Прогностическая роль цитокинов в оценке течения острого панкреатита: систематический обзор и метаанализ

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Острый панкреатит — воспалительное заболевание поджелудочной железы с потенциально тяжелыми осложнениями. Несмотря на существующие в клинической практике шкалы прогноза тяжести, сохраняется необходимость в более точных и оперативных методах раннего прогнозирования течения заболевания.

Представлена систематическая оценка значимости уровней интерлейкинов в сыворотке крови пациентов с острым панкреатитом для прогнозирования тяжести заболевания.

Исследование выполнено по стандарту PRISMA. Проведен систематический поиск публикаций 2013–2024 гг. в базах PubMed и Google Scholar. Извлечены и проанализированы данные о диагностической точности интерлейкинов по площади под ROC-кривой, чувствительности и специфичности. Определено качество анализа методом оценки качества исследований диагностической точности (QUADAS-2), а также вычислены метарегрессия и чувствительность.

В метаанализ включены 11 исследований интерейкина-6 (n=1377) и 5 исследований интерейкина-8 (n=535). Объединенная площадь под ROC-кривой (AUC) для интерлейкина-6 составила 0,84 по модели случайных эффектов при высокой гетерогенности (92%), для интерлейкина-8 — 0,843 при гетерогенности 80,76%. Площадь под иерархической обобщенной ROC-кривой составила 0,697 для интерлейкина-6 (чувствительность — 80,9%, специфичность — 54,5%) и 0,595 для интерлейкина-8 (чувствительность — 87,7%, специфичность — 39,6%), что указывает на умеренную обобщенную точность обоих маркеров. Подгрупповой анализ для интерлейкина-6 с порогами ≥100 пг/мл продемонстрировал AUC 0,852 и площадь под иерархической обобщенной ROC-кривой 0,621. Для интерлейкина-8 при точке отсечения <39,55 пг/мл, AUC составила 0,726 (при гетерогенности 80%), а при точке отсечения ≥39,55 пг/мл —0.949 (при гетерогенности 69,5%). Полученные результаты показывают, что при более высоких порогах уровня интерлейкина-8 (≥39,55 пг/мл) результаты не только более точны (AUC=0,95), но и более однородны, чем при более низких порогах (гетерогенность снижена).

Динамика уровня интерлейкина-22 показала наивысшую прогностическую точность среди вторичных цитокинов (AUC=0,857, чувствительность — 83%, специфичность — 85%). Несмотря на признаки публикационного смещения, результаты были устойчивыми при анализе чувствительности.

Интерлейкин-6 — наиболее информативный биомаркер для раннего прогнозирования тяжелого острого панкреатита. Интерлейкин-8 дополняет оценку тяжести, отражая нейтрофильную активацию, тогда как нтерлейкин-10 и -22 указывают на баланс воспалительного ответа и обладают потенциалом в качестве мишеней для терапии. Использование цитокинового профиля совместно с клиническими шкалами может повысить точность стратификации риска и улучшить исходы.

Об авторах

Людмила Кареновна Орбелян

Кубанский государственный медицинский университет

Автор, ответственный за переписку.
Email: orbelyan@mail.ru
ORCID iD: 0000-0003-1428-393X
SPIN-код: 8123-4311

MD

Россия, Краснодар

Владимир Моисеевич Дурлештер

Кубанский государственный медицинский университет; Краевая клиническая больница № 2, Краснодар

Email: durleshter59@mail.ru
ORCID iD: 0000-0002-7420-0553
SPIN-код: 6229-6933

д-р мед. наук, профессор

Россия, Краснодар; Краснодар

Список литературы

  1. Silva-Vaz P, Abrantes AM, Castelo-Branco M, et al. Multifactorial scores and biomarkers of prognosis of acute pancreatitis: applications to research and practice. Int J Mol Sci. 2020;21(1):338. doi: 10.3390/ijms21010338 EDN: FEHVWB
  2. Hey-Hadavi J, Velisetty P, Mhatre S. Trends and recent developments in pharmacotherapy of acute pancreatitis. Postgrad Med. 2023;135(4):334–344. doi: 10.1080/00325481.2022.2136390 EDN: OOCNJX
  3. Leppäniemi A, Tolonen M, Tarasconi A, et al. 2019 WSES guidelines for the management of severe acute pancreatitis. World J Emerg Surg. 2019;14:27. doi: 10.1186/s13017-019-0247-0 EDN: MSWSPE
  4. Hirota M, Takada T, Kawarada Y, et al. JPN Guidelines for the management of acute pancreatitis: Severity assessment of acute pancreatitis. J Hepatobiliary Pancreat Surg. 2006;13(1):33–41 doi: 10.1007/s00534-005-1049-1 EDN: MNPJHV
  5. Silva-Vaz P, Abrantes, AM, Castelo-Branco M, et al. Murine models of acute pancreatitis: a critical appraisal of clinical relevance. Int J Mol Sci. 2019;20(11):2794 doi: 10.3390/ijms20112794 EDN: YOARXZ
  6. Silva-Vaz P, Abrantes AM, Morgado-Nunes S, et al. Evaluation of prognostic factors of severity in acute biliary pancreatitis. Int J Mol Sci. 2020;21(12):4300. doi: 10.3390/ijms21124300 EDN: SFIWEH
  7. Hu JX, Zhao CF, Wang SL, et al. Acute pancreatitis: a review of diagnosis, severity prediction and prognosis assessment from imaging technology, scoring system and artificial intelligence. World J Gastroenterol. 2023;29(37):5268–5291. doi: 10.3748/wjg.v29.i37.5268 EDN: NVEMFI
  8. Walkowska J, Zielinska N, Karauda P, et al. The pancreas and known factors of acute pancreatitis. J Clin Med. 2022;11:5565. doi: 10.3390/jcm11195565 EDN: GUKOZM
  9. Boxhoorn L, Voermans RP, Bouwense SA, et al. Acute pancreatitis. Lancet. 2020;396(10252):726–734. doi: 10.1016/S0140-6736(20)31310-6 EDN: PUPZPQ
  10. Lankisch PG, Apte M, Banks PA. Acute pancreatitis. Lancet. 2015;386(9988):85–96. doi: 10.1016/S0140-6736(14)60649-8 EDN: UTVOUZ
  11. Singh P, Garg PK. Pathophysiological mechanisms in acute pancreatitis: current understanding. Indian J Gastroenterol. 2016;35(3):153–166. doi: 10.1007/s12664-016-0647-y EDN: XYXNDD
  12. Mititelu A, Grama A, Colceriu M-C, et al. Role of interleukin 6 in acute pancreatitis: a possible marker for disease prognosis. Int J Mol Sci. 2024;25(15):8283. doi: 10.3390/ijms25158283 EDN: REJTDL
  13. Aoun E, Chen J, Reighard D, et al. Diagnostic accuracy of interleukin-6 and interleukin-8 in predicting severe acute pancreatitis: a meta-analysis. Pancreatology. 2009;9(6):20777–20785. doi: 10.1159/000214191 EDN: NZDNWN
  14. Zhang J, Niu J, Yang J. Interleukin-6, interleukin-8 and interleukin-10 in estimating the severity of acute pancreatitis: an updated meta-analysis. Hepatogastroenterology. 2014;61(129):215–220.
  15. Metri A, Bush N, Singh VK. Predicting the severity of acute pancreatitis: current approaches and future directions. Surg Open Sci. 2024;19:109–117. doi: 10.1016/j.sopen.2024.03.012 EDN: QMLYXG
  16. Lee DW, Cho CM. Predicting severity of acute pancreatitis. Medicina (Kaunas). 2022;58(6):787. doi: 10.3390/medicina58060787 EDN: MFOBVM
  17. Page MJ, McKenzie JE, Bossuyt PM, et al. The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. BMJ. 2021;372:n71. doi: 10.1136/bmj.n71
  18. Whiting PF, Rutjes AWS, Westwood ME, et al. Quadas-2: a revised tool for the quality assessment of diagnostic accuracy studies. Ann Intern Med. 2011;155(8):529–536. doi: 10.7326/0003-4819-155-8-201110180-00009
  19. Lin L, Chu H. Quantifying publication bias in meta-analysis. Biometrics. 2018;74(3):785–794. doi: 10.1111/biom.12817
  20. Kolber W, Dumnicka P, Maraj M, et al. Does the automatic measurement of interleukin 6 allow for prediction of complications during the first 48 h of acute pancreatitis? Int J Mol Sci. 2018;19(6):1820. doi: 10.3390/ijms19061820
  21. Khanna AK, Meher S, Prakash S, et al. Comparison of Ranson, Glasgow, MOSS, SIRS, BISAP, APACHE-II, CTSI Scores, IL-6, CRP, and procalcitonin in predicting severity, organ failure, pancreatic necrosis, and mortality in acute pancreatitis. HPB Surg. 2013;2013:367581. doi: 10.1155/2013/367581
  22. Ćeranić DB, Zorman M, Skok P. Interleukins and inflammatory markers are useful in predicting the severity of acute pancreatitis. Bosn J Basic Med Sci. 2020;20:99–105. doi: 10.17305/bjbms.2019.4253
  23. Orbelian L, Trembach N, Durleshter V. The role of inflammatory and hemostatic markers in the prediction of severe acute pancreatitis: an observational cohort study. Recent Adv Inflamm Allergy Drug Discov. 2024. doi: 10.2174/0127722708356543241209060544 EDN: DNHHEV
  24. Bhowmick M, Lal M, Kumawat A. Correlation of inflammatory biomarkers (interleukin-6, interleukin-8, and tumor necrosis factor-alpha) with severity of acute pancreatitis. India J Med Specialities. 2024;15(4):235–239. doi: 10.4103/injms.injms_194_23 EDN: PWWTIQ
  25. Sternby H, Hartman H, Johansen D, et al. IL-6 and CRP are superior in early differentiation between mild and non-mild acute pancreatitis. Pancreatology. 2017;17(4):550–554. doi: 10.1016/j.pan.2017.05.392
  26. Xu F, Hu X, Li SL. Value of serum CRP and IL-6 Assays combined with pancreatitis activity scoring system for assessing the severity of patients with acute pancreatitis. Pak J Med Sci. 2024;40(1Part-I):145–149. doi: 10.12669/pjms.40.1.7550 EDN: IEZPJB
  27. Tian F, Lin T, Zhu Q, et al. Correlation between severity of illness and levels of free triiodothyronine, interleukin-6, and interleukin-10 in patients with acute pancreatitis. Med Sci Monit. 2022;28:e933230. doi: 10.12659/MSM.933230 EDN: IUESYK
  28. Rao SA, Kunte AR. Interleukin-6: an early predictive marker for severity of acute pancreatitis. Indian J Crit Care Med. 2017;21(7):424–428. doi: 10.4103/ijccm.IJCCM_478_16
  29. Li J, Chen Z, Li L, et al. Interleukin-6 is better than C-reactive protein for the prediction of infected pancreatic necrosis and mortality in patients with acute pancreatitis. Front Cell Infect Microbiol. 2022;12:933221. doi: 10.3389/fcimb.2022.933221 EDN: FAEOJM
  30. Lin Xu, Meng Lin, Chao Liu, Guochao Zhu. The value of LAR and IL-6 in early diagnosis and prognostic assessment of severe acute pancreatitis. Nutrition Clinique et Métabolisme. 2025;39(2):142–148. doi: 10.1016/j.nupar.2025.04.002
  31. Penttilä AK, Lindström O, Hästbacka J, et al. Interleukin 8 and hepatocyte growth factor in predicting development of severe acute pancreatitis. Cogent Medicine. 2017;4(1):1396634. doi: 10.1080/2331205X.2017.1396634
  32. Langmead C, Lee PJ, Paragomi P, et al. A novel 5-cytokine panel outperforms conventional predictive markers of persistent organ failure in acute pancreatitis. Clin Transl Gastroenterol. 2021;12(5):e00351. doi: 10.14309/ctg.0000000000000351 EDN: MQIAXO
  33. El-Gamal AS, Osman NF, AlKhateap YM, Maarek AM. Role of interleukin-6, interleukin-8, and [beta]-2 microglobulin in assessment of severity of pancreatitis. Menoufia Med J. 2020;33(4):1335–1340.
  34. Carrière K, Khoury B, Günak MM, Knäuper B. Mindfulness-based interventions for weight loss: a systematic review and meta-analysis. Obes Rev. 2018;19(2):164–177. doi: 10.1111/obr.12623
  35. Rau B, Baumgart K, Paszkowski AS, et al. Clinical relevance of caspase-1 activated cytokines in acute pancreatitis: high correlation of serum interleukin-18 with pancreatic necrosis and systemic complications. Crit Care Med. 2001;29(8):1556–1562. doi: 10.1097/00003246-200108000-00010
  36. Liang J, Zhou Y, Wang Z, Chen H. Relationship between liver damage and serum levels of IL-18, TNF-alpha and NO in patients with acute pancreatitis. Nan Fang Yi Ke Da Xue Xue Bao. 2010;30(8):1912–1914.
  37. Endo S, Inoue Y, Fujino Y, et al. Interleukin 18 levels reflect the severity of acute pancreatitis. Res Commun Mol Pathol Pharmacol. 2001;110(5–6):285–291.
  38. Inagaki T, Hoshino M, Hayakawa T, et al. Interleukin-6 is a useful marker for early prediction of the severity of acute pancreatitis. Pancreas. 1997;14(1):1–8. doi: 10.1097/00006676-199701000-00001
  39. Laveda R, Martinez J, Munoz C, et al. Different profile of cytokine synthesis according to the severity of acute pancreatitis. World J Gastroenterol. 2005;11(34):5309–5313. doi: 10.3748/wjg.v11.i34.5309
  40. Kostić I, Spasić M, Stojanovic B, et al. Early cytokine profile changes in interstitial and necrotic forms of acute pancreatitis. Serbian J Exp Clin Res. 2015;16(1):33–37. doi: 10.1515/SJECR-2015-0005
  41. Sternby H, Hartman H, Thorlacius H, Regnér S. The initial course of IL-1β, IL-6, IL-8, IL-10, IL-12, IFN-γ and TNF-α with regard to severity grade in acute pancreatitis. Biomolecules. 2021;11(4):591. doi: 10.3390/biom11040591 EDN: GTVCRD
  42. Bai J, Bai J, Yang M. Interleukin-22 attenuates acute pancreatitis-associated intestinal mucosa injury in mice via STAT3 activation. Gut Liver. 2021;15(5):771–781. doi: 10.5009/gnl20210 EDN: VMQBTB
  43. Chen CC, Wang SS, Lee FY, et al. Proinflammatory cytokines in early assessment of the prognosis of acute pancreatitis. Am J Gastroenterol. 1999;94(1):213–218. doi: 10.1111/j.1572-0241.1999.00709.x EDN: BDGYQJ
  44. Jiang CF, Shiau YC, Ng KW, Tan SW. Serum interleukin-6, tumor necrosis factor alpha and C-reactive protein in early prediction of severity of acute pancreatitis. J Chin Med Assoc. 2004;67(9):442–446.
  45. Kumar S, Aziz T, Kumar R, et al. Diagnostic accuracy of interleukin-6 as a biomarker for early prediction of severe acute pancreatitis: a systematic review and meta-analysis. J Family Med Prim Care. 2025;14(2):667–674. doi: 10.4103/jfmpc.jfmpc_1366_24 EDN: JGFQZJ
  46. Vasseur P, Devaure I, Sellier J, et al. High plasma levels of the pro-inflammatory cytokine IL-22 and the anti-inflammatory cytokines IL-10 and IL-1ra in acute pancreatitis. Pancreatology. 2014;14(6):465–469. doi: 10.1016/j.pan.2014.08.005
  47. Jin M, Zhang H, Wu M, et al. Colonic interleukin-22 protects intestinal mucosal barrier and microbiota abundance in severe acute pancreatitis. FASEB J. 2022;36(3):e22174. doi: 10.1096/fj.202101371R EDN: ENCLXO

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. PRISMA-диаграмма отбора исследований.

Скачать (287KB)
Метаданные
3. Рис. 2. Оценка риска систематической ошибки.

Скачать (341KB)
Метаданные
4. Рис. 3. Распределение риска и применимости по доменам.

Скачать (218KB)
Метаданные
5. Рис. 4. Форест-диаграмма, представляющая площади под ROC-кривыми в исследованиях интерлейкина-6.

Скачать (144KB)
Метаданные
6. Рис. 5. Иерархическая обобщенная ROC-кривая для выявления роли интерлейкина-6 в прогнозе тяжелого острого панкреатита. AUC — площадь под ROC-кривой; TPR — true positive rate (доля истинно положительных результатов); FPR — false positive rate (доля ложноположительных результатов).

Скачать (98KB)
Метаданные
7. Рис. 6. Иерархическая обобщенная ROC-кривая для выявления роли интерлейкина-6 в прогнозе тяжелого острого панкреатита для исследования с точкой отсечения ≥100 пг/мл. AUC — площадь под ROC-кривой; TPR —true positive rate ; FPR — false positive rate.

Скачать (96KB)
Метаданные
8. Рис. 7. Форрест-диаграмма, представляющая площади под ROC-кривыми в исследованиях интерлейкина-8.

Скачать (111KB)
Метаданные
9. Рис. 8. Иерархическая обобщенная ROC-кривая для выявления роли интерлейкина-8 в прогнозе тяжелого острого панкреатита. AUC — площадь под ROC-кривой; TPR — true positive rate (доля истинно положительных результатов); FPR — false positive rate (доля ложноположительных результатов).

Скачать (95KB)
Метаданные
10. Рис. 9. Иерархическая обобщенная ROC-кривая для выявления роли интерлейкина-8 в прогнозе тяжелого острого панкреатита для исследования с точкой отсечения ≥39,55 пг/мл. AUC — площадь под ROC-кривой; TPR — true positive rate (доля истинно положительных результатов); FPR — false positive rate (доля ложноположительных результатов).

Скачать (100KB)
Метаданные

© Эко-Вектор, 2025



Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».