Capacity Building and Creating Supportive Environments for Inclusive Community-Based Participatory Research: A Case Study of the Overdose Prevention Peer Research Assistant (OPPRA) Project
Notice bibliographique
Résumé
Community members, service users, and people with lived experience, sometimes referred to as “peers,” are increasingly engaged in public health research and practice. The involvement of peers can enhance the acceptability and efficacy of public health interventions, foster trust, and is particularly significant in public health contexts characterized by stigma and criminalization. The involvement of peers in research, such as through community-based participatory research (CBPR) approaches, presents important opportunities for meaningful community engagement. However, the complex challenges associated with research training, capacity building and creating supportive research environments remain underexplored in the literature, particularly for communities that experience social exclusion and marginalization. This study presents a case study of the Overdose Prevention Peer Research Assistant (OPPRA) Project, a CBPR initiative that meaningfully involved harm reduction workers and people who use drugs in research about overdose prevention sites. We describe how inclusion and shared decision-making were accomplished through tailored research training and capacity building with peers and the process of developing supportive research environments that integrate social supports and meet peer research assistants “where they are at.” Further, we outline innovative and collaborative methods for data gathering and analysis developed to involve peers at every step of the research process and share the results of this original research. Results demonstrate the potential for overdose prevention sites to serve as critical points of connection and promote human rights and wellbeing for peer workers, service users, and the broader community.
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 | 0,047 | 0,052 |
| 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 | 0,030 | 0,022 |
| Communication savante | 0,009 | 0,011 |
| Science ouverte | 0,005 | 0,023 |
| Intégrité de la recherche | 0,006 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».