Canadian newspaper coverage on harm reduction featuring bereaved mothers: A mixed methods analysis
Notice bibliographique
Résumé
A growing body of evidence suggests that news media which includes a sympathetic portrayal of a mother bereaved by substance use can increase public support for harm reduction initiatives. However, the extent to which such news media coverage occurs in Canada is unknown, and research has not documented how the news media in Canada covers such stories. We undertook a mixed-method secondary analyses of 5681 Canadian newspaper articles on harm reduction (2000-2016). Quantitative analyses described the volume and content of harm reduction reporting featuring a mother whose child's death was related to substance use while qualitative thematic analysis provided in-depth descriptions of the discourses underlying such news reporting. Newspaper articles featuring a mother whose child's death was related to substance use were rarely published (n = 63; 1.1% of total harm reduction media coverage during the study period). Deductive content analysis of these 63 texts revealed that coverage of naloxone distribution (42.9%) and supervised drug consumption services (28.6%) were prioritized over other harm reduction services. Although harm reduction (services or policies) were advocated by the mother in most (77.8%) of these 63 texts, inductive thematic analysis of a subset (n = 52) of those articles revealed that mothers' advocacy was diminished by newspaper reporting that emphasized their experiences of grief, prioritized individual biographies over structural factors contributing to substance use harms, and created rhetorical divisions between different groups of people who use drugs (PWUD). Bereaved mothers' advocacy in support of harm reduction programs and services may be minimized in the process of reporting their stories for newspaper readers. Finding ways to report bereaved mothers' stories in ways that are inclusive of all PWUD while highlighting the role of broad, structural determinants of substance use has the potential to shift public opinion and government support in favour of these life-saving services.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,021 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,031 | 0,050 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,005 | 0,001 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».