The use of legal empowerment to improve access to quality health services: a scoping review
Notice bibliographique
Résumé
This paper presents the results of a scoping review that examines the extent to which legal empowerment has been used as a strategy in efforts to improve access to quality health services in low- and middle-income countries. The review identifies lessons learned regarding legal empowerment program strategy, as well as impact on health empowerment and health outcomes, research gaps, areas of consensus and tension in the field.The review included three main sources of data: 1) peer-reviewed literature, 2) grey literature, and 3) interviews with key legal empowerment stakeholders. Peer-reviewed and grey literature were identified via keyword searches, and interviewees were identified by searching an organizational database and snowball sampling.The key findings were: first, there is very limited documentation on the use of legal empowerment strategies for improving health services. Second, the legal empowerment approach tends to be focussed on issues that communities themselves prioritize, often narrowly defined local challenges. However, legal empowerment as a strategy that pursues collective and individual remedies has the potential to contribute to structural change. Third, for this potential to be realised, legal empowerment entails building capacity of service providers and other duty bearers on health and related rights. Finally, the review also highlights the importance of trust-trust in state institutions, trust in the paralegals who support the process and trust in the channels of engagement with public authorities for grievance redress.Several gaps also became evident through the review, including lack of work on private health providers, lack of discussion of the 'empowerment' effects of legal empowerment programs, and limited exploration of risk and sustainability. The paper concludes with a caution that practitioners need to start with the health challenges they are trying to address, and then assess whether legal empowerment is an appropriate approach, rather than seeing it as a silver bullet.
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 | 0,073 | 0,216 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,026 | 0,029 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,010 | 0,010 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».