Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
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.

Abstrak :
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.

Abstrak :
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.

Abstrak :
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.

Abstrak :
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.

Abstrak :
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.

Abstrak :
Glikosaminoglikan merupakan komponen penyusun glikokaliks yang berperan penting dalam per selektivitas muatan anionik kapiler glomerulus. Gangguan hemodinamik dan metabolik akibat hiperglikemia kronis menyebabkan peluruhan komponen glikokaliks endotel. Beberapa pedoman telah menyetujui keamanan tiap OAD berdasarkan fungsi ginjal. Tujuan penelitian adalah menilai keamanan penggunaan metformin (metformin dan metformin-glimepirid) berdasarkan fungsi ginjalnya serta menilai perbandingan kadar GAG urin pasien DMT 2 kelompok risiko rendah terhadap risiko sedang-tinggi PGK. Desain penelitian potong lintang dan metode consecutive di Puskesmas Depok Jaya dan Kecamatan Pasar Minggu. Sampel urin dan darah dikumpulkan untuk pengukuran eLFG, HbA1c, ACR, dan kadar GAG urin. Sebanyak 137 partisipan dinilai keamanan penggunaan metformin berdasarkan fungsi ginjalnya. Terdapat ketidaksesuaian pada 1 partisipan dalam penggunaan metformin (n=55) dan semua partisipan (n=82) sesuai dengan pedoman dalam penggunaan metformin-glimepirid. Hanya 121 partisipan yang dianalisis kadar GAG urin menggunakan 1,9-DMMB dan terdiri dari 4 yaitu kelompok risiko rendah PGK: G1-A1(eLFG ≥90ml/min/1,73m² - <30mg/g) (n=25) dan G2-A1(eLFG 60-89ml/min/1,73m² - <30mg/g) (n=45) serta risiko sedang-tinggi PGK: GI-A2(eLFG ≥ 90ml/menit/1,73m² - >30mg/g) (n=23) dan G2-A2(eLFG 60-89ml/menit/1,73m² - >30mg/g) (n=28). Tidak ada perbedaan bermakna (p<0,05) pada karakteristik dasar dan klinis keempat kelompok kecuali usia (p=0,006) dan HbA1c (p<0,001). Tidak terdapat perbedaan kadar GAG urin yang bermakna antara kelompok G1 dengan G2 (p=0,290) serta pada keempat kelompok (p=0,221). Terdapat perbedaan kadar GAG urin yang bermakna (p=0,034) pada kelompok normoalbuminuria dan albuminuria. Faktor lain seperti durasi DMT 2 >5 tahun dan komorbiditas dapat meningkatkan kadar GAG urin. Oleh karena itu, diperlukan studi lanjut mengenai potensi GAG urin pada awal perkembangan penyakit ginjal diabetes. ......Glycosaminoglycans are components of the glycocalyx which play an important role in the permeselectivity of the anionic charge of the glomerular capillaries. Hemodynamic and metabolic disturbances due to chronic hyperglycemia cause the breakdown of the glycocalyx component of the endothelium. Several guidelines have agreed on the safety of each OAD based on renal function. The aims of this study were to assess the safety of using metformin (metformin and metformin-glimepiride) based on kidney function and to evaluate the comparison of urinary GAG levels in patients with DMT 2 in low-risk groups to moderate-high risk of CKD. Cross-sectional research design and consecutive in Depok Jaya Public Health Center and Pasar Minggu District. Urine and blood samples were collected for measurement of eGFR, HbA1c, ACR, and urinary GAG levels. A total of 137 participants assessed the safety of using metformin based on their kidney function. There was a discrepancy in 1 participant in the use of metformin (n=55) and all participants (n=82) according to the guidelines for the use of metformin-glimepiride. Only 121 participants were analyzed for urine GAG ​​levels using 1,9-DMMB and consisted of 4 low risk groups for CKD: G1-A1(eGFR 90ml/min/1.73m² - <30mg/g) (n=25) and G2-A1(eGFR 60-89ml/min/1.73m² - <30mg/g) (n=45) and moderate-high risk of CKD: GI-A2(eGFR 90ml/min/1.73m² - >30mg/g) (n=23) and G2-A2(eLFG 60-89ml/min/1.73m² - >30mg/g) (n=28). There was no significant difference (p<0.05) in the baseline and clinical characteristics of the four groups except age (p=0.006) and HbA1c (p<0.001). There was no significant difference in urine GAG ​​levels between the groups G1 with G2 (p= 0.290) and in the four groups (p= 0.221). There was a significant difference in urine GAG ​​levels (p= 0.034) in the normoalbuminuria and albuminuria groups. Other factors such as duration of DMT 2 > 5 years and comorbidities can increase urinary GAG levels. Therefore, further studies are needed regarding the potential of urinary GAGs in the early development of diabetic kidney disease.