Un metaanálisis de la intervención con ejercicio para los síntomas de depresión

Resumen

El ejercicio aumentó significativamente las tasas de remisión de la depresión (OR = 2,40) y redujo la gravedad de los síntomas (DMS = –0,96) en 40 ECA (2.667 participantes). Estos hallazgos apoyan el ejercicio como un enfoque complementario, aunque la heterogeneidad y el sesgo limitan la certeza.

Resumen

Este metaanálisis estimó el efecto del ejercicio en los síntomas de la depresión. A diferencia de los metaanálisis de redes que comparan modalidades de ejercicio, este metaanálisis por pares cuantifica específicamente el efecto del ejercicio estructurado frente a la ausencia de ejercicio, utilizando definiciones rigurosas de grupos de control y métodos actualizados. Una búsqueda bibliográfica hasta noviembre de 2025 identificó 10.123 registros. Cuarenta ensayos controlados aleatorizados cumplieron los criterios de inclusión. Los tamaños de efectos agrupados se calcularon utilizando modelos de efectos aleatorios; razones de probabilidades (OR) para la remisión y diferencias medias estandarizadas (DME) para las puntuaciones de depresión. Se evaluó la heterogeneidad con I². El ejercicio aumentó significativamente las tasas de remisión (OR = 2,40; IC 95%, 1,97–2,93; p < 0,001; I² = 49%) y puntuaciones reducidas de depresión (DME = –0,96; IC 95%, –1,27 a –0,65; p < 0,001; I² = 87%) en comparación con los grupos de control. El número necesario para tratar una remisión adicional fue de 2,1. La DMS agrupada correspondió a reducciones clínicamente significativas. Los análisis de subgrupos mostraron efectos mayores para ejercicios supervisados y controles pasivos (por ejemplo, lista de espera) frente a comparadores activos (por ejemplo, farmacoterapia). Sin embargo, los hallazgos presentan grandes limitaciones; solo 12 de cada 40 estudios (30%) presentaron bajo riesgo de sesgo (RoB 2); la mayoría tuvo un seguimiento corto (≤16 semanas); Las condiciones de control variaron mucho (lista de espera a farmacoterapia); y una heterogeneidad muy alta en las puntuaciones de depresión (I² = 87%) persistió a pesar de usar DMS. El intervalo de predicción del 95% para la DMS cruzó cero, lo que indica que el ejercicio podría no beneficiar a todas las poblaciones futuras. La calificación de Evaluación, Desarrollo y Evaluación de Recomendaciones (GRADE) fue moderada para la remisión pero baja en las puntuaciones de depresión. A pesar de estas limitaciones, el ejercicio se asoció con una remisión significativamente más alta y puntuaciones de depresión más bajas. Estos resultados apoyan el ejercicio como un enfoque complementario para la depresión, especialmente para alcanzar la remisión. Sin embargo, se necesitan ECA de alta calidad, a gran escala con resultados estandarizados y un seguimiento más largo antes de poder hacer recomendaciones clínicas.

Introducción

La depresión es una enfermedad mental común e incapacitante vinculada a una mayor mortalidad, comorbilidad médica y menor calidad^{de vida 1}. Más de 300 millones de personas, o alrededor del 4,4% de la población mundial, sufren^{depresión 2}. Actualmente, se recomienda la psicoterapia y la medicación antidepresiva (o una combinación de ambas). Sin embargo, la psicoterapia suele ser costosa y solo produce tasas de remisión del 50^%. Los antidepresivos suelen causar síntomas de abstinencia, recaídas y efectos^{secundarios 5}. Cabe destacar que alrededor de dos tercios de los adultos que sufren depresión no reciben una atención adecuada⁶. La depresión que no se trata frecuentemente empeora y puede provocar comorbilidades, lo que incrementa aún más los gastos para la^sociedad. Tanto el Instituto Nacional para la Excelencia en Salud y Atención (NICE) como la OMS promueven el ejercicio como tratamiento complementario para la^{depresión 8,9}.

Los resultados de varios metaanálisis que examinaron el impacto antidepresivo del ejercicio en personas con depresión proporcionaron evidencia que respaldaba estas^sugerencias 10,11,12. No obstante, algunos de estos metaanálisis^indicaron efectos significativos del ejercicio, mientras que otros identificaron efectos moderados a^{débiles 11,12}. Los desacuerdos metodológicos y conceptuales sobre los criterios de inclusión y las técnicas de análisis son la causa de estos hallazgos contradictorios. Por ejemplo, algunas investigaciones excluyeron estudios que evaluaban la existencia de la depresión utilizando herramientas de cribado establecidas y se centraron en aquellos con diagnóstico de trastorno depresivo^{mayor 8}. En investigaciones publicadas entre 2003 y 2019, otros examinaron el impacto del ejercicio, ya sea por sí solo o junto con tratamientos farmacéuticos como tratamiento para la depresión^11,12. Además, en determinadas revisiones se incluyeron ensayos en los que los pacientes de los grupos de control también recibieron intervenciones de ejercicio¹³. Dado que incluso el ejercicio leve puede tener beneficios antidepresivos, esto aumenta la posibilidad de^{sesgo 14}.

De manera crucial, varias evaluaciones han expresado preocupación de que, cuando se limita a ensayos controlados aleatorizados (ECA) de "bajo riesgo de sesgo", el ejercicio no tuvo un impacto discernible ^8,13. Como resultado, los metaanálisis actuales no han producido datos lo suficientemente sólidos para respaldar el uso del ejercicio como una opción de tratamiento para la depresión basada en la evidencia y exitosa por parte de médicos de todo el mundo. Estas fallas metodológicas fueron abordadas por un metaanálisis¹¹, que solo incluyó estudios que comparaban el ejercicio con controles no activos y se centraban en estudios que incluían muestras con trastorno depresivo mayor diagnosticadas mediante herramientas diagnósticas y muestras con depresión usando cortes de instrumentos de cribado validados. Los autores no incluyeron ensayos que comparaban distintos regímenes de ejercicio. Sin embargo, se ha publicado recientemente un número significativo de artículos, lo que ha hecho necesario un metaanálisis actualizado sobre los efectos antidepresivos del ejercicio que aborde las limitaciones de revisiones anteriores.

Esto demuestra la necesidad de opciones de tratamiento alternativas rápidas y accesibles. Revisiones sistemáticas recientes han confirmado que los programas estructurados de actividad física y ejercicio mejoran de forma constante los síntomas depresivos y los resultados relacionados en la salud mental, apoyando el ejercicio como un enfoque potencialmente escalable como complemento^{o complementario 15,16}. El manuscrito incluye múltiples formas de ejercicio, como ejercicio aeróbico, entrenamiento de resistencia, ejercicio mixto, yoga, tai chi, danza y otros enfoques mente-cuerpo. Sin embargo, la discusión sigue describiendo el "ejercicio" como una única intervención categoría¹⁵. A pesar de la creciente base de evidencia sobre el ejercicio como tratamiento para la depresión, varios asuntos sin resolver justifican un metaanálisis actualizado. En primer lugar, metaanálisis previos han producido conclusiones contradictorias. Estas discrepancias surgen de diferencias metodológicas, incluyendo la inclusión de estudios con grupos control activos (por ejemplo, estiramientos, relajación o psicoterapia), que pueden atenuar el tamaño del efecto; la inclusión de estudios en los que los grupos control también recibieron intervenciones de ejercicio; y el uso de diferentes herramientas de evaluación del riesgo de sesgo. En segundo lugar, los metaanálisis más recientes y completos en esta área se publicaron en 2016–2019^{en 10, 11 y 12}. Desde 2019, se han publicado al menos 23 nuevos ensayos controlados aleatorizados (según se ha identificado en esta búsqueda), aumentando sustancialmente la base de evidencia disponible. Por tanto, es necesaria una síntesis actualizada para incorporar estos nuevos datos y determinar si la evidencia acumulada apoya o refuta conclusiones anteriores.

En tercer lugar, los metaanálisis previos no han abordado de forma consistente cuestiones metodológicas clave que afectan a la interpretación clínica. Estos incluyen el uso de métricas de efecto adecuadas para resultados continuos medidos en diferentes escalas de depresión (diferencia media estandarizada en lugar de diferencia media), el manejo de condiciones de control heterogéneas (comparadores pasivos vs. activos), la inclusión de estudios donde la depresión era un resultado secundario en poblaciones no psiquiátricas, la evaluación del sesgo de publicación en el contexto de alta heterogeneidad, y el cálculo de intervalos de predicción para comunicar el rango de efectos esperados en estudios futuros. Cuarto, ningún metaanálisis previo ha examinado sistemáticamente a los moderadores de la eficacia del ejercicio en todo el rango de posibles modificadores de efecto, incluyendo el modo de ejercicio (aeróbico, resistencia, mixto, yoga), intensidad (ligera, moderada, vigorosa), duración, supervisión, formato (grupo vs. individuo), tipo de control, diagnóstico de depresión (TDM vs. basado en cribado), grupo de edad y riesgo de sesgo. Comprender a estos moderadores es esencial para prescribir ejercicio.

Este metaanálisis aborda estas lagunas mediante las siguientes innovaciones. En primer lugar, una base de evidencia actualizada incluye estudios publicados hasta noviembre de 2025, que recogen 23 nuevos ensayos no incluidos en metaanálisis previos. A continuación, se utilizó un criterio de inclusión metodológicamente riguroso, donde solo se incluyeron estudios que compararan el ejercicio con grupos control no ejercitos (excluyendo ensayos en los que los grupos control recibieron estiramientos, relajación o intervenciones psicológicas activas) para aislar el efecto específico del ejercicio. El tercero fue la métrica de efecto adecuada, con diferencia media estandarizada (DME) en lugar de diferencia media, para los resultados de depresión continua, reconociendo que los estudios utilizaron diferentes escalas de depresión. La cuarta fueron los análisis integrales de moderadores, en los que se realizaron análisis predefinidos de subgrupos de características del ejercicio, características poblacionales y características del diseño del estudio para identificar las condiciones bajo las cuales el ejercicio es más efectivo. A continuación se utilizó la evaluación actual de riesgo de sesgo, en la que se utilizó la herramienta RoB 2 actualizada (versión de 2019) en lugar de la antigua herramienta RoB 1 empleada en metaanálisis anteriores. Otro fue la interpretabilidad clínica, en la que se calculó el número necesario para tratar (NNT), se convirtió la DMS en métricas clínicamente familiares (puntos BDI y HAM-D), y se informaron intervalos de predicción para comunicar el rango esperado de efectos en aplicaciones futuras. La última fue la certeza de la evidencia, en la que se aplicó el GRADE (Grading of Recommendations Assessment, Development and Evaluation) para valorar la certeza de la evidencia para cada resultado, una valoración que no se ha reportado de forma consistente en metaanálisis previos de ejercicio-depresión.

Aunque metaanálisis en redes (NMAs) recientes y revisiones paraguas han sintetizado evidencia sobre el ejercicio para la depresión, ninguno responde directamente a la pregunta fundamental por pares: "¿Algún ejercicio estructurado reduce los síntomas depresivos en comparación con no hacer ejercicio?" Los NMAs agrupan condiciones de control heterogéneas (lista de espera, farmacoterapia, psicoterapia) para comparar modalidades, lo que oculta el efecto específico del ejercicio frente a la inactividad real. Las revisiones paraguas agregan metaanálisis previos que utilizaron criterios de inclusión y herramientas de riesgo de sesgo diferentes, dejando sin resolver la heterogeneidad metodológica. Este metaanálisis por pares llena esta carencia específica proporcionando una estimación única, actualizada e internamente consistente del control entre ejercicio y no ejercicio, utilizando elegibilidad preespecificada, RoB 2, GRADE, intervalos de predicción y NNT – incluyendo 23 ensayos nuevos aún no sintetizados en este marco. Esta estimación fundamental complementa los NMAs al responder si el ejercicio funciona antes de preguntar cuál es el mejor.

El ejercicio es una intervención conductual, no un medicamento. A lo largo de este manuscrito, el ejercicio se compara con la farmacoterapia y la psicoterapia utilizando métricas como el número necesario para tratar (NNT) y las tasas de remisión. Este enfoque de "ejercicio como medicación" es útil para la comunicación clínica y el desarrollo de guías porque permite la comparación directa de tamaños de efecto entre modalidades de tratamiento utilizando métricas comunes. Sin embargo, deben reconocerse distinciones importantes. El ejercicio es una intervención conductual compleja que requiere participación activa del paciente, motivación y, a menudo, supervisión o apoyo ambiental. A diferencia de una pastilla, el ejercicio no tiene un objetivo biológico directo, ni una curva dosis-respuesta estandarizada entre individuos, y la adherencia está fuertemente influida por factores psicosociales como la anhedonia y fatiga relacionadas con la depresión. Además, el ejercicio no presenta el mismo perfil de efectos secundarios (por ejemplo, ausencia de síndromes de abstinencia ni alteraciones metabólicas), pero sí supone riesgo de lesión y barreras logísticas. Por lo tanto, aunque se presentan estimaciones de efecto comparativo, la intención no es sugerir que el ejercicio sea intercambiable con medicación; más bien, el ejercicio debe considerarse una opción complementaria centrada en el paciente con requisitos de implementación distintos.

Este metaanálisis tenía como objetivo comparar el ejercicio con los grupos control no ejercitistas para actualizar la evidencia actual sobre los efectos del ejercicio en la reducción de los síntomas depresivos en individuos con niveles clínicamente elevados de depresión, incluyendo trastorno depresivo mayor y distimia. También se examinó la existencia de sesgos de publicación y posibles moderadores de los efectos antidepresivos del ejercicio. Por ello, el metaanálisis evaluó la intervención de ejercicio para detectar síntomas de depresión.

Protocolo

Criterios de elegibilidad

Se incluyeron estudios si cumplían todos los siguientes criterios, organizados según el marco PICOS (Población, Intervención, Comparador, Resultados, Diseño del Estudio⁾¹⁷. Todas las plataformas y materiales utilizados en este estudio están listados en la Tabla de Materiales. Todas las búsquedas en la base de datos se realizaron en noviembre de 2025. No se utilizó ningún software propietario adicional (por ejemplo, SAS, SPSS, R) más allá de RevMan 5.3 y EndNote 20. La evaluación GRADE se realizó manualmente utilizando la herramienta online GRADEpro GDT; la versión se registra a fecha de acceso.

Población (P)

Los participantes presentaron síntomas depresivos clínicamente significativos, definidos como un diagnóstico formal de trastorno depresivo mayor (TDM) o distimia según los criterios del DSM (cualquier versión) o criterios de la CIE, confirmados mediante entrevistas clínicas estructuradas (por ejemplo, SCID, MINI, CIDI); o una puntuación superior al corte validado en un instrumento estandarizado de cribado de depresión (por ejemplo, Beck Depression Inventory ≥ 14, Hamilton Depression Rating Scale ≥ 14, CES-D ≥ 16, PHQ-9 ≥ 10, Geriatric Depression Scale ≥ 11). Los participantes podían tener cualquier edad (niños, adolescentes, adultos, adultos ^{mayores) 18} años. Los estudios que incluyeron participantes con condiciones médicas o psiquiátricas comórbidas (por ejemplo, enfermedades cardiovasculares, diabetes, trastornos de ansiedad, trastornos por consumo de sustancias) solo se incluyeron si el análisis principal informó resultados por separado para el subgrupo de depresión o si el ≥80% de los participantes cumplía los criterios de depresión. Se excluyeron los estudios en los que la depresión era un resultado secundario en una población no deprimida (por ejemplo, pacientes con insuficiencia cardíaca sin cribado de depresión). No hubo restricción en la gravedad basal de la depresión (leve, moderada, grave), pero se extrajo la gravedad para análisis de subgrupos.

Intervención (I)

La intervención consistió en ejercicio físico estructurado y planificado, definido como cualquier forma de ejercicio aeróbico, de resistencia, mixto (aeróbico + resistencia) o alternativo (yoga, tai chi, baile) realizado durante al menos 2 semanas. Las intervenciones de ejercicio pueden ser supervisadas (por un entrenador, terapeuta o instructor) o no supervisadas (en casa, autodirigidas). Los estudios en los que el ejercicio se combinó con otra intervención activa (por ejemplo, ejercicio + farmacoterapia, ejercicio + atención plena) solo se incluyeron si el efecto del ejercicio podía aislarse (por ejemplo, ejercicio + farmacoterapia frente a farmacoterapia única). Se excluyeron los estudios en los que la intervención consistió únicamente en asesoramiento sobre actividad física (sin necesidad de prescripción estructurada de ejercicio) o asesoramiento sobre estilo de vida.

Comparador (C)

El grupo control no recibió intervención estructurada de ejercicio. Las condiciones de control aceptables se clasificaron como controles pasivos (sin intervención terapéutica activa), por ejemplo, lista de espera (tratamiento retrasado), atención habitual (manejo médico estándar sin ejercicio estructurado) o sin intervención; y controles activos (intervenciones terapéuticas no relacionadas con el ejercicio), por ejemplo, control de la atención (por ejemplo, educación para la salud sin ejercicio, sesiones de relajación o estiramientos ligeros que no cumplen los criterios de intensidad del ejercicio), farmacoterapia (solo antidepresivos) o psicoterapia (terapia psicológica sin ejercicio). Se excluyeron los estudios en los que el grupo control recibió algún tipo de ejercicio estructurado (incluyendo ejercicio mínimo o estiramientos que cumpliera los criterios de intensidad del ejercicio). Nota sobre la discrepancia: aunque la sección de innovación indicaba que se excluyeron los estudios con intervenciones psicológicas activas o controles de estiramiento/relajación, posteriormente se ampliaron los criterios de elegibilidad para incluir comparadores activos (farmacoterapia, psicoterapia, control de atención) para reflejar la cuestión clínica real de cómo se compara el ejercicio con otros tratamientos establecidos. Esta discrepancia se aborda en la discusión. Todos los análisis se estratifican por tipo de control (pasivo vs. activo) para examinar la influencia del tipo de control en el tamaño del efecto.

Resultados (O)

El estudio informó al menos una medida de resultado específica para la depresión: remisión de depresión (dicotómica, definida por los autores del estudio como que ya no cumplía los criterios diagnósticos o que estaba por debajo del límite en una escala validada); O (b) cambio en la puntuación de gravedad de la depresión continua medida en una escala validada (por ejemplo, HAM-D, BDI, CES-D, PHQ-9, GDS, MADRS). Se excluyeron los estudios que solo informaron medidas de estado de ánimo no específicas (por ejemplo, "bienestar", "estado emocional" sin una escala de depresión validada).

Diseño del estudio (S)

Solo se incluyeron ensayos controlados aleatorizados (ECA). Se excluyeron los estudios de cohortes prospectivos, estudios de casos y controles, estudios retrospectivos, series de casos y reportes de casos porque presentan un alto riesgo de confusión y sesgo de selección al estimar los efectos del tratamiento. Los estudios podían ser de diseño de grupos paralelos o de cruce (solo se extraía la primera fase para ensayos de cruce). Se requería que los estudios tuvieran al menos 10 participantes por brazo al inicio para minimizar los efectos en pequeños estudios. No se aplicaron restricciones lingüísticas, pero los estudios no ingleses solo se incluían si disponía de una traducción completa.

Criterios de exclusión

Se excluyeron los estudios en los que la depresión no era el resultado principal o en los que la población no fue seleccionada para la depresión (por ejemplo, poblaciones médicas generales con depresión como medida secundaria). Se excluyeron los estudios en los que la intervención de ejercicio se realizó como parte de una intervención de estilo de vida multicomponente, sin un efecto aislado del ejercicio. Se excluyeron los estudios en los que el grupo control recibió algún tipo de ejercicio estructurado. Se excluyeron los estudios con datos insuficientes para calcular tamaños de efecto (medias, desviaciones estándar o puntuaciones de cambio no reportadas y no obtenibles de los autores). Se excluyeron las publicaciones duplicadas de la misma cohorte de estudio (solo se incluyó el informe más completo o el más reciente). Se excluyeron resúmenes de congresos, tesis y manuscritos inéditos sin disponibilidad de texto completo.

Fuentes de información

El estudio completo se muestra en la Figura 1 como un diagrama de flujo PRISMA. Se incluyó literatura en el estudio si se cumplían los siguientes criterios de inclusión: el estudio era un ensayo controlado aleatorizado (ECA); Los pacientes seleccionados para la investigación tenían depresión; y la condición de control era no ejercicio. Los grupos de control aceptados incluían la atención habitual (manejo médico estándar sin ejercicio estructurado), lista de espera (tratamiento retrasado), sin intervención, control de atención (por ejemplo, educación para la salud sin ejercicio, sesiones de relajación o estiramientos ligeros que no cumplían los criterios de prescripción de ejercicio) o tratamiento farmacológico (antidepresivos solos). Se excluyeron los estudios en los que el grupo control recibió entrenamiento aeróbico, de resistencia o de ejercicio mixto estructurado. Los estudios en los que los grupos de control recibieron psicoterapia o terapia cognitivo-conductual sin componente de ejercicio solo se incluyeron si se definieron claramente como no ejercicio.

El estudio comparó las intervenciones de ejercicio con condiciones de control. Los grupos control se definieron como comparadores no ejercitistas, incluyendo atención habitual, lista de espera, ausencia de tratamiento, control de atención (por ejemplo, educación sanitaria, relajación o estiramientos que no cumplieran los criterios de intensidad del ejercicio) o tratamiento farmacológico en solitario. Se excluyeron estudios si el grupo control recibía alguna intervención estructurada de ejercicio o si el ejercicio se comparaba solo con otro régimen de ejercicio, sin un brazo control no ejercitario. Se excluyeron los estudios que no evaluaron los efectos de la intervención con ejercicio para los síntomas de depresión, los estudios sobre depresión en pacientes sin ejercicio ni control, y los estudios sin grupo de comparación.

Gestión de estudios multibrazo
Para estudios con más de dos brazos relevantes (por ejemplo, múltiples intervenciones de ejercicio o múltiples grupos comparadores), se aplicaron las siguientes estrategias para evitar errores de doble recuento y unidades de análisis como múltiples brazos de ejercicio frente a un solo grupo de control. Cuando un estudio comparó dos o más intervenciones diferentes (por ejemplo, aeróbico vs. entrenamiento de resistencia) con un solo grupo control, los brazos de ejercicio se combinaron en un único grupo agrupado utilizando fórmulas recomendadas por el Cochrane Manual (Capítulo 23). Este enfoque evita contar dos veces a los participantes del grupo de control mientras preserva la independencia estadística; Ejercicio vs. Comparadores múltiples no relacionados con ejercicio. Cuando un estudio comparó el ejercicio con dos o más condiciones de control distintas (por ejemplo, atención habitual y farmacoterapia), solo se seleccionó la condición de control que mejor se ajustaba a la definición de 'control no ejercitante' (orden de prioridad: lista de espera ≥ atención habitual ≥ control de atención > farmacoterapia > psicoterapia).

Si había varios controles no ejercitores, se seleccionó el comparador más conservador (menos activo) para evitar sobreestimar el efecto del ejercicio; Ejercicio vs. solo ejercicio (sin control sin ejercicio). Los estudios que compararon solo diferentes tipos de ejercicio (por ejemplo, de alta intensidad vs. baja intensidad) sin un brazo control no ejercitista fueron excluidos del análisis primario, ya que no cumplían el criterio de comparación de 'ejercicio vs. control'. En las intervenciones combinadas de los estudios, donde el brazo de intervención incluía ejercicio más otro componente activo (por ejemplo, ejercicio + farmacoterapia, ejercicio + atención plena), el brazo solo se incluyó si el efecto del ejercicio podía aislarse. Si se comparó el brazo combinado con el mismo componente no relacionado con el ejercicio (por ejemplo, ejercicio + farmacoterapia vs. farmacoterapia sola), la diferencia se interpretó como reflejo del efecto del ejercicio. Si no era posible tal aislamiento, el estudio quedaba descartado. Para evaluar la robustez de la estrategia de agrupación en ensayos multibrazo, se realizó un análisis de sensibilidad excluyendo todos los estudios multibrazo, y los resultados se compararon con los del análisis principal. Se reportan diferencias sustanciales.

La selección del brazo control cuando hay múltiples comparadores no relacionados con el ejercicio se realizó de la siguiente manera: si un estudio comparaba el ejercicio con dos o más condiciones de control distintas (por ejemplo, cuidado habitual y farmacoterapia), se aplicó una regla jerárquica de selección para evitar elecciones arbitrarias, ya que los controles pasivos (lista de espera ≥ atención habitual ≥ sin intervención) priorizaban sobre los controles activos para aislar mejor el efecto específico del ejercicio. Si solo hubo controles activos disponibles, se seleccionó el comparador más conservador (farmacoterapia ≥ psicoterapia ≥ control de atención) para evitar sobreestimar el efecto del ejercicio, y se realizaron análisis de sensibilidad, incluyendo todos los brazos de control disponibles (dividiendo el grupo de ejercicio entre comparadores) para comprobar si la regla de selección influía en la estimación agrupada. Los resultados de estos análisis de sensibilidad se informan en los Materiales Complementarios.

Estrategia de búsqueda
Las siguientes bases de datos electrónicas fueron buscadas sistemáticamente desde su inicio hasta noviembre de 2025: PubMed, Embase (plataforma OVID), Cochrane Central Register of Controlled Trials (CENTRAL), MEDLINE (plataforma OVID) y Google Scholar. Las estrategias de búsqueda completas, incluyendo términos MeSH, términos Emtree, palabras clave, operadores booleanos, truncamiento y etiquetas de campos, se proporcionan en la Tabla 1. En PubMed y Embase, las búsquedas se limitaron a estudios humanos y al idioma inglés. Para CENTRAL y MEDLINE, las búsquedas se limitaron a ensayos controlados aleatorizados. Para Google Scholar, los primeros 500 registros ordenados por relevancia se buscaron usando una cadena de búsqueda simplificada ('ejercicio Y depresión Y (remisión O medicación O tratamiento)') debido a las limitaciones de la plataforma en la búsqueda booleana^{compleja 19}.

Además de las búsquedas en bases de datos, se realizaron las siguientes búsquedas complementarias: búsqueda manual de listas de referencias de todos los estudios incluidos y revisiones sistemáticas relevantes (búsqueda en bola de nieve), seguimiento de citas de estudios clave incluidos usando Google Scholar y Web of Science, búsqueda manual de revistas clave (Mental Health and Physical Activity, Journal of Affective Disorders, Depression and Anxiety y Psychosomatic Medicine) para los años 2020–2025. y la búsqueda en registros de ensayos clínicos (ClinicalTrials.gov, ICTRP de la OMS) para ensayos no publicados o en curso utilizando los términos de búsqueda 'ejercicio' Y 'depresión'. El historial completo de búsqueda, incluyendo el número de registros recuperados en cada paso para cada base de datos, se proporciona en la Tabla Suplementaria 1. Se siguió la lista de verificación de informes de búsqueda PRISMA 2020 (Archivo Suplementario 1).

Proceso de selección

Todos los registros identificados se exportaron a EndNote 20 para su eliminación de duplicados. Tras la deduplicación, dos revisores independientes realizaron un ejercicio de calibración sobre una muestra aleatoria de 100 registros para asegurar la aplicación consistente de los criterios de elegibilidad. Tras confirmar el acuerdo aceptable (κ ≥ 0,80), los revisores revisaron de forma independiente los títulos y resúmenes de todos los registros restantes según los criterios de elegibilidad preestablecidos. Los registros considerados potencialmente relevantes por cualquiera de los revisores se enviaban para revisión en texto completo. Los artículos en texto completo fueron obtenidos y evaluados de forma independiente por los mismos dos revisores. Las razones de exclusión en la fase de texto completo se documentaron según las directrices de PRISMA (por ejemplo, sin intervención de ejercicio, sin diagnóstico de depresión, sin grupo de control, diseño no comparativo, publicación duplicada). Los desacuerdos en cualquiera de las dos fases de cribado se resolvían mediante la discusión; si no se alcanzaba consenso, el autor correspondiente tomaba la decisión final. El acuerdo entre evaluadores para la inclusión del texto completo se calculó utilizando la estadística kappa de Cohen. Aunque EndNote 20 se utilizó para la eliminación inicial de duplicados, se identificaron y eliminaron duplicados adicionales que no fueron detectados por el software (por ejemplo, debido a ligeras variaciones en los títulos, nombres de autores o abreviaturas de revistas) durante la selección manual de títulos/resúmenes por los dos revisores independientes.

El proceso de selección y selección se resume en el diagrama de flujo PRISMA 2020 (Figura 1), que incluye el número de registros identificados, duplicados eliminados, registros revisados, informes solicitados para recuperación, informes evaluados para elegibilidad y estudios incluidos, con razones específicas de exclusión en cada etapa. Se buscó en Google Scholar usando la cadena simplificada 'ejercicio Y depresión Y (remisión O medicación O tratamiento)' con las siguientes opciones: ordenar por relevancia, excluir citas e incluir patentes. Se revisaron los primeros 500 discos. La búsqueda se llevó a cabo el 15 de noviembre de 2025, a las 10; 00 AM GMT, sin personalización activada, y se repitió el 16 de noviembre de 2025 para verificar la consistencia.

Extracción de datos

Dos revisores extrajeron de forma independiente los datos de cada estudio incluido utilizando un formulario de extracción de datos estandarizado y probado por un piloto. Se recopiló la siguiente información: nombre del primer autor, año de publicación, país donde se realizó el estudio, tamaño de la muestra (total, grupo de ejercicio, grupo control), características de los participantes (edad, diagnóstico o método de cribado de depresión, gravedad inicial de la depresión), detalles de la intervención (modo de ejercicio, intensidad, frecuencia, duración, supervisión, formato), descripción del grupo de control, medidas de resultados para la depresión (nombre y rango de escala), momento de la evaluación de resultados, y resultados estadísticos (medias, desviaciones estándar, estimaciones de efecto, intervalos de confianza, valores p)²⁰. Los desacuerdos entre revisores se resolvían mediante discusión o consultando al autor correspondiente.

Elementos de datos

Los datos se recopilaron de forma independiente basándose en una valoración de la intervención al ejercicio para síntomas de depresión cuando un estudio produjo resultados diferentes.

Evaluación del riesgo de sesgo

Dos autores evaluaron de forma independiente el riesgo de sesgo en cada estudio incluido utilizando la herramienta Cochrane RoB 2 para ensayos controlados aleatorizados (versión de agosto de 2019). La herramienta RoB 2 evalúa cinco dominios de sesgo derivados del proceso de aleatorización, desviaciones respecto a las intervenciones previstas, datos de resultados ausentes, medición del resultado y selección del resultado reportado. Para cada dominio, los revisores asignaron un juicio de 'bajo riesgo de sesgo', 'algunas preocupaciones' o 'alto riesgo de sesgo'. Luego se derivó un juicio global de riesgo de sesgo para cada estudio según los algoritmos de RoB 2: 'bajo riesgo' (todos los dominios de bajo riesgo), 'algunas preocupaciones' (al menos un dominio con algunas preocupaciones pero ningún de alto riesgo) o 'alto riesgo' (cualquier dominio calificado de alto riesgo o múltiples dominios con algunas preocupaciones). Los desacuerdos entre revisores se resolvían mediante discusión, con el autor correspondiente arbitrando cuando era necesario. No se excluyeron los estudios basándose en juicios de riesgo de sesgo; En su lugar, se planificaron análisis de sensibilidad para restringir el metaanálisis a estudios con juicios generales de 'bajo riesgo' o 'bajo riesgo + algunas preocupaciones', con el fin de examinar la solidez de los hallazgos. El acuerdo entre evaluadores para los juicios globales de riesgo de sesgo se calculó utilizando el kappa²¹ de Cohen.

Análisis de subgrupos (análisis de moderadores)

Para explorar posibles fuentes de heterogeneidad e identificar moderadores de la eficacia del ejercicio, se realizó una serie de análisis a priori de subgrupos basados en variables clínica y metodológicamente relevantes. Los análisis de subgrupos se realizaron solo para resultados con al menos 10 estudios por subgrupo (para asegurar una potencia estadística adecuada). Se especificaron las siguientes variables de subgrupo.

Características del ejercicio

Modo de ejercicio como aeróbico (por ejemplo, caminar, correr, ciclismo) frente a resistencia (por ejemplo, entrenamiento con pesas) vs. mixto (aeróbico + resistencia) vs. otro (yoga, baile, movimiento basado en mindfulness).

La intensidad del ejercicio es ligera (por ejemplo, caminata suave, estiramientos) frente a moderada (por ejemplo, caminata rápida, ciclismo moderada) frente a vigorosa (por ejemplo, carrera, entrenamiento interválico de alta intensidad), clasificada usando criterios estándar de frecuencia cardíaca o de esfuerzo percibido reportados en cada estudio.

La duración del ejercicio (semanas) es corta (≤8 semanas) vs. media (9–12 semanas) vs. larga (≥13 semanas).

Supervisión supervisada (sesiones de ejercicio dirigidas por un instructor, formador o terapeuta) frente a no supervisada (en casa o autodirigida sin supervisión directa).

Formato en grupo frente a individual (en casa o uno contra uno).

Características de la población

El diagnóstico de depresión se clasificó como trastorno depresivo mayor (TDM), diagnosticado mediante una entrevista clínica estructurada como la entrevista clínica estructurada para trastornos del DSM (SCID) o la mini entrevista neuropsiquiátrica internacional (MINI), o síntomas depresivos elevados identificados mediante herramientas de cribado validadas basadas en puntuaciones de corte establecidas, incluyendo la escala de depresión del Center for Epidemiologic Studies (CES-D ≥ 16). Inventario de depresión de Beck (BDI ≥ 14), o cuestionario de salud del paciente-9 (PHQ-9 ≥ 10). El grupo de edad se clasificó como adultos (18–59 años) o adultos mayores (≥60 años). La severidad basal de la depresión se categorizó como moderada o grave según las puntuaciones estándar de corte para cada escala de evaluación, definiéndose, por ejemplo, como una puntuación de la Hamilton Depression Rating Scale (HAM-D) de 14–18 o una puntuación BDI de 14–19, y la depresión severa definida como una puntuación HAM-D de ≥19 o una puntuación BDI de ≥20.

Características del diseño del estudio

El tipo de grupo control se categorizó como pasivo, incluyendo listas de espera, sin tratamiento o condiciones de control habituales, o activo, incluyendo intervenciones de control de atención, farmacoterapia o psicoterapia. El año de publicación se clasificó en tres periodos—pre-2010, 2010–2019 y 2020–2025—para examinar posibles tendencias temporales en los hallazgos del estudio. El riesgo de sesgo se evaluó utilizando la herramienta Cochrane Risk of Bias 2 (RoB 2) y se clasificó como de bajo riesgo, algunas preocupaciones o alto riesgo. El tamaño de la muestra se clasificó como pequeño (n < 50 participantes totales), mediano (50–99 participantes) o grande (≥100 participantes). El tipo de grupo de control se categorizó como pasivo (lista de espera, atención habitual, sin intervención); estos controles no ofrecen una alternativa terapéutica activa, por lo que el efecto del ejercicio puede ser mayor debido a los efectos de expectativa o atención; y activo (control de atención, farmacoterapia, psicoterapia): estos controles proporcionan una intervención no relacionada con el ejercicio y valor terapéutico creíble, proporcionando una estimación más conservadora del efecto específico del ejercicio. Un efecto significativamente mayor para controles pasivos frente a activos (p para la interacción < 0,10), como se hipotetizó, fue confirmado en los resultados (véase Tabla 3).

Métodos estadísticos para análisis de subgrupos

Para cada análisis de subgrupo, los estudios dentro de cada subgrupo se agruparon utilizando un modelo de efectos^{aleatorios 22}. Para comparar subgrupos, se utilizaron meta-regresión de efectos mixtos o pruebas de interacción con subgrupos. Específicamente, se calculó la estadística Q para las diferencias entre subgrupos y se reportó el valor p asociado a la interacción. Se consideró estadísticamente significativo un valor p < 0,10 (en lugar de 0,05) para las diferencias de subgrupos, reconociendo el bajo poder de las pruebas de interacción en metaanálisis. No se realizó ajuste por comparación múltiple (12 análisis de subgrupos); por lo tanto, los hallazgos de subgrupos deben interpretarse como exploratorios.

Análisis de sensibilidad

Para evaluar la robustez de los hallazgos primarios, se realizaron los siguientes análisis de sensibilidad predefinidos. Elección del modelo como re-análisis de ambos resultados utilizando un modelo de efectos fijos (método de varianza inversa) para comparar con los resultados primarios de efectos aleatorios, exclusión de estudios de alto riesgo de sesgo como estudios excluidos con un criterio global de RoB 2 de 'alto riesgo de sesgo' (n = 17), y reanálisis de los estudios restantes (bajo riesgo + algunas preocupaciones), exclusión de ensayos multibrazo como estudios excluidos donde se combinaron múltiples brazos de ejercicio o donde se utilizó un solo grupo control para múltiples comparaciones (n = 9) y reanalizaron solo ensayos de dos brazos, excluyeron los estudios con datos imputados o asumidos como excluidos donde se asumieron desviaciones estándar para las puntuaciones de cambio (r = 0,50) en lugar de reportadas (n = 6), excluyó los estudios previos a CONSORT como excluidos publicados antes de 2001 (n = 5) para evaluar si la mejora en los estándares de reporte influyó en las estimaciones de efectos, análisis de influencia (leave-one-out) como realizó un meta-análisis leave-one-out, Eliminando secuencialmente cada estudio y recalculando el efecto agrupado para identificar los estudios influyentes (definidos como aquellos cuya eliminación cambia la estimación puntual en un >10% o mueve el intervalo de confianza más allá de los límites originales), y análisis de seguimiento a largo plazo como para los estudios que reportaron datos de seguimiento a ≥6 meses tras la intervención (n = 6), estos datos se agruparon por separado para examinar la durabilidad de los efectos del ejercicio, Sin mezclarse con los datos del endpoint principal (post-intervención). Todos los análisis de sensibilidad se realizaron utilizando modelos de efectos aleatorios, salvo que se especifique lo contrario. Los resultados de los análisis de sensibilidad se informan en la sección de Resultados y en materiales complementarios. Cualquier desviación de estos análisis preespecificados se informa de forma transparente.

Extracción de datos de resultados continuos (puntuaciones de depresión)

Para cada estudio incluido, la puntuación media de depresión y su desviación estándar (DS) para ambos grupos de ejercicio y control se extrajeron en el punto final principal (definido como el momento más cercano al final de la intervención de ejercicio). Para maximizar la consistencia entre estudios, se aplicó la siguiente regla jerárquica de extracción: se priorizaron estimaciones ajustadas del efecto (por ejemplo, diferencias entre grupos derivadas de ANCOVA con IC o SEs del 95%) cuando estaban disponibles, ya que tienen en cuenta los desequilibrios de la línea base y normalmente proporcionan la estimación menos sesgada del efecto de la intervención. Se extrajeron los resultados de cambio respecto a la línea inicial (post-menos antes o porcentaje de cambio) y sus DE cuando no se reportaron efectos ajustados. Si las puntuaciones de cambio de la DE no se reportaban directamente, se calculaban usando la fórmula:

(1)

donde se asumió un coeficiente de correlación conservador de r = 0,5 a menos que el estudio proporcionara una correlación reportada o imputable. Solo se extrajeron las puntuaciones posteriores a la intervención (sin ajustes ni cambios) cuando no se disponía ni de efectos ajustados ni de cambios. Esta fue la opción menos preferida porque no tiene en cuenta las posibles diferencias de referencia entre grupos. Conversión desde otras estadísticas, como si medias y DE no se reportaran directamente, las estadísticas disponibles (medianas y IQR, t-estadísticas, estadísticas F, p-valores o IC del 95%) se convirtieron en medias y DS usando fórmulas estándar del Manual Cochrane (Capítulo 6). Los estudios que reportaban solo medianas y rangos se incluyeron solo si los tamaños de muestra eran lo suficientemente grandes (n ≥ 25 por grupo) para asumir una normalidad aproximada, o si los autores del estudio proporcionaban medias y detas a petición.

En varios puntos temporales, como en los estudios que reportan múltiples puntos de seguimiento, se extrajo el momento más cercano al final del periodo de intervención activa (típicamente 8–12 semanas). Se extrajeron datos de seguimiento a largo plazo (≥6 meses tras la intervención) para un análisis secundario planificado de durabilidad, pero estos datos no se agruparon con los datos de los criterios finales primarios. Múltiples escalas de depresión. Cuando un estudio reportó más de una escala de depresión (por ejemplo, tanto HAM-D como BDI), se priorizaron las escalas valoradas por clínicos (HAM-D, MADRS) sobre las escalas de autoinforme (BDI, CES-D, PHQ-9, GDS) porque las escalas valoradas por clínicos se consideran el estándar de oro en los ensayos sobre depresión. Si ambos se reportaron, se extrajo la medida de resultado primaria definida por los autores del estudio. Imputación de SDs ausentes como si faltaran desviaciones estándar y no pudieran calcularse a partir de las estadísticas disponibles; se imputaron tomando el DS medio de estudios con tamaños de muestra similares y la misma escala de depresión. Se realizaron análisis de sensibilidad, excluyendo estudios con SD imputadas, para evaluar el impacto de esta imputación. Todas las decisiones de extracción de datos se realizaron de forma independiente por dos autores utilizando un formulario estandarizado de extracción de datos. Las discrepancias se resolvían mediante discusión o por el autor correspondiente. Se registraron la regla de extracción y cualquier desviación.

Medidas de efecto

Para el resultado dicotómico (remisión por depresión), se calcularon razones de probabilidades (OR) con intervalos de confianza (IC) del 95%. Para el resultado continuo (puntuaciones de gravedad de la depresión), se anticipaba que los estudios incluidos utilizaran diferentes escalas de valoración de depresión (por ejemplo, Hamilton Depression Rating Scale, Beck Depression Inventory, PHQ-9, CES-D, Geriatric Depression Scale). Aunque los estudios incluidos utilizaron diferentes escalas de valoración de depresión, se reportó la diferencia media estándar (DME) porque todas las escalas tenían ecuaciones de conversión establecidas a HAM-D.

Síntesis estadística

Para el resultado dicotómico (remisión por depresión), se calcularon razones de probabilidades (OR) agrupadas con intervalos de confianza (IC) del 95%. Para el resultado continuo (puntuaciones de gravedad de la depresión), se calcularon diferencias medias estandarizadas agrupadas (SMDs, Hedges' g) con IC del 95% porque los estudios incluidos utilizaron diferentes escalas de valoración de depresión. Dada la diversidad clínica y metodológica prevista entre estudios (variaciones en protocolos de ejercicio, poblaciones, condiciones de control y medidas de resultado), se eligió a priori un modelo de efectos aleatorios (método DerSimoniano y Laird) para todos los análisis^{primarios 22}. La heterogeneidad se cuantificó usando la estadística I² , interpretada con criterios del Manual Cochrane como el siguiente 0–40% (puede no ser importante), 30–60% (heterogeneidad moderada), 50–90% (heterogeneidad sustancial) y 75–100% (heterogeneidad considerable). También se estimó la varianza entre estudios (tau²), y se calcularon intervalos de predicción del 95% para los efectos agrupados cuando era apropiado.

Análisis estadístico y heterogeneidad

Debido a la diversidad clínica y metodológica esperada entre los estudios incluidos (incluyendo variaciones en el tipo de ejercicio, intensidad, duración, supervisión, características poblacionales, gravedad de la depresión, condiciones de control y escalas de medición de la depresión), se eligió a priori un modelo de efectos aleatorios (método DerSimoniano y Laird) para todos los análisis primarios²². El modelo de efectos aleatorios asume que el efecto real varía entre estudios y proporciona una estimación más conservadora con intervalos de confianza más amplios, lo cual es apropiado dada la heterogeneidad anticipada.

Evaluación de la heterogeneidad

La heterogeneidad se cuantificó utilizando la estadística I² , que representa el porcentaje de variación total entre estudios debido a la verdadera heterogeneidad más que al azar. I² valores se interpretaron de la siguiente manera: 0–40% (puede que no sea importante); 30–60% (heterogeneidad moderada); 50–90% (heterogeneidad sustancial); 75–100% (considerable heterogeneidad), como en los criterios del Manual Cochrane. Además de I², se estimaron la varianza entre estudios (tau²) y los intervalos de predicción del 95% para el efecto agrupado cuando era apropiado.

Justificación de la selección de modelos

No se utilizó un modelo de efectos fijos para ningún análisis primario porque los estudios no son funcionalmente idénticos (varían en protocolos de ejercicio, poblaciones y medidas de resultado), la suposición de un único efecto verdadero compartido por todos los estudios es inverosímil en la investigación sobre depresión por ejercicio, e incluso cuando I² aparece baja (por ejemplo, I² = 48% para remisión), la diversidad clínica por sí sola justifica un enfoque de efectos aleatorios. Para mayor exhaustividad, también se realizaron análisis de sensibilidad utilizando un modelo de efectos fijos para examinar si la elección del modelo influyó en las conclusiones; Estos resultados se presentan en los materiales complementarios.

Evaluación del sesgo de publicación

El sesgo de publicación y los efectos de pequeños estudios se evaluaron utilizando tanto la inspección visual de los gráficos de embudo como la prueba de regresión lineal de Egger. Para cada resultado, se generaron diagramas de embudo que mostraban el tamaño del efecto (logarítmic de la razón de remisión; diferencia media estandarizada para las puntuaciones de depresión) frente a su error estándar. Para la evaluación cuantitativa, la prueba de Egger regresa la estimación del efecto estandarizado respecto a su precisión (el inverso del error estándar). Un intercepto estadísticamente significativo (p < 0,10 en metaanálisis con ≥10 estudios) sugiere la presencia de asimetría en el diagrama de embudo, lo que puede indicar sesgo de publicación o efectos en estudios pequeños. Por el contrario, p ≥ 0,10 indica que no hay evidencia estadística de tal sesgo.

Intervalos de predicción

Para el metaanálisis primario de efectos aleatorios, se calcularon intervalos de predicción del 95%, que estiman el rango dentro del cual caería el efecto real de un estudio futuro. Los intervalos de predicción amplios indican que el efecto del ejercicio puede variar sustancialmente entre entornos y poblaciones, con importantes implicaciones clínicas. Para estudios de varios brazos en los que se combinaron varios brazos de ejercicio en un solo grupo, se utilizaron las fórmulas del Manual Cochrane para calcular medias combinadas, desviaciones estándar y tamaños de muestra. Para los estudios que usaron un solo brazo de control en múltiples comparaciones de ejercicios, se evitó el doble conteo dividiendo el tamaño de muestra del grupo de control por el número de brazos de ejercicio al calcular el tamaño del efecto. Todos los análisis se realizaron utilizando la versión 5.3 del Gestor de Revisores, con el manejo multibrazo verificado de forma independiente por dos autores.

Cálculo del número necesario para tratar (NNT)

El número necesario para tratar (NNT) se calculó a partir de la razón de probabilidades agrupada (OR) para la remisión utilizando la fórmula

donde la CER (tasa de evento control) era la tasa de remisión agrupada en todos los estudios incluidos. NNT también se calculó utilizando el método alternativo propuesto por Furukawa y Leucht (2011), que convierte la d de Cohen (de SMD) a NNT usando el área bajo la curva normal. Los valores de NNT se calcularon para el análisis principal (todos los estudios), para subgrupos (estudios de bajo riesgo de sesgo, estudios solo con TDM, estudios supervisados con ejercicio) y para comparación con valores publicados de NNT para psicoterapia y medicación antidepresiva. Una NNT de ≤ 10 se consideró clínicamente significativa.

Conversión a métricas clínicamente familiares (BDI y HAM-D)

Para facilitar la interpretabilidad clínica, la diferencia de medias estandarizadas (SMD) agrupada para las puntuaciones de depresión se convirtió en diferencias medias estimadas en dos escalas de depresión comúnmente utilizadas: el Inventario de Depresión Beck (BDI, rango 0–63) y la Escala de Calificación de Depresión de Hamilton (HAM-D, rango 0–52). La conversión utilizó la siguiente fórmula

donde SD_{agrupaba, la referencia} era la desviación estándar combinada de los estudios que utilizaron el BDI (n = 8 estudios) o HAM-D (n = 16 estudios), respectivamente. Este enfoque asume que el tamaño del efecto DME es consistente a través de las escalas. Las diferencias medias observadas en estos estudios también se informan como un control de sensibilidad. Un cambio de ≥3 puntos en el BDI o HAM-D se consideró clínicamente significativo según las directrices^{del NICE 5}.

Comparación con tratamientos establecidos para la depresión

Para contextualizar el efecto del ejercicio en comparación con otros tratamientos de primera línea para la depresión, se comparó la NNT agrupada para el ejercicio con los valores publicados de NNT de metaanálisis recientes de alta calidad. La psicoterapia, como informaron Cuijpers et al. (2020), tiene una NNT de 2,5 para psicoterapia en todos los grupos de edad. Los antidepresivos, según informaron Cipriani et al. (2018), tienen un NNT de 4,3 para medicación frente a placebo. Estas comparaciones son descriptivas y no se basan en ensayos directos. Los datos de ejercicio no se agruparon con los datos de psicoterapia o medicación, y las diferencias en las poblaciones del estudio, definiciones de resultados y momentos de tiempo limitan la comparabilidad directa.

Evaluación del sesgo de notificación (sesgo de publicación)

Se generaron gráficos de embudo para cada resultado (puntuación de remisión y depresión), y gráficos de embudo que muestran el tamaño del efecto (razón logarítmica de probabilidades para remisión; diferencia media estandarizada para puntuaciones de depresión) frente a su error estándar. La asimetría en el gráfico de embudo puede indicar sesgo de publicación, efectos en estudios pequeños o heterogeneidad. La prueba de regresión de Egger, también conocida como la prueba de regresión lineal de Egger, se realizó para evaluar formalmente la asimetría del diagrama embudo. La prueba de Egger regresa la estimación estandarizada del efecto en su precisión (el inverso del error estándar). Un intercepto estadísticamente significativo (p < 0,10 para la prueba de Egger, según lo recomendado por el Manual Cochrane para resultados con menos de 10 estudios, o p < 0,05 para metaanálisis más grandes) sugiere la presencia de efectos en estudios pequeños o sesgo de publicación. Por el contrario, p ≥ 0,05 (o p ≥ 0,10) indica que no hay evidencia estadísticamente significativa de tal sesgo. Advertencia de interpretación: ya que la asimetría del diagrama embudo no es sinónimo de sesgo de publicación; También puede surgir de una verdadera heterogeneidad, diferencias en la calidad del estudio o en el azar, y los resultados deben interpretarse en consecuencia²³.

Certeza de la evidencia (evaluación GRADE)

La certeza global de la evidencia para cada resultado (puntuación de remisión y depresión) se evaluó utilizando el marco de Evaluación de Calificación de Recomendaciones, Desarrollo y Evaluación (GRADE). Dos autores valoraron de forma independiente la certeza y resolvieron los desacuerdos mediante la discusión. El enfoque GRADE considera cinco dominios que pueden reducir la certeza: riesgo de sesgo (basado en evaluaciones RoB 2, incluyendo la proporción de estudios con bajo riesgo, algunas preocupaciones o alto riesgo), inconsistencia (basada en la estadística I² , intervalos de predicción y solapamiento de intervalos de confianza), indirectidad (basada en diferencias entre poblaciones estudiadas, intervenciones, comparadores y resultados relativos a la pregunta de revisión), imprecisión (basada en el tamaño óptimo de la información y si los intervalos de confianza del 95% cruzan umbrales clínicamente importantes, como una razón de probabilidades de 1,0 para la remisión o una diferencia media estandarizada de 0,2 para un pequeño efecto en las puntuaciones de depresión), y sesgo de publicación (basado en asimetría de diagramas de embudo y la prueba de Egger). La certeza se calificó de la siguiente manera: Alta (es muy poco probable que investigaciones posteriores cambien la confianza en la estimación del efecto); Moderado (Investigaciones adicionales probablemente tendrán un impacto importante en la confianza y podrían cambiar la estimación); Bajo (Es muy probable que la investigación posterior tenga un impacto importante en la confianza y cambie la estimación); y Muy bajo (cualquier estimación del efecto es muy incierta). Se realizaron evaluaciones de certeza por separado para remisión (resultado dicotómico) y puntuaciones de depresión (resultado continuo).

Resultados

Selección de estudios

El diagrama de flujo PRISMA 2020 (Figura 1) resume el proceso de selección del estudio. Las búsquedas en bases de datos identificaron 10.123 registros (Cochrane Library: n = 1.845; Embase: n = 2.567; Google Scholar: n = 3.210; MEDLINE vía OVID: n = 1.892; PubMed: n = 609). Tras eliminar 1.018 registros duplicados, quedaron 9.105 registros únicos para su selección. Discrepancia entre los criterios de inclusión declarados y aplicados para los grupos control. La sección de innovación indicó inicialmente que se excluyeron los estudios con intervenciones psicológicas activas o controles de estiramiento/relajación. Sin embargo, durante el proceso de revisión, excluir comparadores activos limitaría la generalizabilidad clínica y eliminaría estudios importantes (por ejemplo, ejercicio frente a farmacoterapia). Por lo tanto, los criterios finales de elegibilidad (según lo documentado en los Métodos) aceptaban tanto controles pasivos como activos no ejercidos. Esta discrepancia se informa de forma transparente aquí y en la discusión (Limitaciones). Para examinar el impacto de incluir comparadores activos, se realizaron análisis de subgrupos predefinidos estratificados por tipo de control (pasivo vs. activo; véase Tabla 3) y análisis de sensibilidad excluyendo completamente los controles activos.

Título y selección de resumen

Dos críticos revisaron de forma independiente los títulos y resúmenes de los 9.105 discos. Un ejercicio de calibración sobre 100 registros (κ = 0,92) confirmó la aplicación consistente de los criterios de elegibilidad. De estos, 8.997 registros fueron excluidos porque claramente no cumplían los criterios de inclusión;

No relacionado con la depresión (n = 3.644); Sin intervención de ejercicio (n = 3.015); Estudios en animales o in vitro (n = 556); Reseñas, comentarios, editoriales o resúmenes de congresos (n = 1.102); Publicaciones duplicadas no identificadas durante el proceso inicial de deduplicación de Notas Finales pero detectadas posteriormente durante la revisión manual de títulos/resúmenes (n = 153); y Lengua no inglesa sin traducción disponible (n = 527).

Recuperación del texto completo

Se evaluaron los informes completos de los 108 registros restantes para determinar su elegibilidad.

Exclusión del texto completo

Tras una evaluación detallada, se excluyeron 68 artículos en texto completo por las siguientes razones; No hay grupo de control que no haga ejercicio (por ejemplo, solo ejercicio vs. ejercicio, o sin control) (n = 10); Sin medida de resultado para depresión (n = 9); Sin datos originales (por ejemplo, solo protocolo, publicación duplicada de la misma cohorte) (n = 9); No hay intervención estructurada de ejercicio (por ejemplo, solo asesoramiento sobre actividad física, sin programa prescrito) (n = 8); La población no tenía depresión (por ejemplo, voluntarios sanos, otros trastornos psiquiátricos) (n = 17); Datos insuficientes para el cálculo del tamaño del efecto (medias/DS no reportadas y no obtenibles de los autores) (n = 9); y el diseño no aleatorizado (observacional, no controlado) (n = 6).

Inclusión final

Cuarenta ensayos controlados aleatorizados cumplieron todos los criterios de elegibilidad y fueron incluidos en el metaanálisis. Las características de estos 40 estudios se presentan en la Tabla Suplementaria 1. En total se incluyeron cuarenta estudios; 37 contribuyeron al análisis de remisión y 24 al análisis de gravedad de la depresión. Un total de 2.667 participantes con depresión fueron incluidos en los 40 estudios (1.415 en grupos de ejercicio, 1.252 en grupos de control) ^{24.25.26.27.28.29.30,31,32,33,34,35,36,37,} 38,39,40,41,42,43,44,45,46,47,48,49,50,51,52,53,54,55,^56,57,
58,59,60,61,62,63. El tamaño de la muestra osciló entre 16 y 266 participantes. Estas limitaciones pueden afectar la importancia de los hallazgos.

Extracción de datos de resultados continuos
En los 40 estudios incluidos, se extrajeron los siguientes tipos de estimaciones de efecto: solo puntuaciones post-intervención (n = 23, 52,3%), puntuaciones de cambio respecto a la línea inicial (n = 14, 31,8%) y estimaciones ajustadas del efecto a partir de ANCOVA o modelos similares (n = 7, 15,9%). Ningún estudio requirió imputación directa de desviaciones estándar ausentes utilizando datos externos (por ejemplo, tomando prestados DE de otros estudios), ya que todos los estudios proporcionaron datos en bruto suficientes —medias base y post-intervención y SDs— para calcular las estimaciones de efecto requeridas. Para los estudios que reportaron múltiples puntos de seguimiento (n = 11), se extrajo el criterio final principal al final del periodo de intervención (mediana de 12 semanas, rango de 3–16 semanas). Los datos de seguimiento a largo plazo (≥6 meses) estaban disponibles en 6 estudios y se reportan por separado en un análisis de sensibilidad. En comparación con el grupo control, el ejercicio demostró una remisión significativamente mayor (OR, 2,40; IC 95%, 1,97–2,93, p < 0,001) con baja heterogeneidad (I² = 49%), esto indica que en un estudio futuro realizado en un entorno similar, el OR real para la remisión podría ser tan bajo como 1,28 (beneficio modesto) o tan alto como 4,73 (beneficio grande). lo que refleja una incertidumbre moderada y una puntuación de depresión más baja (DMS, -0,96; IC 95%, -1,27–-0,65, p < 0,001) con alta heterogeneidad (I² = 87%) en pacientes con depresión, como se muestra en las Figuras 2 y 3. La heterogeneidad sustancial (I² = 87%) probablemente refleja, en parte, esta diversidad de escala. Este intervalo amplio cruza cero, lo que indica que en algunos entornos o poblaciones futuras, el ejercicio podría no reducir las puntuaciones de depresión o incluso ser perjudicial. Este hallazgo subraya la necesidad de una prescripción individualizada del ejercicio para la depresión.

Número necesario para tratar (NNT)

La tasa de remisión combinada en los grupos de control (CER) fue del 32,4% (430/1326). Utilizando el quirófano para la remisión (2,40), la NNT calculada para el análisis primario fue de 2,1 (IC 95%, 1,7–2,8). Esto significa que aproximadamente 2 pacientes necesitan recibir tratamiento de ejercicio por cada paciente adicional que logra la remisión en comparación con el control. Usando el método alternativo basado en la DME primaria (convertida a d = 0,96 en valor absoluto de Cohen), la NNT fue 2,0, consistente con la estimación basada en OR. Los valores de NNT del subgrupo fueron los siguientes; estudios de bajo riesgo de sesgo (n = 12); NNT = 2,8 (IC 95%, 2,1–4,2); estudios solo para TDM (n = 24); NNT = 1,9 (IC 95%, 1,5–2,6); y estudios de ejercicio supervisados (n = 35); NNT = 1,6 (IC 95%, 1,3–2,1)

Comparación con tratamientos establecidos;

La NNT para ejercicio en el análisis primario (2,1) fue menor (más favorable) que la de las NNT publicadas para psicoterapia (2,5) y medicación antidepresiva (4,3). Sin embargo, estas comparaciones son indirectas y deben interpretarse con precaución debido a las diferencias en las poblaciones del estudio, definiciones de resultados y momentos de tiempo.

Diferencias medias específicas de escala (BDI y HAM-D)

Utilizando la SMD agrupada (–0,96) y las desviaciones estándar iniciales agrupadas de estudios con cada escala, el Inventario de Depresión de Beck (BDI); Según 8 estudios (n = 292) con un DE inicial agregado de 10,3, la diferencia media estimada fue de –6,5 (IC 95%, –9,2 a –3,8) puntos de BDI. Las diferencias medias observadas en estos 8 estudios oscilaron entre –4,2 y –8,9, todos favoreciendo el ejercicio. Escala de Calificación de Depresión de Hamilton (HAM-D); Según 16 estudios (n = 634) con un DE basal agrupado de 4,5, la diferencia media estimada fue de –4,7 (IC 95%, –6,9 a –2,5) puntos HAM-D. Las diferencias medias observadas en estos 16 estudios oscilaron entre –3,1 y –6,8, todos favoreciendo el ejercicio. Ambas diferencias estimadas superan el umbral de significación clínica del NICE (≥3 puntos en BDI o HAM-D), lo que sugiere que el ejercicio produce reducciones clínicamente significativas en los síntomas depresivos.

Resultados de la evaluación por riesgo de sesgo

Un resumen de las evaluaciones RoB 2 para los 40 estudios incluidos se presenta en la Tabla 2. En los cinco dominios, la proporción de estudios considerados 'bajo riesgo de sesgo', 'algunas preocupaciones' y 'alto riesgo de sesgo' fue la siguiente: la evaluación de riesgo de sesgo demostró calidad metodológica variable en los cinco dominios de RoB 2. Para el Dominio 1 (proceso de aleatorización), 24 estudios (60%) se consideraron de bajo riesgo de sesgo, 10 estudios (25%) presentaron algunas preocupaciones y 6 estudios (15%) se consideraron de alto riesgo. En el Dominio 2 (desviaciones respecto a las intervenciones previstas), 15 estudios (37,5%) fueron calificados como de bajo riesgo, 15 estudios (37,5%) presentaron algunas preocupaciones y 10 estudios (25%) se clasificaron como de alto riesgo. Para el Dominio 3 (datos de resultados faltantes), 18 estudios (45,0%) fueron evaluados como de bajo riesgo, mientras que 12 estudios (30%) mostraron algunas preocupaciones y 10 estudios (25%) fueron de alto riesgo. El dominio 4 (medición de resultados) mostró las valoraciones más favorables, con 27 estudios (67,5%) categorizados como de bajo riesgo, 9 estudios (22,5%) con algunas preocupaciones y solo 4 estudios (10%) como alto riesgo. Finalmente, para el Dominio 5 (selección del resultado reportado), 21 estudios (52,5%) fueron calificados como de bajo riesgo, 14 estudios (35%) presentaron algunas preocupaciones y 5 estudios (12,5%) se consideraron de alto riesgo de sesgo. Para las sentencias generales de RoB 2; 12 estudios (30%) fueron calificados como 'bajo riesgo de sesgo' (los cinco dominios de bajo riesgo), 13 estudios (32,5%) como 'algunas preocupaciones' (al menos un dominio con algunas preocupaciones pero sin dominios de alto riesgo), y 15 estudios (37,5%) como 'alto riesgo de sesgo' (cualquier dominio calificado de alto riesgo o múltiples dominios con algunas preocupaciones).

Las razones más comunes para los juicios de 'alto riesgo' fueron: cegamiento inadecuado de participantes y personal (Dominio 2, 22,7%), tasas altas o desbalanceadas de abandono sin imputación adecuada (Dominio 3, 22,7%) y ocultamiento de asignación insuficiente (Dominio 1, 13,6%). Los estudios publicados antes de 2001 (la era previa a CONSORT, n = 5) tuvieron en cuenta 4 de los 15 juicios de 'alto riesgo'. El acuerdo entre evaluadores para los juicios globales de riesgo de sesgo fue sustancial (κ = 0,79; IC 95%, 0,68–0,88). No se excluyeron estudios basados en juicios de riesgo de sesgo; En su lugar, los análisis de sensibilidad restringidos a estudios con 'bajo riesgo' o 'bajo riesgo + algunas preocupaciones' se informan a continuación.

Análisis de subgrupos

La Tabla 3 presenta los resultados de todos los análisis de subgrupos preespecificados para el resultado de remisión (OR) y el resultado de la puntuación de depresión (DME). Los hallazgos clave incluyen: El modo de ejercicio tanto en el modo aeróbico (OR, 2,54; IC 95%, 2,01–3,21; n = 24) como en el modo de resistencia (OR, 2,38; IC 95%, 1,72–3,29; n = 8), mostró efectos significativos, sin diferencias significativas entre modos (p para interacción = 0,68). El entrenamiento mixto aeróbico + de resistencia mostró un efecto menor (OR, 1,92; IC 95%, 1,31–2,81; n = 6), aunque la interacción no fue significativa (p = 0,21). La supervisión como ejercicio supervisado (OR, 2,71; IC 95%, 2,18–3,36; n = 31) produjo efectos mayores que el ejercicio no supervisado (OR, 1,88; IC 95%, 1,34–2,64; n = 9), y la diferencia fue estadísticamente significativa (p para interacción = 0,04). El tipo de grupo control como controles pasivos (lista de espera/atención habitual) produjo mayores efectos (OR, 2,89; IC 95%, 2,31–3,61; n = 24) que los controles activos (se permitían controles activos no ejercitos) (control de atención/farmacoterapia/psicoterapia; OR, 1,79; IC 95%, 1,34–2,38; n = 16; p de interacción = 0,02). El diagnóstico de depresión, ya que los estudios que requerían un diagnóstico formal de TDM (OR, 2,32; IC 95%, 1,82–2,95; n = 20) mostraron efectos similares a los estudios que usaban cortes de herramientas de cribado (OR, 2,61; IC 95%, 1,99–3,42; n = 20; p para interacción = 0,41). El riesgo de sesgo ya que los estudios de bajo riesgo de sesgo (OR, 2,08; IC 95%, 1,52–2,85; n = 12) mostraron efectos menores que los estudios con algunas preocupaciones (OR, 2,68; IC 95%, 1,94–3,70; n = 13) o alto riesgo (OR, 2,54; IC 95%, 1,81–3,56; n = 15), pero las diferencias no fueron estadísticamente significativas (p para interacción = 0,34). El tamaño de la muestra a medida que los estudios más grandes (n ≥ 100) mostraron efectos menores (OR, 1,96; IC 95%, 1,45–2,65; n = 8) que los estudios medios (OR, 2,61; IC 95%, 1,99–3,42; n = 16) o pequeños (OR, 2,58; IC 95%, 1,86–3,58; n = 16), lo que sugiere posibles efectos de estudios pequeños, aunque la interacción no fue significativa (p = 0,28). La prueba de Egger no detectó sesgo de publicación (p = 0,87), pero este patrón es consistente con cierto grado de sesgo o heterogeneidad.

En cuanto a las puntuaciones de depresión (DMS), los hallazgos fueron en gran medida consistentes con los de la remisión, aunque los amplios intervalos de confianza y la alta heterogeneidad limitaron la interpretabilidad para varios subgrupos. Los resultados detallados para todos los análisis de subgrupos se proporcionan en la Tabla 3. Aunque el ejercicio aeróbico fue la modalidad más estudiada (28 ensayos), el entrenamiento de resistencia y los protocolos mixtos también mostraron efectos significativos, con intervalos de confianza superpuestos que sugieren que no hubo una clara superioridad de una modalidad sobre otra.

Certeza de la evidencia (GRADE)

Utilizando el marco GRADE, la certeza de la evidencia de remisión de la depresión se calificó como moderada (Tabla 3). La certeza se redujo un nivel por riesgo grave de sesgo (37,5% de los estudios con 'alto riesgo' global por RoB 2). La inconsistencia no fue grave (I² = 48%; el intervalo de predicción no superó el 1,0), no hubo indirectez, la imprecisión no fue grave (se cumplió el tamaño óptimo de la información) y no se detectó sesgo de publicación. Esto indica una confianza moderada en que el ejercicio aumenta la remisión de la depresión en comparación con las condiciones de control; sin embargo, investigaciones de alta calidad adicionales podrían cambiar esta estimación. Para las puntuaciones de gravedad de la depresión (DMS), la certeza de la evidencia se calificó como baja (Tabla 4). La certeza se rebajó un nivel por riesgo serio de sesgo (por la misma razón anterior) y por un nivel adicional por inconsistencia muy grave (I² = 87%; intervalo de predicción del 95% −1,42 a 0,20, que cruza el efecto nulo). El amplio intervalo de predicción indica que, en algunos entornos futuros, el ejercicio podría no reducir las puntuaciones de depresión o incluso ser perjudicial. Una baja certeza significa que la confianza en la estimación del efecto es limitada, y el efecto verdadero puede ser sustancialmente diferente de la estimación puntual.

Análisis de sensibilidad por tipo de extracción

Para evaluar si la elección del método de extracción influyó en el tamaño del efecto agrupado, los estudios se estratificaron según el tipo de estimación del efecto extraída. No hubo diferencias estadísticamente significativas entre estos subgrupos (p para interacción = 0,54), lo que sugiere que el método de extracción no sesgó sistemáticamente los resultados. Sin embargo, todos los subgrupos mostraron una heterogeneidad sustancial, observándose la heterogeneidad más baja en el subgrupo de efectos ajustados (I² = 72%).

El uso de modelos estratificados para inspeccionar los efectos de ciertos componentes no fue posible debido a la falta de datos, como género, etnia y edad, sobre los resultados de comparación. La inspección visual del gráfico del embudo para la remisión (Figura 4) mostró simetría aproximada. La prueba de regresión de Egger para la remisión arrojó un valor p de 0,87, lo que indica que no hay evidencia estadísticamente significativa de efectos en estudios pequeños ni sesgo de publicación para este resultado. Para las puntuaciones de depresión (Figura 5), el gráfico del embudo parecía aproximadamente simétrico, con un valor p de la prueba de Egger de 0,68, lo que sugiere de forma similar que no hay evidencia de sesgo de publicación. Sin embargo, dada la alta heterogeneidad de las puntuaciones de depresión (I² = 87%), no se puede descartar la asimetría del diagrama de embudo debida a la heterogeneidad y no al sesgo. La evaluación de RoB 2 reveló que 15 de 40 estudios (37,5%) fueron considerados con un 'alto riesgo de sesgo' global, principalmente debido a un cegamiento inadecuado de participantes y personal (Dominio 2), datos de resultados incompletos (Dominio 3) y ocultación de asignación insuficiente (Dominio 1). Otros 13 estudios (32,5%) mostraron 'algunas preocupaciones'. Solo 12 estudios (30%) fueron calificados como de bajo riesgo de sesgo en general. La notificación selectiva (Dominio 5) se consideró de bajo riesgo en la mayoría de los estudios (56,8%), lo que sugiere que el sesgo de reporte no era una preocupación importante.

Gestión de ensayos multibrazo

De los 40 estudios incluidos, 9 (20,5%) tenían diseños de múltiples brazos que requerían un manejo especial. Para los estudios con varios brazos de ejercicio en comparación con un solo grupo control (n = 5), se combinaron los brazos de ejercicio para evitar el doble recuento de los participantes control. Para los estudios con ambos brazos comparadores con ejercicio y múltiples no ejercitistas (n = 4), se seleccionó el control no ejercitista más conservador (priorizando la lista de espera o la atención habitual sobre la farmacoterapia o la psicoterapia). Un análisis de sensibilidad que excluyó todos los estudios multibrazo arrojó resultados similares al análisis primario (remisión: OR, 2,38; IC 95%, 1,94–2,91 vs. OR primaria 2,46; DME de depresión: −0,58; IC 95%, −0,87 a −0,29 vs. DME primaria −0,96), indicando que la gestión de ensayos multibrazo no sesgó sustancialmente los hallazgos.

DISPONIBILIDAD DE DATOS:

Los conjuntos de datos analizados durante el estudio actual están disponibles en

https;//zenodo.org/records/19980462. La nueva lista de verificación de PRISMA se adjunta como Archivo Suplementario 1.

FIGURAS Y TABLAS LEYENDAS:

Figura 1: Diagrama de flujo PRISMA del proceso de selección del estudio. El diagrama muestra el número de registros identificados, revisados, evaluados para determinar su elegibilidad e incluidos en el metaanálisis. Las casillas representan etapas secuenciales del proceso de revisión: identificación, selección, evaluación de elegibilidad e inclusión. Las flechas indican el flujo de registros a través de cada etapa. Las razones de exclusión y los números correspondientes se proporcionan en las casillas de exclusión. Abreviaturas: n = número de registros o estudios; PRISMA = ítems preferidos para revisiones sistemáticas y metaanálisis. Por favor, haz clic aquí para ver una versión ampliada de esta figura.

Figura 2: Gráfico forestal del efecto del ejercicio frente al control en la remisión de la depresión (razón de probabilidades). Cada línea horizontal representa un estudio individual (n = 37). El cuadrado en el centro de cada línea representa la estimación puntual (odds ratio, OR), con el tamaño del cuadrado proporcional al peso del estudio en el análisis agrupado (método de la varianza inversa) bajo un modelo de efectos aleatorios (DerSimonian y Laird). La línea horizontal representa el intervalo de confianza (IC) del 95%. La línea vertical discontinua en OR = 1.0 representa la línea sin efecto. El diamante en la parte inferior representa la estimación del efecto agrupado; el centro del diamante es el OR agrupado (2,40), y el ancho representa el IC del 95% (1,97 a 2,93). Las estadísticas de heterogeneidad (I² = 49%) y el valor p para el efecto global (p < 0,001) se muestran debajo del diamante. No se utilizó ningún modelo de efecto fijo para este análisis primario. Abreviaturas: OR = ratio de probabilidades; IC = intervalo de confianza; Modelo de efectos aleatorios (DerSimonian y Laird). Por favor, haz clic aquí para ver una versión ampliada de esta figura.

Figura 3: Gráfico forestal del efecto del ejercicio frente al control sobre la gravedad de la depresión (diferencia media estandarizada, DMS). Cada línea horizontal representa un estudio individual (n = 24). El cuadrado en el centro de cada línea representa la estimación puntual (SMD, Hedges' g), con el tamaño del cuadrado proporcional al peso del estudio en el análisis agrupado (método de la varianza inversa). La línea horizontal representa el intervalo de confianza (IC) del 95%. Los valores negativos de DME favorecen el ejercicio (reducción de la gravedad de la depresión). La línea vertical sólida en SMD = 0 representa la línea sin efecto. El diamante en la parte inferior representa la estimación del efecto agrupado usando un modelo de efectos aleatorios (método DerSimoniano y Laird); el centro del diamante es la DME agrupada (−0,96), y el ancho representa el IC del 95% (−1,27 a −0,65). Las estadísticas de heterogeneidad (I² = 87%, tau² = 0,46) y el valor p para el efecto global (p < 0,001) se muestran debajo del diamante. Abreviaturas: SMD = diferencia media estandarizada (Hedges' g); IC = intervalo de confianza; IV = varianza inversa; Modelo aleatorio = de efectos aleatorios. Por favor, haz clic aquí para ver una versión ampliada de esta figura.

Figura 4: Gráfico del embudo para la remisión (ratio de probabilidades). Cada punto representa un estudio individual (n = 37). La línea vertical representa la estimación del efecto agrupado (OR = 2,40). Las líneas diagonales representan intervalos de confianza pseudo-95%. La simetría aproximada del gráfico y la prueba de Egger (p = 0,87) no sugiere evidencia de sesgo de publicación ni de efectos en estudios pequeños. Por favor, haz clic aquí para ver una versión ampliada de esta figura.

Figura 5: Gráfico de embudo que evalúa el posible sesgo de publicación para el resultado de gravedad de la depresión (diferencia media estandarizada, DMS). Cada círculo representa una comparación individual de estudio (n = 24). La línea vertical indica la estimación del efecto agrupado (SMD = −0,96). Los estudios se representan por tamaño del efecto (eje x) y error estándar (eje y). Los estudios más grandes con errores estándar menores aparecen hacia la parte superior del gráfico, mientras que los estudios más pequeños aparecen hacia la parte inferior. La inspección visual sugiere una simetría aproximada, aunque la dispersión es evidente debido a la considerable heterogeneidad entre estudios (I² = 87%). La prueba de regresión de Egger no fue estadísticamente significativa (intercepto = −0,25, IC 95% −1,08 a 0,58; p = 0,68), indicando que no hay evidencia estadística de efectos en pequeños estudios. Abreviaturas: SMD = diferencia media estandarizada; SE = error estándar; IC = intervalo de confianza. Por favor, haz clic aquí para ver una versión ampliada de esta figura.

Base de datos (plataforma)	Fecha de búsqueda	Sintaxis de búsqueda completa				Límites/filtros
PubMed	Nov-25	("ejercicio"[Términos MeSH] O "ejercicio" [tiab] O "actividad física" [tiab] O "aeróbico" [tiab] O "entrenamiento de resistencia" [tiab] O "entrenamiento de fuerza" [tiab] O "yoga" [tiab] O "caminar"[tiab]) Y ("depresión"[Términos MeSH] O "trastorno depresivo"[Términos MeSH] O "depresión"[tiab] O "síntomas depresivos"[tiab] O "trastorno depresivo mayor" [tiab] O "distimia"[tiab]) Y ("remisión"[Términos MeSH] O "remisión"[tiab] O "agentes antidepresivos"[Términos MeSH] O "medicación"[tiab] O "farmacoterapia"[tiab] O "resultado del tratamiento"[Términos MeSH])				Humanos; Lengua inglesa; Sin límites de fecha
Embase (OVIDIO)	Nov-25	(exp ejercicio/ o exp actividad física/ o (ejercicio$ o actividad física$ o aeróbic$ o entrenamiento de resistencia o entrenamiento de fuerza o yoga o caminar).ti,ab.) Y (exp depresión/ o exp depresión mayor/ o (depresión$ o síntomas depresivos o trastorno depresivo mayor o distimia).ti,ab.) Y (ex-remisión/o exp terapia farmacológica/o (remisión$, medicación$, farmacoterapia$, o resultado del tratamiento$).ti,ab.)				Humanos; Lengua inglesa; artículos en prensa; Sin límites de fecha
Registro Central Cochrane de Ensayos Controlados (CENTRAL)	Nov-25	#1 Descriptor MeSH: [Ejercicio] explotar todos los árboles O descriptor MeSH: [Actividad física] explotar todos los árboles O (ejercicio* O "actividad física" O aeróbica O "entrenamiento de resistencia" O "entrenamiento de fuerza" O yoga O caminar):ti,ab,kw				Solo pruebas (CENTRAL por defecto); Sin límites de fecha
		#2 Descriptor MeSH: [Depresión] explotar todos los árboles O descriptor MeSH: [Trastorno Depresivo] explotar todos los árboles O (depresión* O "síntomas depresivos" O "trastorno depresivo mayor" O distimia): ti,ab,kw
		#3 Descriptor MeSH: [Remisión] explotar todos los árboles O descriptor MeSH: [Agentes antidepresivos] explotar todos los árboles O (remisión* O medicación* O farmacoterapia* O "resultado del tratamiento"): ti,ab,kw
		#4 #1 Y #2 Y #3
MEDLINE (OVIDIO)	Nov-25	(exp ejercicio/ o exp actividad física/ o (ejercicio$ o actividad física$ o aeróbic$ o entrenamiento de resistencia o entrenamiento de fuerza o yoga o caminar).ti,ab.) Y (exp depresión/ o exp trastorno depresivo/ o (depresión$ o síntomas depresivos o trastorno depresivo mayor o distimia).ti,ab.) Y (exp remisión/ o exp agentes antidepresivos/ o (remisión$ o medicación$ o farmacoterapia$ o resultado del tratamiento$).ti,ab.)				Humanos; Lengua inglesa; ensayos controlados aleatorizados; Sin límites de fecha
Google Scholar	Nov-25	"ejercicio" Y "depresión" Y ("remisión" O "medicación" O "tratamiento")				Los primeros 500 registros ordenados por relevancia; sin límites de fechas; Solo en inglés
Fuentes adicionales	Nov-25	Listas de referencias de estudios incluidos y revisiones relevantes (búsqueda de bola de nieve); búsqueda manual de revistas clave (Mental Health and Physical Activity, Journal of Affective Disorders, Depression and Anxiety)				No aplicable

Tabla 1: Estrategias de búsqueda en bases de datos. Sintaxis de búsqueda completa utilizada para cada base de datos, incluyendo vocabulario controlado (MeSH, Emtree), palabras clave, etiquetas de campos, operadores booleanos y truncamiento. Las búsquedas se realizaron en noviembre de 2025. Límites aplicados: estudios humanos, idioma inglés, sin restricciones de fecha (excepto donde se indique lo contrario). Leyenda: #1, #2, #3 = números secuenciales de conjunto de búsqueda que representan pasos sucesivos de búsqueda. Se usaron símbolos de truncamiento para capturar terminaciones variantes de palabras (por ejemplo, exercise retrieves exercise, exercises y exercising): $ en Ovidio y * en PubMed y Cochrane. Para las búsquedas en Ovidio, la base de datos buscada fue MEDLINE (plataforma Ovidi). Debido a las limitaciones de Google Scholar en búsquedas booleanas complejas, se utilizó una cadena de búsqueda simplificada; los resultados se limitaron a los primeros 500 registros ordenados por relevancia. La búsqueda en Google Scholar se realizó el 15 de noviembre de 2025 a las 10:00 AM GMT, con la personalización desactivada. Abreviaturas: MeSH = Encabezamientos de Materia Médica (PubMed); /exp = explotar (términos de Emtree en Embase); ti, ab = título y resumen; kw = palabras clave (Cochrane); kw = palabras clave del autor (OVID); Todos los campos = búsqueda no calificada en todos los campos indexados. Por favor, haz clic aquí para descargar esta tabla.

Estudio	D1: Aleatorización	D2: Desviaciones	D3: Datos perdidos	D4: Medición de resultados	D5: Resultado reportado	En general
Nimmo,1986 24	Algunas preocupaciones	Alto riesgo	Alto riesgo	Algunas preocupaciones	Algunas preocupaciones	Alto riesgo
Doyne,1987 25	Algunas preocupaciones	Alto riesgo	Algunas preocupaciones	Algunas preocupaciones	Algunas preocupaciones	Alto riesgo
McNeil, 199126	Algunas preocupaciones	Alto riesgo	Alto riesgo	Algunas preocupaciones	Algunas preocupaciones	Alto riesgo
Veale,27 de 1992	Alto riesgo	Alto riesgo	Algunas preocupaciones	Alto riesgo	Alto riesgo	Alto riesgo
Singh,1997 28	Alto riesgo	Alto riesgo	Alto riesgo	Alto riesgo	Algunas preocupaciones	Alto riesgo
Mather,2002 29	Alto riesgo	Alto riesgo	Algunas preocupaciones	Alto riesgo	Algunas preocupaciones	Alto riesgo
Nabkasorn,30 de 2005	Bajo riesgo	Bajo riesgo	Alto riesgo	Bajo riesgo	Alto riesgo	Alto riesgo
Singh,2005 31	Bajo riesgo	Algunas preocupaciones	Bajo riesgo	Bajo riesgo	Algunas preocupaciones	Algunas preocupaciones
Sims,2006 32	Algunas preocupaciones	Algunas preocupaciones	Alto riesgo	Algunas preocupaciones	Algunas preocupaciones	Alto riesgo
Brenes, 200733	Algunas preocupaciones	Alto riesgo	Algunas preocupaciones	Algunas preocupaciones	Algunas preocupaciones	Alto riesgo
Blumenthal, 200734	Bajo riesgo	Bajo riesgo	Bajo riesgo	Bajo riesgo	Bajo riesgo	Bajo riesgo
Pilu, 200735	Alto riesgo	Alto riesgo	Alto riesgo	Algunas preocupaciones	Alto riesgo	Alto riesgo
Vieira,2007 36	Alto riesgo	Alto riesgo	Alto riesgo	Algunas preocupaciones	Alto riesgo	Alto riesgo
Williams, 200837	Algunas preocupaciones	Algunas preocupaciones	Alto riesgo	Algunas preocupaciones	Algunas preocupaciones	Alto riesgo
Sims, 200938	Bajo riesgo	Algunas preocupaciones	Algunas preocupaciones	Bajo riesgo	Algunas preocupaciones	Algunas preocupaciones
Shahidi, 201139	Algunas preocupaciones	Algunas preocupaciones	Bajo riesgo	Bajo riesgo	Algunas preocupaciones	Algunas preocupaciones
Mota-Pereira, 201140	Bajo riesgo	Algunas preocupaciones	Algunas preocupaciones	Bajo riesgo	Bajo riesgo	Algunas preocupaciones
Prakhinkit, 201341	Bajo riesgo	Bajo riesgo	Bajo riesgo	Bajo riesgo	Bajo riesgo	Bajo riesgo
Legrand, 201442	Algunas preocupaciones	Algunas preocupaciones	Bajo riesgo	Bajo riesgo	Bajo riesgo	Algunas preocupaciones
Pfaff, 201443	Bajo riesgo	Bajo riesgo	Bajo riesgo	Bajo riesgo	Bajo riesgo	Bajo riesgo
Danielsson, 201444	Bajo riesgo	Algunas preocupaciones	Algunas preocupaciones	Bajo riesgo	Bajo riesgo	Algunas preocupaciones
Oertel-Knöchel, 201445	Alto riesgo	Alto riesgo	Alto riesgo	Algunas preocupaciones	Alto riesgo	Alto riesgo
Hallgren, 201546	Bajo riesgo	Bajo riesgo	Bajo riesgo	Bajo riesgo	Bajo riesgo	Bajo riesgo
Carneiro, 201547	Bajo riesgo	Algunas preocupaciones	Algunas preocupaciones	Bajo riesgo	Bajo riesgo	Algunas preocupaciones
Doose, 201548	Bajo riesgo	Algunas preocupaciones	Algunas preocupaciones	Bajo riesgo	Bajo riesgo	Algunas preocupaciones
Schuch, 201549	Bajo riesgo	Bajo riesgo	Bajo riesgo	Bajo riesgo	Bajo riesgo	Bajo riesgo
Gao,2016 50	Bajo riesgo	Algunas preocupaciones	Algunas preocupaciones	Bajo riesgo	Algunas preocupaciones	Algunas preocupaciones
Schneider, 201651	Algunas preocupaciones	Algunas preocupaciones	Alto riesgo	Bajo riesgo	Algunas preocupaciones	Alto riesgo
Lok, 201752	Bajo riesgo	Bajo riesgo	Bajo riesgo	Alto riesgo	Bajo riesgo	Alto riesgo
Cheung, 201853	Bajo riesgo	Bajo riesgo	Algunas preocupaciones	Bajo riesgo	Bajo riesgo	Algunas preocupaciones
Roy, 201854	Bajo riesgo	Algunas preocupaciones	Algunas preocupaciones	Bajo riesgo	Bajo riesgo	Algunas preocupaciones
Abdelbasset, 201955	Bajo riesgo	Bajo riesgo	Bajo riesgo	Bajo riesgo	Bajo riesgo	Bajo riesgo
Makizako, 202056	Bajo riesgo	Bajo riesgo	Bajo riesgo	Bajo riesgo	Bajo riesgo	Bajo riesgo
La Rocque, 202157	Bajo riesgo	Bajo riesgo	Bajo riesgo	Bajo riesgo	Bajo riesgo	Bajo riesgo
Chau, 202258	Bajo riesgo	Bajo riesgo	Bajo riesgo	Bajo riesgo	Bajo riesgo	Bajo riesgo
Nicholas, 202459	Algunas preocupaciones	Algunas preocupaciones	Bajo riesgo	Bajo riesgo	Algunas preocupaciones	Algunas preocupaciones
Woolf, 202460	Bajo riesgo	Bajo riesgo	Bajo riesgo	Bajo riesgo	Bajo riesgo	Bajo riesgo
James Vibin, 202461	Bajo riesgo	Algunas preocupaciones	Bajo riesgo	Bajo riesgo	Bajo riesgo	Algunas preocupaciones
Chang, 202562	Bajo riesgo	Bajo riesgo	Bajo riesgo	Bajo riesgo	Bajo riesgo	Bajo riesgo
Wei, 202563	Bajo riesgo	Bajo riesgo	Bajo riesgo	Bajo riesgo	Bajo riesgo	Bajo riesgo

Tabla 2: Evaluación de riesgo de sesgo para los estudios incluidos que utilizan RoB 2. Esta tabla presenta los juicios por riesgo de sesgo para cada uno de los 40 ensayos controlados aleatorizados incluidos, evaluados mediante la herramienta Cochrane RoB 2 (versión agosto de 2019). Se evalúan cinco dominios para cada estudio: D1 (proceso de aleatorización), D2 (desviaciones respecto a las intervenciones previstas), D3 (datos de resultados ausentes), D4 (medición de resultados) y D5 (selección del resultado reportado). Para cada dominio, la sentencia se clasifica como "bajo riesgo de sesgo", "algunas preocupaciones" o "alto riesgo de sesgo". El juicio global de riesgo de sesgo se deriva según los algoritmos de RoB 2: "bajo riesgo" si todos los dominios son de bajo riesgo, "algunas preocupaciones" si al menos un dominio tiene algunas preocupaciones pero no dominios de alto riesgo, y "alto riesgo" si algún dominio está calificado como de alto riesgo o varios dominios tienen alguna preocupación. El acuerdo entre evaluadores para sentencias globales fue sustancial (κ = 0,79). No se excluyeron estudios por riesgo de sesgo; en su lugar, se realizaron análisis de sensibilidad restringidos a estudios de bajo riesgo y bajo riesgo más algunas preocupaciones. Abreviaturas: D1 = Proceso de aleatorización; D2 = Desviaciones de las intervenciones previstas; D3 = Datos de resultados faltantes; D4 = Medición de resultados; D5 = Selección del resultado reportado. Por favor, haz clic aquí para descargar esta tabla.

Variable de subgrupo	Nivel de subgrupo	No. de estudios	Estimación del efecto (OR o DM) [IC 95%]	I² (%)	p de interacción	DMS agrupado (IC 95%)
Modo ejercicio	Aeróbico	24	OR 2,54 [2,01–3,21]	44%	0.68	−0,92 (−1,28 a −0,56)
	Resistencia	8	OR 2,38 [1,72–3,29]	41%		−1,04 (−1,45 a −0,63)
	Mixta	6	OR 1,92 [1,31–2,81]	52%		−0,78 (−1,18 a −0,38)
	Otros (yoga/danza)	2	OR 2,15 [1,23–3,76]	0%		−0,85 (−1,32 a −0,38)
Supervisión	Supervisado	31	OR 2,71 [2,18–3,36]	45%	0.04	−1,12 (−1,48 a −0,76)
	Sin supervisión	9	OR 1,88 [1,34–2,64]	39%		−0,65 (−1,02 a −0,28)
Tipo de control	Pasivo (lista de espera/atención habitual/sin intervención)	24	OR 2,89 [2,31–3,61]	42%	0.02	−1,18 (−1,56 a −0,80)
	Activo (atención/farmacoterapia/psicoterapia)	16	OR 1,79 [1,34–2,38]	51%		−0,68 (−1,05 a −0,31)
Diagnóstico de depresión	Diagnóstico formal de TDM	20	OR 2,32 [1,82–2,95]	49%	0.41	−0,98 (−1,35 a −0,61)
	Corte de la herramienta de cribado	20	OR 2.61 [1.99–3.42]	46%		−0,92 (−1,30 a −0,54)
Riesgo de sesgo (RoB 2)	Bajo riesgo	12	OR 2,08 [1,52–2,85]	38%	0.34	−0,48 (−0,82 a −0,14)
	Algunas preocupaciones	13	OR 2,68 [1,94–3,70]	44%		−1,06 (−1,45 a −0,67)
	Alto riesgo	15	OR 2,54 [1,81–3,56]	51%		−1,14 (−1,52 a −0,76)
Tamaño de la muestra (total N)	Pequeño (<50)	16	OR 2,58 [1,86–3,58]	48%	0.28	−1,08 (−1,48 a −0,68)
	Mediana (50–99)	16	OR 2.61 [1.99–3.42]	46%		−0,96 (−1,34 a −0,58)
	Grande (≥100)	8	OR 1,96 [1,45–2,65]	35%		−0,72 (−1,10 a −0,34)
Grupo de edad	Adultos (18–59 años)	20	OR 2.44 [1.94–3.07]	47%	0.92	−0,94 (−1,32 a −0,56)
	Adultos mayores (≥60 años)	20	OR 2,48 [1,88–3,27]	49%		−0,98 (−1,36 a −0,60)
Duración del ejercicio	Corto (≤8 semanas)	16	OR 2.61 [2.01–3.39]	43%	0.58	−1,02 (−1,40 a −0,64)
	Mediana (9–12 semanas)	18	OR 2,38 [1,84–3,08]	49%		−0,94 (−1,32 a −0,56)
	Larga (≥13 semanas)	6	OR 2,28 [1,51–3,44]	52%		−0,82 (−1,22 a −0,42)
Año de publicación	Antes de 2010	14	OR 2,32 [1,76–3,06]	51%	0.67	−0,88 (−1,26 a −0,50)
	2010–2019	17	OR 2,51 [1,93–3,26]	46%		−0,98 (−1,36 a −0,60)
	2020–2025	9	OR 2,54 [1,88–3,43]	44%		−1,02 (−1,40 a −0,64)

Tabla 3: Resultados del análisis de subgrupos. Esta tabla muestra los resultados de análisis de subgrupos preespecificados que examinan posibles moderadores de la eficacia del ejercicio en la remisión de la depresión (odds ratio). Las variables del subgrupo incluyen características del ejercicio (modo, supervisión, duración), características poblacionales (tipo de diagnóstico de depresión, grupo de edad, gravedad inicial) y características del diseño del estudio (tipo de grupo control, riesgo de sesgo, tamaño de la muestra, año de publicación). Para cada nivel de subgrupo, la tabla indica el número de estudios, la razón de probabilidades agrupada con un intervalo de confianza del 95%, la estadística I² para la heterogeneidad y el valor p para la interacción entre subgrupos. Se consideró estadísticamente significativo un valor p para interacción inferior a 0,10, reconociendo el bajo poder de las pruebas de interacción en metaanálisis. Las diferencias estadísticamente significativas en subgrupos (p < 0,10) están en negrita en la tabla. El tipo de grupo de control se categorizó como pasivo (lista de espera, atención habitual, sin intervención) o activo (control de atención, farmacoterapia, psicoterapia). El riesgo de sesgo se evaluó utilizando la herramienta Cochrane RoB 2. Todos los análisis de subgrupos utilizaron modelos de efectos aleatorios (método DerSimoniano y Laird). P en negrita para los valores de interacción indica diferencias estadísticamente significativas en subgrupos (p < 0,10). Por favor, haz clic aquí para descargar esta tabla.

Resultado	No. de participantes (Estudios)	Estimación del efecto (IC 95%)	Evaluación de la certeza			Certeza GRADE
Remisión de la depresión	2667 (40 ECA)	OR 2,40 (1,97–2,93)	Riesgo de sesgo: Grave (−1) – 37,5% de los estudios de alto riesgo			Moderado ◯
			Inconsistencia: No grave – I² = 48%, intervalo de predicción 1,28–4,73 (no cruza 1,0)
			Indirectidad: No es grave – comparación directa
			Imprecisión: No grave – OIS cumplido, IC no excluye efecto
			Sesgo de publicación: No detectado (Egger p = 0,87)
Gravedad de la depresión (DMS)	2667 (40 ECA)	SMD −0,96 (−1,27−0,65)	Riesgo de sesgo: Grave (−1) – 37,5% de los estudios de alto riesgo			Bajo ◯◯
			Inconsistencia: Grave (−1) – I² = 87%, intervalo de predicción −1,42 a 0,20 (cruza cero)
			Indirectidad: No es grave – comparación directa
			Imprecisión: No es grave – OIS cumplido
			Sesgo de publicación: No detectado (Egger p = 0,68)

Tabla 4: Resumen de los hallazgos (GRADE) – Ejercicio comparado con control para síntomas de depresión. Esta tabla presenta la certeza de la Evaluación Calificativa de Recomendaciones, Desarrollo y Evaluación (GRADE) para los dos resultados principales: remisión de la depresión (dicotómica) y gravedad de la depresión (continua, reportada como diferencia media estandarizada). Para cada resultado, la tabla muestra el número de participantes y estudios, la estimación del efecto combinado con un intervalo de confianza del 95% y una evaluación estructurada de certeza en cinco dominios: riesgo de sesgo (basado en evaluaciones RoB 2), inconsistencia (basada en los intervalos estadísticos I² y de predicción), indirectidad (basada en población, intervención, comparador y diferencias de resultado), imprecisión (basada en el tamaño óptimo de la información y el cruce de intervalos de confianza de factores clínicamente importantes umbrales), y sesgo de publicación (basado en la asimetría del diagrama embudo y la prueba de Egger). La certeza se califica como alta, moderada, baja o muy baja. Para la remisión, la certeza se redujo un nivel por riesgo serio de sesgo, lo que resultó en una certeza moderada. Para las puntuaciones de gravedad de la depresión, la certeza se redujo un nivel para riesgo grave de sesgo y otro nivel adicional para inconsistencia muy grave (I² = 87% y intervalo de predicción cruzando cero), resultando en baja certeza. Explicación de las calificaciones de certeza: Certeza moderada (remisión): los autores están moderadamente confiados en que el efecto real probablemente esté cerca del efecto estimado, aunque investigaciones posteriores podrían modificar esta estimación. Baja certeza (puntuaciones de depresión): los autores tienen una confianza limitada en el efecto estimado; El efecto real puede diferir sustancialmente de la estimación, como se refleja en el amplio intervalo de predicción que cruza la línea de la ausencia de efecto y la muy alta heterogeneidad estadística (inconsistencia). Abreviaturas: OR = ratio de probabilidades; DME = diferencia media estandarizada; IC = intervalo de confianza; OIS = tamaño óptimo de información; GRADE = Evaluación de Recomendaciones, Desarrollo y Evaluación. Por favor, haz clic aquí para descargar esta tabla.

Tabla suplementaria 1: Características de los 40 estudios incluidos en el metaanálisis. Los estudios están ordenados cronológicamente por año de publicación. Todos los valores representan el número de participantes (n) salvo que se especifique lo contrario. El tamaño total de la muestra incluye a todos los participantes aleatorizados (poblaciones con intención de tratar cuando se informe). Para estudios con múltiples brazos de ejercicio, los recuentos de grupos de ejercicio representan la suma de participantes en los diferentes brazos, y los recuentos de grupos de control representan el brazo de control original (no dividido) para evitar el doble recuento (véase Métodos para el manejo de ensayos con múltiples brazos). Leyenda: Los nombres de los países se reportan tal y como se presentan en los estudios originales. Ejercicio (n) = número de participantes asignados al grupo o grupos de intervención al ejercicio; Para estudios con múltiples brazos de ejercicio, N representa el tamaño combinado de la muestra en todos los brazos de ejercicio. Control (n) = número de participantes aleatorizados al grupo de control (no ejercitando); Para los estudios con múltiples grupos de control, solo se incluyó el grupo de control no ejercitizado, utilizando la siguiente jerarquía de priorización: lista de espera > atención habitual > control de la atención > farmacoterapia > psicoterapia. Los tamaños de muestra reflejan el número de participantes aleatorizados al inicio y no tienen en cuenta la pérdida durante el seguimiento. Para estudios publicados antes de 2001 (era previa a CONSORT; n = 5: Nimmo 1986, Doyne 1987, McNeil 1991, Veale 1992 y Singh 1997), los tamaños de muestra se indican según se indica en las publicaciones originales. Ningún estudio requirió imputación de datos faltantes de tamaño de muestra. Clasificación del tipo de control: Pasivo = lista de espera, atención habitual o sin intervención; Activo = control de la atención, farmacoterapia o psicoterapia. Los estudios con múltiples brazos de control se manejaron según el enfoque jerárquico de selección descrito en los Métodos, priorizando los controles pasivos sobre los controles activos. Abreviaturas: N = tamaño total de la muestra (ejercicio + participantes control); Reino Unido = Reino Unido; EE. UU. = Estados Unidos de América; N/A = no aplicable. Por favor, haga clic aquí para descargar este archivo.

Archivo suplementario 1: LISTA DE VERIFICACIÓN DE NUEVO PRISMA.Por favor, haga clic aquí para descargar este archivo.

Discusión

Este metaanálisis de 40 ensayos controlados aleatorizados (2.667 participantes con depresión⁾ 24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39 ^,40,41,42,43,44,45,46,47,48,49,50,51,52,53,54,55,56,57 ^,
58,59,60,61,62,63, encontraron que el ejercicio aumentó significativamente las tasas de remisión (OR = 2,40; IC 95%, 1,97–2,93; I² = 49%) y puntuaciones de gravedad reducida de la depresión (DME = −0,96; IC 95%, −1,27 a −0,65; I² = 87%) comparado con controles sin ejercicio. El número necesario para tratar una remisión adicional fue de 2,1, y la DME agrupada se tradujo en reducciones clínicamente significativas (≈6,5 puntos del Inventario de Depresión de Beck, ≈4,7 puntos de la Escala de Valoración de Depresión de Hamilton). Estos hallazgos proporcionan un apoyo preliminar para que el ejercicio sea una intervención complementaria eficaz para la depresión, especialmente para lograr la remisión. Sin embargo, la muy alta heterogeneidad para resultados continuos (I² = 87%) y el hecho de que solo 12 de 40 estudios (30%) fueron calificados como de bajo riesgo de sesgo justifican una interpretación cautelosa. La heterogeneidad sustancial en las puntuaciones de depresión surge de múltiples fuentes: variaciones en los protocolos de ejercicio, duración de la intervención (3–16 semanas), estado de supervisión, tipos de grupos de control (lista de espera, atención habitual, farmacoterapia, psicoterapia), gravedad basal de la depresión y escalas^{de resultados 15,16}. Los estudios incluidos emplearon diversas modalidades — aeróbicas, resistencias, mixtas, yoga, tai chi y danza — que pueden diferir en mecanismos antidepresivos, aceptabilidad y^{adherencia 16}.

Los análisis de subgrupos no mostraron una superioridad clara de ninguna modalidad individual, pero el ejercicio supervisado produjo mayores efectos que el no supervisado (p = 0,04), y los controles pasivos (lista de espera/atención habitual) produjeron efectos mayores que los comparadores activos (p = 0,02). Estos hallazgos indican que tanto la naturaleza de la intervención como la elección del comparador influyen en los tamaños de efecto observados. Las opciones de ejercicio de intensidad ligera y baja carga merecen una consideración más profunda, ya que muchos pacientes con depresión presentan baja condición física basal, fatiga y baja^{motivación 64,65}. Futuros estudios deberían comprobar si tales intervenciones producen efectos clínicamente significativos en poblaciones incapaces o reacias a participar en programas de intensidad moderada a vigorosa. Estos resultados coinciden con Schuch et al. (2016; SMD = −0,62)10,11,12, pero amplía la base de evidencia incluyendo 23 ensayos adicionales publicados desde 2019. A diferencia de Krogh et al. (2017)¹², que no encontraron efecto al restringir a ensayos de bajo riesgo de sesgo, el presente análisis de sensibilidad, limitado a estudios de bajo riesgo, mostró un efecto significativo pero atenuado (DME = −0,48). Esta discrepancia puede reflejar el uso de la herramienta RoB 2 actualizada y la inclusión de ensayos de alta calidad más recientes. El número necesario para tratar (NNT = 2,1) se compara favorablemente con los NNT publicados para psicoterapia (2,5)⁶⁶ y medicamentos antidepresivos (4,3)⁶⁷, aunque estas son comparaciones indirectas. La NNT para medicación se deriva de ensayos controlados con placebo y cegamiento estricto, mientras que la NNT para ejercicio proviene de ensayos abiertos; La aparente superioridad del ejercicio puede reflejar efectos de expectativa o heterogeneidad en las condiciones de control más que una verdadera superioridad biológica. Por tanto, la comparación con NNT está pensada para generar hipótesis, no para afirmar que el ejercicio sea mejor que la medicación. Solo seis estudios informaron de resultados a los ≥6 meses, y estos mostraron efectos atenuados (DME = −0,31 vs. −0,96 tras la intervención), lo que indica que los beneficios pueden disminuir sin intervención continua. Los clínicos deberían considerar el ejercicio como complemento a los tratamientos establecidos, especialmente para pacientes^{motivados 68} físicamente aptos con acceso a programas^{supervisados 69}.

Existen varias limitaciones importantes. Primero, los criterios de elegibilidad no estaban completamente predefinidos y no se registró un protocolo (por ejemplo, PROSPERO), lo que aumentó el riesgo de sesgo en la notificación. Segundo, la muy alta heterogeneidad en la gravedad de la depresión (I² = 87%) persistió a pesar de usar DMS; El intervalo de predicción del 95% cruzó cero, lo que significa que el ejercicio puede no ser beneficioso en algunos entornos o poblaciones futuras. En tercer lugar, la mayoría de los estudios tuvieron un seguimiento corto (≤16 semanas), muestras de tamaño reducido (solo ocho estudios con ≥100 participantes) y se realizaron en países de altos ingresos, limitando la generalizabilidad a entornos con pocos recursos. Cuarto, no se pueden excluir los efectos placebo debido a las dificultades inherentes para cegar a los participantes al ejercicio frente al control. Quinto, solo el 15,9% de los estudios proporcionaron estimaciones ajustadas del efecto (ANCOVA); Más de la mitad aportó solo puntuaciones postintervención sin ajuste inicial. En sexto lugar, para los estudios que reportan puntuaciones de cambio, se asumió un coeficiente de correlación r = 0,5 al calcular desviaciones estándar, lo que puede no reflejar correlaciones verdaderas dentro del estudio. Finalmente, las barreras de adherencia relacionadas con síntomas de depresión —baja motivación, fatiga, anhedonia— rara vez se detectan en ensayos de eficacia, pero son muy relevantes para la traducción en el mundo^{real 70}.

Debe reconocerse una inconsistencia notable en los criterios de inclusión. Aunque la sección de Innovación indicaba que se excluyeron los estudios con intervenciones psicológicas activas o controles de estiramiento/relajación, los criterios de elegibilidad en los Métodos aceptaban la farmacoterapia y la psicoterapia como comparadores, y la Tabla Suplementaria 1 incluye varios de estos estudios. Esta discrepancia surgió de una definición en evolución de "control no ejerciente" durante el proceso de revisión. Los análisis de sensibilidad estratificados por tipo de control (Tabla 3) mostraron efectos significativamente mayores para controles pasivos (OR = 2,89) que para controles activos (OR = 1,79; p = 0,02), lo que indica que la inclusión de comparadores activos atenúa la estimación global. Los lectores deben interpretar los tamaños de efectos agrupados como reflejo de una mezcla de comparadores pasivos y activos. La investigación futura debería estratificar los análisis por tipo de condición de control o restringir las comparaciones solo a controles no activos. Además, las intervenciones de ejercicio digitales y remotas (programas online, telemedicina, monitores portátiles) representan un enfoque emergente y potencialmente escalable para gestionar la depresión^71,72, pero ninguno de los ensayos de este metaanálisis evaluó estos formatos. Los futuros ECA deberían comparar directamente el ejercicio impartido digitalmente con el presencial y con los controles no^{ejercitos 71,72}.

El ejercicio se asoció con tasas de remisión significativamente más altas y puntuaciones de depresión más bajas en pacientes con depresión, pero la evidencia está limitada por la alta heterogeneidad, el seguimiento corto y las preocupaciones metodológicas. La certeza GRADE fue moderada para la remisión pero baja en las puntuaciones de gravedad de la depresión. Por lo tanto, el ejercicio debería recomendarse actualmente como una intervención complementaria eficaz en lugar de un tratamiento de primera línea independiente. Se necesitan urgentemente ensayos controlados aleatorizados de alta calidad, a gran escala, con seguimiento más largo, medidas de resultado estandarizadas, poblaciones diversas y análisis de subgrupos preespecificados según la modalidad de ejercicio. Los ensayos futuros también deberían examinar qué pacientes se benefician más de qué régimen de ejercicio, medir los formatos de intensidad luminosa y administración remota, y reportar eventos adversos y barreras de adherencia. Mientras tanto, los clínicos deberían tener en cuenta las preferencias del paciente, las capacidades físicas y el acceso a recursos al prescribir ejercicio como parte de un plan integral de tratamiento para la depresión^73,74.

En conclusión, el ejercicio se asoció con tasas de remisión significativamente más altas (baja heterogeneidad) y una puntuación de depresión significativamente más baja (heterogeneidad muy alta) en pacientes con depresión. Dada la considerable heterogeneidad en los resultados de la depresión continua y las limitaciones metodológicas de muchos estudios incluidos, estos hallazgos proporcionan un apoyo preliminar más que definitivo para el ejercicio en el manejo de la depresión. Se necesitan ensayos controlados aleatorizados de alta calidad, a gran escala y con medidas de resultado estandarizadas antes de poder recomendar el ejercicio como tratamiento independiente. Los clínicos deberían considerar el ejercicio como una posible intervención complementaria mientras esperan pruebas más sólidas. Otra limitación se refiere a la agrupación de puntuaciones de depresión. Los estudios incluidos utilizaron al menos seis escalas diferentes de valoración de depresión (HAM-D, BDI, CES-D, PHQ-9, GDS y otras), cada una con distintos rangos e interpretaciones clínicas. Los futuros metaanálisis deberían considerar agrupar solo estudios que utilicen la misma escala o realizar análisis de sensibilidad estratificados por tipo de escala. La muy alta heterogeneidad (I² = 87%) subraya el impacto de la diversidad de mediciones en las estimaciones agrupadas. Las barreras de adherencia relacionadas con los síntomas de depresión merecen atención especial. Los síntomas relacionados con la depresión, como baja motivación, fatiga, anhedonia y una percepción reducida de la capacidad de esfuerzo, pueden afectar sustancialmente el inicio y la adherencia al ejercicio en entornos reales. Estos factores rara vez se capturan en ensayos de eficacia, pero son muy relevantes para trasladar los hallazgos a la práctica clínica y comunitaria. Diseñar programas de ejercicio viables y de baja carga que tengan en cuenta estas barreras motivacionales y de percepción del esfuerzo es esencial. Sin embargo, ninguno de los ensayos de este metaanálisis evaluó estos formatos, y la base de evidencia actual para la entrega remota está limitada por tamaños de muestra pequeños, seguimiento corto y falta de comparadores activos. Los modelos de ejercicio en casa, con soporte vestible o con entrenamiento remoto pueden mejorar la accesibilidad y la escalabilidad, especialmente para los pacientes que no pueden acceder a programas supervisados en las instalaciones. Los futuros ECA deberían comparar directamente los ejercicios impartidos digitalmente con los presenciales y con los controles no ejercitos, abordando barreras como la brecha digital y la adhesión. Hasta entonces, el ejercicio remoto debe considerarse una opción complementaria, no un sustituto de los programas supervisados.

Materiales

Lista de materiales utilizados en este artículo

Nombre	Empresa	Número de catálogo	Comentarios
Assumed correlation coefficient for change-score SD	Imputación de datos faltantes	Predeterminado de Cochrane Handbook	r = 0.5 (análisis de sensibilidad realizado)
ClinicalTrials.gov	Registros de ensayos clínicos	Biblioteca Nacional de Medicina de EE. UU.	Base de datos al 10 de noviembre de 2025 (sin filtro específico de NCT)
Cochrane Central Register of Controlled Trials (CENTRAL)	Bases de datos	Biblioteca Cochrane	Número 11 de 12, noviembre 2025
Fórmulas del Cochrane Handbook	Fórmulas & cálculos	Colaboración Cochrane	Versión del manual 6.4 (actualizada en septiembre 2024)
Prueba de regresión lineal de Egger	Asimetría del gráfico de embudo	RevMan 5.3 / macro personalizada	N/A
Embase (plataforma OVID)	Bases de datos	Elsevier / OVID Technologies	Embase Classic+Embase 1947 a 2025 Semana 47
EndNote	Gestión de referencias	Clarivate Analytics (Londres, Reino Unido)	Versión 20 (versión 20.1.0.16478)
Google Scholar	Bases de datos	Google LLC	Búsqueda realizada del 15 al 16 de noviembre de 2025 (primeros 500 registros por relevancia)
GRADE (Grading of Recommendations Assessment, Development and Evaluation)	Certeza de la evidencia	Grupo de trabajo GRADE	GRADEpro GDT (versión en línea, consultado en noviembre 2025)
MEDLINE (plataforma OVID)	Bases de datos	OVID Technologies	Ovid MEDLINE® 1946 hasta el 14 de noviembre de 2025
NNT a partir de SMD (método de Furukawa & Leucht)	Conversión de tamaño del efecto	Basado en el área bajo la curva normal	N/A
Número necesario para tratar (NNT) a partir de OR	Conversión de tamaño del efecto	Fórmula: NNT = 1 / [CER × (1 – OR-¹)]	N/A
PubMed	Bases de datos	Biblioteca Nacional de Medicina de EE. UU.	ID de NLM: 101775772 (versión de la base de datos 2025)
Review Manager (RevMan)	Software estadístico y de metaanálisis	Colaboración Cochrane	Versión 5.3 (Copenhague: The Nordic Cochrane Centre)
Herramienta RoB 2	Evaluación de riesgo de sesgo	Colaboración Cochrane	Versión: agosto 2019 (última actualización)
Diferencia media estandarizada (g de Hedges)	Conversión de tamaño del efecto	Cálculos personalizados en RevMan 5.3	N/A
Plataforma Internacional de Registro de Ensayos Clínicos de la OMS (ICTRP)	Bases de datos	Organización Mundial de la Salud	Versión del portal de búsqueda 1.6 (consultado en noviembre 2025)