MétaCan
Menu
Back to cohort
Record W7014452069

Point de vue des professionnels travaillant auprès des personnes utilisatrices d’opioïdes sur la problématique des opioïdes

2024· other· fr· W7014452069 on OpenAlexaboutno aff

Bibliographic record

VenueConstellation (Université du Québec à Chicoutimi) · 2024
Typeother
Languagefr
Field
Topic
Canadian institutionsnot available
Fundersnot available
KeywordsPopulationPoison controlLife styleResearch methodology
DOInot available

Abstract

fetched live from OpenAlex

La consommation d’opioïdes est un sujet présent dans l’actualité canadienne depuis plusieurs années (La Presse canadienne, 2020 ; Martin, 2018 ; Tchandem Kamgang, 2019 ; TVA Nouvelles, 2021). Le grand nombre de vies perdues fait de cette crise un grave problème de santé et de sécurité publiques » (CCDUS, 2023, p.1). En plus du nombre de décès et des autres conséquences plus « directs » comme le nombre d’hospitalisations pour intoxication, les risques associés aux opioïdes complexifient la pratique des professionnels de la santé et des services sociaux. Concrètement, le but de la présente recherche est de connaitre le point de vue des acteurs gravitant autour des personnes utilisatrices d’opioïdes sur la consommation de ce type de substances. Les retombées associées à l’acquisition de ces connaissances serviront entre autres au Comité Action Prévention Opioïdes (CAPO) du Saguenay-Lac-Saint-Jean. De plus, soulignons que l’identification des attitudes et comportements stigmatisants est un élément important dans le processus de diminution de la stigmatisation. Afin de décrire le point de vue des différents acteurs gravitant autour des personnes utilisatrices d'opioïdes au Saguenay, l’interactionnisme symbolique sert de cadre d’analyse pour la présente recherche. Il est question de faire ressortir à partir de la perception des différents acteurs gravitant autour des personnes utilisatrices d’opioïdes comment celle-ci peut influencer ou pas ces derniers, plus particulièrement, comment leurs attitudes et leurs comportements peuvent contribuer à stigmatiser ou pas les personnes utilisatrices. La population à l’étude est composée de différents professionnels côtoyant les personnes utilisatrices d’opioïdes dans le cadre de leur travail. Plus précisément, la collecte de données a été réalisée auprès de quatre groupes d’acteurs, soit les intervenants, les pharmaciens, les policiers et les médecins (automne 2021). L’échantillon est de type non probabiliste et est composé de cinq intervenants travaillant dans les organismes communautaires côtoyant une clientèle consommant des opioïdes (organismes en santé mentale, travail de rue, Carrefour jeunesse-emploi), de trois pharmaciens, de cinq policiers communautaires et de la Sureté du Québec et de trois médecins. Plusieurs pistes d’amélioration dans l’accompagnement des personnes utilisatrices d’opioïdes ont été nommées par les professionnels. Premièrement, les professionnels ont souligné l’importance d’améliorer l’offre de services en réduction des méfaits, tels que les services d’analyse de substance, la naloxone, les cliniques d’injection supervisée et les cliniques de proximité. Également, augmenter l’accessibilité aux soins de santé ainsi qu’aux traitements alternatifs à la douleur chronique. Finalement, le fait d’être à jour sur les services et traitements existants pour les personnes utilisatrices d’opioïdes en plus d’être sensibilisé afin de réduire la stigmatisation des personnes utilisatrices sont des pistes d’actions que les professionnels ont identifiées comme étant pertinentes pour eux. Effectivement, l’acquisition de données sur le présent sujet devrait permettre une meilleure compréhension des possibles mécanismes de la stigmatisation en lien avec les personnes utilisatrices d’opioïdes et ainsi être un premier pas vers une diminution de la stigmatisation envers celles-ci.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.008
metaresearch head score (Gemma)0.026
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Qualitative · Consensus signal: Qualitative
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.110
Threshold uncertainty score0.219

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0080.026
Meta-epidemiology (narrow)0.0000.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0020.002
Science and technology studies0.0070.005
Scholarly communication0.0060.005
Open science0.0020.005
Research integrity0.0020.004
Insufficient payload (model declined to judge)0.0200.002

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.017
GPT teacher head0.215
Teacher spread0.198 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designQualitative
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2024
Admission routes1
Has abstractyes

Explore more

Same venueConstellation (Université du Québec à Chicoutimi)French-language works237,207