Assessing the impact of TRAP laws on abortion and women’s health in the USA: a systematic review
Notice bibliographique
Résumé
INTRODUCTION: Targeted Regulation of Abortion Providers (TRAP) laws impose extensive and sometimes costly requirements on abortion providers and facilities, potentially leading to barriers to care. Understanding the impact of these laws is important given their prevalence in the USA, but no review to date has summarised the available evidence. We conducted a systematic review of literature on TRAP laws and their impact on abortion trends and women's health. METHODS: We searched MEDLINE, PubMed and EconLit for original, quantitative studies where the exposure was at least one TRAP policy and the outcome was abortion and/or any women's physical or mental health outcome. RESULTS: Six articles met our inclusion criteria. The most common outcome was population-level abortion trends; studies also assessed the effect of TRAP laws on gestational age at presentation and measures of self-perceived burden. While certain TRAP laws (eg, admitting privilege requirements) appeared to have an effect on abortion outcomes, the impact of other laws - or combinations of laws - was unclear, due in part to heterogeneity between studies with respect to study design, geography, and exposure definition. CONCLUSIONS: TRAP laws may have an impact on the experience of obtaining an abortion in the USA. However, our review revealed a paucity of empirical research on their population and individual-level impact, as well as some disagreement about the effect of different TRAP laws on subsequent abortion outcomes. Future research should prioritise the specific TRAP laws that may have a uniquely strong effect on state-level abortion rates and other outcomes.
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 | 0,012 | 0,069 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,007 |
| Bibliométrie | 0,012 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 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 ».