Women’s multiple uses of an overdose prevention technology to mitigate risks and harms within a supportive housing environment: a qualitative study
Notice bibliographique
Résumé
BACKGROUND: North America is amidst an opioid overdose epidemic. In many settings, particularly Canada, the majority of overdose deaths occur indoors and impact structurally vulnerable people who use drugs alone, making targeted housing-based interventions a priority. Mobile applications have been developed that allow individuals to solicit help to prevent overdose death. We examine the experiences of women residents utilizing an overdose response button technology within a supportive housing environment. METHODS: In October 2019, we conducted semi-structured qualitative interviews with 14 residents of a women-only supportive housing building in an urban setting where the overdose response button technology was installed. Data was analyzed thematically and framed by theories of structural vulnerability. RESULTS: While participants described the utility and disadvantages of the technology for overdose response, most participants, unexpectedly described alternate adoptions of the technology. Participants used the technology for other emergency situations (e.g., gender-based violence), rather than its intended purpose of overdose response. CONCLUSIONS: Our findings highlight the limitations of current technologies while also demonstrating the clear need for housing-based emergency response interventions that address not just overdose risk but also gender-based violence. These need to be implemented alongside larger strategies to address structural vulnerabilities and provide greater agency to marginalized women who use drugs.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 ».