MétaCan
Menu
Retour à la cohorte
Enregistrement W4385349381 · doi:10.1080/14659891.2023.2238308

Implementing Safer Supply programs: A comparative case study

2023· article· en· W4385349381 sur OpenAlexaffabout
Marlene Haines, Patrick O’Byrne

Notice bibliographique

RevueJournal of Substance Use · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueOpioid Use Disorder Treatment
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésSAFERContext (archaeology)BusinessTeamworkInclusion (mineral)Best practiceWork (physics)Process managementPublic relationsOperations managementMarketingComputer scienceEngineeringPolitical scienceComputer securityPsychologyGeography

Résumé

récupéré en direct d'OpenAlex

Background Harms related to the drug poisoning crisis in Canada continue to worsen, with 20 people dying each day from opioid toxicity related to the illicit drug supply. Safer Supply pilot programs have been implemented in a number of communities as a response to this crisis. This study provides an overview of the planning and implementation of Safer Supply programs in Ottawa, Canada.Methods A comparative case study was undertaken to provide a detailed description of the three models of Safer Supply programs in Ottawa, Canada. Portions of the Exploration, Preparation, Implementation, Sustainment framework were used to outline the outer and inner context as well as innovation factors which led to the implementation of these programs.Results Three unique Safer Supply programs were implemented in Ottawa. Factors that supported this included the innovation (Safer Supply) being originally conceptualized by people who use drugs, the inclusion of wrap-around services for clients, and ongoing teamwork among the partner organizations.Conclusions While each participating organization operates under separate funding models and discrete domains of care, ultimately, we have demonstrated that Safer Supply can be implemented in many different contexts, providing the foundation for scaling this program in other communities.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,429
Score d'incertitude au seuil0,498

Scores Codex et Gemma par catégorie

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

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 Opus0,107
Tête enseignante GPT0,377
Écart entre enseignants0,270 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations8
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Substance UseMême sujetOpioid Use Disorder TreatmentTravaux en français237 207