se ha leído el artículo
array:19 [ "pii" => "13033737" "issn" => "02126567" "estado" => "S300" "fechaPublicacion" => "2002-06-30" "documento" => "article" "licencia" => "http://www.elsevier.com/open-access/userlicense/1.0/" "subdocumento" => "fla" "cita" => "Aten Primaria. 2002;30:119-20" "abierto" => array:3 [ "ES" => true "ES2" => true "LATM" => true ] "gratuito" => true "lecturas" => array:2 [ "total" => 22459 "formatos" => array:3 [ "EPUB" => 75 "HTML" => 21069 "PDF" => 1315 ] ] "itemSiguiente" => array:15 [ "pii" => "13033738" "issn" => "02126567" "estado" => "S300" "fechaPublicacion" => "2002-06-30" "documento" => "article" "licencia" => "http://www.elsevier.com/open-access/userlicense/1.0/" "subdocumento" => "fla" "cita" => "Aten Primaria. 2002;30:121-4" "abierto" => array:3 [ "ES" => true "ES2" => true "LATM" => true ] "gratuito" => true "lecturas" => array:2 [ "total" => 6123 "formatos" => array:3 [ "EPUB" => 46 "HTML" => 5574 "PDF" => 503 ] ] "es" => array:9 [ "idiomaDefecto" => true "titulo" => "¿Existe relación entre la erradicación de Helicobacter pylori y la desaparición de la clínica?" "tienePdf" => "es" "tieneTextoCompleto" => "es" "paginas" => array:1 [ 0 => array:2 [ "paginaInicial" => "121" "paginaFinal" => "124" ] ] "titulosAlternativos" => array:1 [ "en" => array:1 [ "titulo" => "Is there a relationship between the eradication of Helicobacter pylori and the disappearance of the symptoms?" ] ] "contieneTextoCompleto" => array:1 [ "es" => true ] "contienePdf" => array:1 [ "es" => true ] "autores" => array:1 [ 0 => array:2 [ "autoresLista" => "MJ Nadal Blanco, MP Asensio Catalán, JJ Palacios Rojo" "autores" => array:3 [ 0 => array:2 [ "Iniciales" => "MJ" "apellidos" => "Nadal Blanco" ] 1 => array:2 [ "Iniciales" => "MP" "apellidos" => "Asensio Catalán" ] 2 => array:2 [ "Iniciales" => "JJ" "apellidos" => "Palacios Rojo" ] ] ] ] ] "idiomaDefecto" => "es" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/13033738?idApp=UINPBA00004N" "url" => "/02126567/0000003000000002/v0_201607121042/13033738/v0_201607121043/es/main.assets" ] "itemAnterior" => array:15 [ "pii" => "13033736" "issn" => "02126567" "estado" => "S300" "fechaPublicacion" => "2002-06-30" "documento" => "article" "licencia" => "http://www.elsevier.com/open-access/userlicense/1.0/" "subdocumento" => "fla" "cita" => "Aten Primaria. 2002;30:112-8" "abierto" => array:3 [ "ES" => true "ES2" => true "LATM" => true ] "gratuito" => true "lecturas" => array:2 [ "total" => 3768 "formatos" => array:3 [ "EPUB" => 46 "HTML" => 3375 "PDF" => 347 ] ] "es" => array:11 [ "idiomaDefecto" => true "titulo" => "Evolución de la mortalidad atribuible al consumo de alcohol en Cataluña, 1988-1997" "tienePdf" => "es" "tieneTextoCompleto" => "es" "tieneResumen" => array:2 [ 0 => "es" 1 => "en" ] "paginas" => array:1 [ 0 => array:2 [ "paginaInicial" => "112" "paginaFinal" => "118" ] ] "titulosAlternativos" => array:1 [ "en" => array:1 [ "titulo" => "Evolution of the mortality attributable to alcohol consumption in Catalonia, 1988-1997" ] ] "contieneResumen" => array:2 [ "es" => true "en" => true ] "contieneTextoCompleto" => array:1 [ "es" => true ] "contienePdf" => array:1 [ "es" => true ] "autores" => array:1 [ 0 => array:2 [ "autoresLista" => "E Revuelta Muñoz, P Godoy García, M Farreny Blasi" "autores" => array:3 [ 0 => array:2 [ "Iniciales" => "E" "apellidos" => "Revuelta Muñoz" ] 1 => array:2 [ "Iniciales" => "P" "apellidos" => "Godoy García" ] 2 => array:2 [ "Iniciales" => "M" "apellidos" => "Farreny Blasi" ] ] ] ] ] "idiomaDefecto" => "es" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/13033736?idApp=UINPBA00004N" "url" => "/02126567/0000003000000002/v0_201607121042/13033736/v0_201607121043/es/main.assets" ] "es" => array:11 [ "idiomaDefecto" => true "titulo" => "Redes neuronales: concepto, aplicaciones y utilidad en medicina" "tieneTextoCompleto" => true "paginas" => array:1 [ 0 => array:2 [ "paginaInicial" => "119" "paginaFinal" => "120" ] ] "autores" => array:1 [ 0 => array:3 [ "autoresLista" => "N Sáenz Bajo, M Álvaro Ballesteros" "autores" => array:2 [ 0 => array:3 [ "Iniciales" => "N" "apellidos" => "Sáenz Bajo" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">a</span>" "identificador" => "affa" ] ] ] 1 => array:3 [ "Iniciales" => "M" "apellidos" => "Álvaro Ballesteros" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">a</span>" "identificador" => "affa" ] ] ] ] "afiliaciones" => array:1 [ 0 => array:3 [ "entidad" => "Centro de Salud Castilla La Nueva. Área 9 de Atención Primaria. Madrid." "etiqueta" => "<span class="elsevierStyleSup">a</span>" "identificador" => "affa" ] ] ] ] "titulosAlternativos" => array:1 [ "en" => array:1 [ "titulo" => "Neurone networks: concept, applications and usefulness in medicine" ] ] "textoCompleto" => "<p class="elsevierStylePara">Planteamiento del problema</p><p class="elsevierStylePara">La inteligencia artificial y, más concretamente, las redes neuronales artificiales están teniendo en los últimos años un gran desarrollo e impacto en diversas áreas del conocimiento, incluida la medicina<span class="elsevierStyleSup">1</span>.</p><p class="elsevierStylePara">Básicamente consisten en redes de neuronas simuladas conectadas entre sí. Existen varios tipos en función de su arquitectura y forma de aprendizaje. Una de las más utilizadas es la red basada en varias capas de neuronas de tipo perceptrón, entrenadas mediante la técnica de retropropagación (<span class="elsevierStyleItalic">backpropagation</span>).</p><p class="elsevierStylePara">Las conexiones de la red se inicializan aleatoriamente y de forma progresiva se autoajustan a medida que se entrena con los datos disponibles, de manera que ésta aprende a reconocer paulatinamente todos los casos del conjunto de datos utilizados para su entrenamiento. El aprendizaje finaliza cuando, después de un número variable de iteraciones, se consigue clasificar correctamente el 100% de los casos, o bien se alcanza un valor máximo de aciertos, que no aumenta con más iteraciones.</p><p class="elsevierStylePara">De esta manera, conseguimos que la red aprenda a reconocer patrones con todo tipo de formas (no sólo lineales como en el caso de una función discriminante, o logarítmicas como en el caso de la regresión logística), con lo que aumenta y mejora su potencial clasificador<span class="elsevierStyleSup">2</span>.</p><p class="elsevierStylePara">Las aplicaciones de las redes neuronales en el campo de la medicina son múltiples y variadas, como se puede comprobar revisando la bibliografía publicada al respecto<span class="elsevierStyleSup">3-6</span>.</p><p class="elsevierStylePara">Posicionamiento de los autores</p><p class="elsevierStylePara">Las redes neuronales permiten extraer información útil y producir inferencias a partir de los datos disponibles gracias a su capacidad de aprendizaje. Sus propiedades como reconocedores de patrones altamente tolerantes a errores permiten combinar las cualidades del razonamiento humano con la lógica precisa y la memoria de los ordenadores, por lo que resultan de gran utilidad en medicina como sistemas de apoyo a las decisiones clínicas.</p><p class="elsevierStylePara">Argumentos a favor</p><p class="elsevierStylePara">Los datos médicos presentan patrones y propiedades que los hacen difíciles de ajustar mediante las técnicas matemáticas estadísticas convencionales:</p><p class="elsevierStylePara"> </p><p class="elsevierStylePara">­ <span class="elsevierStyleItalic">Subjetividad</span>, tanto al constatar signos (¿el paciente está pálido, ictérico?), como síntomas (¿cuál es la intensidad del dolor? ¿Dónde lo refiere?).</p><p class="elsevierStylePara">­ <span class="elsevierStyleItalic">Imprecisión.</span> La simple medición de la presión arterial, por ejemplo, resulta imprecisa debido a la variabilidad en el tamaño del brazo del paciente, la postura y el estado emocional, el equipo utilizado o la técnica de medición.</p><p class="elsevierStylePara"><span class="elsevierStyleItalic">­ Alto contenido de ruido.</span> Los síntomas y signos que manifiesta el paciente son, con frecuencia, variaciones normales o hallazgos incidentales que no guardan ninguna relación con el problema de salud que lleva al enfermo a consultar al médico.</p><p class="elsevierStylePara"><span class="elsevierStyleItalic">­ Falta de totalidad.</span> Una base de datos médica nunca está completa debido a limitaciones de tiempo, equipos, información u otros recursos.</p><p class="elsevierStylePara">Por el contrario, las redes neuronales son capaces de funcionar con datos incompletos, imprecisos o con gran cantidad de ruido. Se autoajustan a medida que se entrenan con la información disponible, de forma que aprenden a reconocer paulatinamente todos los casos del conjunto de datos utilizado para su entrenamiento.</p><p class="elsevierStylePara"> </p><p class="elsevierStylePara">Estas características convierten las redes neuronales en un instrumento sumamente útil para ayudar al clínico a tomar decisiones en caso de:</p><p class="elsevierStylePara"> </p><p class="elsevierStylePara"><span class="elsevierStyleItalic">1.</span> Dificultad para la utilización de pruebas complementarias, por su coste, por el riesgo que entraña su aplicación o por su accesibilidad.</p><p class="elsevierStylePara"><span class="elsevierStyleItalic">2.</span> Elección entre distintas opciones terapéuticas en función del resultado esperado.</p><p class="elsevierStylePara"><span class="elsevierStyleItalic">3.</span> Predicción de la evolución de cualquier patología a partir de los signos y síntomas manifestados.</p><p class="elsevierStylePara"> </p><p class="elsevierStylePara">Además, por su capacidad de reconocimiento de patrones, su utilidad es indudable en el campo del diagnóstico anatomopatológico, las pruebas de imagen o las pruebas electrofisiológicas.</p><p class="elsevierStylePara">Conclusiones</p><p class="elsevierStylePara">Las redes neuronales son altamente tolerantes a errores, por lo que se comportan de forma excelente cuando existen imprecisiones en la información, como ocurre frecuentemente en medicina, lo que las convierte en una ayuda inestimable a la hora de tomar decisiones clínicas, minimizando de esta forma su incertidumbre.</p><p class="elsevierStylePara"> </p><p class="elsevierStylePara">Correspondencia: Noemí Sáenz Bajo. Marqués de Lozoya, 12 7.° C. 28009 Madrid. Correo electrónico: noemi.saenz@madrid.org</p>" "pdfFichero" => "27v30n02a13033737pdf001.pdf" "tienePdf" => true "PalabrasClave" => array:1 [ "es" => array:1 [ 0 => array:4 [ "clase" => "keyword" "titulo" => "Palabras clave" "identificador" => "xpalclavsec693019" "palabras" => array:3 [ 0 => "Redes neuronales" 1 => "Inteligencia artificial" 2 => "Toma de decisiones en medicina" ] ] ] ] "bibliografia" => array:2 [ "titulo" => "Bibliograf¿a" "seccion" => array:1 [ 0 => array:1 [ "bibliografiaReferencia" => array:6 [ 0 => array:3 [ "identificador" => "bib1" "etiqueta" => "1" "referencia" => array:1 [ 0 => array:3 [ "referenciaCompleta" => "Artificial neural networks within medical decision support systems. Scand J Clin Lab Invest 1994;219:3-11." "contribucion" => array:1 [ 0 => array:3 [ "titulo" => "Artificial neural networks within medical decision support systems." "idioma" => "en" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:2 [ 0 => "Sharpe PK" 1 => "Caleb P." ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:5 [ "tituloSerie" => "Scand J Clin Lab Invest" "fecha" => "1994" "volumen" => "219" "paginaInicial" => "3" "paginaFinal" => "11" ] ] ] ] ] ] 1 => array:3 [ "identificador" => "bib2" "etiqueta" => "2" "referencia" => array:1 [ 0 => array:3 [ "referenciaCompleta" => "Improving diagnostic accuracy using a hierarchical network to model decision substasks. Int J Med Inf 2000;57:41-55." "contribucion" => array:1 [ 0 => array:3 [ "titulo" => "Improving diagnostic accuracy using a hierarchical network to model decision substasks." "idioma" => "en" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:2 [ 0 => "West D" 1 => "West V." ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:5 [ "tituloSerie" => "Int J Med Inf" "fecha" => "2000" "volumen" => "57" "paginaInicial" => "41" "paginaFinal" => "55" ] ] ] ] ] ] 2 => array:3 [ "identificador" => "bib3" "etiqueta" => "3" "referencia" => array:1 [ 0 => array:3 [ "referenciaCompleta" => "Application of classification tree and neural network algorithms to the identification of serological liver marker profiles for the diagnosis hepatocellular carcinoma. Oncology 2001;61:275-83." "contribucion" => array:1 [ 0 => array:3 [ "titulo" => "Application of classification tree and neural network algorithms to the identification of serological liver marker profiles for the diagnosis hepatocellular carcinoma." "idioma" => "en" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:3 [ 0 => "Poon TC" 1 => "Chan AT" 2 => "Zee B." ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:6 [ "tituloSerie" => "Oncology" "fecha" => "2001" "volumen" => "61" "paginaInicial" => "275" "paginaFinal" => "83" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/11721174" "web" => "Medline" ] ] ] ] ] ] ] ] 3 => array:3 [ "identificador" => "bib4" "etiqueta" => "4" "referencia" => array:1 [ 0 => array:3 [ "referenciaCompleta" => "Potential of the back propagation neural network in the dsicrimination of benign from malignant gastric cells. Anal Quant Cytol Histol 1996;18:245-50." "contribucion" => array:1 [ 0 => array:3 [ "titulo" => "Potential of the back propagation neural network in the dsicrimination of benign from malignant gastric cells." "idioma" => "en" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:3 [ 0 => "Karakitsos P" 1 => "Stergiou EB" 2 => "Pouliakis A." ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:6 [ "tituloSerie" => "Anal Quant Cytol Histol" "fecha" => "1996" "volumen" => "18" "paginaInicial" => "245" "paginaFinal" => "50" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/8790840" "web" => "Medline" ] ] ] ] ] ] ] ] 4 => array:3 [ "identificador" => "bib5" "etiqueta" => "5" "referencia" => array:1 [ 0 => array:3 [ "referenciaCompleta" => "Use of neural networks in brain SPECT to diagnose Alzheimer's disease. J Nucl Med 1996;37: 195-200." "contribucion" => array:1 [ 0 => array:3 [ "titulo" => "Use of neural networks in brain SPECT to diagnose Alzheimer's disease." "idioma" => "en" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:3 [ 0 => "Page MP" 1 => "Howard RJ" 2 => "O'Brien JT." ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:6 [ "tituloSerie" => "J Nucl Med" "fecha" => "1996" "volumen" => "37" "paginaInicial" => "195" "paginaFinal" => "200" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/8667044" "web" => "Medline" ] ] ] ] ] ] ] ] 5 => array:3 [ "identificador" => "bib6" "etiqueta" => "6" "referencia" => array:1 [ 0 => array:3 [ "referenciaCompleta" => "Application of backpropagation neural networks to disnosis of breast and ovarian cancer. Cancer Lett 1994;77:145-53." "contribucion" => array:1 [ 0 => array:3 [ "titulo" => "Application of backpropagation neural networks to disnosis of breast and ovarian cancer." "idioma" => "en" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:3 [ 0 => "Wilding P" 1 => "Morgan MA" 2 => "Grygotis AE." ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:6 [ "tituloSerie" => "Cancer Lett" "fecha" => "1994" "volumen" => "77" "paginaInicial" => "145" "paginaFinal" => "53" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/8168061" "web" => "Medline" ] ] ] ] ] ] ] ] ] ] ] ] ] "idiomaDefecto" => "es" "url" => "/02126567/0000003000000002/v0_201607121042/13033737/v0_201607121043/es/main.assets" "Apartado" => array:4 [ "identificador" => "14708" "tipo" => "SECCION" "es" => array:2 [ "titulo" => "Reflexiones en medicina de familia" "idiomaDefecto" => true ] "idiomaDefecto" => "es" ] "PDF" => "https://static.elsevier.es/multimedia/02126567/0000003000000002/v0_201607121042/13033737/v0_201607121043/es/27v30n02a13033737pdf001.pdf?idApp=UINPBA00004N&text.app=https://www.elsevier.es/" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/13033737?idApp=UINPBA00004N" ]
Idioma original: Español
año/Mes | Html | Total | |
---|---|---|---|
2024 Noviembre | 17 | 1 | 18 |
2024 Octubre | 451 | 39 | 490 |
2024 Septiembre | 263 | 14 | 277 |
2024 Agosto | 237 | 28 | 265 |
2024 Julio | 160 | 15 | 175 |
2024 Junio | 272 | 33 | 305 |
2024 Mayo | 256 | 30 | 286 |
2024 Abril | 281 | 34 | 315 |
2024 Marzo | 378 | 22 | 400 |
2024 Febrero | 318 | 30 | 348 |
2024 Enero | 309 | 27 | 336 |
2023 Diciembre | 321 | 28 | 349 |
2023 Noviembre | 592 | 39 | 631 |
2023 Octubre | 623 | 51 | 674 |
2023 Septiembre | 537 | 35 | 572 |
2023 Agosto | 430 | 28 | 458 |
2023 Julio | 402 | 18 | 420 |
2023 Junio | 567 | 37 | 604 |
2023 Mayo | 712 | 38 | 750 |
2023 Abril | 499 | 38 | 537 |
2023 Marzo | 597 | 62 | 659 |
2023 Febrero | 436 | 46 | 482 |
2023 Enero | 302 | 45 | 347 |
2022 Diciembre | 273 | 23 | 296 |
2022 Noviembre | 625 | 22 | 647 |
2022 Octubre | 574 | 52 | 626 |
2022 Septiembre | 524 | 65 | 589 |
2022 Agosto | 584 | 64 | 648 |
2022 Julio | 503 | 43 | 546 |
2022 Junio | 718 | 103 | 821 |
2022 Mayo | 864 | 89 | 953 |
2022 Abril | 755 | 48 | 803 |
2022 Marzo | 667 | 51 | 718 |
2022 Febrero | 920 | 50 | 970 |
2022 Enero | 662 | 57 | 719 |
2021 Diciembre | 584 | 56 | 640 |
2021 Noviembre | 1049 | 91 | 1140 |
2021 Octubre | 935 | 91 | 1026 |
2021 Septiembre | 854 | 94 | 948 |
2021 Agosto | 507 | 70 | 577 |
2021 Julio | 352 | 62 | 414 |
2021 Junio | 714 | 48 | 762 |
2021 Mayo | 815 | 78 | 893 |
2021 Abril | 1082 | 116 | 1198 |
2021 Marzo | 710 | 66 | 776 |
2021 Febrero | 455 | 53 | 508 |
2021 Enero | 475 | 53 | 528 |
2020 Diciembre | 476 | 25 | 501 |
2020 Noviembre | 612 | 29 | 641 |
2020 Octubre | 465 | 25 | 490 |
2020 Septiembre | 523 | 32 | 555 |
2020 Agosto | 531 | 48 | 579 |
2020 Julio | 379 | 55 | 434 |
2020 Junio | 560 | 43 | 603 |
2020 Mayo | 687 | 57 | 744 |
2020 Abril | 504 | 48 | 552 |
2020 Marzo | 387 | 33 | 420 |
2020 Febrero | 354 | 21 | 375 |
2020 Enero | 356 | 26 | 382 |
2019 Diciembre | 318 | 19 | 337 |
2019 Noviembre | 458 | 23 | 481 |
2019 Octubre | 539 | 28 | 567 |
2019 Septiembre | 453 | 103 | 556 |
2019 Agosto | 273 | 25 | 298 |
2019 Julio | 298 | 32 | 330 |
2019 Junio | 461 | 58 | 519 |
2019 Mayo | 596 | 62 | 658 |
2019 Abril | 526 | 30 | 556 |
2019 Marzo | 402 | 27 | 429 |
2019 Febrero | 432 | 38 | 470 |
2019 Enero | 418 | 40 | 458 |
2018 Diciembre | 450 | 43 | 493 |
2018 Noviembre | 806 | 56 | 862 |
2018 Octubre | 955 | 53 | 1008 |
2018 Septiembre | 833 | 59 | 892 |
2018 Agosto | 657 | 14 | 671 |
2018 Julio | 650 | 14 | 664 |
2018 Junio | 896 | 13 | 909 |
2018 Mayo | 1241 | 30 | 1271 |
2018 Abril | 800 | 15 | 815 |
2018 Marzo | 445 | 8 | 453 |
2018 Febrero | 376 | 3 | 379 |
2018 Enero | 317 | 11 | 328 |
2017 Diciembre | 255 | 12 | 267 |
2017 Noviembre | 397 | 11 | 408 |
2017 Octubre | 229 | 11 | 240 |
2017 Septiembre | 186 | 12 | 198 |
2017 Agosto | 155 | 11 | 166 |
2017 Julio | 156 | 8 | 164 |
2017 Junio | 145 | 18 | 163 |
2017 Mayo | 195 | 8 | 203 |
2017 Abril | 172 | 5 | 177 |
2017 Marzo | 185 | 19 | 204 |
2017 Febrero | 349 | 7 | 356 |
2017 Enero | 162 | 7 | 169 |
2016 Diciembre | 144 | 13 | 157 |
2016 Noviembre | 222 | 11 | 233 |
2016 Octubre | 251 | 14 | 265 |
2016 Septiembre | 230 | 25 | 255 |
2016 Agosto | 109 | 20 | 129 |
2016 Julio | 66 | 8 | 74 |
2016 Junio | 81 | 19 | 100 |
2016 Mayo | 77 | 18 | 95 |
2016 Abril | 78 | 11 | 89 |
2016 Marzo | 75 | 14 | 89 |
2016 Febrero | 48 | 14 | 62 |
2016 Enero | 40 | 22 | 62 |
2015 Diciembre | 61 | 19 | 80 |
2015 Noviembre | 65 | 9 | 74 |
2015 Octubre | 83 | 7 | 90 |
2015 Septiembre | 47 | 10 | 57 |
2015 Agosto | 62 | 6 | 68 |
2015 Julio | 61 | 4 | 65 |
2015 Junio | 68 | 7 | 75 |
2015 Mayo | 62 | 5 | 67 |
2015 Abril | 62 | 12 | 74 |
2015 Marzo | 71 | 14 | 85 |
2015 Febrero | 46 | 4 | 50 |
2015 Enero | 65 | 3 | 68 |
2014 Diciembre | 58 | 6 | 64 |
2014 Noviembre | 54 | 3 | 57 |
2014 Octubre | 50 | 3 | 53 |
2014 Septiembre | 57 | 1 | 58 |
2014 Agosto | 41 | 4 | 45 |
2014 Julio | 57 | 3 | 60 |
2014 Junio | 54 | 3 | 57 |
2014 Mayo | 41 | 2 | 43 |
2014 Abril | 41 | 3 | 44 |
2014 Marzo | 54 | 3 | 57 |
2014 Febrero | 37 | 0 | 37 |
2014 Enero | 26 | 4 | 30 |
2013 Diciembre | 44 | 1 | 45 |
2013 Noviembre | 49 | 3 | 52 |
2013 Octubre | 70 | 8 | 78 |
2013 Septiembre | 37 | 3 | 40 |
2013 Agosto | 36 | 9 | 45 |
2013 Julio | 22 | 1 | 23 |
2002 Junio | 1323 | 0 | 1323 |