Autor/autores:
Duarte-Díaz A, Perestelo-Pérez L, Gelabert E...(et.al)
La depresión es un importante problema de salud pública que puede provocar una discapacidad considerable y una reducción de la calidad de vida. Con el auge de la tecnología, las intervenciones de salud móvil (mHealth), en particular las aplicaciones para teléfonos inteligentes, están emergiendo como un enfoque prometedor para abordar la depresi&oacu...
PUBLICIDAD
Estás viendo una versión reducida de este contenido.
Para consultar la información completa debes registrarte gratuitamente.
Tan sólo te llevará unos segundos.
Y si ya estás registrado inicia sesión pulsando aquí.
La depresión es un importante problema de salud pública que puede provocar una discapacidad considerable y una reducción de la calidad de vida. Con el auge de la tecnología, las intervenciones de salud móvil (mHealth), en particular las aplicaciones para teléfonos inteligentes, están emergiendo como un enfoque prometedor para abordar la depresión.
Sin embargo, la falta de herramientas de evaluación estandarizadas y de principios basados en evidencia para estas intervenciones sigue siendo motivo de preocupación.
En esta revisión sistemática y metanálisis, nuestro objetivo fue evaluar la eficacia y seguridad de las intervenciones de mHealth para la depresión e identificar los criterios y herramientas de evaluación utilizados para su evaluación.
Se realizó una revisión sistemática y un metanálisis de la literatura siguiendo las recomendaciones de la declaración PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses).
Fueron elegibles para consideración los estudios que reclutaron pacientes adultos que presentaban síntomas depresivos elevados o aquellos diagnosticados con trastornos depresivos y cuyo objetivo era evaluar la efectividad o seguridad de las intervenciones de mHealth.
El resultado primario de interés fue la reducción de los síntomas depresivos y en el análisis sólo se incluyeron ensayos controlados aleatorios (ECA). El riesgo de sesgo en los ECA originales se evaluó mediante la versión 2 de la herramienta Cochrane de riesgo de sesgo para ensayos aleatorios.
Se incluyeron en el análisis un total de 29 ECA después de una búsqueda exhaustiva en bases de datos electrónicas y búsquedas manuales. La eficacia de las intervenciones de mHealth para reducir los síntomas depresivos se evaluó mediante un metanálisis de efectos aleatorios.
En total, 20 ECA tuvieron un riesgo de sesgo incierto y 9 se evaluaron como de alto riesgo de sesgo. El elemento más común en las intervenciones de mHealth fue la psicoeducación, seguida del establecimiento de objetivos y las estrategias de gamificación.
El metanálisis reveló un efecto significativo de las intervenciones de mHealth en la reducción de los síntomas depresivos en comparación con el control no activo (Hedges g = −0, 62; IC del 95 %: −0, 87 a −0, 37, I 2=87%).
Se descubrió que las intervenciones híbridas que combinaban mHealth con sesiones cara a cara eran las más efectivas.
Tres estudios compararon intervenciones de mHealth con controles activos e informaron resultados positivos generales. Los análisis de seguridad mostraron que la mayoría de los estudios no informaron ningún evento adverso relacionado con el estudio.
Esta revisión sugiere que las intervenciones de mHealth pueden ser efectivas para reducir los síntomas depresivos, y que las intervenciones híbridas logran los mejores resultados.
Sin embargo, el alto nivel de heterogeneidad en las características y componentes de las intervenciones de mHealth indica la necesidad de enfoques personalizados que consideren las diferencias, preferencias y necesidades individuales.
También es importante priorizar principios basados en evidencia y herramientas de evaluación estandarizadas para las intervenciones de mHealth para garantizar su eficacia y seguridad en el tratamiento de la depresión.
En general, los hallazgos de este estudio respaldan el uso de intervenciones de mHealth como un método viable para brindar atención de salud mental.
Para acceder al texto completo consulte las características de suscripción de la fuente original:https://mental.jmir.org/
