Does Walking Reduce Postpartum Depressive Symptoms? A Systematic Review and Meta-Analysis of Randomized Controlled Trials
Notice bibliographique
Résumé
Background: Rising demands for traditional postpartum depression (PPD) treatment options ( e.g. , psychiatry), especially in the context of the COVID-19 pandemic, are increasingly difficult to meet. More accessible treatment options ( e.g. , walking) are needed. Our objective is to determine the impact of walking on PPD severity. Methods: A structured search of seven electronic databases for randomized controlled trials published between 2000 and July 29, 2021 was completed. Studies were included if walking was the sole or primary aerobic exercise modality. A random-effects meta-analysis was conducted for studies reporting PPD symptoms measured using a clinically validated tool. A simple count of positive/null effect studies was undertaken as part of a narrative summary. Results: Five studies involving 242 participants were included (mean age = ∼28.9 years; 100% with mild-to-moderate depression). Interventions were 12 ( n = 4) and 24 ( n = 1) weeks long. Each assessed PPD severity using the Edinburgh Postnatal Depression Scale (EPDS), and was included in the meta-analysis. The pooled effect estimate suggests that relative to controls walking yielded clinically significant decreases in mean EPDS scores from baseline to intervention end (pooled mean difference = −4.01; 95% CI: −7.18 to −0.84, I 2 = 86%). The narrative summary provides preliminary evidence that walking-only, supervised, and group-based interventions, including 90–120+ minutes per week of moderate-intensity walking, may produce greater EPDS reductions. Conclusions: While limited by a relatively small number of included studies, pooled effect estimates suggest that walking may help mothers manage PPD. This is the first-time walking as treatment for PPD, an exercise modality that uniquely addresses many barriers faced by mothers, has been summarized in a systematic way. Trial registration: PROSPERO (CRD42020197521) on August 16th, 2020
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 | 0,019 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,024 | 0,034 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».