Just have this come from their prescription pad: the medicalization of safer supply from the perspectives of health planners in BC, Canada
Notice bibliographique
Résumé
Context In March 2020, British Columbia introduced the Risk Mitigation Guidance (RMG) to enable the prescription of pharmaceutical substitutes for the unregulated drug market to decrease overdose deaths and COVID-19 infections. This study presents health planners’ perspectives on the RMG adoption within a medicalized system of care.Methods We conducted interviews with 28 health planners to obtain their views on implementation. We undertook a thematic analysis, drawing on the theory of medicalization to analyze and interpret findings.Findings We identified four themes regarding the implementation of the RMG within a medical model: (1) The medical model as expeditious and pragmatic; (2) Increasing medicalization of safer supply in response to prescriber tensions and distress; (3) Intersecting harms to people who use drugs; (4) Recommendations for additional safer supply models, decriminalization and regulation.Conclusions Health planners recognized and often problematized the over-medicalized nature of current safer supply models. Challenges with medicalization include privileging dominant ideologies (e.g. biomedicine), exerting social control, and perpetuating inequities. Greater attention to the relationships between harm reduction, medical, and criminal justice models in drug policy is needed to avoid compromises of medicalization within criminalization. Grassroots harm reduction may be critical in advancing safer supply beyond medical models.
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) | 0,001 | 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 ».