“They're causing more harm than good”: a qualitative study exploring racism in harm reduction through the experiences of racialized people who use drugs
Notice bibliographique
Résumé
BACKGROUND: Increased opioid-related morbidity and mortality in racialized communities has highlighted the intersectional nature of the drug policy crisis. Given the racist evolution of the war on drugs and the harm reduction (HR) movement, the aim of this study is to explore racism within harm reduction services through the perspectives of our participants. METHODS: We conducted a qualitative descriptive study to explore the perspectives of racialized service users and providers on racism in the HR movement in the Greater Toronto and Hamilton Area (GTHA). Four racialized service users and four racialized service providers participated in semi-structured interviews that were audio-recorded, transcribed, and analysed thematically. RESULTS: Five themes related to racism in HR were generated: (1) whiteness of harm reduction as a barrier to accessing services, (2) diversifying HR workers as a step towards overcoming distrust, (3) drop-in spaces specific to Black, Indigenous, and people of colour are facilitators to accessing harm reduction, (4) lack of representation in HR-related promotional and educational campaigns, and (5) HR as a frontier for policing. CONCLUSIONS: Our findings suggest that structural and institutional racism are prevalent in HR services within the GTHA, in the form of colour-blind policies and practices that fail to address the intersectional nature of the drug policy crisis. There is a need for local HR organizations to critically reflect and act on their practices and policies, working with communities to become more equitable, inclusive, and accessible spaces for all people who use drugs.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».