MétaCan
Menu
Retour à la cohorte
Enregistrement W7106016049 · doi:10.7939/83212

Barriers to Needle Exchange Success in Canadian Prisons

2025· dissertation· en· W7106016049 sur OpenAlexaboutno aff

Notice bibliographique

RevueUniversity of Alberta Library · 2025
Typedissertation
Langueen
DomaineMedicine
ThématiqueHIV, Drug Use, Sexual Risk
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPrisonThematic analysisQualitative researchHarm reductionPublic healthMental healthHarmCriminal justice

Résumé

récupéré en direct d'OpenAlex

In 2018, Correctional Service Canada rolled out the Prison Needle Exchange Program (PNEP) in response to growing human rights and public health concerns surrounding the spread of HIV and HCV in Canadian prisons. Despite having goals to save lives and reduce harm, an independent program evaluation in 2020 revealed that numerous prisons had zero program participants and, as of 2022, fewer than fifty individuals were participating in the program. In 2019, members of the University of Alberta Prison Project (UAPP: PI Drs. Bucerius and Haggerty) interviewed 15 prison staff and 63 incarcerated women and surveyed 74 prison staff at one of Canada’s federal women’s prisons regarding their views of substance use and harm reduction strategies. Using a mixed-methods research approach, I conduct a thematic analysis of these qualitative interviews to identify perceptions toward the prison needle exchange program. Further, I augment qualitative insights with findings from the institution-wide survey of 74 prison staff, including 38 correctional officers and 36 other staff. In Paper 1, I use an implementation science research perspective, which aims to translate research findings into practice, identifying numerous barriers to the PNEPs’ successful implementation. My findings reveal an overwhelming lack of support toward the PNEP for both prison staff and incarcerated women. Interviews reveal three main themes for such disapproval: organizational barriers to program uptake, subcultural barriers to program uptake, and health and safety concerns. In Paper 2, I run a stepwise linear regression analysis of 74 prison staff to understand what factors influence staff approval toward the PNEP, with several notable results. My findings show significant differences between correctional officers and other staff, with correctional officers being more disapproving toward the PNEP. Interestingly, prison staff’s familiarity with harm reduction programs has a negative relationship with PNEP approval, with further analysis revealing this relationship is only significant for correctional officers. This finding suggests a different understanding of “familiarity” between correctional officers and other staff, which may be informed by their unique lived experiences and work responsibilities. Perceptions of harm reduction program effectiveness has a significant positive relationship with PNEP approval, which suggests the more effective staff perceive programs, the higher approval they will have toward such programs. Overall, my research reveals significant barriers to the PNEPs’ success, identifying a lack of support from both incarcerated women and correctional staff. These findings are consistent with previous literature, which highlight numerous problems with PNEP design and implementation. I conclude with recommendations for future research and possible reforms to improve implementation fidelity moving forward.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,102
Score d'incertitude au seuil0,741

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,023
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0250,005
Communication savante0,0050,001
Science ouverte0,0030,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,252
Écart entre enseignants0,239 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUniversity of Alberta LibraryMême sujetHIV, Drug Use, Sexual RiskTravaux en français237 207