Implementation facilitators and barriers to the expansion of a peer-led overdose prevention program
Notice bibliographique
Résumé
In Canada, there has been a substantial increase of opioid overdoses in recent years. PROFAN, a peer-led overdose prevention initiative, was successfully implemented in Montreal, Quebec, for people who use drugs (PWUD), or those likely to witness overdoses. The worsening of the situation during the COVID-19 pandemic sparked the need to expand the program across the province. Individual interviews were conducted with 17 key informants from 12 health regions to identify implementation facilitators and barriers. A thematic analysis was conducted based on emerging themes. Four main facilitators were reported: 1) presence of an active peer network involved with harm reduction in the region, 2) collaboration among community and public health sectors, 3) stakeholders’ awareness of opioid situation, and 4) perceived appropriateness of training. Six main barriers also emerged: 1) geographical isolation, 2) existing offer of similar services, 3) difficulty reaching isolated PWUD, 4) stigmatization of PWUD, 5) unwillingness of stakeholders to address situation, and 6) lack of funding stability. The expansion achieved by the PROFAN program highlights the ability of a peer-driven community organization to lead an overdose prevention program when provided with funding and support from government health agencies and partnerships with other organizations such as addiction worker associations.
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 | 0,001 |
| 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 ».