Untangling the Complexities of Substance Use Initiation and Recovery: Client Reflections on Opioid Use Prevention and Recovery From a Social-Ecological Perspective
Notice bibliographique
Résumé
BACKGROUND: In Canada, the rate of opioid use, opioid use disorder (OUD), and associated mortality and morbidity are higher among Indigenous Peoples than the general population. Indigenous Peoples on medications for opioid use disorders (MOUD) often face distinct barriers that hinder their clinical progress, leading to treatment attrition. METHODS: We used a social-ecological model to inquire into clients' experiences with a history of treatment failure for OUD. We used exploratory qualitative research to engage 22 clients with a history of OUD treatment dropouts and who are currently on MOUD. In-depth, semi-structured interviews lasting an average of 30 minutes were conducted on-site. RESULTS: We identified 4 themes from the study: (a) risk for substance use; (b) factors sustaining substance use; (c) factors leading to treatment, and (d) treatment failure and re-enrollment. CONCLUSION: Using a socio-ecological model helps to understand factors that influence an individual's risk for OUD, decision to pursue treatment, and treatment outcomes. Furthermore, social ecological model also creates possibilities to develop supportive, multilevel interventions to prevent OUD risks and support for clients on MOUD. Such interventions include mitigating adverse childhood experiences, supporting families, and creating safe community environments.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 ».