<i>Facilitators</i> and Barriers to Nurse Practitioners Prescribing Methadone for Opioid Use Disorder in Nova Scotia: A Qualitative Study
Notice bibliographique
Résumé
BACKGROUND: Opioid use has escalated dramatically resulting in an increase in deaths. Access to treatment for opioid use disorder (OUD) is poor. The addition of nurse practitioners (NPs) as prescribers of methadone for OUD offers potential for improving access. Little is known about what support NPs will require as they prescribe methadone. PURPOSE: This paper identifies facilitators and barriers to NPs prescribing methadone. METHODS: In this qualitative study, in-person and phone semi-structured interviews were conducted with 18 participants. Participants included NPs (n=5), physicians (n=5), and stakeholders including members of professional regulatory bodies and government, academics and other clinicians (n=8). Interviews were recorded, transcribed, and analyzed using thematic analysis and software (NVivo 12.4.0) for data management. RESULTS: Four themes emerged: 1) Pervasive Barrier of Stigma; 2) Perceived Complexity of Patients Living with OUD; 3) NP Education and Practice Supports and; 4) Health Care Context and NP Role Implementation. CONCLUSIONS: Barriers and facilitators to NP prescribing are similar to those encountered by physicians. Factors unique to NPs include the identification of role clarity as a facilitator and navigation of physician networks as a barrier. Research conducted with current NP methadone prescribers is required to evaluate implementation of this service.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».