Hasil Pencarian  ::  Simpan CSV :: Kembali

"Diabetes melitus tipe 2 (DMT2) adalah penyakit gangguan metabolisme yang menyebabkan regulasi insulin terganggu dan dapat mengakibatkan komplikasi penyakit ginjal diabetes (PGD). Saat ini, gold standard penilaian fungsi ginjal dilakukan berdasarkan parameter eGFR dan albuminuria, tetapi kedua parameter tersebut memiliki beberapa keterbatasan. Oleh karena itu, metode baru untuk deteksi dini fungsi ginjal dapat bermanfaat dalam upaya pencarian target terapi yang lebih tepat, salah satunya melalui pendekatan metabolomik. Tujuan penelitian ini yaitu melihat perbedaan profil metabolit serum pasien DMT2 risiko rendah (n=16) dan tinggi (n=16) PGD berdasarkan klasifikasi KDIGO 2022 yang mengonsumsi metformin-glimepirid. Desain penelitian cross-sectional dengan teknik consecutive sampling dilakukan di Puskesmas Kecamatan Pasar Minggu dan RSUD Jatipadang. Sebanyak total 32 partisipan yang memenuhi kriteria inklusi dibandingkan profil metabolitnya berdasarkan kategori risiko PGD. Sampel darah, urin, serta data karakteristik dasar dan klinis dikumpulkan untuk analisis metabolomik. Analisis untargeted metabolomics dilakukan menggunakan LC/MS-QTOF dengan metode yang sudah tervalidasi. Pengolahan data dilakukan menggunakan MetaboAnalyst 5.0 dan SPSS versi 24.0. Seluruh metabolit yang terdeteksi diidentifikasi oleh database Metlin, HMDB, PubChem, dan KEGG. Tidak terdapat perbedaan bermakna pada seluruh karakteristik dasar dan klinis subjek penelitian. Terdapat perbedaan bermakna pada ekspresi metabolit antara dua kelompok sampel. Berdasarkan parameter VIP score >1; FC >1.2; p-value <0,05; AUC >0,65 yang ditetapkan, diperoleh tiga metabolit yang memiliki potensi sebagai senyawa biomarker dalam perkembangan PGD, yaitu acetyl-N-formyl-5-methoxykynurenamine (AFMK), phosphatydilinositol-4,5-bisphosphate (PIP2), dan cytidine diphosphate diacylglycerol (CDP-DAG). Berdasarkan ketiga metabolit tersebut, tiga jalur metabolisme berhasil terdeteksi dan berpotensi terlibat dalam perkembangan PGD yaitu metabolisme triptofan, metabolisme fosfatidilinositol, serta metabolisme gliserofosfolipid. 

---

Type 2 diabetes mellitus (T2DM) is a metabolic disorder causing insulin regulation to be disrupted and may lead to diabetic kidney disease (DKD) complication. The current gold standard for assessing kidney function based on eGFR and albuminuria have some limitations. Therefore, a new method for assessing kidney function may be useful for a better therapeutic target discovery, such as through metabolomics approach. This study aims to compare the serum metabolite profiles of T2DM patients consuming metformin-glimepiride with low (n=16) and high (n=16) risk of DKD based on KDIGO 2022. A cross-sectional study with consecutive sampling method was carried out at Puskesmas Pasar Minggu and RSUD Jatipadang. A total of 32 participants fulfilled the inclusion criteria were compared for their metabolite profiles. Blood, urine, baseline and clinical characteristics data were collected to perform untargeted metabolomics analysis using a validated LC/MS-QTOF method. Data processing was performed using MetaboAnalyst 5.0 and SPSS 24.0. Metabolites were identified by Metlin, HMDB, PubChem, and KEGG databases. There were no significant differences among all basic and clinical characteristics of the participants. There were significant differences of metabolite expression between two sample groups. Based on the applied parameters VIP score >1; FC>1.2; p-value <0.05; AUC >0.65, three metabolites were found to have potential as biomarker in the development of DKD, namely acetyl-N-formyl-5-methoxykynurenamine (AFMK), phosphatydilinositol-4,5-bisphosphate (PIP2), and cytidine diphosphate diacylglycerol (CDP-DAG). Based on these metabolites, three metabolic pathways were detected and found to be potentially involved in the development of DKD, namely tryptophan metabolism, phosphatidylinositol metabolism, and glycerophospholipid metabolism."

"Penyakit ginjal diabetes (PGD) merupakan komplikasi jangka panjang yang terjadi pada penderita diabetes. Parameter eLFG dan albuminuria untuk diagnosis PGD memiliki keterbatasan sehingga diperlukan biomarker baru untuk mendeteksi kerusakan ginjal pada stadium awal PGD. Tujuan penelitian ini adalah membandingkan profil metabolitserum pada kelompok risiko sedang dan tinggi PGD berdasarkan kategori prognosis KDIGO 2022 yang mengonsumsi metformin-glimepirid. Desain penelitian observasional yang digunakan adalah cross sectional. Teknik pengambilan sampel menggunakan teknik consecutive sampling sesuai dengan kriteria inklusi yang dilakukan di RSUD Jati Padang dan Puskesmas Kecamatan Pasar Minggu. Jumlah subjek penelitian sebanyak 32 pasien DMT2 yang dikategorikan menjadi 2 kelompok risiko sedang dan tinggi PGD. Berdasarkan analisis karakteristik dasar dan klinis, tidak terdapat perbedaan yang bermakna pada seluruh karakteristik dasar dan klinis. Analisis metabolomik tidak tertarget dilakukan dengan menggunakan liquid chromatography-mass spectrometry quadrupole time-of-flight (LC/MS-QTOF) dan pengolahan data menggunakan MetaboAnalyst 5.0 serta identifikasi metabolit menggunakan beberapa database, seperti HMDB, Metlin, Pubchem, dan KEGG. Hasil analisis statistik ditampilkan dalam grafik Principal Component Analysis(PCA), Partial Least Squares-Discriminant Analysis (PLS-DA), dan heatmap. Beberapa parameter untuk menentukan metabolit yang signifikan dalam penelitian ini, yaitu nilai fold change (log2(FC)>1,2), variable improtance in projection (VIP>1), p value (p<0,05), dan nilai area under the curve (AUC>0,65), sehingga diperoleh 25 metabolit yang signifikan berbeda antara 2 kelompok subjek penelitian dan 3 metabolit potensial dijadikan sebagai biomarker PGD, yaitu lysoPC (18:2(9Z,12Z)/0:0 yang terlibat dalam jalur metabolisme gliserofosfolipid, linoleic acid yang terlibat dalam jalur metabolisme asam linoleat dan biosintesis tidak jenuh, dan myristic acid terlibat dalam jalur biosintesis asam lemak. 

---

Diabetic kidney disease (DKD) is a long-term complication that occurs in diabetics. The eGFR and albuminuria parameters for the diagnosis of DKD have limitations, so new biomarkers are needed to detect kidney damage in the early stages of DKD. The purpose of this study was to compare the serum metabolite profiles in the moderate and high risk groups of DKD based on the 2022 KDIGO prognosis category who consumed metformin-glimepiride. The observational research design used was cross sectional. The sampling technique used consecutive sampling technique according to the inclusion criteria at the Jati Padang Hospital and Pasar Minggu Public Health Center. The number of study subjects was 32 T2DM patients who were categorized into 2 groups of moderate and high risk of DKD. Based on analysis of basic and clinical characteristics, there were no significant differences in all of the basic and clinical characteristics. Non-targeted metabolomics analysis was performed using liquid chromatography-mass spectrometry quadrupole time-of-flight (LC/MS-QTOF), data processing using MetaboAnalyst 5.0, and identification of metabolites using HMDB, Metlin, Pubchem, and KEGG. The results of the statistical analysis are displayed in the Principal Component Analysis graph, Partial Least Squares-Discriminant Analysis, and heatmap. Several parameters to determine significant metabolites in this study, namely the value of fold change (log2(FC)> 1.2), variable improtance in projection (VIP> 1), p value<0.05, and area under the curve (AUC>0.65), resulting in 25 metabolites that were significantly different between the 2 groups and 3 potential metabolites used as PGD biomarkers, namely lysoPC(18:2(9Z,12Z)/0:0), linoleic acid, and myristic acid."

"Penyakit Ginjal Diabetes (PGD) merupakan salah satu komplikasi yang paling umum terjadi dari diabetes. Deteksi dini gangguan fungsi ginjal pada pasien diabetes melitus tipe-2 (DMT2) dapat mencegah progresivitas PGD. Tujuan penelitian ini adalah menilai perbedaan profil metabolit urin pasien DMT2 yang mengonsumsi metformin-glimepirid pada kelompok risiko rendah dan sedang PGD serta menganalisis pemetaan jalur biokimia yang terjadi. Penelitian dilakukan dengan desain potong lintang dengan metode consecutive sampling di Puskesmas Kecamatan Pasar Minggu dan RSUD Jati Padang. Sampel urin dan darah dikumpulkan untuk pengukuran HbA1c, eLFG (estimasi laju filtrasi glomerulus), UACR (rasio albumin-kreatinin urin), dan analisis metabolomik berbasis LC/MS-QTOF. Total 32 subjek penelitian dibagi menjadi kelompok risiko rendah PGD (n=16) dan kelompok risiko sedang PGD (n=16) berdasarkan kategori prognosis KDIGO. Analisis data karakteristik dasar dan klinis dilakukan menggunakan software IBM SPSS Statistics Premium versi 24. Analisis hasil kromatogram dan spektra dari alat LC/MS-QTOF dianalisis menggunakan software Metaboanalyst 5.0. Hasil yang diperoleh menunjukkan tidak ada perbedaan bermakna secara statistik pada karakteristik dasar dan klinis kedua kelompok, kecuali jenis kelamin (p=0,013) dan HbA1c (p=0,001). Terdapat metabolit urin yang berbeda signifikan (Variable Importance for the Projection (VIP)-score>1; fold change>1,2, dan p<0,05) antara kelompok risiko rendah dan sedang PGD, yaitu sphinganine, lysophospatidic acid, gamma-glutamylalanine, dan N-acetyl-Laspartic acid. Perubahan jalur biokimia yang berkaitan dengan metabolit penanda kerusakan ginjal pada kedua kelompok adalah metabolisme (1) sphingolipid, (2) gliserolipid, (3) gliserofosfolipid, (4) glutation, dan (5) alanin, aspartat, dan glutamat. Dengan demikian, disregulasi metabolisme lipid dan asam amino dapat menjadi biomarker (AUC>0,65) dalam perkembangan PGD pada tahap awal.

---

Diabetic Kidney Disease (DKD) is one of the most common complications of diabetes. Early detection of impaired kidney function in type-2 diabetes mellitus (T2DM) patients can prevent the progression of DKD. The study aimed to compare the urine metabolites profile of T2DM patients who consumed metformin-glimepiride with low and moderaterisk groups of DKD and to analyze the mapping of the biochemical pathways that occur. The study was conducted using a cross-sectional design with a consecutive sampling method at Pasar Minggu District Health Center and Jati Padang Hospital. Urine and blood samples were collected for measurements of HbA1c, eGFR (estimated glomerular filtration rate), UACR (urine albumin-creatinine ratio), and LC/MS-QTOF-based metabolomics analysis. A total of 32 subjects were divided into low-risk (n=16) and moderate-risk groups of DKD (n=16) based on KDIGO prognosis category. The baseline and clinical characteristics of the subjects were analyzed using IBM SPSS Statistics Premium software version 24. The chromatogram and spectra results from the LC/MSQTOF were analyzed using Metaboanalyst 5.0 software. The results showed that there were no statistically significant differences in the baseline and clinical characteristics of the two groups, except for sex (p=0.013) and HbA1c (p=0.001). There are significant differences in urine metabolites (VIP-score>1; fold change>1.2, and p<0.05) between low and moderate-risk groups of DKD i.e. sphinganine, lysophosphatidic acid, gammaglutamylalanine, and N-acetyl-L-aspartic acid. Changes in biochemical pathways associated with markers of kidney damage in both groups are the metabolism of (1)sphingolipids, (2)glycerolipids, (3)glycerophospholipids, (4)glutathione, and (5) alanine, aspartate, and glutamate. Therefore, dysregulation of lipid and amino acid metabolism could be biomarkers (AUC > 0,65) for the progression of DKD in the early stage."

"Penyakit ginjal diabetes merupakan salah satu komplikasi mikrovaskular dari penyakit diabetes melitus tipe 2 yang umum ditemukan dan bersifat asimtomatik pada tahap awal. Tujuan dilakukannya penelitian ini adalah untuk mengetahui hubungan antara penyakit ginjal diabetes kategori risiko rendah dan sedang dengan profil metabolit pasien diabetes melitus tipe 2 yang mendapatkan terapi metformin-glimepirid. Penelitian ini dilakukan dengan desain studi potong lintang dengan teknik consecutive sampling di Puskesmas Kecamatan Pasar Minggu dan Rumah Sakit Umum Daerah Jati Padang. Sampel darah ujung jari pasien digunakan untuk pengukuran HbA1c, sampel urin digunakan untuk pengukuran UACR (urine albumin creatinine ratio), sampel darah dikumpulkan untuk pengukuran eLFG (estimasi laju filtrasi glomerulus), analisis metabolit dengan LCMS/QTOF, dan data dianalisis dengan MetaboAnalyst 5.0 menggunakan database HMDB, Metlin, PubChem, dan KEGG. Total sebanyak 32 pasien terbagi menjadi dua kelompok yaitu pasien dengan penyakit ginjal diabetes risiko rendah (n=16) dan pasien dengan penyakit ginjal diabetes risiko sedang (n=16). Tidak terdapat perbedaan bermakna pada karakteristik dasar dan klinis kedua kelompok pasien kecuali jenis kelamin (p=0,013) dan HbA1c (p=0,001). Terdapat 25 metabolit yang memiliki perbedaan bermakna (p value<0.05, VIP score>1, FC>1,2). Metabolit yang teridentifikasi memiliki kemampuan diagnostik yang baik antara dua kelompok pasien (AUC >0,65) yaitu aminoadipic acid, L-proline, L-tryptophan, lysoPC(18:2(9Z,12Z)/0:0), dan cer(d18:1/18:1(9Z)). Metabolit-metabolit tersebut berperan dalam berbagai jalur metabolisme seperti jalur degradasi lysine, metabolisme arginine dan proline, gliserofosfolipid, tryptophan, serta sphingolipid.

---

Diabetic kidney disease is one of the most common microvascular complications of type 2 diabetes mellitus and is asymptomatic in its early stage . The purpose of this study was to determine the relationship between low and moderate risk categories of diabetic kidney disease and the metabolite profile of type 2 diabetes mellitus patients receiving metformin-glimepiride therapy. This research was conducted using a cross-sectional study design with consecutive sampling method at Pasar Minggu District Health Center and Jati Padang General Hospital. Fingertip blood samples were used for HbA1c measurement, urine samples were used for UACR (urine albumin creatinine ratio) measurement, blood samples were collected for eLFG measurement (estimated glomerular filtration rate), metabolite analysis by LC/MS-QTOF, and data analysis by MetaboAnalyst 5.0 using HMDB, Metlin, Pubchem, and KEGG database. A total of 32 patients were divided into two groups, patients with low risk diabetic kidney disease (n = 16) and patients with moderate risk diabetic kidney disease (n = 16). There were no significant differences in the basic and clinical characteristics of the two groups of patients except for gender (p=0.013) and HbA1c value (p=0.001). There are 25 metabolites that had significant differences ((p value<0.05, VIP score>1, FC>1,2). Metabolites that had good diagnostic performance between the two patient groups (AUC>0,65) are aminoadipic acid, L-proline, L-tryptophan, lysoPC(18:2(9Z,12Z)/0:0), and n-acylsphingosine. These metabolites affecting the degradation pathway of lysine, metabolism of arginine and proline, glycerophospholipids, tryptophan, and sphingolipids."

"Keterbatasan glomerulus filtration rate (eGFR) dan urine albumin creatinine ratio (uACR) sebagai acuan menyebabkan keterlambatan diagnosis dan prognosis penyakit ginjal diabetes. Perkembangan diabetes mengarah pada kerusakan ginjal dicerminkan oleh penanda (biomarker) yang ditemukan dalam spesimen biologis. Penelitian ini bertujuan mencari metabolit potensial sebagai biomarker pada populasi Indonesia dengan membandingkan metabolit dalam urin pasien diabetes dengan risiko ginjal rendah (n=16) dan tinggi (n=16) menurut klasifikasi KDIGO2022. Analisis metabolomik dilakukan menggunakan liquid chromatography/mass spectrometry quadrupole time-of-flight (LC/MS-QTOF) dengan analisis statistik data menggunakan software Metaboanalyst5,0. Metabolit diidentifikasi menggunakan database Human Metabolome Database (HMDB), Metlin, dan Pubchem. Diskriminasi antar 2 kelompok divisualisasikan dengan Principal Component Analysis (PCA) dan Partial Least Squares-Discriminant Analysis (PLS-DA). Signifikansi metabolit antar 2 kelompok ditentukan dengan T-test (p<0,05), variable importance for projection (VIP>1), dan fold change (log2(FC)>1,2). Metabolit yang dipilih hanya metabolit endogen yang diketahui jalur metabolismenya. Dari berbagai parameter tersebut, metabolit yang potensial sebagai biomarker harus memenuhi nilai area under curve (AUC)>0,65. Berdasarkan karakteristik dasar dan klinis, tidak terdapat perbedaan bermakna karakteristik dasar (usia, jenis kelamin, indeks massa tubuh, durasi menderita DMT2, frekuensi olahraga, kebiasaan merokok, penyakit lain, kepatuhan minum obat, regimen terapi metformin-glimepirid) dan pemeriksaan klinis (HbA1c, tekanan darah sistol, dan diastol) antara kedua kelompok (p>0,05). Ditemukan 23 metabolit yang memenuhi parameter VIP, p-value, dan fold change. Disimpulkan, tiga metabolit teratas dengan AUC>0,65 merupakan biomarker potensial yang membedakan kedua kelompok, yaitu indoksil glukuronida, N-asetilserotonin glukuronida, dan gliserofosfokolin. Indoksil glukuronida dan N-asetilserotonin glukuronida terlibat dalam metabolisme triptofan dan glukuronat, sedangkan gliserofosfokolin terlibat dalam jalur metabolisme gliserofosfolipid dan eter lipid.

---

The limited utility of glomerulus filtration rate (eGFR) dan urine albumin creatinine ratio (uACR) as the gold standard lead to late diagnosing and prognosing of diabetic kidney disease. Diabetes progression contributes to kidney damage and is reflected by biomarkers in patients' biological samples. This study aims to identify potential endogenous metabolite biomarkers for improved diagnosis and prognosis by comparing metabolites in the urine of diabetic patients with low (n=16) and high (n=16) kidney disease risk in the Indonesian population according to the KDIGO2022 classification. Metabolomic analysis was conducted using liquid chromatography/mass spectrometry quadrupole time-of-flight (LC/MS-QTOF) with Metaboanalyst5.0 software. Metabolites were identified using the Human Metabolome Database, Metlin, and PubChem. Discrimination between the two groups was visualized using principal component analysis (PCA) and Partial Least squares discriminant analysis (PLS-DA). Based on patients' characteristics, no significant differences were observed in baseline characteristics (age, gender, body mass index, duration of type 2 diabetes mellitus, exercise frequency, smoking habits, comorbidities, medication adherence, metformin-glimepiride therapy regimen) and clinical characteristics (HbA1c, systolic and diastolic blood pressure) between two groups (p>0.05). According to the findings of the T-test (p<0.05), fold change (log2(FC)>1.2), and variables important for the projection (VIP>1), there were 23 metabolites substantially different between the two groups. In conclusion, the top 3 metabolites with the area under curve (AUC) value>0.65 demonstrated potential biomarker differentiating among two groups; these are indoxyl glucuronide, N-acetylserotonin glucuronide, and glycerophosphocholine. Indoxyl glucuronide and N-acetylserotonin glucuronide involved in tryptophan metabolism and glucuronate interconversion. Glycerophsophocholine involved in glycerophospholipid and ether lipid metabolism."

"Penyakit Ginjal Diabetes (PGD) dapat menyebabkan albuminuria, yang berkembang menjadi insufisiensi ginjal. Namun, sekitar 20-40% kasus PGD merupakan PGD normoalbuminuria, yaitu gangguan fungsi ginjal dengan kadar albumin normal. Penelitian ini untuk membandingkan metabolit urin pada pasien penyakit ginjal diabetes dengan normoalbuminuria dan albuminuria yang mengonsumsi metformin-glimepirid. Desain penelitian potong lintang dengan metode consecutive sampling di Puskesmas Kecamatan Pasar Minggu dan RSUD Jati Padang. Sampel urin dan darah dikumpulkan untuk pengukuran HbA1c, UACR, dan analisis metabolit urin. Sebanyak masing-masing 16 pasien dibagi menjadi kelompok PGD normoalbuminuria dan PGD albuminuria, serta dianalisis metabolit urinnya menggunakan metabolomik tidak tertarget dengan Quadruple Time of Flight Liquid Chromatography-Mass Spectrometry. Metabolit yang berbeda signifikan divisualisasi dengan Projections to Latent Structures Discriminant Analysis (PLS-DA). Lalu, dianalisis nilai Variable Importance for the Projection (VIP) > 1.0; Fold Change (FC) >1,2 (p<0,05); dan Area Under the Receiver Operating Characteristic Curve (AUROC). Metabolit dengan nilai Area Under Curve (AUC) > 0,65 dinilai sebagai biomarker potensial. Tidak ada perbedaan bermakna pada karakteristik dasar dan klinis pada kedua kelompok, kecuali HbA1c (p<0,001). Terdapat 20 metabolit urin yang berbeda signifikan pada kelompok PGD normoalbuminuria dan albuminuria. Dari analisis jalur metabolisme pada metabolit tersebut ditemukan empat jalur metabolisme, yaitu metabolisme gliserofosfolipid, eter lipid, fenilalanin, dan triptofan. Dari keempat jalur metabolisme tersebut, ditemukan tiga metabolit biomarker potensial, yaitu glycerophosphocholine, hippuric acid, dan 2-aminobenzoic acid. Ketiga metabolit tersebut berkurang secara signifikan dari kondisi normoalbuminuria ke albuminuria. Oleh karena itu, diperlukan studi lanjut mengenai ketiga metabolit tersebut pada perkembangan PGD normoalbuminuria dan albuminuria.

---

Diabetic Kidney Disease (DKD) leads to albuminuria and gradually progresses to renal insufficiency. However, about 20-40% of DKD are normoalbuminuric DKD, which has impaired kidney function with normal albumin levels. This study compared urine metabolites in patients consuming metformin-glimepiride with normoalbuminuric and albuminuria DKD. The research design was cross-sectional with consecutive sampling method at Pasar Minggu District Public Health Centre and Jati Padang Hospital. Urine and blood samples were collected for measurement of HbA1c, UACR, and metabolite analysis. There were each 16 samples divided into normoalbuminuric DKD group and albuminuria DKD group. All subjects were analysed using non-targeted metabolomics with Quadruple Time of Flight Liquid Chromatography-Mass Spectrometry. The signature metabolites were determined by Projections to Latent Structures Discriminant Analysis (PLS-DA) with Variable Importance for the Projection (VIP) > 1.0; Fold Change (FC) >1.2 (p<0.05); and Area Under the Receiver Operating Characteristic Curve (AUROC). Metabolites with an Area Under Curve (AUC) value > 0.65 are considered potential biomarkers. There were no significant differences in baseline and clinical characteristics of two groups, except for HbA1c (p<0.001). There were 20 metabolites identified between two groups. The metabolic pathway analysis of these metabolites found that four metabolic pathways were glycerophospholipid, ether lipid, phenylalanine, and tryptophan metabolism. There were three potential biomarkers, glycerophosphocholine, hippuric acid, and 2-aminobenzoic acid, enriched in these four metabolic pathways. Compared between normoalbuminuric and albuminuria groups these three metabolites were significantly reduced. Therefore, further studies are needed regarding these three metabolites in the development of normoalbuminuric and albuminuria DKD."

"Penyakit Ginjal Diabetes (PGD) merupakan salah satu bentuk komplikasi mikrovaskular dari penyakit Diabetes Melitus Tipe 2 (DMT2). Penelitian ini bertujuan untuk mengetahui metabolit urin yang berperan dalam progresifitas pasien PGD di Indonesia khususnya pada risiko sedang dan tinggi berdasarkan KDIGO 2022 beserta jalur metabolismenya. Desain studi yang digunakan adalah studi potong lintang dengan metode consecutive sampling yang dilakukan di Puskesmas Kecamatan Pasar Minggu dan RSUD Jati Padang. Sampel darah diambil untuk pengukuran HbA1c dan Estimated Glomerulus Filtration Rate (eGFR) sedangkan sampel urin digunakan untuk mengukur nilai UACR (Urine Albumin Creatinine Ratio) dan dianalisis metabolitnya menggunakan LC-MS/QTOF. Analisis dan pengolahan data dilakukan menggunakan Metaboanalyst 5.0. serta berbagai database meliputi Human Metabolites Database (HMDB), METLIN, PubChem, dan Kyoto Encyclopedia of Genes and Genomes (KEGG). Total sebanyak 32 sampel penelitian yang terbagi menjadi dua kelompok yakni kelompok risiko sedang PGD (n=16) dan kelompok risiko tinggi PGD (n=16). Tidak terdapat perbedaan bermakna pada karakteristik dasar dan karakteristik klinis pada kedua kelompok sampel penelitian. Terdapat 28 metabolit yang berbeda signifikan antara kedua kelompok (Variable Importance in Projection (VIP) >1; fold change > 1,2; p-value < 0,05). Empat metabolit diantaranya berpontensi sebagai metabolit penanda progresifitas PGD (AUC>0,65), yakni phosphatidylcholine(24:1(15Z)/22:0), phosphatidylcholine(24:1(15Z)/24:0), sphinganine, dan estradiol. Terdapat empat jalur metabolisme yang teridentifikasi yaitu metabolisme sphingolipid, jalur metabolisme glycerophospholipid, dan jalur metabolisme steroid hormone. Oleh karena itu, diperlukan studi lebih lanjut untuk menganalisis keempat metabolit tersebut dalam keperluan diagnostik PGD.

---

Diabetic Kidney Disease (DKD) is a form of microvascular complication of Type 2 Diabetes Mellitus (T2DM). This study aims to determine the urinary metabolites that play a role in the progression of DKD patients in Indonesia, especially at moderate and high risk based on the 2022 KDIGO and its metabolic pathways. The study design used was a cross-sectional study with consecutive sampling methods conducted at the Pasar Minggu Primary Health Center and Jati Padang Hospital. Blood samples were taken to measure HbA1c and estimate glomerular filtration rate (eGFR), while urine samples were used to measure UACR (Urine Albumin Creatinine Ratio) values and their metabolites were analyzed using LC-MS/QTOF. Data analysis and processing were performed using Metaboanalyst 5.0. as well as various databases including the Human Metabolites Database (HMDB), METLIN, PubChem, and the Kyoto Encyclopedia of Genes and Genomes (KEGG). A total of 32 research samples were divided into two groups, namely the moderate risk group for DKD (n = 16) and the high risk group for DKD (n = 16). There were no significant differences in the basic characteristics and clinical characteristics for the two groups. There were 28 metabolites that differed significantly between the two groups (Variable Importance in Projection (VIP) > 1; fold change > 1.2; p-value < 0.05). Four of these metabolites have the potential to be the biomarkers of DKD progression (AUC>0.65), namely phosphatidylcholine(24:1(15Z)/22:0), phosphatidylcholine(24:1(15Z)/24:0), sphinganine, and estradiol. Also, there are four identified metabolic pathways, including sphingolipid metabolism, glycerophospholipid metabolism, and steroid hormone metabolism. Therefore, further studies are needed to analyze these four metabolites in the diagnostic purposes of PGD."

"Penyakit Ginjal Diabetes (PGD) merupakan salah satu komplikasi mikrovaskular dari penyakit Diabetes Melitus Tipe 2 (DMT2) yang cenderung tidak terdeteksi secara dini sehingga diperlukan biomarker yang lebih efektif untuk mendeteksi penyakit ini. Tingginya HbA1c diketahui berpengaruh pada progresivitas PGD karena berkaitan dengan penurunan laju filtrasi glomerulus (eGFR) dan peningkatan rasio albumin kreatinin urin (UACR). Penelitian ini merupakan studi metabolomik tidak tertarget dan bertujuan untuk membandingkan metabolit urin pasien DMT2 risiko PGD rendah dengan HbA1c terkontrol dan tidak terkontrol pada pasien yang mengonsumsi terapi metformin-glimepirid. Penelitian dilakukan dengan desain potong lintang dengan teknik pengambilan sampel non-probabilitas di Puskesmas Kecamatan Pasar Minggu. Sebanyak 32 sampel dibagi menjadi dua kelompok, yakni kelompok HbA1c terkontrol (n=16) dan kelompok HbA1c tidak terkontrol (n=16). Sampel darah diambil untuk pengukuran HbA1c dan eGFR sedangkan sampel urin diambil untuk pengukuran UACR dan dianalisis metabolitnya. Analisis metabolit dilakukan menggunakan LC/MS-QTOF dan diolah datanya menggunakan MetaboAnalyst 6.0 serta berbagai database. Signifikansi metabolit antarkelompok diseleksi dengan parameter VIP>1, log2(FC)>1,2, dan p-value<0,05. Tiga metabolit yang berpotensi menjadi biomarker (AUC>0,65), yaitu oxaloacetate, 5'-phosphoribosyl-N-formylglycinamidine, dan (S)-dihydroorotate. Berdasarkan ketiga metabolit tersebut, jalur metabolisme yang terlibat meliputi (1) alanin, aspartat, dan glutamat, (2) asam sitrat (siklus Krebs), (3) glukoneogenesis, (4) piruvat, (5) pirimidin, dan (6) purin.

---

Diabetic Kidney Disease (DKD) is one of the microvascular complications of Type 2 Diabetes Mellitus (T2DM) which tended not to be detected early, necessitating more effective biomarkers for its detection. Uncontrolled HbA1c was significantly associated with the progression of DKD because it is associated with a decrease in glomerular filtration rate (eGFR) and an increase in the urine albumin creatinine ratio (UACR). This study was an untargeted metabolomics study and aimed to compare urine metabolites in low-risk DKD T2DM patients with controlled and uncontrolled HbA1c undergoing metformin-glimepiride therapy. Conducted with a cross-sectional design and non-probability sampling at Pasar Minggu District Health Center, 32 samples were split into controlled (n=16) and uncontrolled HbA1c groups (n=16). Blood samples were taken for measurement of HbA1c and eGFR, while urine samples were taken for measurement of UACR and analyzed for metabolites. Metabolite analysis was carried out using LC/MS-QTOF and the data were processed using MetaboAnalyst 6.0 and various databases. Significant metabolites were identified with VIP>1, log2(FC)>1.2, and p-value<0.05. Three metabolites, namely oxaloacetate, 5'-phosphoribosyl-N-formylglycinamidine, and (S)-dihydroorotate, emerged as potential biomarkers (AUC>0.65). The involved metabolic pathways included (1) alanine, aspartate, and glutamate, (2) citric acid (Krebs cycle), (3) gluconeogenesis, (4) pyruvate, (5) pyrimidine, and (6) purine."

"Glikosaminoglikan (GAG) adalah komponen utama dari membran basal dan memiliki" "potensi sebagai penanda yang baik serta penentuan adanya disfungsi endotel pada tahap awal penyakit ginjal diabetes dan perkembangan penyakit. Tujuan dari penelitian ini adalah untuk mengetahui perbedaan kadar GAG pada pasien dengan terapi metformin dan kombinasi metformin-glimepirid pada penderita diabetes melitus tipe 2. Penelitian dilakukan dengan desain potong lintang dengan metode consecutive sampling di Puskesmas Kecamatan Pasar Minggu dan Puskesmas Depok Jaya. Sampel darah dan urin subjek penelitian akan dikumpulkan untuk pengukuran HbA1c, estimasi laju filtrasi glomerulus (eLFG), perbandingan albumin-kreatinin urin, dan kadar GAG. Kadar GAG dapat dianalisis menggunakan 1,9-dimetilmetilen biru (GAG-DMMB). Total123 subjek penelitian dibagi menjadi dua kelompok yaitu pengguna terapi metformin (n=57) dan kombinasi metformin-glimepirid (n=66). Nilai koefisien korelasi dari hasil penelitian secara berturut-turut yaitu 0,9972; 0,9240; 0,9980; 0,9983; 0,9997; 0,9997; dan 0,9975. Terdapat perbedaan yang bermakna hanya pada karakteristik dasar usia (p=0,034) dan karakteristik dasar klinis yaitu HbA1c (p=0,037). Tidak terdapat perbedaan yang bermakna (p=1,000) pada hasil pengukuran glikosaminoglikan urin pada kelompok metformin (2,00 (0,17-8,09)) dan kombinasi metfonnin-glimepirid (2,07 (0,24-13,99)). Terdapat faktor lain yang signifikan dapat meningkatkan nilai GAG yaitu durasi menderita DMT2 >5 tahun dan komorbid. Oleh karena itu dapat disimpulkan bahwa tidak ada perbedaan nilai GAG urin pada kelompok metformin dan kombinasi metformin­ glimepirid.

---

Glycosaminoglycans (GAGs) are major components of the basement membrane and have" "potential as good markers and determinations of endothelial dysfunction in the early stages of diabetic kidney disease and disease progression. The purpose of the study was to determine differences in GAG levels in patients treated with metformin and a combination of metformin-glimepiride in patients with type 2 diabetes mellitus. The study was conducted with a cross-sectional design with consecutive sampling method at Pasar Minggu Subdistrict Health Center and Depok Jaya Health Center. Blood and urine samples of research subjects will be collected for measurement of HbA1c, estimated glomerular filtration rate (eGFR), urine albumin-creatinine ratio, and GAG levels. GAG levels can be analyzed using 1,9-dimethylmethylene blue (GAG-DMMB). Total of 123 research subjects were divided into two groups, which are divided into users ofmetformin therapy (n=57) and metformin-glimepiride combinations (n=66). The value of the correlation coefficient from the results of the research in order is 0,9972; 0,9240; 0,9980;" "0,9983; 0,9997; 0,9997; and 0,9972. There was a significant difference only in the basic" "characteristics of age (p=0,034) and basic clinical characteristics, namely HbA1c (p=0,037). There was no significant difference (p=1,000) in the measurement results of urine glycosaminoglycans in the metformin (2.00 (0.17-8.09)) and metformin­ glimepiride combination (2.07 (0.24-13.99)). Patient with other comorbidities and have suffered by Diabetes Mellitus Type 2 >5 years can significantly increase the value of GAG. Therefore, it can be said that there was no difference in urinary GAG values in the metformin and metformin-glimepiride group."

"Diabetes melitus tipe 2 merupakan kasus diabetes yang paling umum terjadi dengan peningkatan prevalensi setiap tahun. Penyakit diabetes dapat menyebabkan biaya perawatan tinggi dan penurunan kualitas hidup. Terapi pengobatan diabetes yang beragam variasi dapat memberikan efektivitas dan biaya yang berbeda. Penelitian ini dilakukan untuk menganalisis efektivitas biaya terhadap kombinasi metformin-pioglitazon dan metformin-glimepirid pada pasien diabetes melitus tipe 2. Penelitian ini menggunakan desain cross-sectional dengan teknik pengumpulan data retrospektif. Data penelitian diambil dari rekam medis dan data biaya pasien rawat jalan diabetes melitus tipe 2 dengan kombinasi metformin-pioglitazon dan metformin-glimepirid di RSUD Pasar Rebo tahun 2020-2022. Parameter untuk melihat efektivitas terapi adalah pencapaian target HbA1c <7,0% dengan minimal 3 bulan. Data biaya pengobatan pasien menggunakan biaya langsung medis dengan perspektif rumah sakit. Nilai efektivitas terapi yang dihasilkan menunjukkan tidak ada perbedaan bermakna antara kelompok metformin-pioglitazon dengan metformin-glimepirid (p > 0,05). Berdasarkan hasil analisis, nilai inkremental efektivitas antara kedua kelompok terapi sebesar 8% dan nilai inkremental total biaya sebesar Rp350.170,00. Berdasarkan penelitian ini, dapat disimpulkan bahwa terapi kombinasi metformin-pioglitazon lebih efektivitas-biaya dibandingkan metformin-glimepirid dengan penambahan biaya sebesar Rp43.771,25 untuk berpindah dari terapi metformin-glimepirid menjadi metformin-pioglitazon pada pasien diabetes melitus tipe 2 di RSUD Pasar Rebo.

---

Diabetes mellitus type 2 is the most common case of diabetes with an increase in prevalence every year. Various diabetes treatment therapies can provide different effectiveness and costs. This study was performed to analyze cost-effectiveness of the combination of metformin-pioglitazone and metformin-glimepiride in patients with type 2 diabetes mellitus. This method was cross-sectional with retrospective data collection techniques. The research data was taken from medical records and cost data for type 2 diabetes with combination of metformin-pioglitazone and metformin-glimepiride at Pasar Rebo Hospital in 2020-2022. The parameter to see effectiveness of therapy is achievement of HbA1c target of <7.0% at least 3 months. Patient treatment cost data using medical direct costs with a hospital perspective. The resulting therapeutic effectiveness value showed no significant difference between the metformin-pioglitazone group and metformin-glimepiride (p > 0.05). Based on the results of the analysis, incremental value of effectiveness between the two therapy groups was 8% and total incremental value of cost was Rp350,170.00. Based on the results of this study, metformin-pioglitazone combination therapy is more cost-effective than metformin-glimepiride with additional cost of Rp43,771.25 by changing metformin-glimepiride therapy to metformin-pioglitazone in type 2 diabetes mellitus patients at RSUD Pasar Rebo."