content/showcases/showcase-gait/_index.de.md

@@ -0,0 +1,43 @@
+---
+title: Studienhighlight - Sensorbasierte Bewertung von Gang und Gleichgewicht
+topics:
+- mhealth
+contributors:
+- mehran-turna
+- juergen-dukart
+software:
+- jtrack
+sites:
+- fzj
+- hhu
+---
+
+{{< lead >}}
+
+Ein Smartphone-basiertes System mit JTrack Social ermöglicht zuverlässige, skalierbare Gang- und Gleichgewichtsanalysen, die auf reale Umgebungen übertragen werden können.
+
+{{< /lead >}}
+
+In einer in *Sensors* veröffentlichten Studie stellen Forscher des ABCD-J-Konsortiums ein mobiles System zur Fernüberwachung von Gang und Gleichgewicht vor, das Kraftmessplatten, Standard-Smartphone-Sensoren und die App **JTrack Social** nutzt.
+[JTrack Social]({{< relref path="../../software/jtrack" lang="de" >}}), das als Teil des ABCD-J-Software-Stacks entwickelt wurde, ermöglicht die Erfassung von Sensordaten zu Bewegungen in Echtzeit.
+
+Die Studie befasste sich mit drei Fragen:
+1. **Beeinflusst das wiederholte Testen selbst Veränderungen in Gang und Gleichgewicht (d. h. verursacht es *Gewöhnungseffekte*)?**
+2. **Verbessert ein kurzfristiges Trainingsprogramm für Gang und Gleichgewicht die Leistung?**
+3. **Beeinflusst die Positionierung der tragbaren Sensoren die Messgenauigkeit?**
+
+Um die erste Frage zu beantworten, absolvierten 26 gesunde Erwachsene drei Wochen lang wöchentliche Gang- und Gleichgewichtstests.
+Zur Analyse der Trainingseffekte auf die Leistung wurden diese Teilnehmer mit 25 Teilnehmern aus einer früheren Studie verglichen, die ein strukturiertes Heimtrainingsprogramm absolviert hatten.
+Kraft- und Druckdaten wurden mit einem Bewegungserfassungssystem gemessen, und Beschleunigungsmesser- und Gyroskopdaten wurden mit Smartphones mit installierter JTrack Social-App aufgezeichnet.
+Beide Teilnehmergruppen verbesserten sich in ihren Gang- und Gleichgewichtswerten in ähnlicher Weise, was darauf hindeutet, dass Gewöhnung und Training gleichermaßen zu den Leistungssteigerungen beitrugen und die Bedeutung der Berücksichtigung von Lerneffekten in digitalen Längsschnittstudien unterstreicht.
+
+Um die Auswirkungen der Sensorpositionierung zu bewerten, trug eine separate Gruppe von 32 Teilnehmern ein Smartphone in einer Gürteltasche – entweder am *unteren Rücken* oder am *unteren Bauch* – während sie normal gingen.
+Da keine erkennbaren Unterschiede zwischen den Werten aus dem Unterbauch und denen aus dem unteren Rückenbereich (der für Ganganalyse und Gleichgewichtsanalysen typischer ist) festgestellt wurden, empfehlen die Autoren, die Smartphone-Sensoren im Unterbauchbereich zu tragen, um den Komfort für die Teilnehmer zu erhöhen, was möglicherweise die Studienadhärenz verbessert und die Abbruchquoten senkt.
+
+Der Einsatz von **JTrack Social** in dieser Studie unterstreicht die Möglichkeit, Gang und Haltung mit geringem finanziellen und technischen Aufwand quantitativ zu analysieren, und zeigt das Potenzial skalierbarer digitaler Gesundheitsinstrumente für einen Beitrag zu einem der Kernanliegen von ABCD-J: [die Umsetzung von Forschungsergebnissen in die klinische Praxis]({{< relref path="../../topics/clinical-translation" lang="de" >}}).
+
+![](cover.webp)
+
+Quelle: [Rentz et al., 2024; www.mdpi.com/1424-8220/24/17/5598](https://www.mdpi.com/1424-8220/24/17/5598)
+
+

content/showcases/showcase-gait/_index.md

@@ -0,0 +1,41 @@
+---
+title: Study highlight - Sensor-based gait and balance assessment
+topics:
+- mhealth
+contributors:
+- mehran-turna
+- juergen-dukart
+software:
+- jtrack
+sites:
+- fzj
+- hhu
+---
+
+{{< lead >}}
+
+A smartphone-based system using JTrack Social enables reliable, scalable gait and balance assessments that could be translated to real-world settings.
+
+{{< /lead >}}
+
+In a study published in *Sensors*, researchers from the ABCD-J consortium present a mobile system for remote gait and balance monitoring, leveraging force plates, standard smartphone sensors, and the **JTrack Social** app.
+Developed as part of the ABCD-J software stack, [JTrack Social]({{< relref path="../../software/jtrack" lang="en" >}}) enables sensor data collection related to movement in real time.
+
+The study addressed three questions:
+1. **Does repeated testing itself influence changes in gait and balance (i.e., does it cause *habituation effects*)?**
+2. **Does short-term gain and balance training improve performance?**
+3. **Does wearable sensor positioning affect measurement accuracy?**
+
+To answer the first, 26 healthy adults completed weekly gait and balance assessments over three weeks.
+For the analysis of training effects on performance, these participants were compared to 25 participants from a previous study that followed a structured at-home training protocol.
+Force and pressure data were measured by a motion capturing system, and accelerometer and gyroscope data were recorded by smartphones with JTrack Social installed.
+Both participant groups improved similarly in gait and balance scores, indicating that habituation and training contributed equally to performance gains, underscoring the importance of accounting for learning effects in digital longitudinal studies.
+
+To evaluate sensor positioning effects, a separate group of 32 participants wore a smartphone in a waist pouch—either at the *lower back* or *lower abdomen*—while performing a normal walk.
+As there were no detectable differences in values measured from the lower abdomen compared to the lower back (which is more typical for gait and balance analyses), the authors recommend that smartphone sensors could be worn in the lower abdomen position to increase comfort for participants, potentially increasing study adherence and lowering drop-out rates.
+
+The use of **JTrack Social** in this study highlights the ability to quantitatively analyze gait and posture with low monetary and technical costs, demonstrating the potential for scalable digital health tools to contribute to one of the ABCD-J's core efforts: [Translating research into clinical practice]({{< relref path="../../topics/clinical-translation" lang="en" >}}).
+
+![](cover.webp)
+
+Source: [Rentz et al., 2024; www.mdpi.com/1424-8220/24/17/5598](https://www.mdpi.com/1424-8220/24/17/5598)

content/showcases/showcase-gait/cover.webp

@@ -0,0 +1 @@
+/annex/objects/MD5E-s36044--b114dee62f317e733f52d0af46e8b4b7.webp

content/showcases/showcase-gait/thumbnail.webp

@@ -0,0 +1 @@
+/annex/objects/MD5E-s10846--90e9f5e4f633b69c213765aa1c52887f.webp

content/showcases/showcase-motor-impairment/_index.de.md

@@ -0,0 +1,34 @@
+---
+title: Studienhighlight - Alters- und geschlechtsbedingte Veränderungen der motorischen Funktionen
+topics:
+- datamanagement
+contributors:
+- peter-weiss-blankenhorn
+software:
+- datalad
+sites:
+- ucologne
+- fzj
+---
+
+{{< lead >}}
+
+Diese Studie liefert ein Beispiel für die Datenanalyse, die durch die Verwendung von DataLad zur Erstellung einer Datenbank mit motorischen Parametern bei gesunden Personen und Patienten mit neurologischen und psychiatrischen Störungen ermöglicht wird.
+
+{{< /lead >}}
+
+In einer in [*Frontiers in Aging Neuroscience*](https://www.frontiersin.org/journals/aging-neuroscience) veröffentlichten Studie zeigen Forscher der ABCD-J-Standorte, des [Universitätsklinikums Köln]({{< relref path="../../sites/ucologne" lang="de" >}}) und des [Forschungszentrums Jülich]( {{< relref path="../../sites/fzj" lang="de" >}}) das Potenzial reproduzierbarer Neurowissenschaften durch die Verwendung einer auf [DataLad]({{< relref path="../../software/datalad" lang="de" >}}) basierenden Datenbank mit motorischen Parametern auf.
+Die Daten wurden durch umfassende motorische Untersuchungen von 444 nicht linkshändigen Erwachsenen ohne neurologische, psychiatrische oder orthopädische Vorerkrankungen erhoben.
+Die Untersuchungen umfassten fünf standardisierte Tests zur Bewertung grundlegender (Griffstärke, Fingerklopfgeschwindigkeit) und komplexer (Action Research Arm Test, Jebsen-Taylor Hand Function Test, Purdue Pegboard Test) motorischer Funktionen.
+
+Die Studie ergab eine Abnahme der motorischen Funktionen im Laufe des Lebens mit signifikanten geschlechtsspezifischen Unterschieden.
+So zeigten Männer eine höhere Griffstärke und Fingerklopfgeschwindigkeit, während Frauen beim Purdue Pegboard Test besser abschnitten als Männer.
+Die motorische Leistungsfähigkeit konnte das Alter der Teilnehmer vorhersagen, und die Principal Components Analysis (PCA) ergab drei robuste motorische Komponenten: Geschicklichkeit, Kraft und Geschwindigkeit.
+
+Diese Ergebnisse liefern nicht nur eine umfassende Bewertung der alters- und geschlechtsabhängigen motorischen Funktionen bei gesunden Personen, sondern veranschaulichen auch die Art von Erkenntnissen, die mit wiederverwendbaren, gut strukturierten Datensätzen möglich werden.
+Durch die Nutzung von DataLad zum Aufbau der Datenbank hinter diesen Daten legt diese Arbeit den Grundstein für eine skalierbare Ressource, die zukünftige Forschungen zur motorischen Funktion unterstützen kann.
+Beispielsweise könnten die in dieser Studie vorgestellten Daten und Ergebnisse in eine zukünftige Studie zur Klassifizierung depressiver Patienten anhand motorischer Parameter einfließen. 
+
+![](cover.webp)
+
+Quelle: [Wunderle et al., 2024; https://www.frontiersin.org/journals/aging-neuroscience/articles/10.3389/fnagi.2024.1368052/](https://www.frontiersin.org/journals/aging-neuroscience/articles/10.3389/fnagi.2024.1368052/)

content/showcases/showcase-motor-impairment/_index.md

@@ -0,0 +1,34 @@
+---
+title: Study highlight - Age- and sex-related changes in motor functions
+topics:
+- datamanagement
+contributors:
+- peter-weiss-blankenhorn
+software:
+- datalad
+sites:
+- ucologne
+- fzj
+---
+
+{{< lead >}}
+
+This study provides an example of data analysis enabled by using DataLad to create a database of motor parameters in healthy individuals and patients with neurological and psychiatric disorders.
+
+{{< /lead >}}
+
+In a study published in [*Frontiers in Aging Neuroscience*](https://www.frontiersin.org/journals/aging-neuroscience), researchers from ABCD-J sites, [University of Cologne]({{< relref path="../../sites/ucologne" lang="en" >}}) and [Research Centre Jülich]({{< relref path="../../sites/fzj" lang="en" >}}) showcase the potential of reproducible neuroscience through the use of a [DataLad]({{< relref path="../../software/datalad" lang="en" >}})-based database of motor parameters.
+The data were collected by conducting comprehensive motor assessments among 444 non-left-handed adults without history of neurological, psychiatric, or orthopedic diseases.
+The assessments included five standardized tests to evaluate basic (grip strength, finger-tapping frequency) and complex (Action Research Arm Test, Jebsen-Taylor Hand Function Test, Purdue Pegboard Test) motor functions.
+
+The study revealed reduced motor function across the lifespan, with significant sex-specific differences.
+Namely, men demonstrated higher grip strengths and finger-tapping frequencies, while women outperformed men in the Purdue Pegboard Test.
+Motor performance could predict the age of the participants, and Principal Component Analysis (PCA) unveiled three robust motor components: dexterity, force, and speed.
+
+These results not only provide a comprehensive assessment of age- and sex-dependent motor functions in healthy individuals, but also illustrate the type of insight that becomes possible with reusable, well-structured datasets.
+By leveraging DataLad to build the database behind these data, this work lays the groundwork for a scalable resource that can support future motor function research.
+For example, the data and results presented in this study could inform a future study to classify depressive patients using motor parameters. 
+
+![](cover.webp)
+
+Source: [Wunderle et al., 2024; https://www.frontiersin.org/journals/aging-neuroscience/articles/10.3389/fnagi.2024.1368052/](https://www.frontiersin.org/journals/aging-neuroscience/articles/10.3389/fnagi.2024.1368052/)

content/showcases/showcase-motor-impairment/cover.webp

@@ -0,0 +1 @@
+/annex/objects/MD5E-s201198--50d36b2ab30a22edaef86fc94e89d7cc.webp

content/showcases/showcase-motor-impairment/thumbnail.webp

@@ -0,0 +1 @@
+/annex/objects/MD5E-s149000--f975076e24ee46885bba5bdd21220033.webp

content/showcases/software-jtrack-ema/_index.de.md

@@ -0,0 +1,46 @@
+---
+title: Software-Artikel - Entwicklung und Benutzerfreundlichkeit von JTrack-EMA+
+topics:
+- mhealth
+contributors:
+- mehran-turna
+- mamaka-narava
+- simon-eickhoff
+- juergen-dukart
+software:
+- jtrack
+- datalad
+sites:
+- fzj
+- hhu
+---
+
+{{< lead >}}
+
+Wir stellen JTrack-EMA+ vor, eine GDPR- und FAIR-konforme plattformübergreifende Lösung für die ferngesteuerte, ökologische Momentaufnahme in Echtzeit in der klinischen und Verhaltensforschung.
+
+{{< /lead >}}
+
+Forscher von ABCD-J-Standorten, dem [Forschungszentrum Jülich]({{< relref path="../../sites/fzj" lang="de" >}}) und der [Heinrich-Heine-Universität]({{< relref path="../../sites/hhu" lang="de" >}}), stellen **JTrack-EMA+** vor, eine mobile Gesundheits-App, die die Bereitstellung von ökologischen Momentaufnahmen (EMA; "ecological momentary assessments") über Smartphones vereinfachen soll.
+Das mit Flutter entwickelte System gewährleistet eine konsistente plattformübergreifende Leistung und begegnet damit den Kosten- und Entwicklungsherausforderungen in der digitalen Gesundheitsforschung, die mit unterschiedlichen Betriebssystemen verbunden sind.
+
+JTrack-EMA+ umfasst:
+- Eine **plattformübergreifende mobile App** zum Erfassen von Echtzeit-Antworten auf EMA-Aufforderungen
+- Ein sicheres **webbasiertes Studienverwaltungs-Dashboard (JDash)** für Forscher zum Verwalten von Teilnehmern, Konfigurieren von Studien, Überwachen der Compliance und Versenden von Push-Benachrichtigungen
+- Vollständige **Anpassbarkeit** mithilfe einer JSON-Datei, die eine Vielzahl von Erhebungsformaten und -logiken unterstützt, um ein vielseitiges Studiendesign und die Wiederverwendbarkeit zu ermöglichen
+
+Das System wurde in Übereinstimmung mit der Datenschutz-Grundverordnung (GDPR; "General Data Protection Regulation") und den [FAIR-Datenprinzipien](https://www.sciencedirect.com/science/article/pii/S1359644618303039) entwickelt.
+Die Backend-Infrastruktur gewährleistet eine sichere Speicherung sowie die anonymisierte und pseudo-anonymisierte Datenerfassung.
+Darüber hinaus wird DataLad als Datenmanagement-Infrastruktur implementiert, um Datenversionierung, Metadatenverwaltung, strukturierte Formatierung und Änderungsverfolgung zu ermöglichen.
+
+In einer Pilotstudie mit 179 Eltern-Neugeborenen-Paaren, die über einen Zeitraum von 480 Tagen begleitet wurden, wurde die JTrack-EMA+-App eingesetzt und die praktische Anwendbarkeit der Plattform unter realen Bedingungen nachgewiesen.
+Die Teilnehmer installierten die JTrack-App auf ihren Mobiltelefonen und beantworteten wöchentliche Fragebögen zur körperlichen und geistigen Entwicklung ihrer Kinder.
+In einer Untergruppe von 65 Teilnehmern, die die Fragebögen mindestens 6 Monate lang ausgefüllt hatten, war die Compliance mit einer Rücklaufquote von 66,7 % im ersten Monat zunächst hoch.
+Die Compliance sank allmählich auf 42,0 % im sechsten Monat, mit einer durchschnittlichen Gesamt-Compliance von 49,3 % im sechsmonatigen Zeitraum.
+Trotz eines statistisch signifikanten Rückgangs der Compliance im Laufe der Zeit bestätigt die Pilotstudie, dass JTrack-EMA+ individuelle tägliche Schwankungen über einen längeren Zeitraum mit einer höheren Compliance-Rate verfolgen kann als herkömmliche papierbasierte EMA.
+
+Insgesamt bieten die JTrack-EMA+-App und die damit verbundenen Studien- und Datenmanagementlösungen, die als Teil des [ABCD-J-Software-Stacks]({{< relref path="../../software" lang="de" >}}) entwickelt werden, ein einzigartiges plattformübergreifendes Open-Source-System, das mobile Gesundheitsforschung zugänglicher, skalierbarer und sicherer macht.
+
+![](cover.webp)
+
+Quelle: [Sahandi Far et al., 2025; www.jmir.org/2025/1/e51689/](https://www.jmir.org/2025/1/e51689/)

content/showcases/software-jtrack-ema/_index.md

@@ -0,0 +1,45 @@
+---
+title: Software article - JTrack-EMA+ development and usability
+topics:
+- mhealth
+contributors:
+- mehran-turna
+- mamaka-narava
+- simon-eickhoff
+- juergen-dukart
+software:
+- jtrack
+- datalad
+sites:
+- fzj
+- hhu
+---
+
+{{< lead >}}
+
+Introducing JTrack-EMA+, a GDPR- and FAIR-compliant cross-platform solution for remote, real-time ecological momentary assessments in clinical and behavioral research.
+
+{{< /lead >}}
+
+Researchers from ABCD-J sites, [Research Centre Jülich]({{< relref path="../../sites/fzj" lang="en" >}}) and [Heinrich-Heine-University]({{< relref path="../../sites/hhu" lang="en" >}}), introduce **JTrack-EMA+**, a mobile health app designed to simplify the deployment of ecological momentary assessments (EMA) via smartphones.
+Developed with Flutter, the system ensures consistent cross-platform performance, addressing the cost and development challenges in digital health research associated with diverse operating systems.
+
+JTrack-EMA+ consists of:
+- A **cross-platform mobile app** for collecting real-time responses to EMA prompts
+- A secure **web-based study management dashboard (JDash)** for researchers to manage participants, configure studies, monitor compliance, and send push notifications  
+- Full **customization** using a JSON file, supporting a wide range of assessment formats and logic to facilitate versatile study design and reusability
+
+The system is designed to comply with General Data Protection Regulation (GDPR) and [FAIR data principles](https://www.sciencedirect.com/science/article/pii/S1359644618303039?via%3Dihub), with backend infrastructure ensuring secure storage and anonymized and pseudonymized data collection.
+In addition, DataLad is implemented as the data management infrastructure to provide data versioning, metadata handling, structured formatting and change tracking. 
+
+In a pilot study with 179 parent-newborn pairs followed for 480 days, the JTrack-EMA+ app was deployed and demonstrated practical feasibility of the platform in real-world settings.
+Participants installed the JTrack app on their mobile phones and responded to weekly assessments of children's physical and mental development.
+Among a subgroup of 65 participants who completed assessments for at least 6 months, compliance was initially high with a 66.7% response rate in the first month.
+Compliance gradually decreased to 42.0% by month six, with a mean overall compliance of 49.3% in the six-month period.
+Despite a statistically significant decline in compliance over time, the pilot study confirms that JTrack-EMA+ can track individual day-to-day variability over time with a higher compliance rate than employing traditional paper-based EMA.
+
+Overall, the JTrack-EMA+ app and associated study and data management solutions that are being developed as part of the [ABCD-J software stack]({{< relref path="../../software" lang="en" >}}) uniquely provide a cross-platform, open-source system that can make mobile health research more accessible, scalable, and secure.
+
+![](cover.webp)
+
+Source: [Sahandi Far et al., 2025; www.jmir.org/2025/1/e51689/](https://www.jmir.org/2025/1/e51689/)

content/showcases/software-jtrack-ema/cover.webp

@@ -0,0 +1 @@
+/annex/objects/MD5E-s25844--faf42f8f2944e427b47f31b6ce7293d2.webp

content/showcases/software-jtrack-ema/thumbnail.webp

@@ -0,0 +1 @@
+/annex/objects/MD5E-s24858--d806430e7c20e31cbb6052e57e337776.webp

content/software/jtrack/_index.de.md

@@ -17,7 +17,7 @@ Sie wurde als Open-Source-Kollaborationswerkzeug veröffentlicht, um klinischen
 {{< /lead >}}
 
 
-Die Open-Source-Plattform JTrack - die beiden Smartphone-Anwendungen JTrack EMA+ und JTrack social sowie eine Server-Infrastruktur für die zentrale Datenerfassung - ermöglicht es klinischen Forschern und Verhaltensforschern, digitale Phänotypisierungsdaten von bestimmten Studienpopulationen über die Smartphones der Teilnehmer zu sammeln.
+Die Open-Source-Plattform [JTrack](https://www.frontiersin.org/journals/public-health/articles/10.3389/fpubh.2021.763621/full) - die beiden Smartphone-Anwendungen [JTrack EMA+](https://www.jmir.org/2025/1/e51689/#ref18) und JTrack social sowie eine Server-Infrastruktur für die zentrale Datenerfassung - ermöglicht es klinischen Forschern und Verhaltensforschern, digitale Phänotypisierungsdaten von bestimmten Studienpopulationen über die Smartphones der Teilnehmer zu sammeln.
 
 Die Plattform erfasst digitale Phänotypisierungsdaten über Smartphone-Nutzung, von Sensordaten moderner Smartphones oder Smartwatches, über Abfragen der  Selbstwahrnehmung der Teilnehmer zu bestimmten Ereignissen oder Aktivitäten, die in ihrem täglichen Leben vorkommen, und ökologischen Momentaufnahmen ("ecological momentary assessments"): JTrack social verfügt über einen aktiven Annotations- und einen passiven Monitoringmodus, die auch kombiniert werden können. Passives Monitoring erfordert keine Interaktion mit dem Benutzer, während die aktive Annotation die Sensordaten mit vom Benutzer bereitgestellten Informationen ergänzt. JTrack EMA kann Fragebogendaten erheben. Die spezifischen Sensor- und Datenkombinationen sind studienspezifisch und können von den Forschern an ihre Bedürfnisse angepasst werden. Anschließend können sich die Teilnehmer per QR-Code für eine Studie anmelden. 
 

content/software/jtrack/_index.md

@@ -17,9 +17,9 @@ It was released as an open-source collaborative tool to enable clinical and beha
 
 {{< /lead >}}
 
-The open source JTrack platform - the two smartphone applications JTrack EMA+ and JTrack social, and server infrastructure to enable central data collection - enables clinical and behavioral researchers to collect digital phenotyping data from specific study populations via participants’ smartphones.
+The open source [JTrack](https://www.frontiersin.org/journals/public-health/articles/10.3389/fpubh.2021.763621/full) platform - the two smartphone applications [JTrack EMA+](https://www.jmir.org/2025/1/e51689/) and JTrack social, and server infrastructure to enable central data collection - enables clinical and behavioral researchers to collect digital phenotyping data from specific study populations via participants’ smartphones.
 
-It allows to collect digital phenotyping information about smartphone usage, sensor data and participants’ self-perceptions of specific events or activities that occur in their daily lives, using sensors embedded in any modern smartwatches and smartphones and ecological momentary assessments. JTrack social has an active labling and passive monitoring mode, which can also be combined. Passive monitoring does not require any interaction with the user, whereas active labeling annotates sensor data with user-provided information. JTrack EMA can collect questionnaire data. The specific sensor and phone usage measure combinations are study specific and can be customized by researchers to their needs. Afterwards, participants can register for a study via QR code. 
+It allows to collect digital phenotyping information about smartphone usage, sensor data and participants’ self-perceptions of specific events or activities that occur in their daily lives, using sensors embedded in any modern smartwatches and smartphones and ecological momentary assessments. JTrack social has an active labeling and passive monitoring mode, which can also be combined. Passive monitoring does not require any interaction with the user, whereas active labeling annotates sensor data with user-provided information. JTrack EMA can collect questionnaire data. The specific sensor and phone usage measure combinations are study specific and can be customized by researchers to their needs. Afterwards, participants can register for a study via QR code. 
 
 Data privacy measures ensure that participants explicitly consent to data collection and transfer, and that the collected data do not contain any identifiable or personal information.