Iodine Levels and Thyroid Hormones in Pregnant Women and Neonatal Outcomes: A Systematic Review
Notice bibliographique
Résumé
Iodine plays a vital role in the synthesis of thyroid hormones, which are essential for fetal growth and brain development. During pregnancy, maternal iodine needs to increase. Both deficiency and excess can impair maternal thyroid function and lead to complications such as hypothyroxinemia, fetal growth restriction, or thyroid dysfunction in the mother or child. Objectives: To assess the relationship between maternal iodine levels, thyroid function, and neonatal outcomes, and highlight the risks associated with both iodine deficiency and excess. Methods: A systematic search was conducted in PubMed, Web of Science, Scopus, Springer, and MDPI for studies published from 2021 to 2025. Inclusion criteria involved studies assessing iodine status (Urinary Iodine Concentration (UIC) or Serum Iodine Concentration (SIC)), maternal thyroid function (TSH, FT4, FT3), and neonatal outcomes. Articles were screened using PRISMA guidelines. The risk of bias was assessed using the Newcastle-Ottawa Scale and Cochrane Risk of Bias Tool. Due to heterogeneity in methods and outcomes, results were narratively synthesized. Results: Ten studies were included. Iodine deficiency was consistently associated with low birth weight and disrupted thyroid hormone levels, while iodine excess particularly at levels ≥500 µg/L was linked to transient neonatal hyperthyrotropinemia. Environmental exposures such as endocrine-disrupting chemicals also influence maternal thyroid function. Conclusions: It was concluded that both iodine deficiency and excess pose risks to maternal and neonatal thyroid health. Routine monitoring and individualized supplementation based on regional dietary patterns and environmental exposures are recommended.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».