A qualitative study of a publicly funded pharmacy-dispensed naloxone program
Notice bibliographique
Résumé
AIMS: To characterize the experiences of individuals accessing pharmacy-based naloxone and relate these experiences to the risk environments and discourses in which they are embedded. METHODS: We conducted a qualitative study using in-depth interviews of 37 adults aged 18 years and over who had accessed pharmacy-dispensed naloxone. Participants were recruited from across Ontario, Canada, and comprised individuals taking opioids for chronic pain, those taking opioids for reasons other than chronic pain, and individuals acquiring naloxone to act as bystanders in an opioid overdose setting. We drew upon risk environment theory to interpret participants' accounts. RESULTS: Following analysis and interpretation, we generated five theoretically-informed themes characterizing the experiences of individuals accessing pharmacy-dispensed naloxone: 'intersection of naloxone narrative with pharmacy environment', 'individual risk environment and pharmacy-dispensed naloxone uptake', 'safe spaces: creating an enabling environment for pharmacy-dispensed naloxone', 'individuation: becoming a first responder' and 'beyond naloxone: the macro risk environment'. Specifically, participants described how judgement and stereotyping associated with the broader naloxone narrative can be amplified in the space of the pharmacy, leading to fears of reprisals and strategies to mitigate social risk. In addition, the social construction of naloxone as a drug for 'problematic' opioid use and a lack of pharmacist awareness regarding the risk environments in which opioid use occurs was perceived to limit opportunities for optimizing naloxone distribution and training. Finally, participants described approaches that could create enabling environments in the space of the pharmacy while remaining cognizant of the structural changes required in the macro risk environments of people who take opioids. CONCLUSIONS: Despite increasing the availability of naloxone, participants characterized several social and environmental factors that could limit the accessibility of the drug from pharmacies. Strategies to address these factors could create enabling environments within pharmacies that optimize the reach and impact of pharmacy-dispensed naloxone.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 ».