified commonalties and variations within the emerging themes. Ultimately, I described one overarching theme, which encapsulated the range of experiences described by the nurses. The theme that I identified was: meeting people where they are at. The importance to the nurses of both the therapeutic nurse-client relationship and a commitment to praxis were apparent. In conclusion, the value the nurses placed on "meeting people where they are at" was integral in gaining an understanding of how they make sense of their nursing work.
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 | 0,030 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,032 | 0,046 |
| Communication savante | 0,017 | 0,011 |
| Science ouverte | 0,004 | 0,016 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».