Planning and implementing community-based drug checking services in Scotland: a qualitative exploration using the consolidated framework for implementation research
Notice bibliographique
Résumé
Abstract Background Drug checking services (DCS) provide harm reduction support and advice to individuals based on chemical analysis of submitted substances of concern. Whilst there are currently no DCS in Scotland, community-based services are being planned in three cities. Methods In this paper, we report qualitative findings based on interviews with 43 participants, focused on perceptions of DCS and their implementation. Participants were relevant professionals, those with experience of drug use, and family members of those with experience of drug use. The Consolidated Framework for Implementation Research (CFIR) was used to inform data collection and analysis. We report findings under nine constructs/themes across the five CFIR domains. Results Participants noted the importance of DCS being implemented in low-threshold, trusted services with a harm reduction ethos, and outlined a range of further service design considerations such as speed of testing, and information provided through the analysis process. In relation to the ‘inner setting’, a key finding related to the potential value of leveraging existing resources in order to expand both reach and effectiveness of drug trend communication. The approach of local and national police to DCS, and the attitudes of the public and local community, were described as important external factors which could influence the success (or otherwise) of implementation. Bringing together a range of stakeholders in dialogue and developing tailored communication strategies were seen as ways to build support for DCS. Overall, we found high levels of support and perceived need for DCS amongst all stakeholder groups. Conclusions Our findings present initial implementation considerations for Scotland which could be further explored as DCS are operationalised. Further, our focus on implementation contexts is relevant to research on DCS more generally, given the minimal consideration of such issues in the literature.
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 | 0,034 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,009 | 0,010 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».