Postpartum pain and the risk of postpartum depression: A meta‐analysis of observational studies
Notice bibliographique
Résumé
Abstract Objective: This meta‐analysis of observational studies aimed to derive a more precise estimation of the relationship between postpartum pain and postpartum depression (PPD). Methods: A systematic literature search was completed in the following databases from inception to September 26, 2022: PubMed, Embase, and Web of Science. Quality evaluation of each study was achieved through Newcastle‐Ottawa scale (NOS) assessment. Heterogeneity across studies was evaluated by Cochran's Q test and I 2 test. Pooled estimates of odds ratios (ORs) and corresponding 95% confidence intervals (CIs) were analyzed using fixed‐effects model or random‐effects model, according to heterogeneity. Subgroup analysis, sensitivity analysis, and Egger's test were also performed. Results: From the identified 1884 articles, a total of 8 studies involving 3973 participants were included in the final meta‐analysis. Seven of the 8 studies were evaluated as high‐quality, with NOS scores ≥7. A significant heterogeneity was observed ( I 2 = 66.5%, p = 0.004) among eight studies. Therefore, the performed random‐effect model suggested a significant association between postpartum pain and PPD risk (OR 1.29, 95% CI 1.10–1.52, p = 0.002). However, the subgroup analyses did not define the source of heterogeneity. Moreover, the sensitivity analysis showed the stability of the pooled results, but the significant publication bias was identified ( p = 0.009). The trim and fill method was performed and resulted in an OR of 1.14 (95% CI 0.95–1.37, p = 0.162). Conclusions: This meta‐analysis found a potential association between postpartum pain and PPD. Further researches are needed to provide more robust evidences.
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 | 0,010 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».