Facilitators of and barriers to healthcare providers’ adoption of harm reduction in cannabis use: a scoping review protocol
Notice bibliographique
Résumé
INTRODUCTION: The high prevalence of cannabis use and the potential for negative effects indicate the need for effective prevention strategies and treatment of people who use cannabis. Studies show that harm reduction (HR) in cannabis use is effective in minimising the harmful consequences of the substance. However, health professionals often misunderstand it and resist its adoption due to various obstacles. To our knowledge, there has been no review of the scientific literature on the factors that facilitate or hinder practitioners' adoption of HR in cannabis use. To fill this gap, we aim to identify, through a scoping review, facilitators and barriers to healthcare providers' adoption of HR in cannabis use in Organisation for Economic Cooperation and Development (OECD) countries. METHODS AND ANALYSIS: Our methodology will be guided by the six-step model initially proposed by Arksey and O'Malley (2005). The search strategy will be executed on different databases (Medline, PsycINFO, CINAHL, Web of Science, Embase, Sociological Abstracts, Érudit, BASE, Google Web and Google Scholar) and will cover articles published between 1990 and October 2022. Empirical studies published in French or English in an OECD country and identifying factors that facilitate or hinder healthcare providers' adoption of HR in cannabis use, will be included. Reference lists of the selected articles as well as relevant systematic reviews will be scanned to identify any missed publications by the electronic searches. ETHICS AND DISSEMINATION: Ethics approval is not required. The results will be disseminated through various activities (eg, publication in peer-reviewed journals, conferences, webinars and knowledge translation activities). The results will also allow us to conduct a future study aiming to develop and implement a knowledge translation process among healthcare practitioners working with youth in Quebec in order to enhance their adoption of HR in cannabis use.
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 | 0,116 | 0,078 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,006 |
| Méta-épidémiologie (sens large) | 0,014 | 0,013 |
| Bibliométrie | 0,022 | 0,015 |
| Études des sciences et des technologies | 0,005 | 0,006 |
| Communication savante | 0,008 | 0,009 |
| Science ouverte | 0,007 | 0,007 |
| Intégrité de la recherche | 0,009 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,057 | 0,011 |
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 ».