Hidden Wounds: Prevalence of Chronic Wounds in Asia, A Systematic Review and Meta‑Analysis
Notice bibliographique
Résumé
Background: Chronic wounds are a persistent and costly health issue globally, with particularly high burdens in low- and middle-income countries. Despite increasing awareness, comprehensive regional estimates of chronic wound prevalence across Asia remain limited and inconsistent. Purpose: This study aimed to estimate the pooled prevalence of chronic wounds in Asian populations and identify key moderators associated with their distribution and burden, including comorbidities, wound types, and geographic or healthcare-related factors. Methods: A systematic review and meta-analysis were conducted according to PRISMA guidelines. Searches of PubMed, Embase, Scopus, and Web of Science identified 46 eligible observational studies published through 2024. Random-effects models were used to estimate pooled prevalence. Subgroup and meta-regression analyses explored the influence of demographic, clinical, and geographic moderators. Risk of bias was assessed using the Newcastle-Ottawa Scale. Results: A total of 46 studies comprising 6,425 chronic wound cases were included in the analysis. The pooled prevalence of chronic wounds was 32.1% (95% CI: 25.9–39.1), with substantial heterogeneity (I² = 98.8%). Diabetic foot ulcers were the most common wound type. Prevalence was significantly higher in developing countries (34.8%), in Southeast Asia (50.8%), and in hospital-based settings (32.6%). Smoking (β = 0.049; p = 0.019) and malnutrition (β = 0.047; p < 0.001) were significantly associated with increased prevalence, while serum albumin was inversely associated (β = –4.308; p < 0.001). Conclusions: Chronic wounds are highly prevalent across Asian populations, particularly in resource-limited settings. Socioeconomic context, nutritional deficiencies, and modifiable lifestyle factors contribute substantially to this burden. These findings support the need for standardized wound surveillance, targeted prevention strategies, and improved nutritional and behavioral interventions, especially in developing health systems. Future studies should adopt prospective designs and harmonized definitions to strengthen regional and global wound epidemiology.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,018 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,017 | 0,039 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».