Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"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 komplikasi jangka panjang yang terjadi pada penderita diabetes melitus tipe 2 (DMT2). Parameter laju filtrasi glomerulus (LFG) dan albuminuria untuk diagnosis PGD memiliki keterbatasan sehingga cenderung tidak terdeteksi secara dini. Oleh karena itu, diperlukan biomarker yang lebih efektif untuk mendeteksi penyakit ini. Penelitian ini bertujuan untuk mengetahui profil metabolit serum pasien DMT2 risiko rendah PGD yang mengonsumsi metformin-glimepirid dengan nilai HbA1c terkontrol dan nilai HbA1c tidak terkontrol. Teknik pengambilan sampel menggunakan teknik consecutive sampling sesuai dengan kriteria inklusi yang dilakukan di Puskesmas Kecamatan Pasar Minggu. Total sebanyak 32 sampel penelitian yang terbagi menjadi dua kelompok, yakni kelompok risiko HbA1c terkontrol (n=16) dan kelompok risiko HbA1c tidak terkontrol (n=16). 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 6.0 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 (log2(FC)>1,2), variable importance in projection (VIP>1), p value (p<0,05), dan nilai area under the curve (AUC>0,65). Hasil analisis metabolomik menunjukkan bahwa terdapat 10 metabolit yang signifikan berbeda antara 2 kelompok subjek penelitian dan 1 metabolit potensial dijadikan sebagai biomarker PGD, yaitu lysoPC(18:1(9Z)/0:0 yang terlibat dalam jalur metabolisme gliserofosfolipid dengan tren naik terhadap HbA1c tidak terkontrol.

---

Diabetic kidney disease (DKD) is a long-term complication that occurs in patients with type 2 diabetes mellitus (T2DM). The parameters of glomerular filtration rate (GFR) and albuminuria for the diagnosis of DKD have limitations and tend not to be detected early. Therefore, more effective biomarkers are needed to detect this disease.  This study aimed to determine the serum metabolite profile of low risk T2DM patients with PGD who take metformin-glimepirid with controlled HbA1c and uncontrolled HbA1c values. The research was conducted using a cross-sectional design with nonprobability sampling techniques at Pasar Minggu District Health Center. A total of 32 research samples were divided into two groups, namely the controlled HbA1c risk group (n = 16) and the uncontrolled HbA1c risk group (n = 16). Untargeted metabolomic analysis was performed using LC/MS-QTOF and the data was processed using MetaboAnalyst 6.0 and various databases including the HMDB, METLIN, PubChem, and KEGG. The signature metabolites determined by Projections to Latent Structures Discriminant Analysis with Variable Importance for the Projection > 1.0, fold change >1.2, p-value <0.05, and Area Under the Receiver Operating Characteristic Curve > 0.65. The results showed 10 metabolites that were significantly different between the 2 groups of study subjects. The metabolic pathway analysis of these metabolites found that likely the three metabolic pathways were glycerophospholipids, porphyrin, and sphingolipid metabolism. Only one metabolite is qualified as DKD  potential biomarker between the two groups, namely lysoPC(18:1(9Z)/0:0 which is involved in the glycerophospholipid metabolic pathway with an upward trend towards uncontrolled HbA1c groups."