Cancer in Pregnancy in Indonesia: A Global Review and 2022–2025 Cohort Analysis of Maternal and Neonatal Outcomes
Notice bibliographique
Résumé
Background: Cancer during pregnancy is rare but presents serious challenges, especially in low- and middle-income countries like Indonesia. Limited national data, delayed diagnosis, and lack of standardized care make management difficult. Global awareness is growing, but regional differences in outcomes remain poorly understood. This study aims to provide a comprehensive overview of cancer during pregnancy, including its clinical characteristics and maternal-fetal outcomes both in Indonesian and global data. Subjects and Method: This systematic review was conducted following PRISMA guidelines from databases of PubMed, EMBASE, Scopus, and additional search, published between 2022 and April 2025. The included studies reported the global depiction of pregnancy-associated cancer. Newcastle-Ottawa Quality Assessment Scale (NOS) was used to assess the quality of observational included studies, while the Joanna Briggs Institute checklists for assessment of case reports. Results: A total of 14 studies were included based on the criteria, with a total population of 29,403 pregnant women associated with cancer. From this systematic review, the most found cancers during pregnancy were breast cancer, cervical cancer, and ovarian cancer, both from Indonesian data and global studies. Compared to global studies, obstetric complications were more prevalent in Indonesia, including preterm birth (64% vs 52%, respectively); very preterm birth (22% vs 15%, respectively); caesarean delivery (76% vs 65%, respectively); preeclampsia (18% vs 12%, respectively); and postpartum haemorrhage (15% vs 10%, respectively). Conclusion: The global literature shows wide variation in cancer types, gestational timing, and outcomes. Indonesian cohort data show higher rates of preterm birth, low birth weight, and maternal complications compared to global averages. Delays in diagnosis and limited access to integrated cancer-obstetric care may explain these differences. The findings support the urgent need for national guidelines, early detection programs, and multidisciplinary care models for managing cancer in pregnancy in resource-limited settings.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».