-
Die
Erfindung dient zur Überwachung insbesondere komplexer
Prozesse, beispielsweise in biologischen, biochemischen, medizinischen,
molekularen und technischen Systemen, die mit herkömmlichen
Verfahren nicht oder nicht hinreichend erfasst werden können.
Die Bewertung soll dabei eine Risikoabschätzung, Prognose
und Kontrolle des Verhaltens solcher Systeme berücksichtigen.
-
Herkömmlich
werden Prozesse hinsichtlich der Abweichung der Amplituden der Prozessgrößen von
Sollwerten berücksichtigt. Hierzu werden üblicherweise
seit langem bekannte Verfahren der Regelkreisanalyse im Zeit- und
Frequenzbereich verwendet, die allerdings bei komplizierten und
damit komplexen Prozessen unzureichend sind. Selbst nichtlineare
Modelle, die Abhängigkeiten zwischen dem Amplitudenverhalten
verschiedener Prozessgrößen nachbilden, werden
den hier interessierenden komplexen Prozesseigenschaften nicht gerecht.
-
Methoden
zur Auswertung und Kontrolle von Prozessen werden in Wissenschaft
und Technik vielfältig eingesetzt.
-
In
der Medizin muss aufgrund der hohen Komplexität des Organismus
generell mit unzureichenden Erkenntnissen zum aktuellen Zustand
gearbeitet werden, da die bekannten Analyseverfahren selbst bei
hoher Rechenleistung der komplexer Organisationsform des Organismus
nicht gerecht werden. Das betrifft beispielsweise die Bewertung
der Entwicklung und Behandlung von Krankheitserregern oder Fehlfunktionen,
die von vielen inneren und äußeren Faktoren beeinflusst
werden, insbesondere im intensivmedizinischen Bereich, nach Unfall,
Herzinfarkt oder Schlaganfall, während des Transportes im
Hubschrauber, bis hin zum Homecarebereich. Andere bevölkerungspolitisch
zunehmend bedeutsame Anwendungen sind die Überwachung der
Stabilität von Herzkreislauf und Gleichgewichtsorgan bei Sturzgefahr
im Alter, die Abstimmung von Körperbewegungen bei Rehabilitation
nach Schädigungen des Bewegungsapparates oder die Abstimmung
der komplexen Rückenmuskulatur und -bewegung bei Patienten
mit Rückenschmerzen. Im Sportbereich repräsentiert
die Abstimmung komplexer Bewegungsmuster beispielsweise beim Langstreckenlauf
den aktuellem Trainings- und Ermüdungszustand.
-
In
der Biologie ist die Einschätzung des Wachstums von Organismen
in Abhängigkeit von Futterangebot, Konkurrenten, Umweltgiften,
etc. bedeutsam.
-
In
der Technik ist die Zuverlässigkeit komplexer Fertigungsnetze,
wie die der Autoproduktion, bedeutsam. Aber auch die Überwachung
und Steuerung der komplexen Abstimmung des Schwingungsverhaltens
verschiedener Fahrzeugteile ist für die Funktion und die
Sicherheit des Gesamtprozesses und dessen Umweltbelastung, wie beispielsweise durch
Lärmentwicklung, bedeutsam. Dasselbe gilt für Fertigungsmaschinensysteme,
wie Walzstraßen.
-
In
der Computerbranche ist die Zuverlässigkeit komplexer Informationsnetze
wichtig. Die bessere Berücksichtigung der vielfältigen
komplexen Einflussfaktoren wird in allen Fällen zunehmend
als nicht hinreichend gelöste Herausforderung erkannt.
-
So
sind Systeme zur medizinischen Überwachung von Patienten
basierend auf der Messung eines oder mehrerer Biosignale bekannt,
aus denen Verläufe physiologischer Parameter oder Bewertungsergebnisse
wie klinische Scores (
DE
197 36 480 A1 ) berechnet werden.
-
Etablierte
klinische Scores bewerten die Krankheitsschwere aufwändig
aufgrund verschiedener physiologischer und biochemischer Größen,
wie beispielsweise der APACHE II Score durch Berücksichtigung
von Körpertemperatur, Blutdruck, Herzfrequenz, Atemfrequenz,
Oxygenierung, pH, Na+, K+, Kreatinin, Hämatokrit und Leukozyten.
-
Bei
einem Verfahren zur Diagnose von Herzrhythmusstörungen
(
DE 43 20 519 A1 )
werden Gruppen von jeweils drei Herzschlagintervallen miteinander
verglichen.
-
Bekannt
ist in der medizinischen Anwendung auch eine Vorrichtung zum Vorhersagen
von Tachykardien (
DE
10 2004 054 751 A1 ), bei welcher elektrische Herzsignale
und zirkadiane Signale bewertet werden.
-
Komplexe
Prozesse werden in einigen Fällen mit Komplexitätsmaßen
wie der approximierten Entropie bei Herzkrankheiten besser als mit
herkömmlichen linearen Maßen im Zeit- und Frequenzbereich
beschrieben (S. M. Pincus et al. Heart rate control in normal
and aborted SIDS infants, American Journal of Physiology 264, 1993,
R638).
-
Die
Berechnung des autonomen Informationsflusses bei Patienten mit Multiorgandysfunktionssyndrom
aus Herzschlagfolgen von 6–24 Stunden Dauer ermöglichte
die statistische Abschätzung der Überlebenswahrscheinlichkeit
einer Gruppe von MODS Patienten (D. Hoyer et al.: Prognostic
impact of autonomic information flow in multiple Organ dysfunction
syndrome patients, International Journal of Cardiology 108, 2006,
359–369).
-
Alle
genannten Beispiele sind nicht in der Lage, die komplexen Prozesseigenschaften
im aktuellen Verlauf ausreichend genau zu erfassen und hinsichtlich
Risiko und Prognose des individuellen Patienten zufriedenstellend
zu bewerten.
-
Der
Erfindung liegt deshalb die Aufgabe zu Grunde, komplexe kontinuierliche
Prozesse, beispielsweise in biologischen, biochemischen, medizinischen,
molekularen und technischen Systemen, unter Abschätzung
von Risiko und Prognose besser überwachen zu können.
-
Mit
einer qualitativ besseren und zuverlässigeren Systemkontrolle
sollen die Prozesse ggf. auch überwachungssicherer steuerbar
sein.
-
Erfindungsgemäß wird
diese Aufgabe gelöst, indem bei einem Verfahren zur Überwachung
und Risikobewertung von Prozessen für jede zu überwachende
Prozessgröße mindestens zwei einzelne und ein
vereinigter jeweils auf definierte Zeitintervalle bezogene Informationsgehalte
bestimmt werden, dass aus den Informationsgehalten der Prozessgrößen
jeweils wenigstens eine Informationsflussfunktion berechnet wird
und dass die Überwachung der Prozessgrößen
durch Risikobewertung (Scorebildung) dieser wenigstens einen Informationsflussfunktion erfolgt.
Die Bewertung dieser wenigstens einen Informationsflussfunktion
ermöglicht somit eine Beurteilung des aktuellen Zustands
und sogar des Risikos bzw. einer gesundheitlichen Prognose des Patienten.
-
Dabei
ist es möglich, für jede zu überwachende
Prozessgröße separat mindestens zwei einzelne
und einen vereinigten digitalen Informationsgehalt zu berechnen,
aus denen dann jeweils eine prozessgrößenspezifische
Informationsflussfunktion zur Überwachung und Risikobewertung
ermittelt wird.
-
Hingegen
ist es auch möglich, bei der Überwachung mehrerer
Prozessgrößen nicht nur jeweils Informationsflussfunktionen
einzeln für jede zu überwachende Prozessgröße
aus deren Informationsgehalten zu bilden, sondern wenigstens eine
Informationsflussfunktion zwischen mehreren zu überwachenden
Prozessgrößen aus einzelnen und vereinigten Informationsgehalten
von mindestens zwei unterschiedlichen Prozessgrößen
zu bilden. So ist es möglich, Informationsflussfunktionen,
die aus derselben und solche, die aus verschiedenen Prozessgrößen
ermittelt wurden, gemeinsam zur Scoreberechnung heranzuziehen. Auf
diese Weise können mit dieser Vorrichtung bei medizinischen
Anwendungen mehrere gesundheitsrelevante Messgrößen
eines Patienten, wie Herzschlagfolge, Verlauf der Atemkurve, Blutdruckverlauf
etc., sowie die darauf Einfluss nehmenden Faktoren, einschließlich
ihrer krankheitsbedingten Störungen, in ihrem komplexen
Verhalten, beispielsweise anhand der kardio-respiratorischen Kommunikation,
kontinuierlich bewertet und überwacht werden.
-
Bei
der Bildung des Scores aus dem oder den Informationsflussfunktionen
können auch noch weitere Daten einzeln oder in Kombination
zur Risikobewertung herangezogen werden. Diese Daten können
nochmals eine oder mehrere der zu überwachenden und bereits
zur Bildung der besagten Informationsflussfunktionen verwendeten
Prozessgrößen sein.
-
Es
ist hingegen ebenfalls möglich, weitere Signale, wie andere
gemessene bzw. überwachte Prozessgrößen,
sonstige prozessabhängige Systemgrößen
(in der Medizin beispielsweise Daten über Alter, Patiententyp,
Geschlecht, Krankheitsvorgeschichte, Medikation etc.) und/oder prozessunabhängige
Systemgrößen (z. B. Umwelt- und Zeitdaten) in die
Scoreberechnung mit einfließen zu lassen.
-
Vorteilhaft
ist, dass beim erfindungsgemäßen Verfahren weder
die Amplitudenverläufe noch auf den Amplitudenverläufen
basierende Kennwerte, sondern durch spezielle Signalverknüpfungen
der zu überwachenden Prozessgrößen die
Verläufe von zeitintervallbezogenen digitalen Informationsgehalten ausgewertet
werden. Diese Verläufe des digitalen Informationsgehaltes
kennzeichnen den Neuigkeitsgehalt und damit die Bedeutung der aktuellen
Prozesseigenschaft. Die digitalen Informationsgehalte sind sogar amplitudenunabhängig,
was zusätzlich eine besondere Robustheit gegen Störungen
einbringt.
-
Diese
spezielle, neuartige Verknüpfung zeitbezogener Signale
ermöglicht selbst bei Berücksichtigung weniger
Prozessgrößen eine bessere Bewertung des Gesamtprozesses,
beispielsweise in der Medizin, als herkömmliche Scores,
die, wie eingangs beschrieben, auf einer Vielzahl funktioneller
und klinischer Größen basieren.
-
Die Überwachung
ist relativ aufwandgering und unkompliziert durchführbar.
Die digitalen Informationsgehalte und die Informationsflussfunktionen können
durch Berechnungsstufen ermittelt werden, die rechentechnisch realisierbar,
baugruppen- und softwarespezifisch gleichartig umsetzbar sowie auch anwendungsspezifisch
anpassbar sind.
-
Die
zur Bildung der Informationsflussfunktionen ermittelten zeitintervallbezogenen
Informationsgehalte sind unabhängig von individuellen Unterschieden
der Prozessgrößen, wie beispielsweise der individuellen
mittleren Herzfrequenz und des mittleren Blutdrucks. Das ist ein
Vorteil für die Überwachung und Bewertung des
individuellen Patienten im Vergleich zu den bisher bewerteten amplitudenabhängigen
Prozessgrößen.
-
Das
Gleiche trifft auf solche Einflüsse des Prozessverlaufes
zu, die beispielsweise zwar das herkömmlich bewertete Aktivitätsniveau
bzw. Ausmaß von Prozessgrößen beeinflussen,
nicht aber die durch Informationsflüsse erfasste komplexe
Kommunikation.
-
Die
Digitalisierung der Signale der zu überwachenden Prozessgrößen
bei der Berechnung der Informationsgehalte führt zu einer
deutlichen Datenreduktion ohne Verlust der für die Bewertung
der Kommunikation wesentlichen Informationen. Das ist von Vorteil
für die kontinuierliche (on-line) Überwachung
in Monitoring-Geräten hinsichtlich Hard- und/oder Software.
-
Die
wenigen baugruppenspezifischen Typen gleicher Berechnungselemente
erlauben eine sparsame und einfache Gestaltung der Hard- und/oder Software
bei trotzdem adäquater Berücksichtigung der Komplexität
des zu überwachenden Prozesses.
-
Die
Amplitudenunabhängigkeit der Informationsgehalte kann sowohl
zur Kompensation technischen Störungen als auch physiologischer
Instationaritäten vorteilhaft genutzt werden (Robustheit).
-
Die
Erfindung soll nachstehend anhand von in der Zeichnung dargestellten
Ausführungsbeispielen zur kontinuierlichen medizinischen Überwachung eines
Patienten näher erläutert werden.
-
Es
zeigen:
-
1:
Vorrichtung zur Ermittlung eines Scores aus der Herzschlagfolge
-
2:
Vorrichtung zur Ermittlung eines Scores aus der Herzschlagfolge
und dem Blutdruckverlauf
-
3:
Vorrichtung zur Ermittlung eines Scores aus einer Herzschlagfolge
und der Atemkurve
-
1 zeigt
in übersichtlicher, blockschaltbildartiger Darstellung
eine Vorrichtung zur Ermittlung eines Scores aus einer Herzschlagfolge
(instantane Frequenz- oder Intervallfolge), die aus dem gemessenen
EKG eines Patienten ermittelte wurde. Diese Herzschlagfolge als
zu überwachende Prozessgröße A wird in
einem ersten Zeitintervall ΔtA1 von
10 Minuten Länge einer Berechnungsstufe 1 zur Ermittlung
des digitalen Informationsgehalts IA1 dieser
Sequenz der Herzschlagfolge A zugeführt.
-
Des
Weiteren gelangt die besagte Herzschlagfolge A über eine
Verzögerungsstufe 2 in einem verzögerten
Zeitintervall ΔtA2 gleicher Intervallgröße
(ebenfalls 10 Minuten) wie ΔtA1 an
eine zweite Berechnungsstufe 3, welche aus dieser Sequenz (ΔtA2) der Herzschlagfolge A gleichermaßen
den digitalen Informationsgehalt IA2 ermittelt.
-
Darüber
hinaus gelangt die Herzschlagfolge A als Signale in den Zeitintervallen ΔtA1 und ΔtA2 an eine
dritte Berechnungsstufe 4, welche den vereinigten digitalen
Informationsgehalt IAA aus beiden Zeitintervallen ΔtA1 und ΔtA2 berechnet.
-
Die
Berechnungsstufen für die besagten Informationsgehalte
IA1, IA2, IAA (Berechnungen in Bit) stehen ausgangsseitig
mit einer Berechnungsstufe 5 in Verbindung, in welcher
aus den Informationsgehalten IA1, IA2, IAA eine Informationsflussfunktion
FA (Berechnung in Bit/s) für diese
zu überwachende Prozessgröße A generiert
wird. Über eine Berechnungsstufe 6 wird aus dieser
Informationsflussfunktion FA ein Score ermittelt,
welcher den aktuellen Zustand des Patienten angibt. Dabei werden
spezielle Eigenschaften der Informationsflussfunktion FA mit
Soll- bzw. Referenzwerten verglichen sowie aus den Abweichungen
aller dieser Eigenschaften ein Score der Fehlfunktion gebildet.
-
Auf
diese Weise können mit dieser Vorrichtung die auf die Herzschlagfolge
Einfluss nehmenden Faktoren, einschließlich ihrer krankheitsbedingten Störungen,
in ihrem komplexen Verhalten kontinuierlich bewertet und damit überwacht
werden.
-
In 2 ist
ebenfalls als übersichtliche, blockschaltbildartige Darstellung
eine Vorrichtung gezeigt, mit welcher zur Überwachung kontinuierlich ein
gemeinsamer Score aus der besagten Herzschlagfolge (instantane Frequenz-
oder Intervallfolge) sowie aus dem Blutdruckverlauf des Patienten
ermittelt wird.
-
Wie
im Ausführungsbeispiel 1 gelangt die Herzschlagfolge als
zu überwachende Prozessgröße A in einem
ersten Zeitintervall ΔtA (entspricht
dem Zeitintervall ΔtA, in 1 mit
einer Intervallgröße von 10 Minuten) an die Berechnungsstufe 1,
in welcher der digitale Informationsgehalt IA (entspricht
dem Informationsgehalt IA, in 1)
dieser Sequenz der Herzschlagfolge A gebildet wird. Im Unterschied
zum ersten Ausführungsbeispiel wird jedoch nicht ein zweiter
Informationsgehalt aus einem zum ersten Zeitintervall ΔtA1 verzögerten Zeitintervall derselben zu überwachende
Prozessgröße A gebildet, sondern es wird mit einer
Berechnungsstufe 7 ein digitaler Informationsgehalt IB von der anderen zu überwachenden
Prozessgröße B (Blutdruckverlauf) in einem Zeitintervall ΔtB berechnet. Zu diesem Zweck liegt die Funktion
des Blutdruckverlaufs über eine Verzögerungsstufe
8 am Eingang der Berechnungsstufe 7 an. Das Zeitintervall ΔtB ist gegenüber dem Zeitintervall ΔtA verschoben und besitzt die gleiche Intervallgröße. Beide
zueinander zeitversetzten Intervallsequenzen der zu überwachenden
Prozessgrößen A und B liegen an den Eingängen
einer Berechnungsstufe 9 an, welche aus beiden Intervallsequenzen
einen vereinigten digitalen Informationsgehalt IAB bildet.
-
Aus
allen drei in den Berechnungsstufen 1, 7, 9 ermittelten
Informationsgehalten IA, IB,
IAB wird über eine Berechnungsstufe 10 eine
Informationsflussfunktion FAB für
beide zu überwachenden Prozessgröße A,
B generiert. Über eine nachfolgende Berechnungsstufe 11 wird
aus dieser Informationsflussfunktion FAB ein
Score ermittelt, welcher wiederum den aktuellen Zustand des Patienten
angibt. Auf diese Weise können mit dieser Vorrichtung sowohl die
auf die Herzschlagfolge als auch auf das komplexe Blutdruckregelverhalten
Einfluss nehmenden Faktoren, einschließlich ihrer krankheitsbedingten
Störungen, in ihrem komplexen Verhalten, also auch hinsichtlich
des Informationsaustausches zwischen Herzschlagfolge- und Blutdruckverlauf,
kontinuierlich bewertet und damit überwacht werden.
-
3 zeigt
in übersichtlicher, blockschaltbildartiger Darstellung
eine Vorrichtung zur Ermittlung eines Scores aus einer bereits vorgenannten Herzschlagfolge
sowie aus dem gleichzeitig überwachten Verlauf der Atemkurve
des Patienten.
-
Wie
im ersten Ausführungsbeispiel (vgl. 1) beschrieben,
werden mit den drei Berechnungsstufen 1, 3, 4 drei
digitale Informationsgehalte IAA, IA2, IAA aus zwei
durch die Verzögerungsstufe 2 zueinander zeitversetzten
Intervallsequenzen der Herzschlagfolge als zu überwachende
Prozessgröße A gebildet. IA1 ist
der Informationsgehalt der Intervallsequenz ΔtA1,
IA2 ist der Informationsgehalt der Intervallsequenz ΔtA2, IAA ist der vereinigte
Informationsgehalt beider Intervallsequenzen ΔtA1 und ΔtA2.
Aus allen drei so erhaltenen Informationsgehalten IA1,
IA2, IAA wird (vgl.
ebenfalls 1) mittels der Berechnungsstufe 5 die
Informationsflussfunktion FA berechnet.
-
Als
zweite zu überwachende Prozessgröße C
liegt der Verlauf der Atemkurve des Patienten über eine
Verzögerungsstufe 12 am Eingang einer Berechnungsstufe 13 an,
mit welcher in einem zum Zeitintervall ΔtA1 verschobenen
Zeitintervall ΔtC der digitale
Informationsgehalt IC des Verlaufs der Atemkurve berechnet
wird. Das Zeitintervall ΔtC ist
gegenüber dem Zeitintervall ΔtA1 verschoben
und besitzt die gleiche Intervallgröße. Außerdem
wird in einer Berechnungsstufe 14 ein vereinigter Informationsgehalt
IAC aus beiden in den Zeitintervallen ΔtA1 (Herzschlagfolge) und ΔtC (Atemkurve) auftretenden Verlaufssequenzen
gebildet.
-
Aus
allen drei in den Berechnungsstufen 1, 13, 14 ermittelten
digitalen Informationsgehalten IA1, IC, IAC wird über
eine Berechnungsstufe 15 parallel zur Bestimmung der vorgenannten
Informationsflussfunktion FA eine Informationsflussfunktion
FAC für beide zu überwachenden
Prozessgrößen A, C generiert. Aus den beiden Informationsflussfunktionen
FA und FAC wird
in einer Berechnungsstufe 16 ein gemeinsamer Score ermittelt,
der den aktuellen Zustand, Risiko und/oder Prognose des Patienten
repräsentiert. Auf diese Weise können mit dieser
Vorrichtung sowohl die auf die Herzschlagfolge als auch auf den Verlauf
der Atemkurve des Patienten Einfluss nehmenden Faktoren, einschließlich
ihrer krankheitsbedingten Störungen, in ihrem komplexen
Verhalten, beispielsweise anhand der kardio-respiratorischen Kommunikation,
kontinuierlich bewertet und überwacht werden.
-
Das
jeweils in den Ausführungsbeispielen beschriebene Zeitregime
für die Bildung der Zeitintervalle ΔtA1, ΔtA2, ΔtA, ΔtB, ΔtC kann,
bezogen auf die zu überwachenden Prozessgröße
A, B, C, auch umgekehrt sein, d. h. die dargestellte Zeitverschiebung
zur Bildung der zeitintervallbezogenen Informationsgehalte IA1, IA2, IA, IB, IC,
IAA, IAB, IAC ist jeweils auch negativ möglich.
-
Bei
der Bildung des Scores aus dem oder den Informationsflussfunktionen
FA, FAB, FAC durch die Berechnungsstufen 6, 11, 16 können
auch noch weitere Daten (in der Zeichnung nicht dargestellt) einzeln
oder in Kombination zur Risikobewertung herangezogen werden. Diese
Daten können nochmals ein oder mehrere der zu überwachenden
und bereits zur Bildung der Informationsflussfunktionen FA, FAB, FAC verwendeten Prozessgrößen
A, B, C sein. Es ist hingegen ebenfalls möglich, weitere
Signale, wie andere gemessene bzw. überwachte Prozessgrößen, sonstige
prozessabhängige Systemgrößen (beispielsweise
Daten über Alter, Patiententyp, Geschlecht, Krankheitsvorgeschichte,
Medikation etc.) und/oder prozessunabhängige Systemgrößen
(z. B. Umwelt- und Zeitdaten) in die Scoreberechnung mit einfließen
zu lassen.
-
Zur
Realisierung der beschriebenen Ausführungsbeispiele können
die Verzögerungsstufen 2, 8, 12 sowie
die digitalen Berechnungsstufen 1, 3, 4, 5, 6, 7, 9, 10, 11, 13, 14, 15, 16 rechentechnisch
umgesetzt werden, wobei jeweils die Berechnungsstufen 1, 3, 7 und 13,
die Berechnungsstufen 4, 9 und 14 bzw.
die Berechnungsstufen 5, 10 und 15 identisch sind
und somit durch jeweils gleiche Softwareroutinen ausgeführt
werden können.
-
- 1,
3, 4, 5, 6, 7, 9, 10
- Berechnungsstufe
- 11,
13, 14, 15, 16
- Berechnungsstufe
- 2,
8, 12
- Verzögerungsstufe
- A,
B, C
- zu überwachende
Prozessgröße
- ΔtA1, ΔtA2,
AtA, ΔtB, ΔtC
- Zeitintervall
- IA1, IA2, IA, IB, IC
- Informationsgehalt
(jeweils einzeln)
- IAA, IAB, IAC
- Informationsgehalt
(jeweils vereinigt)
- FA, FAB, FAC
- Informationsflussfunktion
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste
der vom Anmelder aufgeführten Dokumente wurde automatisiert
erzeugt und ist ausschließlich zur besseren Information
des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen
Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt
keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-
- - DE 19736480
A1 [0008]
- - DE 4320519 A1 [0010]
- - DE 102004054751 A1 [0011]
-
Zitierte Nicht-Patentliteratur
-
- - S. M. Pincus
et al. Heart rate control in normal and aborted SIDS infants, American
Journal of Physiology 264, 1993, R638 [0012]
- - D. Hoyer et al.: Prognostic impact of autonomic information
flow in multiple Organ dysfunction syndrome patients, International
Journal of Cardiology 108, 2006, 359–369 [0013]