Provider Characteristics Associated with Trust When Caring for Women Experiencing Substance Use Disorders in the Perinatal Period
Notice bibliographique
Résumé
INTRODUCTION: Women experiencing substance use disorders (SUD) have often reported challenges in their relationships with health care providers during the perinatal period that served as a barrier to care. Establishing trust is an important aspect in forming positive relationships. The purpose of this study was to identify provider characteristics associated with the development of trust when caring for women experiencing SUD during the perinatal period. METHODS: A systematic search was conducted using the databases of CINAHL, APA PsychINFO, and PubMed along with a manual search of Google Scholar between the years of 2000-2021. Studies were included if they were (1) original qualitative research; (2) published in English; (3) peer reviewed; (4) from the perspective of women experiencing SUD; (5) included descriptions of positive health care interactions between women experiencing SUD in the perinatal period and their health care providers; and (6) conducted in the United States or Canada. The studies were assessed for quality and validity using 10 criteria from the Joanne Briggs Institute critical appraisal checklist for qualitative research. RESULTS: Findings from 21 qualitative studies were synthesized using a thematic synthesis approach and revealed 3 overarching themes that included 7 descriptive subthemes which identified provider characteristics associated with trust. The 7 descriptive subthemes included: developing rapport with women, demonstrating caring behaviors, including women in care, understanding women's SUD treatment efforts, reassuring women, delivering competent care, and educating women. DISCUSSION: Participants' accounts of trusting interactions with health care providers occurred when providers viewed women approvingly, affirmed their treatment efforts and maternal abilities, and delivered competent care that was knowledgeable of issues associated with SUD. The findings suggest the importance of confronting implicit biases, integrated care, and fostering a stigma-free and trauma-informed working environment.
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 | 0,003 | 0,001 |
| 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 | 0,001 |
| 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 ».