Perspectives of people who use drugs on implementing overdose response technologies in acute care settings: a qualitative study
Notice bibliographique
Résumé
BACKGROUND: People who use drugs (PWUD) face many barriers in healthcare settings. Illicit substance use during hospital stays, including solitary use in bathrooms, is prevalent, leading to a higher risk of overdoses. In this study, we examine the views of PWUD on implementing novel strategies such as overdose response technologies (ORTs) into acute care and explore the perceived acceptability, impacts, and barriers of these interventions. METHODS: We used convenience sampling to recruit 10 participants from hospitals and addiction medicine clinics, and semi-structured interviews were conducted. The interviews included an explanation of the five main types of ORTs relevant to acute care settings (hotlines, applications, overdose buttons, reverse motion detectors, and wearables), followed by questions where the participant had to critically evaluate whether each ORTs would be effective for each scenario. Open-ended coding and thematic analysis were used, and themes were derived from the data as it was reviewed. RESULTS: Participants acknowledged the advantages and potential risks of integrating ORTs into acute care. It was recognized that ORTs could help improve the relationships between PWUD and healthcare providers, reduce mortality rates in hospital bathrooms, and provide peer support during hospital stays. PWUD highlighted privacy concerns, logistical barriers, and stated that ORTs can also negatively impact their relationships with healthcare providers due to stigma. CONCLUSION: Although many participants felt that incorporating ORTs would be an advantage to their care within hospitals, our study also highlighted implementation barriers and broader policy changes that need to be addressed. Working towards addressing such barriers and changes can allow ORTs to be the next tool to help mitigate barriers faced by PWUD.
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 | 0,015 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,009 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».