“They’re all struggling as well”: social and economic barriers and facilitators to self-managing chronic illness among marginalized people who use drugs
Notice bibliographique
Résumé
PURPOSE: Self-management is recommended for addressing chronic conditions, and self-management programmes improve health behaviours and outcomes. However, social and economic factors have been neglected in self-management research, despite their relevance for marginalized groups. Thus, we aimed to explore barriers and facilitators that influence self-management among socioeconomically marginalized people who use drugs (PWUD). METHODS: Using community-based participatory methods, we developed a qualitative interview guide and conducted peer-led recruitment. Participants were admitted into the study after self-identifying as using non-prescribed drugs, having a chronic health issue, and experiencing socioeconomic marginalization. Data were analysed using reflexive thematic analysis, taking a relational autonomy lens. RESULTS: Participants highlighted substantial barriers to managing their health issues, mostly stemming from their social and economic environments, such as unstable housing, low income, lack of supportive social networks, and negative healthcare experiences. Participants also described how their ability to self-manage their chronic conditions benefited from specific aspects of social interactions, including close relationships, community connectedness, and engaging in peer support. CONCLUSIONS: Our findings suggest that structural interventions are needed to support self-management among marginalized PWUD, especially stable housing. Self-management supports for PWUD would benefit from including a range of low-barrier community-based options, peer work opportunities, and advocacy for needs.
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 | 0,002 | 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 ».