Enhancing equity-oriented care in psychedelic medicine: Utilizing the EQUIP framework
Notice bibliographique
Résumé
Psychedelic-assisted therapies are experiencing a re-emergence in mainstream medicine and mental health contexts. A wide variety of psychedelic-assisted therapy modalities are being utilized to address mental health issues such as substance use disorders, end of life anxiety, treatment-resistant depression, suicidality, PTSD and other conditions. The novel and inchoate acceptance of psychedelic-assisted therapies into mainstream medical and therapeutic realms raises questions of equity. Concerns have been raised that individuals and communities facing structural inequities are perhaps least able to access these treatments including Black, Indigenous and people of colour (BIPOC) as well as people who use drugs. Psychedelic-assisted therapies may exemplify the inverse law of care whereby services are most inaccessible to communities with the most need, especially if these therapies are regulated into the private sector. As legalization and wider implementation of these therapies appears to be imminent, now is a critical time to consider how health equity may be promoted within psychedelic medicine. This paper examines how the EQUIP Health Care approach (https://equiphealthcare.ca) may inform the development and provision of equity-oriented psychedelic-assisted therapies. The EQUIP approach seeks to reduce the effects of structural inequities on people's health, the impacts of discrimination and stigma, and the mismatches between usual approaches to care and the needs of people most affected by health and social inequities. Key dimensions of the EQUIP intervention include cultural safety, harm reduction, trauma and violence-informed care, and contextual tailoring.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».