The impact of the COVID-19 pandemic on access to harm reduction and treatment services among people who inject drugs in Toronto, Canada: A qualitative investigation
Notice bibliographique
Résumé
ABSTRACT (230 words) The COVID-19 pandemic and related restrictions exacerbated Canada’s ongoing drug toxicity overdose crisis. Opioid agonist therapy (OAT), safer opioid supply (SOS), and supervised consumption sites (SCS) are interventions that aim to reduce risk of morbidity and mortality from drug toxicity and were affected by COVID-19. Between September and October 2020, we conducted qualitative interviews with 24 people who inject drugs receiving services at community harm reduction programs in Toronto, Canada to examine the health and socioeconomic impacts of COVID-related service disruptions. Participants who were already receiving OAT and SOS prior to the start of pandemic reported high levels of continuity of care when pandemic measures were implemented, with medical appointments switching to telemedicine. Participants reported easy access to harm reduction supplies, but those accessing SCS reported increased wait times due to COVID-related capacity restrictions that reduced the number of injection spaces available due to physical distancing requirements. Participants reported extreme difficulty accessing shelter beds and food insecurity due to the closure of drop-in programs, food banks, and food distribution programs and noted the deep impacts these changes had on their health and socioeconomic well-being. Disruption in service delivery of shelters and food programs reveal the need for adaptation of strategies to ensure service continuity. Preparedness planning for future public health emergencies can benefit from analysis of lessons learned, as continuity of care was successfully ensured in OAT, SOS and harm reduction service delivery.
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 | 0,013 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 | 0,001 |
| 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 ».