eHealth Interventions for Treatment and Prevention of Depression, Anxiety, and Insomnia During Pregnancy: Systematic Review and Meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Pregnancy is associated with an increased risk for depression, anxiety, and insomnia. eHealth interventions provide a promising and accessible treatment alternative to face-to-face interventions. OBJECTIVE: The objective of this systematic review and meta-analysis is to determine the effectiveness of eHealth interventions in preventing and treating depression, anxiety, and insomnia during pregnancy. Secondary aims are to identify demographic and intervention moderators of effectiveness. METHODS: A total of 5 databases (PsycINFO, Medline, CINAHL, Embase, and Cochrane) were searched from inception to May 2021. Terms related to eHealth, pregnancy, randomized controlled trials (RCTs), depression, anxiety, and insomnia were included. RCTs and pilot RCTs were included if they reported an eHealth intervention for the prevention or treatment of depression, anxiety, or insomnia in pregnant women. Study screening, data extractions, and quality assessment were conducted independently by 2 reviewers from an 8-member research team (KAS, PRS, Hangsel Sanguino, Roshni Sohail, Jasleen Kaur, Songyang (Mark) Jin, Makayla Freeman, and Beatrice Valmana). Random-effects meta-analyses of pooled effect sizes were conducted to determine the effect of eHealth interventions on prenatal mental health. Meta-regression analyses were conducted to identify potential moderators. RESULTS: In total, 17 studies were included in this review that assessed changes in depression (11/17, 65%), anxiety (10/17, 59%), and insomnia (3/17, 18%). Several studies included both depression and anxiety symptoms as outcomes (7/17, 41%). The results indicated that during pregnancy, eHealth interventions showed small effect sizes for preventing and treating symptoms of anxiety and depression and a moderate effect size for treating symptoms of insomnia. With the exception of intervention type for the outcome of depressive symptoms, where mindfulness interventions outperformed other intervention types, no significant moderators were detected. CONCLUSIONS: eHealth interventions are an accessible and promising resource for treating symptoms of anxiety, depression, and insomnia during pregnancy. However, more research is necessary to identify ways to increase the efficacy of eHealth interventions for this population. TRIAL REGISTRATION: PROSPERO (International Prospective Register of Systematic Reviews) CRD42020205954; https://www.crd.york.ac.uk/prospero/display_record.php?RecordID=205954.
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 | 0,013 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,026 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».