Impact of health system engagement on the health and well-being of people who use drugs: a realist review protocol
Notice bibliographique
Résumé
BACKGROUND: Although community-level benefits of health system engagement (i.e., health service planning, delivery, and quality improvement, engaged research and evaluation, and collaborative advocacy) are well established, individual-level impacts on the health and well-being of community members are less explored, in particular for people who use or have used illegal drugs (PWUD). Capacity building, personal growth, reduced/safer drug use, and other positive outcomes may or may not be experienced by PWUD involved in engagement activities. Indeed, PWUD may also encounter stigma and harm when interacting with healthcare and academic structures. Our objective is to uncover why, how, and under what circumstances positive and negative health outcomes occur during health system engagement by PWUD. METHODS: We propose a realist review approach due to its explanatory lens. Through preliminary exploration of literature, lived experience input, and consideration of formal theories, an explanatory model was drafted. The model describes contexts, mechanisms, and health outcomes (e.g., mental health, stable/safer drug use) involved in health system engagement. The explanatory model will be tested against the literature and iteratively refined against formal theories. A participatory lens will also be used, wherein PWUD with lived experience of health system engagement will contribute throughout all stages of the review. DISCUSSION: We believe this is the first realist review to explore the contextual factors and underlying mechanisms of health outcomes for PWUD who participate in health system engagement. A thorough understanding of the relevant literature and theoretical underpinnings of this process will offer insights and recommendations to improve the engagement processes of PWUD.
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 | 0,042 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,024 | 0,002 |
| 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 ».