Intravenous Drug Use in the Hospital Setting
Notice bibliographique
Résumé
ABSTRACT: People who inject drugs are likely to end up admitted to a hospital due to complications associated with substance use. While in hospital, many of these patients will continue the self-administration of nonprescribed drugs. When implemented without a harm reduction approach, self-administration can lead to an increase in the acquisition of infectious diseases, injection-related infections, and fatal and nonfatal overdoses. Often, administrators and providers use punitive approaches to manage this behavior among patients and providers. This abstinence-based approach has, and continues to, disproportionally impact structurally vulnerable communities. To mobilize the Truth and Reconciliation Commission's Calls to Action, Canadian hospitals must respond transparently and urgently to Indigenous peoples, patients, and communities. For example, First Nations, Inuit, and Metis people and communities living in Canada are significantly affected by the opioid epidemic, which can be traced back to the legacy of and continued colonialism and systemic discrimination in health care. Colonial policies and systems manifest as Indigenous populations experiencing a high prevalence of socioeconomic disadvantage and poor access to quality health and social services, on- and off-reserve. Clinicians must understand and receive cultural safety training to adequately care for Indigenous patient populations, as well as other structurally vulnerable populations. Additionally, Canadian hospitals should acknowledge and measure intravenous drug use in their organizations and take a harm reduction approach to mitigate associated adverse outcomes. Finally, hospitals should work with academic institutions to train, recruit, and retain Indigenous clinicians from diverse sociocultural backgrounds.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».