Perceptions of overdose response hotlines and applications among rural and remote individuals who use drugs in Canada: a qualitative study
Notice bibliographique
Résumé
INTRODUCTION: The overdose epidemic continues to be one of the largest public health crises in Canada. Various harm reduction supports have been implemented to curb this epidemic; however, they remain concentrated within urban settings. To address this limitation, overdose response hotlines and applications (ORHA) are novel, technologybased harm reduction services that may reduce drug-related mortality for people who use substances (PWUS) living in rural communities through virtual supervised consumption. These services enable more timely and remote activation of emergency responses, should an individual become unresponsive. We aimed to explore the experiences, perceptions and attitudes surrounding ORHA of individuals living in rural areas. METHODS: We conducted semistructured interviews with 15 PWUS (7 [46.7%] male, 9 [60%] Indigenous) who lived in rural, remote or Indigenous communities. Interviews were conducted until data saturation was reached. Data were analyzed using thematic analysis. RESULTS: Six key themes emerged: (1) participants viewed ORHA as a pragmatic intervention for rural areas but noted potential limitations to its uptake and effectiveness; (2) rural geography may hinder EMS response times, reducing the efficacy of ORHA; (3) ORHA uptake may be limited due to significant stigma faced by PWUS in these communities; (4) lack of access to technology remains a barrier to ORHA access; (5) harm reduction awareness is often limited in rural communities; and (6) there are unique social implications around substance use and harm reduction for rural Indigenous PWUS. CONCLUSION: While participants believed that ORHA may be a feasible harm reduction strategy for rural PWUS, limitations, including response times, technological access and substance use stigma, remain.
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) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,015 | 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) | 0,003 | 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 ».