MétaCan
Menu
Retour à la cohorte
Enregistrement W4295682060 · doi:10.1080/09687637.2022.2114879

Developing a realist theory of community-based residential substance use treatment

2022· article· en· W4295682060 sur OpenAlexaffabout
Christina Mutschler, Heather Haines, Kelly McShane, Michael Lochran, Laura Bhoi

Notice bibliographique

RevueDrugs Education Prevention and Policy · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésThematic analysisContext (archaeology)Agency (philosophy)Qualitative researchSubstance usePsychologyDiversity (politics)Medical educationSociologyMedicineClinical psychology

Résumé

récupéré en direct d'OpenAlex

Community-based residential treatments for substance use disorders (SUDs) have mixed effectiveness, which has been hypothesized to be due to the variability of program offerings across treatments. Therefore, the purpose of the present study was to develop a realist program theory of a community-based residential treatment centre to understand which components of treatment are most effective, who benefits from treatment, and why. The study was completed in collaboration with a community-based residential treatment program located in Canada. A realist evaluation was conducted using qualitative interviews (N = 27) with program stakeholders. Transcripts were analyzed using thematic analysis to identify Context-Mechanism-Outcome (CMO) configurations that create the program theory. The analysis identified an overarching organizational context and 11 CMO configurations that comprise the program theory. The CMOs were grouped into three themes (i.e. relational, psychological, and diversity), underscoring the multiple pathways in which recovery is achieved for individuals with SUDs. Across the themes, the importance of building peer recovery relationships, creating structure, and inter-agency collaborations were highlighted. The results of the present study offer a contribution to the literature in understanding how, why, and for whom community-based residential treatment for SUDs is effective while offering specific recommendations to best tailor treatments to individuals.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,670
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,495
Tête enseignante GPT0,628
Écart entre enseignants0,132 · 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'étudeThéorique ou conceptuel
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

Citations2
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDrugs Education Prevention and PolicyMême sujetHealth Policy Implementation ScienceTravaux en français237 207