Harm Reduction— And What Keeps Us From Embracing It Fully
Notice bibliographique
Résumé
In this Review essay, we examine some of the latest and needed scholarship on harm reduction: Travis Lupick’s Fighting for Space: How a Group of Drug Users Transformed One City’s Struggle with Addiction (2018); Jarrett Zigon’s A War on People: Drug User Politics and a New Ethics of Community (2019); Kimberly Sue’s Getting Wrecked: Women, Incarceration, and the American Opioid Crisis (2019); and Nancy Campbell’s OD: Naloxone and the Politics of Overdose (2020). Our authors present us with intimate windows into a diverse array of geographies, peoples, and technologies—from women’s jails, prisons, and community treatment programmes in Massachusetts to Vancouver’s downtown; from Copenhagen’s safe injection sites to prisons in Scotland. While varied in methods and approaches, these works unequivocally push for alternative imaginings to what one of Campbell’s protagonists dubs the ‘North American disaster’. Harm reduction is front and centre to these authors’ envisioning of a kinder, more loving, and more accepting future. Embracing harm reduction both requires and initiates a radical rethinking of how drug use is viewed, and our authors have given us crucial insight and analyses into how such reorientations are possible. We encourage continued scholarship on this topic, especially on non-Western options.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| 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) | 0,037 | 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 ».