MétaCan
Menu
Retour à la cohorte
Enregistrement W2890580970 · doi:10.1080/09687637.2018.1497145

Looking beyond harm: meaning and purpose of substance use in the lives of marginalized people who use drugs

2018· article· en· W2890580970 sur OpenAlexafffundabout
Andrew Ivsins, Kevin Yake

Notice bibliographique

RevueDrugs Education Prevention and Policy · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueHIV, Drug Use, Sexual Risk
Établissements canadiensUniversity of Victoria
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésHarmQualitative researchMeaning (existential)Substance useNarrativeHarm reductionMental healthDrugPsychologyEmbodied cognitionMedicinePsychiatrySocial psychologySociologyPsychotherapistPublic healthSocial scienceNursing

Résumé

récupéré en direct d'OpenAlex

Substance use among marginalized populations has historically been constructed as a social problem to be managed, cured, and eliminated. Much social science research concerning drug use among marginalized populations focuses on risks and harms, with little attention to positive aspects of substance use. In this paper we explore positive roles of drugs/drug use among marginalized people who use drugs. We draw on in-depth qualitative interviews conducted with 50 people who use drugs in Vancouver’s Downtown Eastside neighbourhood. Forty-three participants reported positive aspects of drug use. Participant narratives revealed four main themes regarding the role and function of drugs and drug use in their lives: (1) pain relief and management; (2) alleviating mental health issues; (3) fostering social experiences; (4) pleasurable embodied experiences. Our findings show that despite known negative consequences of substance use, in many ways drug use was beneficial for these individuals. Our study demonstrates that given the opportunity, meaningful and useful conversations that shed light on why people take drugs is possible. By understanding why marginalized individuals choose to consume the drugs they do we can begin to engage in truly helpful conversations about how to reduce drug-related harm.

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)0,004
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,046
Score d'incertitude au seuil0,092

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0150,034
Communication savante0,0070,004
Science ouverte0,0010,009
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,038
Tête enseignante GPT0,364
Écart entre enseignants0,326 · 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

Citations20
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueDrugs Education Prevention and PolicyMême sujetHIV, Drug Use, Sexual RiskTravaux en français237 207