Experiences of healthcare and substance use treatment provider-based stigma among patients receiving methadone
Notice bibliographique
Résumé
Medications for Opioid Use Disorder (MOUD) are efficacious, however only one-third of individuals with an opioid use disorder (OUD) enter into treatment. Low rates of MOUD utilization are partially due to stigma. This study examines provider-based stigma toward MOUD and identifies factors associated with experiencing stigma related to MOUD from substance use treatment and healthcare providers among people receiving methadone. Clients receiving MOUD at an opioid treatment program (N = 247) were recruited to complete a cross-sectional computer-based survey assessing socio-demographics, substance use, depression and anxiety symptoms, self-stigma, and recovery supports/barriers. Logistic regression was used to examine factors associated with hearing negative comments about MOUD from substance use treatment and healthcare providers. 27.9% and 56.7% of respondents reported they sometimes/often hear negative comments about MOUD from substance use treatment and healthcare providers, respectively. Logistic regression results indicate that individuals who experience more negative consequences resulting from their OUD (OR=1.09, p=.019) had greater odds of hearing negative comments from substance use treatment providers. Age (OR=0.966, p=.017) and treatment stigma (OR=1.42, p=.030) were associated with greater odds of hearing negative comments from healthcare providers. Stigma can be a deterrent to seeking substance use treatment, healthcare, and recovery support. Understanding factors associated with experiencing stigma from substance use treatment providers and healthcare providers is important as these individuals may act as advocates for those with OUD. This study highlights individual factors associated with hearing negative comments about methadone and other MOUD and point to areas for targeted education.
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 | 0,000 | 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 | 0,000 | 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 ».