MétaCan
Menu
← Retour à la cohorte
Enregistrement W4414323711 · doi:10.1371/journal.pone.0332899

An implementation science study of a campus-based drug checking service at a Canadian university

2025· article· en· W4414323711 sur OpenAlexafffundabout
Lauren Airth, Bruce Wallace, Mary Clare Kennedy, Lucas Standing, Antoine Marcheterre, Lianping Ti, Jennifer Matthews, Melissa Feddersen, Nelly D. Oelke

Notice bibliographique

RevuePLoS ONE · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueSubstance Abuse Treatment and Outcomes
Établissements canadiensOkanagan University CollegeKelowna General HospitalInterior HealthBritish Columbia Centre on Substance UseUniversity of VictoriaCapital Regional DistrictUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesCanada Excellence Research Chairs, Government of CanadaUniversity of VictoriaFoundation for the National Institutes of HealthUniversity of British ColumbiaPostdoctoral Fellows Office, University of British Columbia
Mots-clésContext (archaeology)SustainabilityService (business)Service delivery frameworkMEDLINEHealth services research

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Research shows that in countries around the world, unregulated drug use and disorders are more prevalent amongst youth and young adults compared to general adult populations. Further, youth and young adults, including those in post-secondary settings, are increasingly experiencing harms from the global unregulated drug supply. Yet, population-specific harm reduction strategies are limited. This implementation science study explored the reach, effectiveness, adoption, implementation, and maintenance of a post-secondary campus-based drug checking service that was facilitated through intersectoral partnerships and run by students. METHODS: This study used critical social theory and integrated knowledge translation. Data were collected from June to December 2023 through interviews and surveys that utilized the RE-AIM implementation science framework. One-time, individual semi-structured interviews were conducted with students (n = 4) who used drugs and/or the campus drug checking service and with program decision makers (n = 7) while student drug checking technicians (n = 6) completed online surveys. Data were analyzed using constant comparison. RESULTS: Service reach was enhanced by a motivation to avoid consuming harmful substances but inhibited by stigma and fears of criminalization, particularly amidst uncertain academic repercussions. Participants reported that the presence and use of student-run drug checking services effectively reduced stigma on campus and the risk of harm for service users and their social networks. Adoption and implementation were facilitated by intersectoral partnerships and associated network expansion and resource sharing opportunities but challenged by inadequate infrastructure. The service was maintained through partnership agreements and individual commitments to engaging with drug checking services. CONCLUSION: This study contributes valuable insights regarding drug checking in post-secondary settings. These contributions are discussed in the context of young adult health and post-secondary environments, demonstrating how post-secondary institutions might help to overcome challenges in the implementation and delivery of campus drug checking services. The sustainability of such services requires supportive policies, enhanced accessibility, and related evaluations.

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)0,019
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,168
Score d'incertitude au seuil0,877

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,019
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0180,006
Communication savante0,0050,002
Science ouverte0,0040,005
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,042
Tête enseignante GPT0,306
Écart entre enseignants0,263 · 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'étudeObservationnel
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

Citations1
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetSubstance Abuse Treatment and Outcomes→Travaux en français237 207→