MétaCan
Menu
Retour à la cohorte
Enregistrement W3094984029 · doi:10.1186/s12913-020-05835-w

User fee policies and women’s empowerment: a systematic scoping review

2020· article· en· W3094984029 sur OpenAlexafffund
Véronique Plouffe, Frank Bicaba, Abel Bicaba, Thomas Druetz

Notice bibliographique

RevueBMC Health Services Research · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Maternal and Child Health
Établissements canadiensUniversité de MontréalMcGill University Health Centre
Organismes subventionnairesCanadian Institutes of Health ResearchFonds de Recherche du Québec - SantéGlobal Affairs CanadaInternational Development Research Centre
Mots-clésEmpowermentHealth informaticsContext (archaeology)User feeWomen's empowermentHealth administrationThematic analysisMedicineNursing researchHealth policySystematic reviewMEDLINEPublic healthSierra leoneGrey literaturePolitical scienceQualitative researchNursingEconomic growthSocioeconomicsGeographySocial scienceSociologyEconomics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Over the past decade, an increasing number of low- and middle-income countries have reduced or removed user fees for pregnant women and/or children under five as a strategy to achieve universal health coverage. Despite the large number of studies (including meta-analyses and systematic reviews) that have shown this strategy's positive effects impact on health-related indicators, the repercussions on women's empowerment or gender equality has been overlooked in the literature. The aim of this study is to systematically review the evidence on the association between user fee policies in low- and middle-income countries and women's empowerment. METHODS: A systematic scoping review was conducted. Two reviewers conducted the database search in six health-focused databases (Pubmed, CAB Abstracts, Embase, Medline, Global Health, EBM Reviews) using English key words. The database search was conducted on February 20, 2020, with no publication date limitation. Qualitative analysis of the included articles was conducted using a thematic analysis approach. The material was organized based on the Gender at Work analytical framework. RESULTS: Out of the 206 initial records, nine articles were included in the review. The study settings include three low-income countries (Burkina Faso, Mali, Sierra Leone) and two lower-middle countries (Kenya, India). Four of them examine a direct association between user fee policies and women's empowerment, while the others address this issue indirectly -mostly by examining gender equality or women's decision-making in the context of free healthcare. The evidence suggests that user fee removal contributes to improving women's capability to make health decisions through different mechanisms, but that the impact is limited. In the context of free healthcare, women's healthcare decision-making power remains undermined because of social norms that are prevalent in the household, the community and the healthcare centers. In addition, women continue to endure limited access to and control over resources (mainly education, information and economic resources). CONCLUSION: User fee removal policies alone are not enough to improve women's healthcare decision-making power. Comprehensive and multi-sectoral approaches are needed to bring sustainable change regarding women's empowerment. A focus on "gender equitable access to healthcare" is needed to reconcile women's empowerment and the efforts to achieve universal health coverage.

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)0,027
score de la tête « metaresearch » (Gemma)0,099
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,140

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0270,099
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,005
Bibliométrie0,0140,015
Études des sciences et des technologies0,0010,002
Communication savante0,0040,005
Science ouverte0,0020,002
Intégrité de la recherche0,0030,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,067
Tête enseignante GPT0,449
Écart entre enseignants0,382 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations16
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC Health Services ResearchMême sujetGlobal Maternal and Child HealthTravaux en français237 207