Mixed-methods study on professionals’ attitudes toward harm reduction in cannabis use and the development of a knowledge translation plan
Notice bibliographique
Résumé
Several factors limit the adoption of harm reduction in cannabis use (HR-c). A knowledge translation (KT) process can help optimize its adoption. This study aims to: (1) identify the attitudes toward HR-c of health and social services (HSS) practitioners working among young people in Quebec; and (2) develop a KT plan to enhance its adoption. Two conceptual frameworks guided the study: the Knowledge-to-Action model and the Consolidated Framework for Implementation Research. Managers and practitioners working among young people in difficulty in Quebec were recruited. Mixed methods tools were used, involving consultations (N = 14) and questionnaires (N = 167). Qualitative data underwent thematic analysis, while descriptive and inferential statistics were executed to analyze quantitative data. Participants presented positive attitudes toward HR-c (M = 44.79), negative attitudes toward abstinence-based treatments (M = 9.68), and moderate perceived levels of training in HR-c (M = 12.3). Their needs and contextual factors that might influence HR-c adoption were identified. Based on these findings, a KT plan was developed to optimize HR-c adoption by HSS practitioners. Despite some negative factors impacting its applicability, HR-c is generally accepted and implemented by practitioners. This study represents the pre-implementation phase of the KT plan, which will then guide the effective implementation of a KT process for HR-c adoption.
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 | 0,041 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».