Understanding the barriers and facilitators to implementing and sustaining Mobile Overdose Response Services from the perspective of Canadian key interest groups: A qualitative study.
Notice bibliographique
Résumé
Abstract Introduction: Unregulated supply of fentanyl and adulterants continues to fuel the opioid epidemic across the globe. Mobile Overdose Response Services (MORS) are novel technologies that offer virtual supervised consumption (including hotline and mobile applications) to minimize the risk of fatal overdose for those who are unable to access a physical supervised consumption site. However, as newly implemented services, they are also faced with numerous limitations. The objective of this study was to examine the facilitators and barriers to the adoption and implementation of MORS in the context of the current drug poisoning crisis in Canada. Methods: A total of 64 semi-structured interviews were conducted between November 2021 and April 2022. Participants consisted of individuals with lived or living experience of substance use (i.e. peers), family members, health care providers, harm reduction workers, members of the general public, and MORS operators. Inductive thematic analysis informed by grounded theory was used to identify major themes and subthemes. Results: Respondents revealed that MORS facilitated a safe, trauma-informed environment for PWUS to seek harm reduction and other necessary support. It also created a new sense of purpose for operators to positively contribute to the community. However, barriers to adoption of MORS included uncertainty of funding, lacking marketing strategies, and compassion fatigue amongst the workers. Conclusion: Although MORS were viewed as a useful addition to the currently existing harm reduction toolkit, its barriers to adoption must be continuously examined and monitored in various contexts by engaging the perspectives of key interest groups.
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 | 0,010 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,023 | 0,007 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».