Perinatal Depression: A Guide to Detection and Management in Primary Care
Notice bibliographique
Résumé
INTRODUCTION: Existing guidelines for primary care clinicians (PCCs) on the detection and management of perinatal depression (PD) contain important gaps. This review aims to provide PCCs with a summary of clinically relevant evidence in the field. METHODS: A narrative literature review was conducted by searching PubMed and PsycINFO for articles published between 2010 to 2023. Guidelines, systematic reviews, clinical trials, and/or observational studies were all examined. RESULTS: Screening with the Edinburgh Postnatal Depression Scale or Patient Health Questionnaire-9 followed by a diagnostic evaluation for major depressive disorder in probable cases can enhance PD detection. At-risk individuals and mild to moderate PD should be referred for cognitive behavioral therapy or interpersonal psychotherapy when available. Selective serotonin reuptake inhibitors should be used for moderate to severe PD, with sertraline, escitalopram, or citalopram being preferred first. Using paroxetine or clomipramine in pregnancy, and fluoxetine or doxepin during lactation is generally not preferred. Gestational antidepressant use is associated with a small increase in risk of reduced gestational age at birth, low birth weight, and lower APGAR scores, though whether these links are causal is unclear. Sertraline and paroxetine have the lowest rate of adverse events during lactation. Consequences of untreated PD can include maternal and offspring mortality, perinatal complications, poor maternal-infant attachment, child morbidity and maltreatment, less breastfeeding, and offspring developmental problems. CONCLUSIONS: These clinically relevant data can support the delivery of high-quality care by PCCs. Risks and benefits of PD treatments and the consequences of untreated PD should be discussed with patients to support informed decision making.
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 | 0,000 |
| 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 ».