MétaCan
Menu
← Retour à la cohorte
Enregistrement W4410223004 · doi:10.2196/preprints.76451

Examining the public discourse around the closures of safe injection sites: thematic analysis (Preprint)

2025· preprint· en· W4410223004 sur OpenAlexaboutno aff
Nauman Shakeel, Helen Chen, Fahad Talebi, Genevieve Lee, Carly Wheelans, Abu Yousha Mohammed Abdullah, Zahid A Butt

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineMedicine
ThématiqueHIV, Drug Use, Sexual Risk
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPreprintThematic analysisThematic mapPublic discoursePolitical scienceMedia studiesSociologyGeographyQualitative researchComputer scienceCartographySocial scienceLawWorld Wide WebPolitics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND Safe injection sites (SIS) are evidence-based harm reduction facilities that offer supervised environments for drug use to prevent overdose deaths and infectious disease transmission. Despite their demonstrated effectiveness, the Ontario government announced the closure of several SISs by March 2025, citing public safety concerns, including their proximity to schools. This policy shift sparked widespread public discourse, especially on social media platforms like Reddit, where anonymity enables open discussion on controversial topics. OBJECTIVE This study aims to examine public discourse of SIS closures in Ontario by analyzing Reddit discussions, providing insights into community sentiments, thematic discourse, and the political and social factors shaping attitudes toward harm reduction policies. METHODS Reddit data were collected between August and December 2024, focusing on six subreddits from affected Ontario cities. A total of 771 comments across 28 threads were retrieved using keywords related to SIS and opioid use. After preprocessing, 549 relevant comments were retained. An inductive thematic analysis following Braun & Clarke’s framework was conducted to identify discourse patterns. Descriptive statistics, upvote analysis, and Spearman’s correlation tests were employed to explore theme prevalence, user engagement, and associations between comment length and agreement. RESULTS Seven primary themes emerged: (1) support for SIS closures, (2) support for SISs, (3) criticism of government policies, (4) housing and homelessness, (5) alcohol policy comparisons, (6) child exposure concerns, and (7) personal attacks on Premier Doug Ford. Emerging themes addressed broader systemic issues like healthcare privatization. The most prevalent theme (31%) criticized the government’s lack of integrated support services for addiction recovery. A weak but statistically significant correlation (rₛ = 0.132, p < .001) was found between comment length and upvotes. Although support for closures was visible (25%), many users expressed concern over the absence of viable alternatives, inadequate mental health services, and politicization of public health decisions. CONCLUSIONS The analysis reveals polarized public discourse on SIS closures in Ontario. While some Reddit users endorsed the government’s decision, citing safety concerns, many opposed the closures due to the lack of evidence-based policy and insufficient alternative support systems. The discourse reflects broader societal tensions between public safety and harm reduction, highlighting the need for comprehensive addiction support strategies. This study demonstrates the value of social media data in capturing real-time public reactions to policy changes and offers insights for future health communication and policymaking.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,020
score de la tête « metaresearch » (Gemma)0,042
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,163
Score d'incertitude au seuil0,325

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,042
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0050,010
Études des sciences et des technologies0,0070,009
Communication savante0,0050,004
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,099
Tête enseignante GPT0,380
Écart entre enseignants0,282 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHIV, Drug Use, Sexual Risk→Travaux en français237 207→