Eingebettet in ein laufendes EEG sind winzige, flüchtige neuronale Reaktionen, die an bestimmte Zeitpunkte gebunden sind: den Moment, in dem ein Licht erscheint, ein Ton erklingt oder eine Entscheidung getroffen wird. Das ereigniskorrelierte Potenzial (ERP) ist die Technik, mit der diese isoliert werden.
Durch das zeitliche Koppeln des EEGs an ein bestimmtes Ereignis und die Mittelwertbildung über Dutzende oder Hunderte identischer Durchgänge hebt sich die zufällige Aktivität auf, und die konsistente, ereignisgekoppelte Wellenform wird sichtbar. Dieser Mittelungsprozess bildet die Grundlage der ERP-Forschung und erzeugt eine Sequenz charakteristischer Spitzen und Täler, die Neurowissenschaftler seit Jahrzehnten katalogisieren und interpretieren.
In diesem Artikel erklären wir, wie diese Ausschläge definiert, benannt und zur Indizierung kognitiver Prozesse verwendet werden, wodurch ein taxonomischer Rahmen geschaffen wird, der jeder ERP-Arbeit zugrunde liegt.
Die drei Dimensionen, die eine ERP-Komponente definieren
Jede ERP-Komponente wird durch drei Kerneigenschaften bestimmt, die jeweils einen unterschiedlichen Hinweis auf das neuronale Ereignis liefern, das sie hervorgerufen hat. Zusammen bilden sie eine Art Koordinatensystem, um die elektrische Aktivität mit der Gehirnfunktion in Einklang zu bringen.
Polarität bezieht sich auf die Richtung der Auslenkung im Vergleich zu einer Baseline vor dem Ereignis. Vereinbarungsgemäß wird eine negative Auslenkung mit N und eine positive mit P gekennzeichnet. Diese einfache Binärentscheidung verrät uns, ob die zugrundeliegenden neuronalen Populationen in diesem Moment ein netto negatives oder positives elektrisches Feld an der Kopfhaut erzeugen.
Latenz gibt die Zeit in Millisekunden nach dem Ereignis an, zu der die Komponente ihre maximale Amplitude erreicht. Eine Negativierung, die ihren Höhepunkt bei etwa 100 Millisekunden erreicht, ist eine frühe sensorische Reaktion; eine Positivierung bei 300 Millisekunden spiegelt einen späteren kognitiven Prozess wider. Die Latenz ist kein fester Wert, sondern ein grober Index für die Verarbeitungsgeschwindigkeit, d. h. für die Zeit, die eine bestimmte neuronale Berechnung benötigt, um sich zu entfalten.
Topographie (Verteilung auf der Kopfhaut) bestimmt, wo auf dem Kopf die Komponente am stärksten ausgeprägt ist. Eine Komponente, die über frontalen Regionen maximal ist, wird wahrscheinlich von anderen zugrundeliegenden Gehirnstrukturen erzeugt als eine, die über parietalen Bereichen ihren Höhepunkt erreicht. Räumliche Informationen bieten wichtige Einschränkungen bei dem Versuch, darauf zu schließen, welche Gehirnnetzwerke aktiv sind.
Beispielsweise weist in einer von Kok et al. entwickelten Stop-Signal-Aufgabe die P3-Komponente bei erfolgreichen Stop-Durchgängen eine andere Topographie auf als bei fehlgeschlagenen Stop-Durchgängen, und eine Dipolanalyse ergab, dass sie von unterschiedlichen kortikalen Generatoren stammten. In ähnlicher Weise wird der bekannte „anteriore Go/NoGo-N2-Effekt“ teilweise durch seine frontal-zentrale Topographie definiert, die NoGo-Durchgänge von Go-Durchgängen unterscheidet.
Die Synthese dieser drei Dimensionen ermöglicht es Forschern, eine Komponente als ein eigenständiges neurophysiologisches Ereignis zu definieren. Eine P3 mit einem Peak bei 350 ms über dem parietalen Kortex an der Elektrode Cz ist eine andere Entität als eine N2 mit einem Peak bei 250 ms über frontalen Arealen. Dieses dimensionale Gerüst ist der Dreh- und Angelpunkt der gesamten ERP-Taxonomie.
Wie ERP-Komponenten zu ihren Namen kommen
Die Namenskonvention ergibt sich direkt aus den definierenden Dimensionen: dem Buchstaben für die Polarität plus der ungefähren Peak-Latenz. Eine N100 ist eine negative Auslenkung, die etwa 100 Millisekunden nach dem Ereignis ihren Höhepunkt erreicht; eine P300 ist eine positive Auslenkung mit einem Peak bei etwa 300 Millisekunden. Dieses Polaritäts- und Latenzsystem ist sauber, intuitiv und direkt aussagekräftig.
Wenn die genauen Latenzen zwischen Bedingungen, Teilnehmern oder experimentellen Paradigmen variieren – oder wenn eine Komponente zu einer erkennbaren Sequenz gehört –, verwenden Forscher oft eine ordinale Kurzschreibweise: N1, P2, N2, P3 usw. Die Reihenfolge in der Sequenz ist wichtiger als der präzise Millisekunden-Zeitpunkt.
In einer visuellen Go/Nogo-Aufgabe beispielsweise werden N1, N2 und P3 im Verhältnis zueinander definiert, selbst wenn die N2 in einer Bedingung manchmal näher bei 240 ms und in einer anderen bei 260 ms ihren Peak erreicht. Die Stop-Signal-Studie von Kok et al. bezieht sich in ähnlicher Weise auf eine N2 und eine P3 bei Stop-Signal-Durchgängen und trägt damit dem variablen Timing Rechnung, das der Reaktionsinhibition innewohnt.
Frühe sensorische Komponenten: P50, N100 und P200
Frühe sensorische Komponenten treten relativ kurz nach der Reizpräsentation auf und werden häufig als Marker für die erste Registrierung und Bewertung eingehender Informationen untersucht. Die P50, in bestimmten Paradigmen manchmal auch P1 genannt, kann ein frühes sensorisches Gating und eine Aufmerksamkeitsmodulation widerspiegeln. Die N100 wird häufig mit der Erkennung und frühen Analyse von auditiven oder visuellen Merkmalen in Verbindung gebracht, während die P200 empfindlich auf die Reizklassifizierung und die Aufmerksamkeitsallokation reagieren kann.
Die Interpretation dieser Komponenten hängt stark von der Sinnesmodalität und der Aufgabe ab. Eine auditive N100 und eine visuelle N100 sind keine austauschbaren Maße, auch wenn sie denselben Namen tragen. Ihre Amplitude und Latenz können sich mit der Reizintensität, der Erwartung, der Wiederholung, der Aufmerksamkeit und den physikalischen Eigenschaften des Ereignisses ändern.
Frühe Komponenten liefern daher Informationen über die ersten Stufen der Verarbeitung, beweisen jedoch nicht, dass die Wahrnehmung völlig bewusst war oder dass ein bestimmter mentaler Prozess stattfand. Ihr Wert ergibt sich aus dem Vergleich sorgfältig aufeinander abgestimmter Bedingungen und der Verknüpfung von Wellenformunterschieden mit unabhängigen behavioralen oder physiologischen Maßen.
Kognitive Komponenten: N200 und P300
Die N200 ist eine Familie negativer Reaktionen, die beobachtet werden können, wenn eine Person einen Konflikt erkennt, ein unerwartetes Merkmal bewertet oder zwischen aufgabenrelevanten und -irrelevanten Reizen unterscheidet. Ihre Bedeutung variiert je nach Paradigma, und die Bezeichnung kann sich je nach Reiz- und Reaktionsanforderungen auf teilweise unterschiedliche neuronale Prozesse beziehen. Die Komponente lässt sich am besten durch den experimentellen Kontrast verstehen, in dem sie auftritt.
Andererseits ist die P300 oder P3 eine spätere positive Reaktion, die üblicherweise mit Aufmerksamkeit, Reizbewertung, Kontextaktualisierung und der Bedeutung eines Ereignisses für die Aufgabe in Verbindung gebracht wird. Ihre Latenz kann eine Schätzung der Zeit liefern, die für bestimmte Bewertungsstufen erforderlich ist, während ihre Amplitude mit der Wahrscheinlichkeit, der Relevanz, der Aufmerksamkeit und den verfügbaren kognitiven Ressourcen variieren kann. Sie ist kein universelles Maß für Intelligenz oder ein eigenständiger diagnostischer Marker.
Sprach- und Gedächtniskomponenten: Die N400
Die N400 ist eine negative Komponente, die häufig im Zusammenhang mit semantischer Verarbeitung, Sprachverstehen und der Integration bedeutungsvoller Informationen untersucht wird. Sie kann durch Wörter, Bilder, Töne und andere Materialien hervorgerufen werden, wenn deren Bedeutung im Kontext verarbeitet wird. Eine größere N400 wird üblicherweise beobachtet, wenn ein Element weniger erwartet wird oder sich schwerer in den vorangehenden Kontext integrieren lässt, obwohl der genaue Effekt vom Design abhängt.
Die N400-Forschung hat verdeutlicht, dass sich die Sprachverarbeitung schnell entfaltet und empfindlich auf Beziehungen zwischen Wörtern und Konzepten reagiert. Darüber hinaus beschränkt sich die Komponente nicht auf das Vokabelwissen. Sie kann auch den Aufwand widerspiegeln, der mit der Integration eines eingehenden Elements in eine sich entwickelnde Repräsentation von Bedeutung, Diskurs oder Ereigniskontext verbunden ist.
Die Interpretation bleibt von den Vergleichsbedingungen abhängig. Ein Unterschied in der N400-Amplitude kann die Vorhersagbarkeit, die semantische Assoziation, die Aufgabenanforderungen oder andere Eigenschaften der Reize widerspiegeln. Aus diesem Grund kombinieren Studien in der Regel die Wellenformanalyse mit Maßen des Sprachverstehens und sorgfältig kontrolliertem sprachlichen Material.
Verknüpfung von Komponenten mit mentalen Prozessen
Jahrzehnte konvergierender Evidenz stützen die Ansicht, dass jede ERP-Komponente einen bestimmten kognitiven Prozess anzeigt, wie z. B. sensorische Registrierung, Aufmerksamkeitsselektion, Konfliktüberwachung oder Reaktionsinhibition. Forscher untersuchen diese Prozesse, indem sie messen, wie sich die Merkmale der Komponenten unter verschiedenen Aufgabenanforderungen verändern, was die drei oben genannten Messgrößen besonders informativ macht:
Latenz
Amplitude
Topographie (Kopfhautverteilung)
Was uns die ERP-Latenz verrät
Verschiebungen der Latenzzeit im Peak einer Komponente können zeigen, ob ein kognitiver Prozess früher oder später abgeschlossen ist. Im Stop-Signal-Experiment erreichte die durch das Stop-Signal ausgelöste P3 bei erfolgreichen Stop-Durchgängen ihren Höhepunkt signifikant früher als bei erfolglosen. Daher vermuten die Autoren, dass bei erfolgreichen Durchgängen die interne neuronale Reaktion auf den Stop-Befehl – widergespiegelt durch die P3 – früher beendet war, ein zeitlicher Unterschied, der direkt mit der inhibitorischen Kontrolle zusammenhängt.
Unterdessen zeigten Durchgänge, die mit einer höheren räumlichen Komplexität des EEG verbunden waren, in der visuellen Go/NoGo-Aufgabe ebenfalls verkürzte N1- und N2-Latenzen, ein Muster, das auf eine schnellere frühe sensorische und kognitive Verarbeitung hindeuten könnte.
Was uns die ERP-Amplitude verrät
Die Größe einer Komponente spiegelt die Stärke oder Synchronität der zugrundeliegenden postsynaptischen Potentiale in großen Populationen kortikaler Pyramidenzellen wider. Eine größere Amplitude impliziert im Allgemeinen eine stärkere neuronale Beteiligung an diesem Prozess.
Umgekehrt können kleinere Amplituden auf eine effizientere Verarbeitung hindeuten. Dies lässt sich so interpretieren, dass weniger Neuronen zusammenarbeiten müssen, um dasselbe Ziel zu erreichen.
In der Go/No-Aufgabe war eine höhere räumliche Komplexität mit verringerten Amplituden der N1-, N2- und P3-Komponenten verbunden, eine Beziehung, die die Autoren als kleinere, effizientere gleichzeitige postsynaptische Potentiale interpretierten. Das resultierende Muster einer Amplitudenreduktion bei gleichzeitiger schnellerer Reaktionszeit stützt die Annahme, dass die Amplitude ein Index für die Verarbeitungseffizienz sein kann, nicht nur für den reinen Aufwand.
Was uns die ERP-Topographie verrät
Wenn zwei Komponenten unterschiedliche Topographien aufweisen, haben sie wahrscheinlich ihren Ursprung in verschiedenen neuronalen Generatoren, selbst wenn sie ähnliche Polaritäten und Latenzen teilen. In der Stop-Signal-Studie wies die P3 bei erfolgreichen Stop-Durchgängen eine andere Kopfhautverteilung und Dipolquellenkonfiguration auf als die P3 bei fehlgeschlagenen Stop-Durchgängen. Die Autoren wiesen auf diese Divergenz hin und schlugen vor, dass der erfolgreiche P3-Mechanismus als Stop-Signal fungiert; darüber hinaus deutet dies auf die Beteiligung eines inhibitorischen Kontrollnetzwerks hin, das bei erfolglosen Versuchen eine reduzierte oder verzögerte Aktivierung zeigte.
Diese Beziehungen schienen von Natur aus korrelativ zu sein. Die Belege zeigen, dass die Merkmale der Komponenten systematisch mit dem Verhalten und den Aufgabenanforderungen variieren, aber die Verknüpfung zwischen einer einzelnen Komponente und einer bestimmten kognitiven Funktion wird nur abgeleitet und ist nicht direkt bewiesen.
Jia et al. stellen explizit fest, dass eine hohe räumliche Komplexität mit einer schnelleren kognitiven Verarbeitung „assoziiert sein kann“, und Kok et al. schlagen vor, dass die P3 bei erfolgreichen Stop-Durchgängen „die Effizienz der inhibitorischen Kontrolle widerspiegelt“. Eine derart vorsichtige Formulierung ist in der ERP-Wissenschaft Standard.
ERP-Merkmal | Kognitive Interpretation |
|---|---|
Latenz | Verarbeitungsgeschwindigkeit |
Amplitude | Ressourcenallokation |
Topographie | Unterscheidbarkeit der Quelle |
Über gemittelte Peaks hinausgehen: Single-Trial-Dekomposition
Die traditionelle Mittelwertbildung ist zwar leistungsstark, geht jedoch von der kritischen Annahme aus, dass die Reaktion des Gehirns bei jedem Durchgang identisch ist. In der Realität variieren Einzel-Durchgangs-ERPs (Single-Trial-ERPs) sowohl in der Amplitude als auch in der Latenz erheblich – Schwankungen, die verhaltensrelevant sein können, aber in der gemittelten Wellenform verloren gehen. Jüngste methodische Fortschritte eröffnen die Möglichkeit, diese Variabilität von Durchgang zu Durchgang direkt zu analysieren.
Kann ICA Artefakte von neuronalen Signalen im Single-Trial-EEG trennen?
Unabhängige Komponentenanalyse (ICA) ist ein datengestütztes Dekompositionsverfahren, das Mehrkanal-EEG blind in zeitlich unabhängige und räumlich feste Komponenten zerlegt. Bei der Anwendung auf Single-Trial-Daten aus einem Experiment zur visuellen selektiven Aufmerksamkeit isolierte die ICA erfolgreich Artefaktquellen (wie Blinzeln und Augenbewegungen), reiz- und reaktionssynchronisierte ERP-Komponenten sowie das laufende Hintergrund-EEG in verschiedene Komponenten – eine Trennung, die mit herkömmlicher Mittelwertbildung nicht erreicht werden kann.
Diese Dekomposition ist in der Lage, Rauschen aus dem Signal zu entfernen, und ermöglicht es, Single-Trial-Fluktuationen in der Latenz und Amplitude jeder Komponente zu untersuchen, beispielsweise durch Sortierung der Durchgänge nach Reaktionszeit oder Genauigkeit. Die ICA wurde in ähnlicher Weise auf auditive ERP-Daten angewendet, um zugrundeliegende Komponentenprozesse zu trennen.
Können wir Komponentenmerkmale ohne traditionelle Mittelwertbildung extrahieren?
Die Analyse des ERP auf der Ebene einzelner Durchgänge verändert die Taxonomie grundlegend. Anstatt nur durch einen statischen gemittelten Peak definiert zu sein, kann eine Komponente als dynamischer Prozess untersucht werden, dessen Merkmale von Durchgang zu Durchgang mit momentanen kognitiven Zuständen zusammenhängen.
Jia et al. deuten diese Möglichkeit an, indem sie zeigen, dass die räumliche Komplexität des EEG, geschätzt innerhalb einzelner Durchgänge, mit Amplituden- und Latenzmerkmalen des ERP korreliert, was somit einen Weg aufzeigt, komponentenähnliche Informationen ohne traditionelle Mittelwertbildung zu extrahieren.
Wie verknüpfen Computermodelle das Single-Trial-EEG mit der Kognition?
Über die Dekomposition hinaus befürworten neuere Ansätze die direkte Verknüpfung von Single-Trial-EEG-Merkmalen mit Rechenmodellen der Kognition, wie dem Drift-Diffusions-Modell oder Reinforcement-Learning-Algorithmen. Unter Verwendung von hierarchischen Bayes-Modellen konnten Forscher um Bridwell et al. das EEG und Verhalten gemeinsam modellieren. Sie bewegten sich damit über die Ära der „Peaks und Komponenten“ hinaus hin zu einem Rahmen, in dem neuronale Signale durch die Brille formaler kognitiver Prozesse interpretiert werden.
Diese modellbasierte Inferenz verwirft die klassische ERP-Taxonomie nicht; vielmehr baut sie auf ihr auf, indem sie eine reichhaltigere Brücke auf Durchgangsebene zwischen elektrischer Aktivität und Verhalten schlägt.
Warum eine gemeinsame Sprache für Gehirnsignale immer noch wichtig ist
Das dreiteilige System aus Polarität, Timing und Kopfhautlokalisation gibt Hirnforschern eine praktische Möglichkeit an die Hand, Ergebnisse über Studien hinweg zu vergleichen, selbst wenn sich die Methoden weiterentwickeln.
Mittelwertbildung bleibt das Fundament, um diese kleinen Signale sichtbar zu machen, aber neuere Single-Trial-Werkzeuge fügen eine Detailebene hinzu, die gemittelte Peaks nicht zeigen können. Dies verwirft das klassische Framework nicht; es baut darauf auf und verwandelt starre Bezeichnungen in dynamische Maße, die momentane mentale Zustände verfolgen können.
Gleichzeitig sind die Verbindungen zwischen einer Komponente und einem bestimmten mentalen Prozess am besten als starke Hinweise und nicht als feststehende Tatsachen zu behandeln. Viele Erkenntnisse stammen aus Einzelstudien, und die in der Literatur verwendete vorsichtige Formulierung spiegelt diese Unsicherheit wider. Was Bestand hat, ist das gemeinsame Vokabular selbst, das es Neurowissenschaftlern ermöglicht, präzisere Fragen darüber zu stellen, wie das Gehirn auf Ereignisse im täglichen Leben und im klinischen Umfeld reagiert.
Literatur
Kok, A., Ramautar, J. R., De Ruiter, M. B., Band, G. P., & Ridderinkhof, K. R. (2004). ERP components associated with successful and unsuccessful stopping in a stop‐signal task. Psychophysiology, 41(1), 9-20. https://doi.org/10.1046/j.1469-8986.2003.00127.x
Jia, H., Li, H., & Yu, D. (2017). The relationship between ERP components and EEG spatial complexity in a visual Go/Nogo task. Journal of neurophysiology, 117(1), 275-283. https://doi.org/10.1152/jn.00363.2016
Makeig, S., & Westerfield, M. Analysis and visualization of single-trial event-related potentials. Human Brain Mapping, 14, 166-185. https://doi.org/10.1002/hbm.1050
Bridwell, D. A., Cavanagh, J. F., Collins, A. G., Nunez, M. D., Srinivasan, R., Stober, S., & Calhoun, V. D. (2018). Moving beyond ERP components: a selective review of approaches to integrate EEG and behavior. Frontiers in human neuroscience, 12, 106. https://doi.org/10.3389/fnhum.2018.00106
Häufig gestellte Fragen (FAQ)
Was ist ein ereigniskorreliertes Potenzial (ERP) und wie wird es gemessen?
Ein ERP ist eine kleine Gehirnreaktion, die zeitlich an ein bestimmtes Ereignis, wie einen Ton oder einen Lichtblitz, gekoppelt ist. Um ein ERP zu erhalten, mitteln Forscher das EEG über viele identische Durchgänge hinweg, wodurch sich zufällige Hintergrundaktivitäten aufheben und die konsistente, ereigniskorrelierte Wellenform sichtbar wird.
Welches sind die drei Kerneigenschaften, die eine ERP-Komponente definieren?
Die drei definierenden Eigenschaften sind Polarität (negative oder positive Auslenkung), Latenz (Zeit in Millisekunden nach dem Ereignis) und Topographie (wo auf dem Kopf die Komponente am stärksten ausgeprägt ist). Zusammen ermöglichen diese Dimensionen den Forschern, eine Komponente als ein eigenständiges neurophysiologisches Ereignis zu identifizieren.
Wie benennen Forscher typischerweise verschiedene ERP-Komponenten?
Komponenten werden mit einem Buchstaben für die Polarität (N für negativ, P für positiv) gefolgt von entweder der ungefähren Peak-Latenz oder einer Ordnungszahl benannt (z. B. N100, P300 oder N1, P2, N2, P3). Das ordinale System wird verwendet, wenn die genauen Latenzen variieren und die Reihenfolge in der Sequenz wichtiger ist als der präzise Zeitpunkt.
Was verrät die Latenz einer ERP-Komponente den Forschern?
Die Latenz gibt an, wann eine Komponente nach einem Ereignis ihre maximale Amplitude erreicht, und dient als grober Index für die Verarbeitungsgeschwindigkeit. Verschiebungen der Latenz können zeigen, ob ein kognitiver Prozess früher oder später abgeschlossen ist, wie beispielsweise eine Stop-Signal-P3, die bei erfolgreichen Inhibitionsdurchgängen früher ihren Peak erreicht.
Wie wird die Amplitude einer ERP-Komponente in kognitiver Hinsicht interpretiert?
Die Amplitude spiegelt die Stärke oder Synchronität postsynaptischer Potentiale in großen Populationen kortikaler Neuronen wider und repräsentiert im Allgemeinen das Ausmaß der neuronalen Beteiligung. Eine größere Amplitude bedeutet in der Regel mehr neuronale Aktivität, während eine kleinere Amplitude auf eine effizientere Verarbeitung hindeuten kann, wie sich zeigt, wenn schnellere Reaktionszeiten mit verringerten Amplituden einhergehen.
Warum ist die Topographie (Kopfhautverteilung) für das Verständnis von ERP-Komponenten wichtig?
Die Topographie zeigt, wo eine Komponente auf dem Kopf maximal ausgeprägt ist, und liefert Hinweise darauf, welche Gehirnnetzwerke aktiv sind. Wenn zwei Komponenten unterschiedliche Verteilungen aufweisen, stammen sie wahrscheinlich von unterschiedlichen neuronalen Generatoren, selbst wenn ihre Polarität und Latenz ähnlich sind.
Was ist eine wesentliche Einschränkung der traditionellen Mittelwertbildung, die moderne Methoden wie die ICA beheben?
Die traditionelle Mittelwertbildung setzt voraus, dass die Reaktion des Gehirns bei jedem Durchgang identisch ist, wodurch aussagekräftige Schwankungen der Amplitude und Latenz von Durchgang zu Durchgang verborgen bleiben. Die unabhängige Komponentenanalyse (ICA) zerlegt das Single-Trial-EEG in separate Komponenten, sodass Forscher diese Schwankungen untersuchen und Rauschen effektiver entfernen können.
Können ERP-Komponenten als direkte und definitive Maße für bestimmte kognitive Operationen angesehen werden?
Nein, die Verbindung zwischen einer ERP-Komponente und einer bestimmten kognitiven Funktion wird nur abgeleitet und ist korrelativ, nicht direkt bewiesen. In der Evidenz wird oft eine vorsichtige Sprache wie „kann assoziiert sein“ oder „deutet hin auf“ verwendet, und die Ergebnisse sind typischerweise paradigmspezifisch und noch nicht umfassend repliziert.
Emotiv ist ein führender Anbieter von Neurotechnologie, der die neurowissenschaftliche Forschung mit zugänglichen EEG- und Gehirndaten-Tools vorantreibt.
Medizinischer Haftungsausschluss: Die auf dieser Website bereitgestellten Informationen dienen ausschließlich Bildungs- und Informationszwecken und sind nicht als medizinische oder gesundheitliche Beratung gedacht. Dieser Inhalt kann Fehler enthalten und sollte nicht als Grundlage für lebensverändernde gesundheitliche, medizinische oder Lebensstilentscheidungen herangezogen werden. Wenden Sie sich bei Fragen zu einer Erkrankung oder Behandlung immer an Ihren Arzt oder einen anderen qualifizierten Gesundheitsdienstleister.
Christian Burgos
