Impact of abortion law reforms on health services and health outcomes in low- and middle-income countries: a systematic review
Notice bibliographique
Résumé
While restrictive abortion laws still prevail in most low- and middle-income countries (LMICs), many countries have reformed their abortion laws, expanding the grounds on which abortion can be performed legally. However, the implications of these reforms on women's access to and use of health services, as well as their health outcomes, are uncertain. This systematic review aimed to evaluate and synthesize empirical research evidence concerning the effects of abortion law reforms on women's health services and health outcomes in LMICs. We searched Medline, Embase, CINAHL and Web of Science databases, as well as grey literature and reference lists of included studies. We included pre-post and quasi-experimental studies that aimed to estimate the causal effect of a change in abortion law on at least one of four outcomes: (1) use of and access to abortion services, (2) fertility rates, (3) maternal and/or neonatal morbidity and mortality and (4) contraceptive use. We assessed the quality of studies using the quasi-experimental study design series checklist and synthesized evidence through a narrative description. Of the 2796 records identified by our search, we included 13 studies in the review, which covered reforms occurring in Uruguay, Ethiopia, Mexico, Nepal, Chile, Romania, India and Ghana. Studies employed pre-post, interrupted time series, difference-in-differences and synthetic control designs. Legislative reforms from highly restrictive to relatively liberal were associated with reductions in fertility, particularly among women from 20 to 34 years of age, as well as lower maternal mortality. Evidence regarding the impact of abortion reforms on other outcomes, as well as whether effects vary by socioeconomic status, is limited. Further research is required to strengthen the evidence base for informing abortion legislation in LMICs. This review explicitly points to the need for rigorous quasi-experimental studies with sensitivity analyses to assess underlying assumptions. The systematic review was registered in PROSPERO database CRD42019126927.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».