Interventions to Improve Maternal-Infant Relationships in Mothers With Postpartum Mood Disorders
Notice bibliographique
Résumé
INTRODUCTION: During the postpartum period, women may have changes in their mental health and experience postpartum mood disorders. Postpartum depression (PPD) is an especially prevalent postpartum mood disorder, affecting 10% to 15% of new mothers. Although PPD has detrimental effects on women's health, it can also affect maternal-infant attachment, bonding, and interaction, which influence the maternal-infant relationship and can lead to poor outcomes for infants later in life. The purpose of this review is to identify effective strategies for improving the maternal-infant relationship for mothers with postpartum mood disorders. METHODS: A literature search was conducted via three databases: PubMed, Cochrane Library, and Medline using key search terms. A total of 1,347 articles were scanned to determine their relevance; 19 articles were selected for review. Inclusion criteria included articles in English that focused in the postpartum period and measured outcomes related to the maternal-infant relationship. RESULTS: Infant massage appears to benefit the maternal-infant relationship, whereas psychotherapy and education had mixed results. Pharmacological interventions were not found to improve maternal-infant relationships. Family involvement was shown to improve infant attachment, but not the maternal-infant relationship. CLINICAL IMPLICATIONS: Nurses should be aware of the importance of including interventions targeted at improving the maternal-infant relationship for women with postpartum mood disorders, especially PPD. However, data are limited, thus more research is needed to develop evidence-based strategies that can be implemented to support women experiencing postpartum mood disorders and their infants.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».