Exploring stakeholder perspectives on nurse-led telehealth services for people who use substances: A study protocol
Notice bibliographique
Résumé
Background: In Canada, the Covid-19 pandemic and the overdose crisis have made it more difficult for people who use substances to access medical care. This difficulty is due to the lack of appropriate harm reduction services. In addition, the unwelcoming attitudes and the stigma they face from medical personnel represent a significant barrier. The accelerated and significant shift of healthcare services from in-person to virtual delivery has opened new avenues to provide timely and appropriate healthcare services to people who use substances. Low-threshold nurse-led initiatives are particularly promising in that regard due to the broad scope of nursing practice in Canada. Objective: To better understand stakeholders’ perspectives on the needs of people who use substances, as well as the feasibility and acceptability including conditions, barriers, and facilitators, of the implementation of a nurse-led telehealth service for this population. Methods: We will conduct interviews with relevant stakeholders from diverse backgrounds and origins, including people who use substances, healthcare professionals such as nurses, intervention workers on an addiction support line, community and social workers, and peer workers. Verbatim transcripts of the interviews will be analyzed using NVivo. Results: Thematic analysis will identify common and group-specific themes related to experiences with substance use, perceptions of telehealth, and service needs. Similarities and differences across participant groups will be explored to inform a tailored and feasible nurse-led telehealth model for PWUS. Conclusions: This fundamental knowledge will be useful to guide the development of a low-threshold nurse-led telehealth service for people who use substances in the province of Quebec, Canada.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,002 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,009 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».