Efficacy of low carbohydrate and ketogenic diets in treating mood and anxiety disorders: systematic review and implications for clinical practice
Notice bibliographique
Résumé
BACKGROUND: There is mounting interest in the potential efficacy of low carbohydrate and very low carbohydrate ketogenic diets in various neurological and psychiatric disorders. AIMS: To conduct a systematic review and narrative synthesis of low carbohydrate and ketogenic diets (LC/KD) in adults with mood and anxiety disorders. METHOD: MEDLINE, Embase, PsycINFO and Cochrane databases were systematically searched for articles from inception to 6 September 2022. Studies that included adults with any mood or anxiety disorder treated with a low carbohydrate or ketogenic intervention, reporting effects on mood or anxiety symptoms were eligible for inclusion. PROSPERO registration CRD42019116367. RESULTS: = 389; age range 19 to 75 years) were included in the final analysis. This included nine case reports, two cohort studies and one observational study. Data quality was variable, with no high-quality evidence identified. Efficacy, adverse effects and discontinuation rates were not systematically reported. There was some evidence for efficacy of ketogenic diets in those with bipolar disorder, schizoaffective disorder and possibly unipolar depression/anxiety. Relapse after discontinuation of the diet was reported in some individuals. CONCLUSIONS: Although there is no high-quality evidence of LC/KD efficacy in mood or anxiety disorders, several uncontrolled studies suggest possible beneficial effects. Robust studies are now needed to demonstrate efficacy, to identify clinical groups who may benefit and whether a ketogenic diet (beyond low carbohydrate) is required and to characterise adverse effects and the risk of relapse after diet discontinuation.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 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 | 0,000 |
| 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 ».