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
INTRODUCTION: Unregulated supply of fentanyl and adulterants continues to drive the overdose crisis. Mobile Overdose Response Services (MORS) are novel technologies that offer virtual supervised consumption to minimize the risk of fatal overdose for those who are unable to access other forms of harm reduction. However, as newly implemented services, they are also faced with numerous limitations. The aim of this study was to examine the facilitators and barriers to the adoption of MORS in Canada. METHODS: A total of 64 semi-structured interviews were conducted between November 2021 and April 2022. Participants consisted of people who use substances (PWUS), family members of PWUS, health care professionals, harm reduction workers, MORS operators, and members of the general public. Inductive thematic analysis was used to identify the major themes and subthemes. RESULTS: Respondents revealed that MORS facilitated a safe, anonymous, and nonjudgmental 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. Further advertising and promotional efforts were deemed important to increase its awareness. However, barriers to MORS implementation included concerns regarding privacy/confidentiality, uncertainty of funding, and compassion fatigue among the operators. CONCLUSION: Although MORS were generally viewed as a useful addition to the currently existing harm reduction services, it's important to monitor and tackle these barriers 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 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 | 0,001 | 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 | 0,001 | 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 ».