Novel insights into immune dysregulation and cytokine signatures in intensive care settings: bridging IL-6, IL-10, TNF-α to endothelial, hepatic, and hematological dysfunction in severe dengue, a schematic meta-analysis.
Notice bibliographique
Résumé
Background & objective: Severe dengue is a global health concern and immune dysregulation is a key contributor to its pathogenesis. The aim of this schematic review was to review the association of the cytokine biomarkers mainly interleukin-6 (IL-6), interleukin-10 (IL-10) and tumor necrosis factor-alpha (TNF-α) in immune dysregulation among patients suffering from severe dengue. Methodology: The review followed PRISMA 2020 guidelines. The literature was searched from PubMed, Scopus, Web of Science, and Google Scholar up to August 2025. Qualified studies included those which measured IL-6, IL-10 or TNF- α in confirmed dengue patient. Meta-analysis was performed to assess standardized mean differences (SMDs) for key cytokines. The risk of bias was determined using Newcastle-Ottawa Scale and the GRADE approach was applied for certainty of evidence. Results: Higher levels were observed, of IL-6 and IL-10 in severe dengue, and TNF-α with late complications in this study. Meta-analysis correlated high levels of cytokines with severe dengue IL-6 (SMD = 16.79, 95% CI = -15.25-48.84), IL-10 (SMD = 0.13, 95%CI = -0.37-0.63) and TNF-α (SMD = 0.53, 95% CI = 0.25-0.82). The evidence confidence was moderate and high by IL-6 and IL-10 and high in TNF-α respectively. Conclusion: The levels of IL-6 and IL-10 were significantly high in severe dengue cases, but heterogeneity across studies reduced the prognostic integrity. TNF-α emerged as a potent indicator of mild and severe dengue. To establish the clinical uses of these biomarkers as a risk-stratifying tool, standardized, multicentric studies are needed to validate these findings. Abbreviations: DF: dengue fever, DHF: dengue hemorrhagic fever, DSS: dengue shock syndrome, IL-6: Interleukin-6, IL-10: Interleukin-10, SMD: standardized mean differences, TNF-α: tumor necrosis factor-alpha Keywords: Dengue Hemorrhagic Fever (DHF), Cytokine Storm, Biomarkers, Cytokines, IL-6, IL-10, TNF-α Citation: Bukhari AAS, Devi D, Minhas M, Noureen A, Javed H, Zaidi SIA, Khaliq H. Novel insights into immune dysregulation and cytokine signatures in intensive care settings: bridging IL-6, IL-10, TNF-α to endothelial, hepatic, and hematological dysfunction in severe dengue, a schematic meta-analysis. Anaesth. pain intensive care 2025;29(8):1022-1031. DOI: 10.35975/apic.v29i8.3039 Received: October 16, 2025; Revised: October 18, 2025; Accepted: October 18, 2025
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 | 0,011 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,022 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».