Bereaved mothers’ engagement in drug policy reform: A multisite qualitative analysis
Notice bibliographique
Résumé
BACKGROUND: Globally, a tainted drug supply is claiming the lives of tens of thousands of people who use drugs and current measures are not quelling this crisis. Within this context, mothers who have lost a child to substance use have emerged as vocal advocates for drug policy changes. This paper explores mothers' experiences in drug policy advocacy to uncover how they are using their stories to drive policy change. METHODS: Critical qualitative and narrative methods informed individual interviews with 43 mothers who had lost a child to substance use from across three regions in Canada: British Columbia, Prairie Provinces, and Eastern Provinces. Multisite qualitative analysis (MSQA) provided a rigorous analytical method to identify how social context informed participants' advocacy efforts within and across geographies, together with a theoretical lens from Haraway to understand mothers' activism as situated knowledge. RESULTS: Mothers' drug policy advocacy was shaped by social context and norms, which influenced the types of advocacy targets pursued, within the constraints of the social and political ethos of each geographic region. Yet across regions, narratives of shared aims and experiences also emerged. Specifically, the notion that people of all backgrounds are dying and that losing a child to substance use can "happen to anyone" - though people who experience structural vulnerabilities are disproportionately impacted. Additionally, mothers' stories were identified as a particularly powerful tool for conveying emotional knowledge and prompting action that complements other forms of knowledge or evidence. CONCLUSION: To date, efforts to address the drug poisoning epidemic have done little to curb casualties. Mothers whose child's death is related to substance use are one group who are bringing their experiences to advocacy efforts aimed at generating new solutions, including calls for decriminalization and legal regulation of drugs. This and other lived experience perspectives represent a critical voice in decision-making and hold the potential to inform more responsive and impactful drug policy.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».