Assessing support for substance use policies among the general public and policy influencers in two Canadian provinces
Notice bibliographique
Résumé
BACKGROUND: Examining support for substance use policies, including those for harm reduction, among the general public and policy influencers is a fundamental step to map the current policy landscape and leverage policy opportunities. Yet, this is a knowledge gap in Canada. Our paper identifies the level of support for substance use policies in two provinces in Canada and describes how the level of support is associated with intrusiveness and sociodemographic variables. METHODS: Data came from the 2019 Chronic Disease Prevention Survey. The representative sample included members of the general public (Alberta n = 1648, Manitoba n = 1770) as well as policy influencers (Alberta n = 204, Manitoba n = 98). We measured the level of support for 22 public policies concerning substance use through a 4-point Likert-scale. The Nuffield Council on Bioethics Intervention Ladder framework was applied to assess intrusiveness. We used cumulative link models to run ordinal regressions for identification of explanatory sociodemographic variables. RESULTS: Overall, there was generally strong support for the policies assessed. The general public in Manitoba was significantly more supportive of policies than its Alberta counterpart. Some differences were found between provinces and samples. For certain substance use policies, there was stronger support among women than men and among those with higher education than those with less education. CONCLUSIONS: The results highlight areas where efforts are needed to increase support from both policy influencers and general public for adoption, implementation, and scaling of substance use policies. Socio-demographic variables related to support for substance use policies may be useful in informing strategies such as knowledge mobilization to advance the policy landscape in Western Canada.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| 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 ».