Experiences of Healthcare Professionals Working in Injectable Opioid Agonist Treatment Programs
Notice bibliographique
Résumé
BACKGROUND: Injectable opioid agonist treatment (iOAT) programs are increasing as a method of harm reduction for opioid use disorder. Although there have been numerous studies of client experience in iOAT programs, there have been few studies on the experiences on healthcare professionals working in these programs. AIM: In this study, we aimed to understand the experiences and perspectives of healthcare professionals in iOAT programs. This study is among the first to explore the experiences of healthcare professionals in an operational iOAT program, with the aim of making workforce recommendations to enhance the sustainability of iOAT programs. METHODS: We conducted a secondary analysis using a thematic analysis approach with qualitative interview transcripts. RESULTS: Sixteen participants were interviewed, and we analyzed the transcripts, identifying three major themes: healthcare professionals' experiences in the iOAT program, approaches to work, and navigating practice issues. Working in iOAT was rewarding for participants because of the changes the program created in clients' lives. Participants reported that building trusting relationships with iOAT clients was key to the client's success. Healthcare professionals' approaches to their work varied, where they adopted either client-centered care or rules-based approaches. Healthcare professionals' experiences were shaped by program structure, the need to adapt their work, and building relationships with other healthcare services. Managing limited resources was a challenge for participants. CONCLUSION: Supportive work environments can foster relationships between healthcare professionals and clients, for success in iOAT programs. Healthcare professionals require adequate support and staffing to provide high-quality care.
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 | 0,000 | 0,000 |
| 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 ».