Exploring health-care providers’ experiences in the care of clients on opioid agonist treatment in two western Canadian clinics
Notice bibliographique
Résumé
Introduction Prescribing methadone as part of opioid agonist therapy is a common treatment approach to manage opioid use disorder. Unfortunately, many clients prematurely discontinue opioid agonist therapy because of restrictions attached to the therapy. Purpose The purpose of this study was to explore health-care provider experiences as they worked with clients on opioid agonist therapy in a western Canadian city. Methods In this descriptive, qualitative study, we interviewed 18 health-care providers working in an opioid agonist therapy setting. The focus of the interviews was on the organization of opioid agonist therapy care at their clinic, their personal experiences and challenges faced when providing care to their clients. Interviews were recorded electronically and transcribed verbatim and thematic analysis was completed using NVIVO software. Results The following three themes emerged from the data relate to the care organization and health care provider (HCP)-clients dynamics. These are: (1) fragmentation of care for a complex problem, (2) enforcing compliance to treatment, and (3) the importance of a therapeutic alliance to improve overall care. Conclusion The opioid agonist therapy model is biocentric and emphasizes abstinence which can create tension between providers and clients. Making the model of care more patient centred might help to improve client retention rates and successful treatment outcomes.
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 | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».