How injectable opioid agonist treatment (iOAT) care could be improved? service providers and stakeholders’ perspectives
Notice bibliographique
Résumé
Background Addressing inadequacies in the implementation of existing evidence-based approaches into practice, such as injectable opioid agonist treatment (iOAT), is imperative for the management of opioid use disorder. With the expansion of iOAT, stakeholder perspectives are needed to inform program optimization. This study aimed to understand stakeholder and provider perspectives on iOAT care and how it can be improved to better meet service users’ needs.Methods Semi-structured interviews (n = 11), email correspondence (n = 2), a focus group (n = 4), and one regional meeting were conducted with iOAT stakeholders to receive feedback on how iOAT can better meet service users’ needs. Qualitative analysis employed a thematic and interpretive description approach to identify key themes, presented as a thematic summary.Results Stakeholder narratives highlight the importance they attribute to client autonomy, individualized care, tensions between providers and the system (policies, governing structures, etc., that establish, facilitate and determine how iOAT is delivered in Canada) as well as power dynamics between providers and service users.Conclusion IOAT providers and stakeholders surveyed in this study are committed to seeing the needs of service users met but often feel constrained by system-level regulations that influence power dynamics between providers and service users. Findings underline pragmatic suggestions to advance person-centered care as a way to make iOAT accessible and individualized.
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 ».