Challenges of implementing safer supply programs in Canada during the COVID-19 pandemic: A qualitative analysis
Notice bibliographique
Résumé
BACKGROUND: Canada is experiencing an unprecedented drug toxicity crisis driven by a highly toxic unregulated drug supply contaminated with fentanyl, benzodiazepine, and other drugs. Safer supply pilot programs provide prescribed doses of pharmaceutical alternatives to individuals accessing the unregulated drug supply and have been implemented to prevent overdose and reduce related harms. Given the recent emergence of these pilot programs and the paucity of data on implementation challenges, we sought to document challenges in their initial implementation phase. METHODS: We obtained organizational progress reports from Health Canada, submitted between 2020 and 2022 by 11 pilot programs located in British Columbia, Ontario, and New Brunswick. We analyzed the data using deductive and inductive approaches via thematic analysis. Analyses were informed by the consolidated framework for implementation research. RESULTS: We obtained 45 progress reports from 11 pilot programs. Six centres were based in British Columbia, four in Ontario, and one in New Brunswick. Four overarching themes were identified regarding the challenges faced during the establishment and implementation of pilot programs: i) Organizational features (e.g., physical space constraints, staff shortages); ii) Outer contexts (e.g., limited operational funds and resources, structural inequities to access, public perceptions); iii) Intervention characteristics (e.g., clients' unmet medication needs); and iv) Implementation process (e.g., pandemic-related challenges, overly medicalized and high-barrier safer supply models). CONCLUSIONS: Safer supply pilot programs in Canada face multiple inner and outer implementation challenges. Given the potential role of safer supply programs in addressing the drug toxicity crisis in Canada and the possibility of future scale-up, services should be well-supported during their implementation phases. Refining service provision within safer supply programs based on the feedback and experiences of clients and program administrators is warranted, along with efforts to ensure that appropriate medications are available to meet the clients' needs.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».