MétaCan
Menu
Retour à la cohorte
Enregistrement W4282942940 · doi:10.1097/adm.0000000000000998

Research With Women Who Use Drugs: Applying a Trauma-informed Framework

2022· article· en· W4282942940 sur OpenAlexaff
Kaye Robinson, Sarah Ickowicz

Notice bibliographique

RevueJournal of Addiction Medicine · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensSt. Paul's Hospital
Organismes subventionnairesNational Institute on Drug Abuse
Mots-clésMedicineHarmTrustworthinessSubstance useInclusion (mineral)Trauma careNursingPsychiatryMedical emergencyPsychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

Women who use drugs (WWUD) experience high rates of trauma. The complex impacts of trauma can act as a barrier to accessing substance use and harm reduction services, and to participation and representation within substance use research. Trauma-informed practice is an evidence-based approach for improved clinical care among WWUD, the principles of which can be applied to substance use research. Many researchers are integrating trauma-informed approaches across research settings, yet these principles are often not referenced specifically within publications, and there is a lack of comprehensive guidance regarding integration of trauma-informed methods across different research designs and methodologies. This commentary describes and discusses the merits of applying the 4 principles of trauma-informed practice - trauma awareness, safety and trustworthiness, choice collaboration and connection, and strengths-based and skills building - to promote safety and inclusion of WWUD in substance use research.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,251
Score d'incertitude au seuil0,989

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0120,000

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.

Tête enseignante Opus0,067
Tête enseignante GPT0,403
Écart entre enseignants0,336 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Addiction MedicineMême sujetMigration, Health and TraumaTravaux en français237 207