Safer supply programs: Discussions on medication diversion, sharing, and selling
Notice bibliographique
Résumé
BACKGROUND: Nearly 50,000 people who use drugs have died as a result of the ongoing drug poisoning crisis in Canada. To directly address concerns surrounding this crisis, safer supply pilot programs were implemented in several communities across the country. Since program implementation, discussions surrounding medication diversion have proliferated. We conducted surveys and interviews with current program participants to better understand medication diversion within the context of safer supply programs. METHODS: Safer supply program participants were recruited in Ottawa, Canada to complete semi-structured interviews and surveys. Surveys collected socio-demographic and substance use data. Survey results were reported using descriptive statistics. Semi-structured interviews were audio-recorded, transcribed, and analyzed thematically. RESULTS: 30 people participated in this study. From interviews, seven themes arose on the topic of diversion, including 1) diversion in the context of being a person who uses drugs, 2) safety, 3) compassion, 4) meeting needs, 5) survival, 6) coercion, and 7) protecting youth. CONCLUSION: Discussions with participants highlighted the importance of understanding why medication diversion occurs. Important factors influencing medication diversion included the need for safety, compassion, meeting needs, survival, and coercion faced by people who use drugs. Ultimately, medication diversion can be best understood as a measure implemented by people who use drugs to protect and care for their underserved community.
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 | 0,011 | 0,012 |
| 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 | 0,023 | 0,011 |
| Communication savante | 0,003 | 0,006 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».