Harm Reduction in Canadian Health Care: A Qualitative Study of Caring and Compassion in a Supervised Consumption Clinic
Notice bibliographique
Résumé
This autoethnographic research explores my lived experiences within Calgary’s only supervised consumption site, Safeworks, and those of program, staff and clients. In this thesis I am attentive to the everyday, the minute, and the details of lives lived within real time, in specific moments, and in actual situations. Drawing on several months of participatory observations within the supervised consumption site and 21 in-depth interviews with program staff and clients, I discuss how supervised consumption services offer more than a reduction in drug related harms; rather, these services fulfill an essential social void in the lives of people who use drugs – that of interpersonal recognition and respect. I offer consideration into caring relationships as they are cultivated at Safeworks – exploring the difficulties and tensions of caring for a population that is regularly publicly denounced and denied. Further, I offer a reflection of the ethical dilemmas present in the course of providing care; what may be felt to be intuitively just by some staff is seldom shared by all those involved in the delivery of supervised consumption services. What moral predicaments arise when clients present at Safeworks with more needs than staff can ever hope to meet? The burdens borne by staff, I argue, exist because they are not shared. In the absence of a collective vision of mutual recognition and resemblance with persons who use substances, care providers at Safeworks must work overtime: supporting clients to feel less stigmatized and less isolated, above attending to their daily needs in states of dependency, despair, and overdose, while simultaneously extending their reach to cover gaps in service delivery that manifest in societies indifferent to the plight of those overwhelmed by addictions.
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 | 0,012 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,050 | 0,022 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,004 | 0,008 |
| Intégrité de la recherche | 0,004 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 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 ».