Prevalence of Pressure Ulcers in the ICUs of Iranian Hospitals: A Systematic Review and Meta-analysis
Notice bibliographique
Résumé
Background: Patient safety is a fundamental right and a core priority in healthcare systems, aiming to prevent harm during diagnosis and treatment. Pressure ulcers are a common problem in intensive care units (ICUs), causing significant physical, psychological, social, and financial burdens. Although several studies have been conducted in Iran, data remain fragmented and region-specific, preventing a comprehensive national estimate.Aim: This systematic review was conducted with aim to determine the prevalence of pressure ulcers in the ICUs of Iranian hospitals.Method: This study was conducted as a systematic review and meta-analysis following Gough’s nine-stage framework. Searches were performed in the international and national databases up to July 22, 2025, resulting in 16 eligible studies. Study quality was assessed using a modified Newcastle-Ottawa Scale. Statistical analyses were performed with Comprehensive Meta-Analysis software using a random-effects model.Results: After excluding studies with potential bias, the pooled prevalence of pressure ulcers in Iranian ICU patients was estimated at 6.6% (5.2%-8.4%; 95% CI). The highest prevalence was reported in the eastern provinces. Meta-regression showed a significant positive association between patient age and pressure ulcer prevalence, and an inverse association with sample size (p<0.05).Implications for Practice: Pressure ulcers pose serious physical, psychological, social, and financial challenges for ICU patients. Healthcare facilities must prioritize the implementation of effective prevention protocols tailored to at-risk patients. Regular, ongoing training and workshops for healthcare staff are essential to enhance knowledge and skills in pressure ulcer prevention. Additionally, educating patients and their families about risk factors and preventive measures is vital to reduce the incidence of pressure ulcers and improve overall patient care outcome
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 | 0,013 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,017 | 0,036 |
| Bibliométrie | 0,010 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».