Healthcare provider perspectives on the facilitators, barriers and unexplored opportunities to support the recovery of clients on medications for opioid use disorder in Kenya
Notice bibliographique
Résumé
Abstract Introduction Opioid use is associated with significant burden of disease. Medications for opioid use disorder such as methadone are effective treatments. This study aimed to identify the healthcare provider perspectives on facilitators, barriers and unexplored opportunities toward achieving optimal clinical outcomes for clients on methadone treatment. Method The study conducted at a methadone treatment clinic in Kenya, used an exploratory study design to explore healthcare provider experiences of providing care to patients on methadone treatment. Interviews lasting an average of 30–40 min were transcribed verbatim and analyzed thematically using NVivo 12 software. Results Eleven participants were enrolled and three themes were identified namely: (a)The impact of methadone treatment on clients whereby methadone was perceived to possess transformative attributes enabling clients to regain some semblance of control of their lives including finding gainful employment and relationship restoration; (b) Threats to client recovery which include factors at the individual level such lack of training and factors at the system levels such as inadequate staff, and; (c) Thinking outside the box whereby participants proposed diverse strategies to support clients’ full engagement in care including private–public partnerships to support travel logistics. Conclusions Healthcare providers caring for clients on methadone treatment exhibited an understanding of the facilitators, barriers and opportunities for improving treatment outcomes for clients on methadone. Finding innovative solutions to mitigate the barriers identified can increase client retention and treatment outcomes.
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 | 0,001 |
| 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) | 0,000 | 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 ».