Maternal Dietary Patterns and Risk of Postpartum Depression: A Systematic Review
Notice bibliographique
Résumé
OBJECTIVE: Postpartum depression (PPD) has deleterious effects on both maternal and child outcomes. Poor maternal nutrition during pregnancy has been implicated in the development of PPD. This review aimed to explore the association between the overall dietary intake patterns during pregnancy and the development of PPD. METHODS: A literature search was performed in PubMed, Embase, Scopus, CINAHL, and PsycINFO databases for relevant randomized controlled trials, cohort and cross-sectional studies published up to 17th September 2020. Included studies assessed at least one dietary pattern during pregnancy and reported on PPD. The Newcastle Ottawa Scale and the Joanna Briggs Institute critical appraisal tools were used to assess the quality of methodology. A narrative analysis was conducted. RESULTS: Ten studies (eight cohort and two cross-sectional) were included with substantial heterogeneity in measurements of dietary intake exposures and PPD. The studies identified several types of healthy dietary patterns, including a 'healthy', 'health conscious', 'Japanese', 'high-glycemic index/glycemic load', 'Vegetable', 'Nut-Fruit', 'Seafood', and 'compliance with the Australian Dietary Guidelines'. The 'Western', 'unhealthy', 'Beverage', 'Cereal-Meat', and 'Egg' were labelled as unhealthy dietary patterns. Four of the eight studies showed an inverse association between adherence to healthy diets and risk of PPD, whereas only one of the seven studies showed that adherence to unhealthy diets was associated with increased risk of PPD. Methodological quality of the studies varied across the sample. CONCLUSIONS: Our findings indicate that adherence to a healthy diet may be beneficial for PPD. However, the relationship between unhealthy diets and PPD needs to be corroborated by more high-quality studies.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 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 ».