A scoping review of harm reduction training for police officers
Notice bibliographique
Résumé
ISSUES: Preventable overdose deaths, especially due to opioids, have increasingly been reported worldwide. Expansion of life-saving harm reduction services is underway with increasing public support in some jurisdictions. However, such services often fall short of reaching people who use drugs (PWUD), in part, due to law enforcement practices that are aligned with punitive drug laws and incongruent with harm reduction principles. One suggested strategy to facilitate police understanding and uptake of practices that are more congruent with harm reduction is to provide police with relevant training. APPROACH: This scoping review synthesises English-language peer-reviewed and grey literature on harm reduction training programs for police. KEY FINDINGS: We reviewed 31 sources and found that most trainings covered topics related to harm reduction objectives, overdose recognition and response, occupational safety and policing practices. Information was often presented via single-session, 1-hour long, slide-assisted presentations that were integrated into in-service trainings. Inconsistent throughout the literature was the career stage or position/rank of training audience (e.g. cadets, senior officers, street-level officers), when and how much training should be provided, and the occupational background of the training facilitator. IMPLICATIONS: The available literature contains significant gaps pertaining to descriptions of training development, design and content specific to facilitating positive police-PWUD interactions, and formal evaluations. These gaps limit our understanding of what well-designed trainings may look like, if and how training alters policing practices, and to what extent training completion may lead to improved outcomes. CONCLUSION: Greater research and formal evaluations of harm reduction training for police is recommended.
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 | 0,016 | 0,087 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,018 | 0,020 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».