Perceptions of Emergency Department Nurses on Substance Use Disorders and Supervised Consumption Sites
Notice bibliographique
Résumé
Background: There have been increased deaths, emergency medical services, emergency department (ED) visits, and hospitalizations due to substance misuse (Government of Canada, 2022; WECHU, 2021; WECHU, 2022b; 2022c). With increasing drug-related harms, a stronger emphasis has been placed on harm reduction strategies such as supervised consumption sites (SCSs) (Kerr et al., 2017).Purpose: People with substance use disorders are among those who make persistent, frequent ED visits in Ontario (Moe et al., 2022). An ED visit has been recognized as an opportunity to improve patient outcomes by identifying those with substance use disorders and connecting them to treatment (Hawk & Onofrio, 2018). This study aims to assess ED nurses perceptions of substance use disorders and SCSs in Southwestern Ontario.Literature Review: Databases searched include CINAHL, ProQuest, Ovid Medline, PubMed, and Google Scholar using the following keywords:safe injection site or facility, supervised sites, safe or supervised consumption sites, harm reduction, overdose prevention, people who use drugs, drug use,inject, overdose, overdose death, opioids, mortality, morbidity, substance use or abuse, substance use disorder, perceptions, opinions, views, attitudes, 'perspectives', emergency department or room, and nurs*. Gray literature was also searched. A total of 36 research studies and 22 grey literature sources were included.Methods: Quantitative approach and descriptive design were used. The survey tool was developed in Qualtrics and deployed electronically to RNs in 6 EDs across 4 Southwestern Ontario hospitals.Results: The final results of this study are pending as data collection is currently ongoing. Conclusion: Knowing the perceptions of ED nurses can help create and enforce harm reduction programs and strategies and help to understand the viewpoints of those providing direct patient care (Shreffler et al., 2021).
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 | 0,006 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».