The impact of family systems and social networks on substance use initiation and recovery among women with substance use disorders.
Notice bibliographique
Résumé
OBJECTIVE: While social networks influence individuals with substance use disorders (SUDs), the mechanisms for such influence are under-explored among women who use drugs. This study triangulates the perspectives of criminal justice professionals, SUD treatment professionals, and women with past and current experiences with substance use to explore these dynamics. METHOD: = 10) who work with women with opioid use disorder. Interviews centered around participants' backgrounds, perceived barriers and facilitators to medications for opioid use disorder (MOUD) treatment, and gender-specific issues in MOUD treatment. All interviews were audio-recorded, transcribed, and deidentified. We used a four-step qualitative data analysis process to code transcripts. RESULTS: Across these participants' accounts, we identified mechanisms by which women's social networks influenced their opioid use trajectories: intergenerational substance use, family support and strain, intimate partner influence, and peer support and pressure. Overall, the emergent themes in the present study reflect the embedded nature of support within social systems. Women who had access to and engaged with various forms of social support tended to be those who use/used MOUD and self-identified as in recovery. CONCLUSIONS: Combining MOUD treatment with psychosocial interventions allows women to heal from trauma, learn effective coping skills, and receive valuable resources to support recovery. Interventions focusing on family resilience and peer recovery support can disrupt the cycle of addiction and promote MOUD treatment success. (PsycInfo Database Record (c) 2024 APA, all rights reserved).
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 | 0,001 |
| 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 ».