Perceptions of Overdose Response Hotlines and Phone Application Services Among Women and Gender-diverse Individuals Who Use Drugs in Canada: A Qualitative Study
Notice bibliographique
Résumé
OBJECTIVES: In 2021, opioid-related deaths have increased by 96% and continue to be higher than prepandemic levels. In particular, women and gender-diverse individuals face numerous challenges when assessing harm reduction supports, including physical supervised consumption sites, compared with male counterparts. Mobile overdose response services (MORSs) including overdose response hotlines and phone-based overdose response applications are novel virtual overdose response technologies that may help mitigate this issue. This study aims to explore how women and gender-diverse individuals engage with and perceive these services. METHODS: A qualitative study using grounded theory was conducted. Using existing peer networks and purposive and snowball sampling between March and July 2023, 19 semistructured interviews were conducted with women and gender-diverse individuals in Canada who have lived experience using substances. NVivo was used for thematic analysis, which continued until saturation was reached. RESULTS: The interviews elucidated the following 5 themes: Overdose response hotlines and applications were generally preferred over supervised consumption sites due to (1) perceived gender-based safety; (2) better accommodation for mothers concerned with stigma, childcare, and child welfare systems; and (3) eased accessibility for those involved in sex work. It was also noted that (4) judgment-free spaces and trauma-informed care provided by staff with lived experiences were invaluable, and (5) decriminalization of illicit substances will encourage uptake of these harm reduction services. CONCLUSION: This study found that women and gender-diverse individuals felt positively toward overdose response hotlines and applications with the potential to fill a need in providing harm reduction services that create feelings of safety, support roles of motherhood and sex work, and generate nonstigmatizing spaces.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,017 | 0,007 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».