Beliefs, attitudes and experiences of virtual overdose monitoring services from the perspectives of people who use substances in Canada: a qualitative study
Notice bibliographique
Résumé
Abstract Background Solitary use of substances is a risk factor for substance use-related mortality. Novel e-health harm reduction interventions such as virtual overdose monitoring services (VOMS) have emerged in North America to improve access to emergency overdose support for people who use substances (PWUS). To date, little research has been published, and the perspectives of PWUS are needed to inform evaluation and policy efforts. Objective To explore the beliefs, values and perceptions of PWUS around using and accessing VOMS in Canada. Methods A qualitative study following grounded theory methodology was conducted. Using existing peer networks, purposive and snowball sampling was conducted to recruit PWUS (≥ 18 years) with previous experience with VOMS. Thematic analysis was used to analyze twenty-three interviews. Several methods were employed to enhance rigor, such as independent data coding and triangulation. Results Twenty-three one-on-one telephone interviews of PWUS with previous experience with VOMS were completed and analyzed. The following themes emerged: (1) feelings of optimism around VOMS to save lives; (2) privacy/confidentiality was highly valued due to stigma and fear of arrest; (3) concerns with reliable cell phones negatively impacting VOMS uptake; (4) concerns around emergency response times, specifically in rural/remote communities; (5) desire for trusting relationships with VOMS operators; (6) importance of mental health supports and referrals to psychosocial services; and (7) possible limited uptake due to low public awareness of VOMS. Conclusion This qualitative study provided novel insights about the VOMS from the perspectives of PWUS. PWUS generally felt optimistic about the potential of VOMS as a suitable harm reduction intervention, but several potential barriers around accessing VOMS were identified that may limit uptake. Future research is warranted.
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 | 0,005 | 0,009 |
| 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 | 0,018 | 0,009 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».