Talking with pregnant women exposed to cannabis use after cannabis legalization: Experiences of professionals working in Québec's social and healthcare system
Notice bibliographique
Résumé
Background The rising prevalence of prenatal cannabis use in high-income countries presents a growing concern for the medical community. Despite guidelines outlining risks, healthcare and social service professionals often struggle to discuss cannabis use with pregnant women. This study examines how these interactions have evolved following the Cannabis Act in Québec, focusing on how professionals respond to and provide guidance for women who report cannabis use during pregnancy. Methods This is a qualitative study using semi-structured interviews. Purposeful sampling was employed to recruit 19 professionals, including physicians, nurses, psychologists, and social workers. Data was analyzed using King's (2012) Template analysis technique. Results We identified three themes: a) how professionals talk about cannabis, b) what they talk about, and c) what practices they follow. Two key processes—i) exploration and assessment, and ii) action—were identified. Professionals tailor interventions, including counseling, psycho-emotional management, harm reduction, and referrals, based on risk levels and willingness to change. We observed differences among professionals based on the programs in which they work. Conclusions This study highlights the complex interactions between health professionals and pregnant women who use cannabis. It discusses the importance of integrating harm reduction strategies with person-centered approaches to address cannabis use. While professionals balance the need for openness with concerns about fetal health, a knowledge gap persists. Strengthening educational initiatives and expanding addiction expertise could enhance support and intervention practices, bridging gaps left by current evidence and regulatory frameworks.
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,022 | 0,009 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,003 |
| 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 ».