Compartir
array:23 [ "pii" => "S0214460322000365" "issn" => "02144603" "doi" => "10.1016/j.rlfa.2021.12.002" "estado" => "S300" "fechaPublicacion" => "2022-10-01" "aid" => "277" "copyright" => "Elsevier España, S.L.U. y Asociación Española de Logopedia, Foniatría y Audiología e Iberoamericana de Fonoaudiología" "copyrightAnyo" => "2022" "documento" => "article" "crossmark" => 1 "subdocumento" => "fla" "cita" => "Rev Logop Fon Audiol. 2022;42:197-207" "abierto" => array:3 [ "ES" => false "ES2" => false "LATM" => false ] "gratuito" => false "lecturas" => array:1 [ "total" => 0 ] "itemSiguiente" => array:18 [ "pii" => "S0214460322000377" "issn" => "02144603" "doi" => "10.1016/j.rlfa.2021.02.005" "estado" => "S300" "fechaPublicacion" => "2022-10-01" "aid" => "276" "copyright" => "Elsevier España, S.L.U. y Asociación Española de Logopedia, Foniatría y Audiología e Iberoamericana de Fonoaudiología" "documento" => "article" "crossmark" => 1 "subdocumento" => "fla" "cita" => "Rev Logop Fon Audiol. 2022;42:208-13" "abierto" => array:3 [ "ES" => false "ES2" => false "LATM" => false ] "gratuito" => false "lecturas" => array:1 [ "total" => 0 ] "es" => array:12 [ "idiomaDefecto" => true "cabecera" => "<span class="elsevierStyleTextfn">ORIGINAL</span>" "titulo" => "Impacto de la disfonía en la calidad de vida en la edad infantil" "tienePdf" => "es" "tieneTextoCompleto" => "es" "tieneResumen" => array:2 [ 0 => "es" 1 => "en" ] "paginas" => array:1 [ 0 => array:2 [ "paginaInicial" => "208" "paginaFinal" => "213" ] ] "titulosAlternativos" => array:1 [ "en" => array:1 [ "titulo" => "Impact of dysphonia on quality of life in childhood" ] ] "contieneResumen" => array:2 [ "es" => true "en" => true ] "contieneTextoCompleto" => array:1 [ "es" => true ] "contienePdf" => array:1 [ "es" => true ] "autores" => array:1 [ 0 => array:2 [ "autoresLista" => "María Antón Almero, Esteban Reig Montaner, María José Ferrer Ramírez, Iván Doménech Máñez, Sergio Huerta Barberá, Guillermo Díez de Revenga Nieto" "autores" => array:6 [ 0 => array:2 [ "nombre" => "María" "apellidos" => "Antón Almero" ] 1 => array:2 [ "nombre" => "Esteban" "apellidos" => "Reig Montaner" ] 2 => array:2 [ "nombre" => "María José" "apellidos" => "Ferrer Ramírez" ] 3 => array:2 [ "nombre" => "Iván" "apellidos" => "Doménech Máñez" ] 4 => array:2 [ "nombre" => "Sergio" "apellidos" => "Huerta Barberá" ] 5 => array:2 [ "nombre" => "Guillermo" "apellidos" => "Díez de Revenga Nieto" ] ] ] ] ] "idiomaDefecto" => "es" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0214460322000377?idApp=UINPBA00004N" "url" => "/02144603/0000004200000004/v1_202210230632/S0214460322000377/v1_202210230632/es/main.assets" ] "itemAnterior" => array:18 [ "pii" => "S0214460322000407" "issn" => "02144603" "doi" => "10.1016/j.rlfa.2021.11.001" "estado" => "S300" "fechaPublicacion" => "2022-10-01" "aid" => "280" "copyright" => "Elsevier España, S.L.U. y Asociación Española de Logopedia, Foniatría y Audiología e Iberoamericana de Fonoaudiología" "documento" => "article" "crossmark" => 1 "subdocumento" => "fla" "cita" => "Rev Logop Fon Audiol. 2022;42:186-96" "abierto" => array:3 [ "ES" => false "ES2" => false "LATM" => false ] "gratuito" => false "lecturas" => array:1 [ "total" => 0 ] "es" => array:13 [ "idiomaDefecto" => true "cabecera" => "<span class="elsevierStyleTextfn">Original</span>" "titulo" => "Enseñanza de funciones comunicativas orientadas a la interacción social en un caso de síndrome de Rett" "tienePdf" => "es" "tieneTextoCompleto" => "es" "tieneResumen" => array:2 [ 0 => "es" 1 => "en" ] "paginas" => array:1 [ 0 => array:2 [ "paginaInicial" => "186" "paginaFinal" => "196" ] ] "titulosAlternativos" => array:1 [ "en" => array:1 [ "titulo" => "Teaching of social interaction-oriented communication functions in a case of Rett syndrome" ] ] "contieneResumen" => array:2 [ "es" => true "en" => true ] "contieneTextoCompleto" => array:1 [ "es" => true ] "contienePdf" => array:1 [ "es" => true ] "resumenGrafico" => array:2 [ "original" => 0 "multimedia" => array:7 [ "identificador" => "fig0025" "etiqueta" => "Figura 3" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr3.jpeg" "Alto" => 2847 "Ancho" => 3175 "Tamanyo" => 260975 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0055" class="elsevierStyleSimplePara elsevierViewall">Porcentaje de protestas asertivas realizadas.</p>" ] ] ] "autores" => array:1 [ 0 => array:2 [ "autoresLista" => "María Luisa Gómez Taibo, Sara Páramos Alonso" "autores" => array:2 [ 0 => array:2 [ "nombre" => "María Luisa" "apellidos" => "Gómez Taibo" ] 1 => array:2 [ "nombre" => "Sara" "apellidos" => "Páramos Alonso" ] ] ] ] ] "idiomaDefecto" => "es" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0214460322000407?idApp=UINPBA00004N" "url" => "/02144603/0000004200000004/v1_202210230632/S0214460322000407/v1_202210230632/es/main.assets" ] "es" => array:19 [ "idiomaDefecto" => true "cabecera" => "<span class="elsevierStyleTextfn">ORIGINAL</span>" "titulo" => "Construcción de mapas articulatorios para la detección automática de la enfermedad de Parkinson por medio de la voz" "tieneTextoCompleto" => true "paginas" => array:1 [ 0 => array:2 [ "paginaInicial" => "197" "paginaFinal" => "207" ] ] "autores" => array:1 [ 0 => array:4 [ "autoresLista" => "Surley Yansury Berrio-Zapata, Juan Rafael Orozco-Arroyave" "autores" => array:2 [ 0 => array:3 [ "nombre" => "Surley Yansury" "apellidos" => "Berrio-Zapata" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">a</span>" "identificador" => "aff0005" ] ] ] 1 => array:4 [ "nombre" => "Juan Rafael" "apellidos" => "Orozco-Arroyave" "email" => array:2 [ 0 => "rafael.orozco@udea.edu.co" 1 => "rafa.orozco@gmail.com" ] "referencia" => array:3 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">a</span>" "identificador" => "aff0005" ] 1 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">b</span>" "identificador" => "aff0010" ] 2 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">*</span>" "identificador" => "cor0005" ] ] ] ] "afiliaciones" => array:2 [ 0 => array:3 [ "entidad" => "GITA Lab, Facultad de Ingeniería. Universidad de Antioquia U de A, Medellín, Colombia" "etiqueta" => "a" "identificador" => "aff0005" ] 1 => array:3 [ "entidad" => "Laboratorio de Reconocimiento de Patrones, Universidad de Erlangen, Erlangen-Nürnberg, Germany" "etiqueta" => "b" "identificador" => "aff0010" ] ] "correspondencia" => array:1 [ 0 => array:3 [ "identificador" => "cor0005" "etiqueta" => "⁎" "correspondencia" => "Autor para correspondencia." ] ] ] ] "titulosAlternativos" => array:1 [ "en" => array:1 [ "titulo" => "Building articulatory maps for the automatic detection of Parkinson's disease from speech" ] ] "resumenGrafico" => array:2 [ "original" => 0 "multimedia" => array:7 [ "identificador" => "fig0005" "etiqueta" => "Figura 1" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr1.jpeg" "Alto" => 812 "Ancho" => 2175 "Tamanyo" => 128623 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0265" class="elsevierStyleSimplePara elsevierViewall">Esquema metodología implementada.</p>" ] ] ] "textoCompleto" => "<span class="elsevierStyleSections"><span id="sec0005" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0065">Introducción</span><p id="par0005" class="elsevierStylePara elsevierViewall">La EP es la segunda enfermedad neurodegenerativa más frecuente en el mundo después de la enfermedad de Alzheimer y afecta aproximadamente 2% de la población mayor de 65 años (<a class="elsevierStyleCrossRef" href="#bib0045">De Rijk et al., 2000</a>). La EP se caracteriza por la pérdida progresiva de dopamina en el sistema nervioso central, ocasionando desórdenes en el movimiento y desencadenando síntomas como rigidez muscular, temblor, bradicinesia, trastornos posturales, alteraciones en la escritura, entre otros. Debido a la rigidez de los diferentes nervios que participan en la modulación de la voz, los mecanismos de emisión sonora se ven afectados, provocando trastornos en la fonación y la articulación (<a class="elsevierStyleCrossRef" href="#bib0130">Orozco-Arroyave et al., 2016</a>). Es característico que los pacientes con EP presenten dificultad para articular y producir palabras con normalidad, lo cual les impide una adecuada comunicación oral (<a class="elsevierStyleCrossRef" href="#bib0040">Darley et al., 1969</a>). Los trastornos en la fonación y en la articulación han sido motivo de investigación desde hace varios años con el fin de desarrollar métodos que permitan la detección automática de la enfermedad y para apoyar al seguimiento del estado de salud de los pacientes. En este trabajo nos enfocamos en hacer un modelo a nivel fonético para analizar las características físicas de los sonidos producidos por los pacientes, así como para estudiar la variación articulatoria que puede aparecer como resultado de la enfermedad (<a class="elsevierStyleCrossRef" href="#bib0080">Llisterri, 1996</a>). También se exploran conceptos de la fonología, tales que permitan el estudio de los fonemas del español hablado en Colombia, el cual contiene cinco vocales y 18 consonantes, que se encuentran categorizados según sonoridad, punto y modo de articulación.</p><span id="sec0010" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0070">Análisis articulatorio en voces de pacientes con EP</span><p id="par0010" class="elsevierStylePara elsevierViewall">El análisis de los sonidos sordos y sonoros así como las transiciones entre estos, permite evaluar la función articulatoria (<a class="elsevierStyleCrossRefs" href="#bib0060">García et al., 2020; Orozco-Arroyave et al., 2016</a>). Además la reducción en la amplitud, precisión y velocidad de los articuladores conlleva a una incorrecta producción de fonemas vocálicos y consonánticos (<a class="elsevierStyleCrossRef" href="#bib0085">Logemann et al., 1978</a>). En estudios anteriores, se han realizado evaluaciones y análisis de la articulación en pacientes con EP a través de diferentes tareas del habla tales como frases aisladas, texto leído, habla espontánea o monólogo, pronunciación de vocales sostenidas, y tareas diadococinéticas (DDK por las siglas en inglés, <span class="elsevierStyleItalic">diadochokinetic</span>) como la repetición de las sílabas «pa-ta-ka» (<a class="elsevierStyleCrossRefs" href="#bib0070">Goberman y Coelho, 2002; Tjaden y Watling, 2003</a>).</p><p id="par0015" class="elsevierStylePara elsevierViewall">Cuando se hace análisis articulatorio las características más comunes son aquellas basadas en las frecuencias del primer y segundo formantes (F1 y F2, respectivamente), ya que están relacionadas con el punto y modo de articulación (<a class="elsevierStyleCrossRef" href="#bib0075">Kent y Vorperian, 2018</a>), los valores de F1 y F2 se usan también para encontrar medidas como el área de espacio vocálico (VSA, del inglés <span class="elsevierStyleItalic">Vowel Space Area</span>) (<a class="elsevierStyleCrossRef" href="#bib0050">Delattre, 1948</a>), el índice de articulación vocal (VAI, del inglés <span class="elsevierStyleItalic">Vowel Area Index</span>) y su valor inverso, conocido como la tasa de centralización de formantes (FCR, del inglés <span class="elsevierStyleItalic">Formant Centralization Ratio</span>) (<a class="elsevierStyleCrossRef" href="#bib0160">Sapir et al., 2010</a>). <a class="elsevierStyleCrossRef" href="#bib0155">Rusz et al., 2013</a> analizaron la voz de 20 pacientes con EP diagnosticados de manera temprana y 15 personas asintomáticas o controles. Las tareas de habla utilizadas incluyeron fonaciones sostenidas de las vocales /a/, /i/, /u/, frases aisladas, texto leído, y monólogo. Los autores extrajeron diferentes características de articulación y encontraron que el monólogo es la tarea más sensible para la clasificación entre pacientes con EP y controles, reportando aciertos de más del 80%. Luego, <a class="elsevierStyleCrossRef" href="#bib0165">Sapir et al., 2007</a> examinaron los efectos de problemas articulatorios en la producción de vocales en pacientes con EP. Los experimentos incluyeron grabaciones de voz de 14 controles y 29 pacientes con EP, de los cuales 15 recibieron terapia basada en el <span class="elsevierStyleItalic">Lee Silverman Voice Treatment</span> ([LSVT] <a class="elsevierStyleCrossRef" href="#bib0145">Ramig et al., 1995</a>). Las señales fueron modeladas mediante los valores de F1 y F2 de las vocales /a/, /i/, /u/, la relación entre los segundos formantes de las vocales /i/ y /u/ (F2i /F2u) y el VSA. Los autores concluyen que la terapia con un solo foco -aumento de la sonoridad- tiene un efecto positivo en las funciones articulatorias.</p><p id="par0020" class="elsevierStylePara elsevierViewall">Otros trabajos donde se estudian fenómenos articulatorios en pacientes con EP consideran tareas DDK para realizar los análisis. <a class="elsevierStyleCrossRef" href="#bib0115">Novotný et al., 2014</a> evaluaron seis aspectos articulatorios como calidad vocal, la coordinación de la actividad laríngea y supra laríngea, la precisión de la articulación consonante, el movimiento de la lengua, el debilitamiento de la oclusión y la sincronización del habla. Un total de 24 personas con EP y 22 controles fueron incluidos en el estudio. Cada participante realizó tareas DDK mediante la repetición de las sílabas «pa-ta-ka», luego los autores etiquetaron los fonemas de forma manual y finalmente implementaron un clasificador basado en máquinas de soporte vectorial (SVM del inglés <span class="elsevierStyleItalic">Support Vector Machine</span>). El mejor resultado de clasificación entre EP y controles fue de 88%, indicando que la articulación imprecisa de consonantes es el indicador más preponderante en el habla de pacientes con EP. <a class="elsevierStyleCrossRef" href="#bib0180">Vásquez-Correa et al., 2017</a> modelan la dificultad que tienen los pacientes de iniciar y detener la vibración de los pliegues vocales mediante una red neuronal convolucional entrenada con representaciones tiempo-frecuencia de la señal en las transiciones sonoro-sordo y sordo-sonoro. Los autores consideraron bases de datos en tres diferentes idiomas: español (50 pacientes, 50 controles), alemán (88 pacientes, 88 controles) y checo (20 pacientes, 15 controles). Cada participante produjo repeticiones de las sílabas «pa-ta-ka» y los aciertos reportados fueron de 85.4% para español, 70.7% para alemán y 89.2% para checo.</p><p id="par0025" class="elsevierStylePara elsevierViewall">Nótese que a pesar de que los trabajos mencionados abordan estudios relacionados con la articulación, ninguno aborda análisis de tipo fonológico o fonético, dejando por fuera la posibilidad de hacer una interpretación específica que conecte la producción del habla y la inteligibilidad.</p><p id="par0030" class="elsevierStylePara elsevierViewall">Otros trabajos encontrados en la literatura abordan el estudio de la función articulatoria en pacientes con EP teniendo en cuenta la fonética y la fonología. <a class="elsevierStyleCrossRef" href="#bib0035">Cernak et al., 2017</a> realizan una caracterización de la calidad de la voz en pacientes con EP y consideran representaciones tiempo-frecuencia para modelar diferentes tipos de fenómenos en la voz: entrecortada (<span class="elsevierStyleItalic">breathy</span>), chirriante (<span class="elsevierStyleItalic">creaky</span>), tensa (<span class="elsevierStyleItalic">tense</span>), <span class="elsevierStyleItalic">falsetto</span> y áspera (<span class="elsevierStyleItalic">harsh</span>) en 50 pacientes con EP y 50 controles, todos hablantes nativos del español de Colombia. Los autores extrajeron características fonológicas con rasgos de pronunciación propios del español caracterizados de acuerdo con el punto y modo de articulación a través del software (Cernak Garner, 2016). Los autores concluyeron que las principales características del habla en pacientes con EP están distribuidas así: 30% de voz de entrecortada, 23% voz chirriante y 20% voz tensa. <a class="elsevierStyleCrossRef" href="#bib0065">García et al., 2017</a> proponen un método basado en i-vectores para evaluar y monitorear el estado neurológico de las personas con EP. En esta metodología se extrajeron características que modelan diferentes dimensiones del habla: fonación, articulación, prosodia y fonología. Los i-vectores fueron creados a partir de las señales de prueba de 50 pacientes con EP y 50 controles. Finalmente, los autores evalúan el progreso de la enfermedad aplicando distancia coseno entre los i-vectores construidos en cada instante de tiempo. Los autores reportan un acierto en la clasificación entre EP vs. personas asintomáticas de hasta el 80%, una correlación de Spearman de hasta 0.54 con el estado neurológico de los pacientes y de hasta 0.72 con el nivel de disartria de estos. Los hallazgos confirmaron observaciones hechas años atrás por diferentes autores que reportaron una articulación imprecisa en los fonemas oclusivos, los cuales se percibían como fonemas fricativos, evidenciando un déficit articulatorio producto de una incorrecta elevación de la lengua y una constricción inadecuada en la producción de los fonemas oclusivos y fricativos (<a class="elsevierStyleCrossRefs" href="#bib0025">Canter, 1965; Logemann y Fisher, 1981</a>).</p><p id="par0035" class="elsevierStylePara elsevierViewall">Moro-Velázquez, Gómez-García et al., 2019 presentan una metodología con agrupación de fonemas, utilizando la técnica de alineamiento forzado para el etiquetado de seis clases fonológicas: vocales, oclusivas, fricativas, africadas, líquidas y nasales. En este trabajo los autores buscaron un modelo para cada clase fonológica usando un <span class="elsevierStyleItalic">Gaussian Mixture Model - Universal Background Model</span> (GMM-UBM) donde el UBM es generado a partir del <span class="elsevierStyleItalic">corpus</span> Albayzin (<a class="elsevierStyleCrossRef" href="#bib0095">Moreno et al., 1993</a>) y los otros tres <span class="elsevierStyleItalic">corpus</span> con habla Parkinsoniana: Neurovoz (<a class="elsevierStyleCrossRef" href="#bib0100">Moro-Velázquez et al., 2019a</a>), PC-GITA (<a class="elsevierStyleCrossRef" href="#bib0125">Orozco-Arroyave et al., 2014</a>), y CzechPD (<a class="elsevierStyleCrossRef" href="#bib0155">Rusz et al., 2013</a>), son usados para la adaptación de los GMM. Las señales fueron caracterizadas usando la primera y segunda derivada de la técnica RelAtive SpecTrAl (RASTA-PLP, del inglés <span class="elsevierStyleItalic">perceptual linear predictive</span>), la cual está basada en el espectro de tiempo corto del habla. Para la clasificación con GMM-UBM se presentaron tres enfoques «<span class="elsevierStyleItalic">raw-phon</span>», «<span class="elsevierStyleItalic">phon-phon</span>» y «<span class="elsevierStyleItalic">phon-raw</span>». El máximo acierto reportado en la clasificación entre pacientes vs. controles es de 94% usando el enfoque «<span class="elsevierStyleItalic">phon-raw</span>» y la combinación de fricativas-nasales con el <span class="elsevierStyleItalic">corpus</span> CzechPD. Los resultados sugieren que las oclusivas, vocales y fricativas, son en ese orden, los segmentos acústicos más relevantes para la detección de EP, además el empleo de frases leídas produjo modelos más consistentes y precisos que el uso de monólogos o tareas DDK.</p><p id="par0040" class="elsevierStylePara elsevierViewall">Nótese que en los diferentes trabajos revisados, a excepción del último, no se realizó una evaluación o agrupamiento de fonemas específicos con criterios como el punto y modo de articulación. En este trabajo se propone una metodología que permite agrupar diferentes tipos de fonemas del Español de acuerdo con su punto y modo de articulación. Nosotros creemos que este enfoque podría ayudar en el futuro a orientar de una mejor manera (más específica para cada paciente) la terapia de habla y lenguaje para pacientes con EP.</p></span></span><span id="sec0015" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0075">Materiales y métodos</span><p id="par0045" class="elsevierStylePara elsevierViewall">La metodología propuesta se desarrolla en los siguientes pasos: 1) adquisición de los datos, 2) pre procesamiento, 3) caracterización, 4) decisión y 5) evaluación del rendimiento. La <a class="elsevierStyleCrossRef" href="#fig0005">figura 1</a> resume las etapas del presente estudio.</p><elsevierMultimedia ident="fig0005"></elsevierMultimedia><span id="sec0020" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0080">Base de datos</span><p id="par0050" class="elsevierStylePara elsevierViewall">El conjunto de datos está conformado por grabaciones de audio de 100 hablantes nativos del español de Colombia, 50 son personas asintomáticas y 50 son personas con EP (25 hombres y 25 mujeres en cada grupo). El rango de edad de los hombres con EP es entre 33 y 81 años, con un promedio de 61.56 y una desviación estándar de 11.39; el rango de edad de las mujeres con EP es entre 49 y 75 años con un promedio de 60.72 y una desviación estándar de 7.11. Para el caso de los controles asintomáticos, la edad de los hombres está entre 31 y 86 años (60.76 11.13), y para las mujeres está entre 49 y 75 años (61.44 6.83). En cuanto al nivel educativo, para los pacientes el promedio fue de 10.71 años 4.2 y para los controles fue de 10.98 años 4.54. Cualquier posibilidad de sesgo debido a edad y nivel de educación ha sido descartada mediante pruebas <span class="elsevierStyleItalic">t</span>: (<span class="elsevierStyleItalic">t</span> [99] = -0.2878, p = 0.77) para el primer caso y (t [99] = 0.3153, p = 0.77) para el segundo. Similarmente, cualquier posible sesgo por nivel de educación ha sido descartado mediante pruebas <span class="elsevierStyleItalic">X</span><span class="elsevierStyleSup"><span class="elsevierStyleItalic">2</span></span> (<span class="elsevierStyleSup">2</span>): (<span class="elsevierStyleSup">2</span>[1] = 137.9145, p=0.99). Este <span class="elsevierStyleItalic">corpus</span> es conocido como PC-GITA y fue presentado originalmente por <a class="elsevierStyleCrossRef" href="#bib0125">Orozco-Arroyave et al., 2014</a>. Una información más detallada sobre este <span class="elsevierStyleItalic">corpus</span>, la forma como fue construido y diferentes experimentos realizados con este puede ser consultada en (<a class="elsevierStyleCrossRef" href="#bib0120">Orozco-Arroyave, 2016</a>). Las grabaciones fueron capturadas con una tasa de muestreo de 44,100 Hz y 16 bits de resolución, usando un micrófono dinámico omnidireccional (Shure, SM 63L) y una tarjeta de audio profesional (M-Audio, Fast Track C400). Los pacientes fueron diagnosticados con EP por un neurólogo experto y fueron etiquetados de acuerdo con la escala <span class="elsevierStyleItalic">Movement Disorders Society - Unified Parkinson's Disease Rating Scale</span> (MDS-UPDRS) (<a class="elsevierStyleCrossRef" href="#bib0190">Movement Disorder Society Task Force on Rating Scales for Parkinson's y Disease., 2003</a>), la cual es una escala perceptual utilizada globalmente para evaluar el estado neurológico de los pacientes. La <a class="elsevierStyleCrossRef" href="#tbl0005">tabla 1</a> muestra un resumen con los datos demográficos y clínicos de las personas que participaron en este estudio. La tarea de habla y lenguaje elegida para este trabajo es un texto leído, el cual incluye un total de 36 palabras y contiene todos los fonemas del español hablado en Colombia. A continuación se presenta dicho texto, cuyo contenido es el diálogo entre un paciente (P) y un médico (M), así: es el puntaje asignado por el Neurólogo experto durante la evaluación clínica.</p><elsevierMultimedia ident="tbl0005"></elsevierMultimedia></span><span id="sec0025" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0085">Pre procesamiento</span><p id="par0055" class="elsevierStylePara elsevierViewall">Dado que los audios fueron grabados con las especificaciones requeridas para esta investigación, sólo fue necesario sub muestrearlos a 16 KHz ya que las herramientas que se utilizan para la estimación de características fonológicas así lo requerían.</p></span><span id="sec0030" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0090">Caracterización</span><span id="sec0035" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0095">Características fonéticas (acústicas y articulatorias):</span><p id="par0060" class="elsevierStylePara elsevierViewall">En esta parte de la metodología se extrajeron medidas que comúnmente son utilizadas en sistemas de reconocimiento automático de habla (<a class="elsevierStyleCrossRef" href="#bib0191">Yu y Deng, 2016</a>):</p><p id="par0065" class="elsevierStylePara elsevierViewall"><span class="elsevierStyleItalic">Frecuencias formantes:</span> Son las frecuencias donde aparecen las resonancias que concentran la mayor parte de la energía sonora. Estas medidas permiten identificar diferentes sonidos del habla humana (<a class="elsevierStyleCrossRef" href="#bib0140">Rabiner y Schafer, 2007</a>). Para hallarlos, el tracto vocal es modelado como un sistema lineal de polos, como se muestra en la Ecuación 1. Los formantes vocales se encuentran como los dos primeros picos en la respuesta en frecuencia del sistema (<a class="elsevierStyleCrossRef" href="#bib0055">Fant, 1970</a>). En este trabajo se ha utilizado el Software Praat (<a class="elsevierStyleCrossRef" href="#bib0015">Boersma, 2001</a>) para extraer las frecuencias formantes. Este Software puede ser descargado del siguiente enlace: https://www.fon.hum.uva.nl/praat/<elsevierMultimedia ident="eq0005"></elsevierMultimedia></p><p id="par0070" class="elsevierStylePara elsevierViewall"><span class="elsevierStyleItalic">Coeficientes Cepstrales en las frecuencias de Mel (MFCC):</span> Los MFCC son coeficientes que representan el habla basándose en la percepción auditiva humana. Esta técnica modela la manera en la que se produce el discurso teniendo en cuenta todos los órganos que intervienen en la producción del habla como tracto vocal y los órganos articuladores. Para su cálculo se emplea un banco de 26 filtros cuya respuesta en frecuencia se asemeja a las bandas de frecuencia que percibe el oído humano (Rabiner Schafer, 2007). En este caso se ha utilizado el software Neurospeech (<a class="elsevierStyleCrossRef" href="#bib0135">Orozco-Arroyave et al., 2018</a>) para extraer los coeficientes MFCC. La fórmula de conversión Hertz a Mel viene dada por la Ecuación 2:<elsevierMultimedia ident="eq0010"></elsevierMultimedia></p><p id="par0075" class="elsevierStylePara elsevierViewall">Donde f está en Hz.</p></span><span id="sec0040" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0100">Características fonológicas</span><p id="par0080" class="elsevierStylePara elsevierViewall">Estas características son extraídas usando dos herramientas computacionales, una encontrada en la literatura y otra desarrollada al interior de nuestro grupo de investigación:</p><p id="par0085" class="elsevierStylePara elsevierViewall"><span class="elsevierStyleItalic">Phonectic and Phonological Vocoding</span><span class="elsevierStyleItalic">(PhonVoc):</span> Este modelo fue originalmente presentado por <a class="elsevierStyleCrossRef" href="#bib0030">Cernak y Garner, 2016</a>. Está entrenado con grabaciones en idioma inglés (https:github.com/idiap/phonvoc/). Utiliza 15 redes neuronales profundas (DNN del inglés <span class="elsevierStyleItalic">Deep Neural Network</span>) para extraer 15 diferentes características fonológicas a partir de medidas acústicas de corta duración. El vector de los parámetros fonológicos <span class="elsevierStyleInf">n</span> = <span class="elsevierStyleInf">n</span><span class="elsevierStyleSup">1</span>;:::; <span class="elsevierStyleInf">n</span><span class="elsevierStyleSup">k</span>;:::; <span class="elsevierStyleInf">n</span><span class="elsevierStyleSup">K</span><span class="elsevierStyleSup">T</span>, consiste en K probabilidades posteriores de características fonológicas. Los posteriores fonológicos se calculan mediante un banco de DNN paralelas, cada uno estimando el posterior <span class="elsevierStyleInf">n</span><span class="elsevierStyleSup">k</span> como probabilidades de que ocurra la k-ésima característica fonológica. (Cernak Y Garner, 2016) presentan todos los detalles de su implementación.</p><p id="par0090" class="elsevierStylePara elsevierViewall">Nótese si bien PhonVoc ha sido entrenado con datos en inglés, el sistema que toma la decisión respecto a la probabilidad de haber producido un fonema u otro no incluye ninguna información <span class="elsevierStyleItalic">a-priori</span> respecto al idioma hablado, por ejemplo, el sistema no incluye un modelo de lenguaje. Esto hace que los resultados que se observen con esta herramienta también sean válidos y generalizables.</p><p id="par0095" class="elsevierStylePara elsevierViewall"><span class="elsevierStyleItalic">Phonet:</span> Esta herramienta fue desarrollada al interior de nuestro grupo de investigación y está basada en el cálculo de probabilidades a-posteriori de las clases fonológicas a través de 19 redes neuronales bidireccionales recurrentes paralelas (GRU del inglés <span class="elsevierStyleItalic">Gated Recurrent Units</span>); 18 de las redes permiten estimar la probabilidad de que un fonema dado pertenezca a cada clase fonológica y una red para reconocer el fonema que fue producido. Los detalles del modelo son presentados por <a class="elsevierStyleCrossRef" href="#bib0175">Vásquez-Correa et al., 2019</a> y su implementación puede ser descargada aquí: <a href="https://jcvasquezc.github.io/software/phonet/">https://jcvasquezc.github.io/software/phonet/</a>.</p><p id="par0100" class="elsevierStylePara elsevierViewall">El conjunto de características extraídas para este estudio está compuesto por los 15 posteriores de las clases fonológicas estimadas con PhonVoc o los 18 posteriores estimados con Phonet. Adicionalmente se incluyen los dos primeros formantes (F1 y F2) y 12 coeficientes MFCC. Las etiquetas de tiempo para fonema fueron asignadas aplicando alineamiento forzado con el sistema Sistema Automático de Reconocimiento del HAbla (SARHA) desarrollado al interior de nuestro grupo de investigación. Los fonemas por punto y modo de articulación fueron agrupados en las siguientes nueve clases fonológicas:<ul class="elsevierStyleList" id="lis0005"><li class="elsevierStyleListItem" id="lsti0005"><span class="elsevierStyleLabel">•</span><p id="par0105" class="elsevierStylePara elsevierViewall">Vocales: /a/,/e/,/i/,/o/,/u/</p></li><li class="elsevierStyleListItem" id="lsti0010"><span class="elsevierStyleLabel">•</span><p id="par0110" class="elsevierStylePara elsevierViewall">Nasales: /m/,/n/,/æ/ (grafema: ñ)</p></li><li class="elsevierStyleListItem" id="lsti0015"><span class="elsevierStyleLabel">•</span><p id="par0115" class="elsevierStylePara elsevierViewall">ht**tps://ww**w.fon.hum.uva.nl/praat/</p></li><li class="elsevierStyleListItem" id="lsit0095"><span class="elsevierStyleLabel">•</span><p id="par0120" class="elsevierStylePara elsevierViewall"><span class="elsevierStyleSup">2</span>ht**tps://github.com/idiap/phonvoc</p></li><li class="elsevierStyleListItem" id="lsti0095"><span class="elsevierStyleLabel">•</span><p id="par0125" class="elsevierStylePara elsevierViewall"><span class="elsevierStyleSup">3</span>ht**tps://jcvasquezc.github.io/software/phonet/</p></li><li class="elsevierStyleListItem" id="lsti0025"><span class="elsevierStyleLabel">•</span><p id="par0130" class="elsevierStylePara elsevierViewall">Fricativas sordas: /f/, /s/ (grafemas: s,c,z), /x/ (grafemas: g, j)</p></li><li class="elsevierStyleListItem" id="lsti0030"><span class="elsevierStyleLabel">•</span><p id="par0135" class="elsevierStylePara elsevierViewall">Fricativas sonoras: /J/ (grafema: y)</p></li><li class="elsevierStyleListItem" id="lsti0035"><span class="elsevierStyleLabel">•</span><p id="par0140" class="elsevierStylePara elsevierViewall">Africadas: /Ù/ (grafema: ch)</p></li><li class="elsevierStyleListItem" id="lsti0040"><span class="elsevierStyleLabel">•</span><p id="par0145" class="elsevierStylePara elsevierViewall">Oclusivas sordas: /p/,/t/,/k/</p></li><li class="elsevierStyleListItem" id="lsti0045"><span class="elsevierStyleLabel">•</span><p id="par0150" class="elsevierStylePara elsevierViewall">Oclusivas sonoras: /b/, /d/, /g/</p></li><li class="elsevierStyleListItem" id="lsti0050"><span class="elsevierStyleLabel">•</span><p id="par0155" class="elsevierStylePara elsevierViewall">Laterales: /l/, /L/ (grafema: ll)</p></li><li class="elsevierStyleListItem" id="lsti0055"><span class="elsevierStyleLabel">•</span><p id="par0160" class="elsevierStylePara elsevierViewall">Vibrantes: /r/, /R/ (grafema: rr)</p></li></ul></p></span></span><span id="sec0045" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0105">Clasificación y visualización de resultados</span><span id="sec0050" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0110">SVM</span><p id="par0165" class="elsevierStylePara elsevierViewall">Este método consiste en construir un hiperplano de separación para clasificar dos grupos de muestras. El hiperplano se encuentra mediante un proceso de optimización tal que busca maximizar el margen de separación entre los dos grupos (<a class="elsevierStyleCrossRef" href="#bib0010">Bishop, 2006</a>). Para hallar el hiperplano que clasifique adecuadamente la mayoría de las muestras, se debe resolver el problema de optimización definido en la Ecuación 3, donde el parámetro <span class="elsevierStyleSmallCaps">C</span> controla la compensación entre <span class="elsevierStyleInf">n</span> y el ancho del margen.<elsevierMultimedia ident="eq0015"></elsevierMultimedia></p><p id="par0170" class="elsevierStylePara elsevierViewall">Con el fin de mejorar la capacidad de separación de las SVM, es posible aplicar una función <span class="elsevierStyleItalic">kernel</span> a los datos tal que los lleve a un espacio de mayor dimensionalidad donde ambos grupos son linealmente separables (<a class="elsevierStyleCrossRef" href="#bib0010">Bishop, 2006</a>). En el presente trabajo se considera la función de <span class="elsevierStyleItalic">kernel</span> Gaussiano (x<span class="elsevierStyleInf">n</span>) =</p><p id="par0175" class="elsevierStylePara elsevierViewall"><span class="elsevierStyleSup">2jjx</span>n <span class="elsevierStyleSup">x</span>m<span class="elsevierStyleSup">jj2</span>, donde el parámetro controla el ancho de banda del <span class="elsevierStyleItalic">kernel</span> y cuyo valor óptimo se encuentra mediante validación cruzada.</p></span><span id="sec0055" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0115">Bosques aleatorios (RF del inglés <span class="elsevierStyleItalic">random forest</span>)</span><p id="par0180" class="elsevierStylePara elsevierViewall">Los bosques aleatorios están basados en los árboles de decisión donde se busca «cultivar» muchos árboles tales que cada uno, clasifica un objeto con determinadas características emitiendo un voto para que finalmente el algoritmo elija la clasificación que obtenga la mayoría de votos (<a class="elsevierStyleCrossRef" href="#bib0020">Breiman, 2001</a>). Consiste en una familia de clasificadores h (X j <span class="elsevierStyleInf">1</span>);:::; h (X j <span class="elsevierStyleInf">k</span>) basados en un árbol de clasificación con parámetros <span class="elsevierStyleInf">k</span> elegidos aleatoriamente a partir de un modelo de vector aleatorio. Para la clasificación final f (x), cada árbol vota por la clase más popular en la entrada x y la clase con la mayoría de votos es asignada a la muestra analizada.</p><p id="par0185" class="elsevierStylePara elsevierViewall">En ambas estrategias de clasificación (SVM y RF) la optimización de los parámetros se llevó a cabo mediante validación cruzada con K-particiones (donde K=10) (<a class="elsevierStyleCrossRef" href="#bib0185">Wong, 2015</a>). El proceso de validación cruzada es repetido 10 veces con el fin de darle generalidad al modelo. Los parámetros óptimos fueron elegidos mediante la moda de los parámetros encontrados a lo largo de las repeticiones. Finalmente, el resultado de acierto, sensibilidad, especificidad y área bajo la curva ROC (AUC) es reportado en términos de su valor medio desviación estándar.</p></span><span id="sec0060" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0120">Visualización de datos y reducción de dimensionalidad</span><p id="par0190" class="elsevierStylePara elsevierViewall">En esta sección se presentan los dos pasos que se adelantan para lograr una apropiada visualización del espacio de representación resultante para las clases fonológicas agrupadas. Esto es necesario porque de lo contrario los espacios de representación tendrían una dimensionalidad muy alta, imposible de ser visualizada. El primer paso consiste en hacer una reducción de dimensión basada en análisis lineal discriminante (LDA del inglés <span class="elsevierStyleItalic">Linear Discriminant Analysis</span>), tal que permite reducir la dimensión y al mismo tiempo mejorar la separabilidad entre clases. Posteriormente los resultados son mostrados de manera compacta mediante mezclas de modelos Gaussianos.</p><p id="par0195" class="elsevierStylePara elsevierViewall">Análisis Lineal Discriminante (LDA): Esta es una de las técnicas más utilizadas en estadística y en inteligencia artificial para clasificación y reducción de dimensión. El objetivo de LDA es proyectar el espacio de datos original en un espacio de menor dimensión mediante un vector w con el fin de maximizar la separación entre las clases y minimizar la dispersión dentro de cada una de las clases hallando una nueva variable llamada discriminante según el criterio de Fisher (<a class="elsevierStyleCrossRef" href="#bib0010">Bishop, 2006</a>). Para garantizar la mayor distancia entre las clases y la menor dispersión intraclases, se maximiza la función objetivo J(W):<elsevierMultimedia ident="eq0020"></elsevierMultimedia></p><p id="par0200" class="elsevierStylePara elsevierViewall">Donde W es la matriz de transformación LDA, S<span class="elsevierStyleInf">B</span> es la matriz que garantiza la distancia de separación entre las clases y S<span class="elsevierStyleInf">W</span> es la matriz que posee la dispersión en cada una de las clases a proyectar y busca minimizar la varianza dentro de la clase. La optimización del problema se puede formular de la siguiente manera:<elsevierMultimedia ident="eq0025"></elsevierMultimedia><elsevierMultimedia ident="eq0030"></elsevierMultimedia></p><p id="par0205" class="elsevierStylePara elsevierViewall">Donde n<span class="elsevierStyleInf">i</span> es el número de muestras de la i-ésima clase, <span class="elsevierStyleInf">i</span> es la media de la i-ésima clase, la media total, x<span class="elsevierStyleInf">ij</span> es la i-ésima muestra de la j-ésima clase. Si S<span class="elsevierStyleInf">W</span> es una matriz no singular, el problema de optimización para maximizar J(W) se puede resolver cuando los vectores columna de la matriz de proyección W son los vectores propios de S<span class="elsevierStyleInf">W</span><span class="elsevierStyleSup">1</span>S<span class="elsevierStyleInf">B</span>W. Los valores propios asociados a cada vector representa la información que contiene el vector propio y que refleja la capacidad para discriminar entre las diferentes clases.</p><p id="par0210" class="elsevierStylePara elsevierViewall"><span class="elsevierStyleItalic">Mezclas de modelos Gaussianos (GMM):</span> Un Modelo GMM es una combinación lineal de distribuciones de probabilidad Gaussianas, donde cada distribución busca modelar subgrupos y el conjunto de todas las distribuciones modela la población en general (<a class="elsevierStyleCrossRef" href="#bib0150">Reynolds, 2009</a>).</p><p id="par0215" class="elsevierStylePara elsevierViewall">Un vector aleatorio sigue una distribución de mezclas Gaussianas si su función de densidad de probabilidad puede ser descrita así:<elsevierMultimedia ident="eq0035"></elsevierMultimedia><elsevierMultimedia ident="eq0040"></elsevierMultimedia></p><p id="par0220" class="elsevierStylePara elsevierViewall">Donde μ<span class="elsevierStyleInf">m</span> es el vector de medias, <span class="elsevierStyleInf">m</span> es la matriz de covarianza del vector aleatorio x, c<span class="elsevierStyleInf">m</span> es el PM peso asociado a la m-ésima componente Gaussiana y cumple ∑Cm=1</p><p id="par0225" class="elsevierStylePara elsevierViewall">En esta metodología se usó LDA para mostrar la separabilidad de las clases en un espacio de dos dimensiones y GMMs para visualizar los datos agrupados de manera probabilística. Se consideró covarianza diagonal y aunque es un método de agrupamiento o de aprendizaje no supervisado, se utilizan las etiquetas de clase para que el algoritmo inicialice cada Gaussiana desde su media y así dibujar las elipses que agrupan las clases fonológicas. Se construye un modelo GMM para los controles y un modelo GMM para los pacientes, donde cada modelo tiene un número de Gaussianas igual al número de clases fonológicas lo que permite la visualización de los mapas articulatorios que describe la capacidad que tienen tanto los controles como los pacientes con EP para producir los fonemas. En la <a class="elsevierStyleCrossRef" href="#fig0010">figura 2</a> se muestra un ejemplo de mapa articulatorio de hablantes asintomáticos con las clases fonológicas agrupadas.</p><elsevierMultimedia ident="fig0010"></elsevierMultimedia></span></span><span id="sec0065" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0125">Medidas de rendimiento</span><p id="par0230" class="elsevierStylePara elsevierViewall">La capacidad de clasificación automática de personas con EP vs. controles es evaluada considerando diferentes métricas de desempeño. A continuación se presenta cada una de ellas:</p><span id="sec0070" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0130">Matriz de confusión</span><p id="par0235" class="elsevierStylePara elsevierViewall">Cada fila de la matriz representa las instancias en una clase predicha, mientras que cada columna representa las instancias en una clase real (o viceversa), esto permite ver si el sistema está confundiendo las diferentes clases o resultados en la clasificación y en qué medida. A partir de las matrices de confusión es posible definir cuatro subgrupos así:<ul class="elsevierStyleList" id="lis0010"><li class="elsevierStyleListItem" id="lsti0060"><span class="elsevierStyleLabel">•</span><p id="par0240" class="elsevierStylePara elsevierViewall"><span class="elsevierStyleItalic">Verdadero positivo (TP del inglés true positive):</span> Es el número o porcentaje de muestras de la clase positiva que el sistema clasifica correctamente como pertenecientes a la clase positiva.</p></li><li class="elsevierStyleListItem" id="lsti0065"><span class="elsevierStyleLabel">•</span><p id="par0245" class="elsevierStylePara elsevierViewall"><span class="elsevierStyleItalic">Falso negativo (FN del inglés false negative):</span> Es el número o porcentaje de muestras de la clase positiva que el el sistema clasifica incorrectamente como pertenecientes a la clase negativa.</p></li><li class="elsevierStyleListItem" id="lsti0070"><span class="elsevierStyleLabel">•</span><p id="par0250" class="elsevierStylePara elsevierViewall"><span class="elsevierStyleItalic">Falso positivo (FP del inglés false positive):</span> Es el número o porcentaje de muestras de la clase negativa que el el sistema clasifica incorrectamente como pertenecientes a la clase positiva.</p></li><li class="elsevierStyleListItem" id="lsti0075"><span class="elsevierStyleLabel">•</span><p id="par0255" class="elsevierStylePara elsevierViewall"><span class="elsevierStyleItalic">Verdadero negativo (TN del inglés false positive):</span> Es el número o porcentaje de muestras de la clase negativa que el sistema clasifica correctamente como pertenecientes a la clase negativa.</p></li><li class="elsevierStyleListItem" id="lsti0080"><span class="elsevierStyleLabel">•</span><p id="par0260" class="elsevierStylePara elsevierViewall">Con base en estos conceptos derivados de la matriz de confusión, se definen una serie de métricas que permiten medir el rendimiento del sistema.</p></li><li class="elsevierStyleListItem" id="lsti0085"><span class="elsevierStyleLabel">•</span><p id="par0265" class="elsevierStylePara elsevierViewall"><span class="elsevierStyleItalic">Acierto (Acc del inglés accuracy):</span> Es la cantidad de predicciones que fueron clasificados correctamente por el sistema.</p></li></ul><elsevierMultimedia ident="eq0045"></elsevierMultimedia><ul class="elsevierStyleList" id="lis0015"><li class="elsevierStyleListItem" id="lsti0090"><span class="elsevierStyleLabel">•</span><p id="par0270" class="elsevierStylePara elsevierViewall"><span class="elsevierStyleItalic">Sensibilidad (recall o sensitivity):</span> Se trata de los casos positivos que el algoritmo ha clasi-ficado correctamente. Cuando los valores se presentan en porcentaje, la sensibilidad coincide con la tasa de verdaderos positivos (TPR del inglés <span class="elsevierStyleItalic">true positive rate</span>).</p></li></ul><elsevierMultimedia ident="eq0050"></elsevierMultimedia></p><p id="par0275" class="elsevierStylePara elsevierViewall"><span class="elsevierStyleItalic">Especificidad (specificity):</span> Se trata de los casos negativos que el algoritmo ha clasificado correctamente. Cuando los valores se presentan en porcentaje, la especificidad coincide con la tasa de verdaderos negativos (TNR del inglés <span class="elsevierStyleItalic">true negative rate</span>).<elsevierMultimedia ident="eq0055"></elsevierMultimedia></p></span></span></span><span id="sec0075" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0135">Experimentos y resultados</span><p id="par0280" class="elsevierStylePara elsevierViewall">Se utilizaron las herramientas PhonVoc y Phonet para extraer características fonológicas y modelar las dificultades articulatorias presentadas por pacientes con EP. A pesar de que se entrenaron dos tipos de clasificadores (SVM y RF), la SVM mostró los mejores resultados. A continuación se presenta el detalle de los experimentos realizados y los resultados obtenidos:</p><span id="sec0080" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0140">Usando PhonVoc</span><p id="par0285" class="elsevierStylePara elsevierViewall">La <a class="elsevierStyleCrossRef" href="#tbl0010">tabla 2</a> muestra los resultados de la clasificación de pacientes con EP vs controles. Se observa que con SVM las clases fonológicas (vocales, nasales, fricativas sordas y oclusivas sonoras) presentaron aciertos superiores al 80%. La clase «vocales» alcanzó el mejor resultado con un acierto promedio de 90.4%. También se puede observar que la clase «africadas» no presenta un buen desempeño en la clasificación (acierto promedio de 67.9%). Los resultados obtenidos con RF muestran que sólo la clase «vocales» logra aciertos promedio superiores al 80%. En este caso el desempeño más bajo también se obtuvo en la clase «africadas» con un promedio de 69.1%. Estos resultados sugieren que las clases fonológicas con fonemas principalmente sonoros, a excepción de las «fricativas sordas», son las que reflejan un mayor déficit articulatorio, principalmente en el punto de articulación dental y alveolar. Asimismo, el resultado de la clase «africadas» sugiere que el proceso articulatorio es más sencillo para los pacientes cuando se produce un cierre completo para luego permitir el paso de aire con turbulencia; sin embargo, debe tenerse en cuenta el punto de articulación y la posición de la lengua del fonema inmediatamente anterior, pues estos podrían facilitar la producción. Adicionalmente, es importante notar que dentro del texto leído sólo se presenta un fonema «africado» por lo tanto es posible que estos hallazgos nos sean concluyentes y se requieran más experimentos considerando textos más ricos en fonemas «africados».</p><elsevierMultimedia ident="tbl0010"></elsevierMultimedia><p id="par0290" class="elsevierStylePara elsevierViewall">Las burbujas de colores de la <a class="elsevierStyleCrossRef" href="#fig0015">figura 3</a> muestran la agrupación de las clases fonológicas por punto y modo de articulación lograda al aplicar las GMM. Note que se presentan dos burbujas para cada clase, indicando que una es para personas asintomáticas y otra es para enfermos. Los puntos rojos y azules en la figura señalan las muestras de las personas asintomáticas y enfermas, respectivamente. Dado el solape en algunas de las burbujas, estos mapas articulatorios muestran que no todos los tipos de articulación son apropiados para clasificar entre personas asintomáticas y enfermos. En las oclusivas sonoras, representadas por los fonemas /b d g/, y las oclusivas sordas /p t k/ se aprecia un menor solape de las burbujas. Esto puede estar relacionado con la dificultad de los pacientes para iniciar la sonoridad de los fonemas oclusivos, como ya se ha señalado en estudios anteriores (<a class="elsevierStyleCrossRefs" href="#bib0005">Argüello-Vélez et al., 2020; Orozco-Arroyave, 2016</a>).</p><elsevierMultimedia ident="fig0015"></elsevierMultimedia><p id="par0295" class="elsevierStylePara elsevierViewall">Llama la atención que las oclusivas sordas obtuvieron un pobre desempeño en la clasificación, como se puede observar en la <a class="elsevierStyleCrossRef" href="#tbl0010">tabla 2</a>. Vale aclarar que el espacio de representación ilustrado en la visualización es diferente al espacio de representación considerado por los clasificadores. Es necesario hacer más análisis en este aspecto para encontrar mejores formas de representación tales que deriven en mejores porcentajes de clasificación.</p></span><span id="sec0085" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0145">Usando Phonet</span><p id="par0300" class="elsevierStylePara elsevierViewall">La <a class="elsevierStyleCrossRef" href="#tbl0015">tabla 3</a> muestra los resultados obtenidos con las características fonológicas extraídas usando Phonet. En este caso la SVM presenta resultados superiores al 80% para las clases fonológicas «vocales», «oclusivas sonoras» y «fricativas sordas». El mejor resultado se obtiene para las vocales, con un acierto promedio de 89.8%, mientras que las clases «africadas» y «laterales» presentan resultados por debajo del 70%. Los resultados obtenidos con el clasificador RF son similares, el mejor acierto se obtuvo con la clase «vocales» (84.5%), mientras que las clases «africadas» y «laterales» arrojan un acierto promedio de 66.9 y 68.3%, respectivamente. Llama la atención el resultado de la clase laterales, la cual está representada en el texto estudiado por el fonema /l/. Su punto de articulación es alveolar y de la manera que se presenta en el texto, la antecede y/o precede un fonema vocálico (/a/,/e/,/i/), lo cual según se muestra en los resultados, son los fonemas con una mayor dificultad para su producción en los pacientes con EP.</p><elsevierMultimedia ident="tbl0015"></elsevierMultimedia><p id="par0305" class="elsevierStylePara elsevierViewall">En la <a class="elsevierStyleCrossRef" href="#fig0020">figura 4</a> se observa un solape entre las burbujas de pacientes y controles, así como un solape entre clases. Sin embargo, el análisis del mapa articulatorio es muy similar al realizado con PhonVoc para los fonemas oclusivos y africados.</p><elsevierMultimedia ident="fig0020"></elsevierMultimedia></span></span><span id="sec0090" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0150">Discusión</span><p id="par0310" class="elsevierStylePara elsevierViewall">Según los resultados, las clases fonológicas conformadas por fonemas principalmente sonoros, así como el punto de articulación de estos, parecen ser las más adecuadas para la discriminación entre pacientes vs. personas asintomáticas. Al parecer el enfoque presentado aquí evidencia un déficit articulatorio en los pacientes al retraer o levantar la lengua desde su posición neutral para producir algunos fonemas especialmente los vocálicos. El nivel de acierto de 90.4% para la clase vocales es superior al 86% reportado por (<a class="elsevierStyleCrossRef" href="#bib0105">Moro-Velázquez et al., 2019b</a>), donde usaron el <span class="elsevierStyleItalic">corpus</span> PC-GITA y también la tarea lectura de texto.</p><p id="par0315" class="elsevierStylePara elsevierViewall">Por otro lado, los fonemas africados parecen tener una dificultad menor para producirse debido a la posición de la lengua del fonema inmediatamente anterior, esto, de acuerdo con la tarea utilizada en el presente trabajo. Es necesario realizar más experimentos que contengan un mayor número de fonemas africados para así analizar su comportamiento de una manera más amplia y poder contrastar con estos resultados. Adicionalmente, se pudo observar, a través de los mapas articulatorios, la capacidad del modelo para agrupar las diferentes clases fonológicas; sin embargo, también se evidenció que, debido al solape entre pacientes y controles, no todas las clases fonológicas permiten una adecuada discriminación entre estas dos poblaciones. Asimismo, los resultados entregados por los clasificadores a nivel de acierto difieren un poco de los observados en los mapas articulatorios. La razón principal de esto es que los mapas articulatorios son una ilustración gráfica del fenómeno, mientras que los clasificadores toman la decisión de EP vs. asintomático basados en información de un espacio de alta dimensionalidad. Creemos que es necesario realizar más experimentos para hallar un espacio de representación más adecuado y de menor dimensionalidad tal que permita observar los mismos resultados que se presentan a nivel de acierto.</p></span><span id="sec0095" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0155">Conclusiones</span><p id="par0320" class="elsevierStylePara elsevierViewall">Este trabajo evaluó las herramientas PhonVoc y Phonet para extraer características fonológicas que permitan la clasificación automática de pacientes con EP y personas asintomáticas. Los dos algoritmos de clasificación implementados mostraron resultados similares; sin embargo, la SVM mostró los mejores resultados en términos de acierto y AUC. Asimismo, con PhonVoc se obtuvo el mejor resultado para la clase «Vocales» con un acierto promedio de 90.4% y un AUC de 0.96. Adicionalmente las clases «nasales», «fricativas sordas» y «oclusivas sonoras» registraron aciertos superiores al 80% y AUC por encima de 0.87. Con Phonet se obtuvieron resultados muy similares para estas clases a excepción de la clase «nasales». Estos resultados indican que con la metodología propuesta a través un análisis articulatorio y fonológico mediante Phonet o PhonVoc para agrupar clases fonológicas, es posible lograr la detección automática de EP. Además, con los mapas articulatorios considerando punto y modo de articulación, es posible visualizar la separabilidad de las diferentes clases fonológicas e interpretar los problemas articulatorios que presentan los pacientes con EP.</p><p id="par0325" class="elsevierStylePara elsevierViewall">Los mapas articulatorios implementados con GMM por punto y modo de articulación, mostraron la capacidad del modelo para agrupar las diferentes clases de fonemas y visualizarlas en un espacio de dos dimensiones fácilmente interpretable por expertos del área clínica; sin embargo, se evidenció que no todos los tipos de articulación son buenos para clasificar entre pacientes con EP y asintomáticos. El análisis fonológico, con agrupamiento de fonemas, representa potencialmente un apoyo para los neurólogos en el proceso de diagnóstico y seguimiento de la EP. Adicionalmente es potencialmente útil para la práctica clínica de especialistas terapeutas de habla y lenguaje.</p></span><span id="sec0100" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0160">Financiación</span><p id="par0340" class="elsevierStylePara elsevierViewall">Este proyecto ha sido financiado por la agencia CODI de la Universidad de Antioquia en Colombia, proyecto # PRG2017-15530.</p></span></span>" "textoCompletoSecciones" => array:1 [ "secciones" => array:11 [ 0 => array:3 [ "identificador" => "xres1788389" "titulo" => "Resumen" "secciones" => array:4 [ 0 => array:2 [ "identificador" => "abst0005" "titulo" => "Antecedentes y objetivo" ] 1 => array:2 [ "identificador" => "abst0010" "titulo" => "Materiales y métodos" ] 2 => array:2 [ "identificador" => "abst0015" "titulo" => "Resultados" ] 3 => array:2 [ "identificador" => "abst0020" "titulo" => "Conclusiones" ] ] ] 1 => array:2 [ "identificador" => "xpalclavsec1567517" "titulo" => "Palabras clave" ] 2 => array:3 [ "identificador" => "xres1788388" "titulo" => "Abstract" "secciones" => array:4 [ 0 => array:2 [ "identificador" => "abst0025" "titulo" => "Background and objectives" ] 1 => array:2 [ "identificador" => "abst0030" "titulo" => "Materials and methods" ] 2 => array:2 [ "identificador" => "abst0035" "titulo" => "Results" ] 3 => array:2 [ "identificador" => "abst0040" "titulo" => "Conclusions" ] ] ] 3 => array:2 [ "identificador" => "xpalclavsec1567516" "titulo" => "Keywords" ] 4 => array:3 [ "identificador" => "sec0005" "titulo" => "Introducción" "secciones" => array:1 [ 0 => array:2 [ "identificador" => "sec0010" "titulo" => "Análisis articulatorio en voces de pacientes con EP" ] ] ] 5 => array:3 [ "identificador" => "sec0015" "titulo" => "Materiales y métodos" "secciones" => array:5 [ 0 => array:2 [ "identificador" => "sec0020" "titulo" => "Base de datos" ] 1 => array:2 [ "identificador" => "sec0025" "titulo" => "Pre procesamiento" ] 2 => array:3 [ "identificador" => "sec0030" "titulo" => "Caracterización" "secciones" => array:2 [ 0 => array:2 [ "identificador" => "sec0035" "titulo" => "Características fonéticas (acústicas y articulatorias):" ] 1 => array:2 [ "identificador" => "sec0040" "titulo" => "Características fonológicas" ] ] ] 3 => array:3 [ "identificador" => "sec0045" "titulo" => "Clasificación y visualización de resultados" "secciones" => array:3 [ 0 => array:2 [ "identificador" => "sec0050" "titulo" => "SVM" ] 1 => array:2 [ "identificador" => "sec0055" "titulo" => "Bosques aleatorios (RF del inglés random forest)" ] 2 => array:2 [ "identificador" => "sec0060" "titulo" => "Visualización de datos y reducción de dimensionalidad" ] ] ] 4 => array:3 [ "identificador" => "sec0065" "titulo" => "Medidas de rendimiento" "secciones" => array:1 [ 0 => array:2 [ "identificador" => "sec0070" "titulo" => "Matriz de confusión" ] ] ] ] ] 6 => array:3 [ "identificador" => "sec0075" "titulo" => "Experimentos y resultados" "secciones" => array:2 [ 0 => array:2 [ "identificador" => "sec0080" "titulo" => "Usando PhonVoc" ] 1 => array:2 [ "identificador" => "sec0085" "titulo" => "Usando Phonet" ] ] ] 7 => array:2 [ "identificador" => "sec0090" "titulo" => "Discusión" ] 8 => array:2 [ "identificador" => "sec0095" "titulo" => "Conclusiones" ] 9 => array:2 [ "identificador" => "sec0100" "titulo" => "Financiación" ] 10 => array:1 [ "titulo" => "Bibliografía" ] ] ] "pdfFichero" => "main.pdf" "tienePdf" => true "fechaRecibido" => "2021-02-22" "fechaAceptado" => "2021-12-18" "PalabrasClave" => array:2 [ "es" => array:1 [ 0 => array:4 [ "clase" => "keyword" "titulo" => "Palabras clave" "identificador" => "xpalclavsec1567517" "palabras" => array:5 [ 0 => "Parkinson" 1 => "Habla" 2 => "Características fonológicas" 3 => "Análisis articulatorio" 4 => "Clasificación" ] ] ] "en" => array:1 [ 0 => array:4 [ "clase" => "keyword" "titulo" => "Keywords" "identificador" => "xpalclavsec1567516" "palabras" => array:5 [ 0 => "Parkinson's disease" 1 => "Speech" 2 => "Phonological features" 3 => "Articulation analysis" 4 => "Classification" ] ] ] ] "tieneResumen" => true "resumen" => array:2 [ "es" => array:3 [ "titulo" => "Resumen" "resumen" => "<span id="abst0005" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0010">Antecedentes y objetivo</span><p id="spar0005" class="elsevierStyleSimplePara elsevierViewall">Las investigaciones recientes han mostrado que el análisis de las señales de habla provee información relevante para el apoyo diagnóstico y monitoreo de pacientes con enfermedad de Parkinson (EP). En este trabajo se propone una metodología para la construcción de mapas articulatorios basados en información articulatoria y fonológica del habla tal que permita la clasificación automática de personas con EP vs. personas asintomáticas y que además logre una fácil visualización e interpretación de los resultados.</p></span> <span id="abst0010" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0015">Materiales y métodos</span><p id="spar0010" class="elsevierStyleSimplePara elsevierViewall">Se consideraron 100 grabaciones de audio de un texto leído que contiene todos los sonidos del español hablado en Colombia. Se extrajeron características articulatorias y además fonológicas a través de dos herramientas: PhonVoc y Phonet. Luego, a partir del alineamiento forzado se obtuvieron los tiempos de ocurrencia de los fonemas para agrupar las clases fonológicas. Posteriormente se implementaron dos clasificadores, máquinas de soporte vectorial y árboles aleatorios.</p></span> <span id="abst0015" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0020">Resultados</span><p id="spar0015" class="elsevierStyleSimplePara elsevierViewall">Los experimentos muestran un acierto de hasta 90% en la clasificación de pacientes vs. asintomáticos con la clase fonológica «Vocales» y aciertos superiores al 80% para las clases «Nasales», «Fricativas sordas» y «Oclusivas sonoras». Para facilitar la interpretación visual de los resultados se construyeron mapas articulatorios usando mezclas de modelos Gaussianos (GMMs, por las siglas en inglés de <span class="elsevierStyleItalic">Gaussian Mixture Models</span>) que agruparon las clases fonológicas en dos dimensiones.</p></span> <span id="abst0020" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0025">Conclusiones</span><p id="spar0020" class="elsevierStyleSimplePara elsevierViewall">La metodología propuesta es una alternativa adecuada tanto para la detección automática de la EP como para la evaluación del déficit articulatorio en los fonemas contenidos en las clases fonológicas.</p></span>" "secciones" => array:4 [ 0 => array:2 [ "identificador" => "abst0005" "titulo" => "Antecedentes y objetivo" ] 1 => array:2 [ "identificador" => "abst0010" "titulo" => "Materiales y métodos" ] 2 => array:2 [ "identificador" => "abst0015" "titulo" => "Resultados" ] 3 => array:2 [ "identificador" => "abst0020" "titulo" => "Conclusiones" ] ] ] "en" => array:3 [ "titulo" => "Abstract" "resumen" => "<span id="abst0025" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0035">Background and objectives</span><p id="spar0025" class="elsevierStyleSimplePara elsevierViewall">Recent studies have shown that speech analysis provides relevant information to support the diagnosis and monitoring of patients suffering from Parkinson's disease (PD). In this work a methodology is proposed to create articulatory maps based on articulatory and phonological information such that allow a clear and interpretable visualization of the results.</p></span> <span id="abst0030" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0040">Materials and methods</span><p id="spar0030" class="elsevierStyleSimplePara elsevierViewall">A total of 100 speakers were recorded while reading a text with 36 words that includes all phonemes of the Colombian Spanish. Phonological features are extracted with two toolkits: PhonVoc and Phonet. Forced alignment is used to obtained the time-stamps per phoneme. Support vector machines and random forests are used to classify between PD patients and non-symptomatic subjects.</p></span> <span id="abst0035" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0045">Results</span><p id="spar0035" class="elsevierStyleSimplePara elsevierViewall">Accuracies of up to 90% are observed when the phonological class «Vowels» is considered and also accuracies above 80% are found for «Nasals», «Voiceless ficatives» and «Voiced Stop». Articulatory maps are created based on Gaussian mixture models with the aim to enable the interpretation of results.</p></span> <span id="abst0040" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0050">Conclusions</span><p id="spar0040" class="elsevierStyleSimplePara elsevierViewall">The proposed methodology is suitable for the automatic detection of PD and also to assess possible articulatory deficits in the production of specific phonological classes.</p></span>" "secciones" => array:4 [ 0 => array:2 [ "identificador" => "abst0025" "titulo" => "Background and objectives" ] 1 => array:2 [ "identificador" => "abst0030" "titulo" => "Materials and methods" ] 2 => array:2 [ "identificador" => "abst0035" "titulo" => "Results" ] 3 => array:2 [ "identificador" => "abst0040" "titulo" => "Conclusions" ] ] ] ] "multimedia" => array:18 [ 0 => array:7 [ "identificador" => "fig0005" "etiqueta" => "Figura 1" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr1.jpeg" "Alto" => 812 "Ancho" => 2175 "Tamanyo" => 128623 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0265" class="elsevierStyleSimplePara elsevierViewall">Esquema metodología implementada.</p>" ] ] 1 => array:7 [ "identificador" => "fig0010" "etiqueta" => "Figura 2" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr2.jpeg" "Alto" => 998 "Ancho" => 1508 "Tamanyo" => 95978 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0270" class="elsevierStyleSimplePara elsevierViewall">Mapa articulatorio de hablantes asintomáticos.</p>" ] ] 2 => array:7 [ "identificador" => "fig0015" "etiqueta" => "Figura 3" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr3.jpeg" "Alto" => 998 "Ancho" => 1508 "Tamanyo" => 101029 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0275" class="elsevierStyleSimplePara elsevierViewall">Mapa articulatorio basado en PhonVoc.</p>" ] ] 3 => array:7 [ "identificador" => "fig0020" "etiqueta" => "Figura 4" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr4.jpeg" "Alto" => 998 "Ancho" => 1508 "Tamanyo" => 102793 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0280" class="elsevierStyleSimplePara elsevierViewall">Mapa articulatorio basado en Phonet.</p>" ] ] 4 => array:8 [ "identificador" => "tbl0005" "etiqueta" => "Tabla 1" "tipo" => "MULTIMEDIATABLA" "mostrarFloat" => true "mostrarDisplay" => false "detalles" => array:1 [ 0 => array:3 [ "identificador" => "at1" "detalle" => "Tabla " "rol" => "short" ] ] "tabla" => array:2 [ "leyenda" => "<p id="spar0290" class="elsevierStyleSimplePara elsevierViewall">Nota. Edad se presenta en años; <span class="elsevierStyleItalic">t</span> es el número de años que han pasado desde el momento del diagnóstico de la enfermedad; MDS-UPDRS-III.</p>" "tablatextoimagen" => array:1 [ 0 => array:1 [ "tabla" => array:1 [ 0 => """ <table border="0" frame="\n \t\t\t\t\tvoid\n \t\t\t\t" class=""><thead title="thead"><tr title="table-row"><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " colspan="4" align="center" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Hombres</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " colspan="4" align="center" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Mujeres</th></tr><tr title="table-row"><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " colspan="3" align="center" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">EP</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col">Controles \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " colspan="3" align="center" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">EP</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col">Controles \t\t\t\t\t\t\n \t\t\t\t\t\t</th></tr><tr title="table-row"><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Edad \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">UPDRS \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">t \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Edad \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Edad \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">UPDRS \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black"><span class="elsevierStyleItalic">t</span> \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Edad \t\t\t\t\t\t\n \t\t\t\t\t\t</th></tr></thead><tbody title="tbody"><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">81 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">5 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">12 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">86 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">75 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">52 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">3 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">76 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">77 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">92 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">15 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">76 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">73 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">38 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">4 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">75 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">75 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">13 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">1 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">71 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">72 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">19 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">2,5 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">73 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">75 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">75 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">16 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">68 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">70 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">23 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">12 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">68 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">74 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">40 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">12 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">68 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">69 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">19 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">12 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">65 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">69 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">40 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">5 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">67 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">66 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">28 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">4 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">65 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">68 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">14 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">1 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">67 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">66 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">28 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">4 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">64 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">68 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">67 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">20 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">67 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">65 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">54 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">8 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">63 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">68 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">65 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">8 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">67 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">64 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">40 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">3 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">63 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">67 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">28 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">4 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">65 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">62 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">42 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">12 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">63 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">65 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">32 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">12 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">64 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">61 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">21 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">4 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">63 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">65 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">53 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">19 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">63 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">60 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">29 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">7 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">62 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">64 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">28 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">3 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">63 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">59 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">40 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">14 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">62 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">64 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">45 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">3 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">62 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">59 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">71 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">17 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">61 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">60 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">44 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">10 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">60 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">58 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">57 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">1 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">61 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">59 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">6 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">8 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">59 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">57 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">41 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">37 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">61 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">57 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">20 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,4 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">56 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">57 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">61 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">17 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">60 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">56 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">30 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">14 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">55 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">55 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">30 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">12 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">58 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">54 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">15 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">4 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">55 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">55 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">43 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">12 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">57 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">50 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">53 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">7 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">54 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">55 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">30 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">12 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">57 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">50 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">19 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">17 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">51 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">55 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">29 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">43 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">55 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">48 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">9 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">12 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">50 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">54 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">30 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">7 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">55 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">47 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">33 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">2 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">42 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">51 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">38 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">41 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">50 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">45 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">21 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">7 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">42 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">51 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">23 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">10 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">50 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">33 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">51 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">9 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">31 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">49 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">53 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">16 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">49 \t\t\t\t\t\t\n \t\t\t\t</td></tr></tbody></table> """ ] ] ] ] "descripcion" => array:1 [ "es" => "<p id="spar0285" class="elsevierStyleSimplePara elsevierViewall">Datos demográficos y clínicos de los pacientes que participaron en este estudio</p>" ] ] 5 => array:8 [ "identificador" => "tbl0010" "etiqueta" => "Tabla 2" "tipo" => "MULTIMEDIATABLA" "mostrarFloat" => true "mostrarDisplay" => false "detalles" => array:1 [ 0 => array:3 [ "identificador" => "at2" "detalle" => "Tabla " "rol" => "short" ] ] "tabla" => array:2 [ "leyenda" => "<p id="spar0300" class="elsevierStyleSimplePara elsevierViewall">Nota. Ac: Acierto, AUC: Área bajo la curva ROC, Sen: Sensibilidad, Esp: Especificidad.</p><p id="spar0305" class="elsevierStyleSimplePara elsevierViewall">μ±σμ: media σ: desviación estándar.</p>" "tablatextoimagen" => array:1 [ 0 => array:1 [ "tabla" => array:1 [ 0 => """ <table border="0" frame="\n \t\t\t\t\tvoid\n \t\t\t\t" class=""><thead title="thead"><tr title="table-row"><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Clases fonológicas \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Clasificador \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Ac (%) \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">AUC \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Sen (%) \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Esp (%) \t\t\t\t\t\t\n \t\t\t\t\t\t</th></tr></thead><tbody title="tbody"><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Vocales \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">SVM \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">90.4±1.11 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0.96 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">91.8±1.66 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">89.0±1.84 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">RF \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">86.6±1.62 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0.95 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">87.6±1.49 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">85.6±2.65 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Nasales \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">SVM \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">82.1±1.22 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0.88 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">82.6±3.10 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">81.6±2.50 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">RF \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">76.2±1.98 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0.75 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">77.8±2.44 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">74.6±3.90 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Fricativas sordas \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">SVM \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">80.9±1.45 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0.89 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">80.2±3.16 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">81.6±2.50 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">RF \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">78.6±2.80 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0.87 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">79.0±3.92 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">78.2±3.84 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Fricativas sonoras \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">SVM \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">75.3±1.49 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0.83 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">74.6±2.97 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">76.0±2.53 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">RF \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">74.5±2.53 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0.82 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">75.6±1.95 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">73.4±4.00 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Africadas \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">SVM \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">67.9±2.55 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0.76 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">78.8±5.88 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">57.0±3.61 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">RF \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">69.1±3.20 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0.78 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">70.6±5.14 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">67.6±3.55 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Oclusivas sordas \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">SVM \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">69.4±2.37 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0.77 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">58.0±3.10 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">80.8±5.31 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">RF \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">72.2±2.95 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0.81 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">71.0±4.31 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">73.4±2.37 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Oclusivas sonoras \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">SVM \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">80.8±5.31 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0.90 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">80.8±5.31 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">84.4±3.20 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">RF \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">78.7±2.32 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0.87 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">76.2±4.23 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">81.2±2.99 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Laterales \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">SVM \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">76.4±2.54 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0.85 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">73.6±3.20 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">73.6±3.20 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">RF \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">77.5±2.87 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0.89 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">79.6±3.77 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">75.4±4.29 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Vibrantes \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">SVM \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">75.9±1.76 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0.81 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">74.0±2.83 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">77.8±3.16 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">RF \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">71.3±4.40 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0.80 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">69.8±6.35 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">72.8±5.45 \t\t\t\t\t\t\n \t\t\t\t</td></tr></tbody></table> """ ] ] ] ] "descripcion" => array:1 [ "es" => "<p id="spar0295" class="elsevierStyleSimplePara elsevierViewall">Resultados de clasificación usando PhonVoc</p>" ] ] 6 => array:8 [ "identificador" => "tbl0015" "etiqueta" => "Tabla 3" "tipo" => "MULTIMEDIATABLA" "mostrarFloat" => true "mostrarDisplay" => false "detalles" => array:1 [ 0 => array:3 [ "identificador" => "at3" "detalle" => "Tabla " "rol" => "short" ] ] "tabla" => array:2 [ "leyenda" => "<p id="spar0315" class="elsevierStyleSimplePara elsevierViewall">Nota. Ac: Acierto, AUC: Área bajo la curva ROC, Sen: Sensibilidad, Esp: Especificidad.</p><p id="spar0320" class="elsevierStyleSimplePara elsevierViewall">μ±σμ: media σ: desviación estándar.</p>" "tablatextoimagen" => array:1 [ 0 => array:1 [ "tabla" => array:1 [ 0 => """ <table border="0" frame="\n \t\t\t\t\tvoid\n \t\t\t\t" class=""><thead title="thead"><tr title="table-row"><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Clases fonológicas \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Clasificador \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Ac (%) \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">AUC \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Sen (%) \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Esp (%) \t\t\t\t\t\t\n \t\t\t\t\t\t</th></tr></thead><tbody title="tbody"><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Vocales \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">SVM \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">89.8±1.47 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0.97 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">91.0±2.24 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">88.6±2.01 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">RF \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">84.5±1.74 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0.93 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">84.2±2.74 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">84.8±1.59 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Nasales \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">SVM \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">75.3±2.15 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0.86 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">73.2±2.23 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">77.4±3.35 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">RF \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">72.2±1.72 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0.79 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">67.4±3.8 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">77.0±3.25 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Fricativas sordas \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">SVM \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">80.6±2.54 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0.90 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">81.2±2.71 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">80.0±4.00 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">RF \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">80.1±3.17 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0.89 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">80.2±3.94 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">80.0±4.73 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Fricativas sonoras \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">SVM \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">71.5±1.20 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0.80 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">74.4±2.15 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">68.6±2.54 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">RF \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">70.4±2.93 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0.81 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">73.0±6.27 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">67.8±4.14 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Africadas \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">SVM \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">60.6±1.11 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0.72 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">78.8±3.60 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">42.4±2.65 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">RF \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">66.9±3.53 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0.73 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">70.6±6.63 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">63.2±4.91 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Oclusivas sordas \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">SVM \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">74.3±1.62 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0.84 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">68.8±2.23 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">79.8±3.52 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">RF \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">72.4±1.90 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0.81 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">67.8±3.02 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">77.0±3.37 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Oclusivas sonoras \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">SVM \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">81.4±2.84 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0.89 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">75.8±5.17 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">76.8±3.37 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">RF \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">79.1±3.44 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0.89 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">78.8±2.40 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">79.4±5.44 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Laterales \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">SVM \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">67.7±2.72 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0.74 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">51.2±2.56 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">84.2±4.69 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">RF \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">68.3±3.63 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0.78 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">63.8±3.40 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">72.8±4.66 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Vibrantes \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">SVM \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">73.4±1.56 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0.82 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">69.0±1.34 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">77.8±3.03 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">RF \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">70.6±3.26 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0.76 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">71.0±3.37 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">70.2±4.51 \t\t\t\t\t\t\n \t\t\t\t</td></tr></tbody></table> """ ] ] ] ] "descripcion" => array:1 [ "es" => "<p id="spar0310" class="elsevierStyleSimplePara elsevierViewall">Resultados de clasificación usando Phonet</p>" ] ] 7 => array:6 [ "identificador" => "eq0005" "etiqueta" => "(1)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "Hz=G1−∑akz−k" "Fichero" => "STRIPIN_si3.jpeg" "Tamanyo" => 1345 "Alto" => 36 "Ancho" => 133 ] ] 8 => array:6 [ "identificador" => "eq0010" "etiqueta" => "(2)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "mel=2595log101+f700=1127In1+f700" "Fichero" => "STRIPIN_si4.jpeg" "Tamanyo" => 3320 "Alto" => 40 "Ancho" => 323 ] ] 9 => array:6 [ "identificador" => "eq0015" "etiqueta" => "(3)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "min12w2+C∑ξnw,bS.t.y(WTXn+b)≥1−ξnξn≥0" "Fichero" => "STRIPIN_si5.jpeg" "Tamanyo" => 3740 "Alto" => 110 "Ancho" => 162 ] ] 10 => array:6 [ "identificador" => "eq0020" "etiqueta" => "(4)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "J(W)=WTSBWWTSWW" "Fichero" => "STRIPIN_si6.jpeg" "Tamanyo" => 1698 "Alto" => 35 "Ancho" => 109 ] ] 11 => array:6 [ "identificador" => "eq0025" "etiqueta" => "(5)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "SB=∑i=1cniμi−μ μi−μT" "Fichero" => "STRIPIN_si7.jpeg" "Tamanyo" => 1979 "Alto" => 45 "Ancho" => 189 ] ] 12 => array:6 [ "identificador" => "eq0030" "etiqueta" => "(6)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "SW=Σj=1cΣi=1nj Xμjxij−μjT" "Fichero" => "STRIPIN_si8.jpeg" "Tamanyo" => 2043 "Alto" => 32 "Ancho" => 178 ] ] 13 => array:6 [ "identificador" => "eq0035" "etiqueta" => "(7)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "Px=∑m=1MCm2πD2|Σm|12exp −12x−μmTΣm−1x−μm" "Fichero" => "STRIPIN_si9.jpeg" "Tamanyo" => 4251 "Alto" => 46 "Ancho" => 378 ] ] 14 => array:6 [ "identificador" => "eq0040" "etiqueta" => "(8)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "px=∑m=1McmN×;μ,∑" "Fichero" => "STRIPIN_si10.jpeg" "Tamanyo" => 2319 "Alto" => 46 "Ancho" => 182 ] ] 15 => array:6 [ "identificador" => "eq0045" "etiqueta" => "(9)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "Acc=TP+TNTP+FN+FP+TN" "Fichero" => "STRIPIN_si13.jpeg" "Tamanyo" => 1976 "Alto" => 33 "Ancho" => 169 ] ] 16 => array:6 [ "identificador" => "eq0050" "etiqueta" => "(10)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "Sensitivity=TPTP+FN" "Fichero" => "STRIPIN_si14.jpeg" "Tamanyo" => 1591 "Alto" => 33 "Ancho" => 145 ] ] 17 => array:6 [ "identificador" => "eq0055" "etiqueta" => "(11)" "tipo" => "MULTIMEDIAFORMULA" "mostrarFloat" => false "mostrarDisplay" => true "Formula" => array:5 [ "Matematica" => "Specificity=TNTN+FP" "Fichero" => "STRIPIN_si15.jpeg" "Tamanyo" => 1661 "Alto" => 33 "Ancho" => 142 ] ] ] "bibliografia" => array:2 [ "titulo" => "Bibliografía" "seccion" => array:1 [ 0 => array:2 [ "identificador" => "bibs0015" "bibliografiaReferencia" => array:38 [ 0 => array:3 [ "identificador" => "bib0005" "etiqueta" => "Argüello-Vélez et al., 2020" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Acoustic characteristics of VOT in plosive consonants produced by parkinson's patients" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:6 [ 0 => "P. Argüello-Vélez" 1 => "T. Arias-Vergara" 2 => "M. González-Rátiva" 3 => "J. Orozco-Arroyave" 4 => "E. Nöth" 5 => "M. Schuster" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1007/978-3-030-58323-1\_33" "Revista" => array:5 [ "tituloSerie" => "Lecture Notes in Artificial Inteligencie" "fecha" => "2020" "volumen" => "12284" "paginaInicial" => "303" "paginaFinal" => "311" ] ] ] ] ] ] 1 => array:3 [ "identificador" => "bib0010" "etiqueta" => "Bishop, 2006" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Pattern recognition and machine learning" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:1 [ 0 => "C. Bishop" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:2 [ "tituloSerie" => "Springer Verlag" "fecha" => "2006" ] ] ] ] ] ] 2 => array:3 [ "identificador" => "bib0015" "etiqueta" => "Boersma, 2001" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Praat, a system for doing phonetics by computer" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:1 [ 0 => "P. Boersma" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:6 [ "tituloSerie" => "Glot. Int" "fecha" => "2001" "volumen" => "5" "numero" => "9" "paginaInicial" => "341" "paginaFinal" => "345" ] ] ] ] ] ] 3 => array:3 [ "identificador" => "bib0020" "etiqueta" => "Breiman, 2001" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Random forests" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:1 [ 0 => "L. Breiman" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1023/A: 1010933404324" "Revista" => array:5 [ "tituloSerie" => "Machine Learning" "fecha" => "2001" "volumen" => "45" "paginaInicial" => "5" "paginaFinal" => "32" ] ] ] ] ] ] 4 => array:3 [ "identificador" => "bib0025" "etiqueta" => "Canter, 1965" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Speech characteristics of patients with Parkinson's disease: III. Articulation, dia-dochokinesis, and over-all speech adequacy" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:1 [ 0 => "G. Canter" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1044/jshd.3003.217" "Revista" => array:7 [ "tituloSerie" => "Journal of Speech and Hearing Disorders" "fecha" => "1965" "volumen" => "30" "numero" => "3" "paginaInicial" => "217" "paginaFinal" => "224" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/14321495" "web" => "Medline" ] ] ] ] ] ] ] ] 5 => array:3 [ "identificador" => "bib0030" "etiqueta" => "Cernak y Garner, 2016" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "PhonVoc: A phonetic and phonological vocoding toolkit" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:2 [ 0 => "M. Cernak" 1 => "P. Garner" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.21437/Interspeech.2016-235" "Revista" => array:2 [ "tituloSerie" => "INTERS-PEECH, (CONF)" "fecha" => "2016" ] ] ] ] ] ] 6 => array:3 [ "identificador" => "bib0035" "etiqueta" => "Cernak et al., 2017" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Characterisation of voice quality of Parkinson's disease using di-erential phonological posterior features" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:6 [ 0 => "M. Cernak" 1 => "J. Orozco-Arroyave" 2 => "F. Rudzicz" 3 => "H. Christensen" 4 => "J. Vásquez-Correa" 5 => "E. Nöth" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/j.csl.2017.06.004" "Revista" => array:5 [ "tituloSerie" => "Computer Speech & Language" "fecha" => "2017" "volumen" => "46" "paginaInicial" => "196" "paginaFinal" => "208" ] ] ] ] ] ] 7 => array:3 [ "identificador" => "bib0040" "etiqueta" => "Darley et al., 1969" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Di?erential diagnostic patterns of dysarthria" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:3 [ 0 => "F. Darley" 1 => "A. Aronson" 2 => "J. Brown" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1044/jshr. 1202.246" "Revista" => array:7 [ "tituloSerie" => "Journal of Speech and Hearing Research" "fecha" => "1969" "volumen" => "12" "numero" => "2" "paginaInicial" => "246" "paginaFinal" => "269" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/5808852" "web" => "Medline" ] ] ] ] ] ] ] ] 8 => array:3 [ "identificador" => "bib0045" "etiqueta" => "De Rijk et al., 2000" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Prevalence of Parkinson's disease in Europe: A collaborative study of population-based cohorts. Neurologic Diseases in the Elderly Research Group" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:10 [ 0 => "M. De Rijk" 1 => "L. Launer" 2 => "K. Berger" 3 => "M. Breteler" 4 => "J. Dartigues" 5 => "M. Baldereschi" 6 => "L. Fratiglioni" 7 => "A. Lobo" 8 => "J. Martinez-Lage" 9 => "C. Trenkwalder" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:7 [ "tituloSerie" => "Neurology" "fecha" => "2000" "volumen" => "54" "numero" => "11 Suppl 5" "paginaInicial" => "S21" "paginaFinal" => "S23" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/10854357" "web" => "Medline" ] ] ] ] ] ] ] ] 9 => array:3 [ "identificador" => "bib0050" "etiqueta" => "Delattre, 1948" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Un triangle acoustique des voyelles orales du français" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:1 [ 0 => "P. Delattre" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:4 [ "tituloSerie" => "French Review" "fecha" => "1948" "paginaInicial" => "477" "paginaFinal" => "484" ] ] ] ] ] ] 10 => array:3 [ "identificador" => "bib0055" "etiqueta" => "Fant, 1970" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Acoustic theory of speech production" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:1 [ 0 => "G. Fant" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1515/9783110873429" "Revista" => array:2 [ "tituloSerie" => "Walter de Gruyter" "fecha" => "1970" ] ] ] ] ] ] 11 => array:3 [ "identificador" => "bib0060" "etiqueta" => "García et al., 2020" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Disruptions of frontostriatal language functions in Parkinson's disease. The Neuroscience of Parkinson's Disease" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:6 [ 0 => "A. García" 1 => "Y. Bocanegra" 2 => "A. Birba" 3 => "J. Orozco-Arroyave" 4 => "L. Sedeño" 5 => "A. Ibañez" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/B978-0-12-815950-7.00026-6" "Libro" => array:4 [ "fecha" => "2020" "paginaInicial" => "413" "paginaFinal" => "420" "editorial" => "Academic Press/Elsevier" ] ] ] ] ] ] 12 => array:3 [ "identificador" => "bib0065" "etiqueta" => "García et al., 2017" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Evaluation of the Neuro-logical State of People with Parkinson's Disease Using i-Vectors" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:5 [ 0 => "N. García" 1 => "J. Orozco-Arroyave" 2 => "L. D’Haro" 3 => "N. Dehak" 4 => "E. Nöth" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.21437/Interspeech.2017-819" "Revista" => array:5 [ "tituloSerie" => "Interspeech" "fecha" => "2017" "paginaInicial" => "299" "paginaFinal" => "303" "itemHostRev" => array:3 [ "pii" => "S1474442214701917" "estado" => "S300" "issn" => "14744422" ] ] ] ] ] ] ] 13 => array:3 [ "identificador" => "bib0070" "etiqueta" => "Goberman y Coelho, 2002" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Acoustic analysis of Parkinsonian speech I: Speech characteristics and L-Dopa therapy" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:2 [ 0 => "A. Goberman" 1 => "C. Coelho" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.3233/NRE-2002-17310" "Revista" => array:7 [ "tituloSerie" => "NeuroRehabilitation" "fecha" => "2002" "volumen" => "17" "numero" => "3" "paginaInicial" => "237" "paginaFinal" => "246" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/12237505" "web" => "Medline" ] ] ] ] ] ] ] ] 14 => array:3 [ "identificador" => "bib0075" "etiqueta" => "Kent y Vorperian, 2018" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Static measurements of vowel formant frequencies and bandwidths: A review" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:2 [ 0 => "R. Kent" 1 => "H. Vorperian" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/j.jcomdis.2018.05.004" "Revista" => array:6 [ "tituloSerie" => "Journal of Communication Disorders" "fecha" => "2018" "volumen" => "74" "paginaInicial" => "74" "paginaFinal" => "97" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/29891085" "web" => "Medline" ] ] ] ] ] ] ] ] 15 => array:3 [ "identificador" => "bib0080" "etiqueta" => "Llisterri, 1996" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Los sonidos del habla" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:1 [ 0 => "J. Llisterri" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:4 [ "tituloSerie" => "Elementos de lingüística" "fecha" => "1996" "paginaInicial" => "67" "paginaFinal" => "128" ] ] ] ] ] ] 16 => array:3 [ "identificador" => "bib0085" "etiqueta" => "Logemann et al., 1978" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Frequency and cooccurrence of vocal tract dysfunctions in the speech of a large sample of Parkinson patients" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:4 [ 0 => "J. Logemann" 1 => "H. Fisher" 2 => "B. Boshes" 3 => "E. Blonsky" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1044/jshd.4301.47" "Revista" => array:7 [ "tituloSerie" => "Journal of Speech and hearing Disorders" "fecha" => "1978" "volumen" => "43" "numero" => "1" "paginaInicial" => "47" "paginaFinal" => "57" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/633872" "web" => "Medline" ] ] ] ] ] ] ] ] 17 => array:3 [ "identificador" => "bib0090" "etiqueta" => "Logemann y Fisher, 1981" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Vocal tract control in Parkinson's disease" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:2 [ 0 => "J.A. Logemann" 1 => "H. Fisher" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1044/jshd.4604.348" "Revista" => array:8 [ "tituloSerie" => "Journal of Speech and Hearing Disorders" "fecha" => "1981" "volumen" => "46" "numero" => "4" "paginaInicial" => "348" "paginaFinal" => "352" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/7300262" "web" => "Medline" ] ] "itemHostRev" => array:3 [ "pii" => "S0140673619302375" "estado" => "S300" "issn" => "01406736" ] ] ] ] ] ] ] 18 => array:3 [ "identificador" => "bib0095" "etiqueta" => "Moreno et al., 1993" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Albayzin speech database: Design of the phonetic corpus EUROSPEECH 1993 3<span class="elsevierStyleHsp" style=""></span>rd European Conference on Speech Communication and Technology" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:6 [ 0 => "B. Moreno" 1 => "M. Asunción" 2 => "D.C. Poig" 3 => "B. Lleida" 4 => "E. Llisterri" 5 => "A.J.B.C.N. Mariño" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:5 [ "tituloSerie" => "Berlin Germany: September 22-25" "fecha" => "1993" "volumen" => "1" "paginaInicial" => "175" "paginaFinal" => "178" ] ] ] ] ] ] 19 => array:3 [ "identificador" => "bib0100" "etiqueta" => "Moro-Velázquez et al., 2019a" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Phonetic relevance and phonemic grouping of speech in the automatic detection of Parkinson's Disease" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:7 [ 0 => "L. Moro-Velázquez" 1 => "J. Gómez-García" 2 => "J. Godino-Llorente" 3 => "F. Grandas-Pérez" 4 => "S. Shattuck-Hufnagel" 5 => "V. Yagüe-Jiménez" 6 => "N. Dehak" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1038/s41598-019-55271-y" "Revista" => array:8 [ "tituloSerie" => "Scientific Reports" "fecha" => "2019" "volumen" => "9" "numero" => "1" "paginaInicial" => "1" "paginaFinal" => "16" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/30626917" "web" => "Medline" ] ] "itemHostRev" => array:3 [ "pii" => "S0140673618304811" "estado" => "S300" "issn" => "01406736" ] ] ] ] ] ] ] 20 => array:3 [ "identificador" => "bib0105" "etiqueta" => "Moro-Velázquez et al., 2019b" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "A forced gaussians based methodology for the di?erential evaluation of Parkinson's Disease by means of speech processing" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:7 [ 0 => "L. Moro-Velázquez" 1 => "J.A. Gómez-García" 2 => "J.I. Godino-Llorente" 3 => "J. Villalba" 4 => "J. Rusz" 5 => "S. Shattuck-Hufnagel" 6 => "N. Dehak" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/j.bspc.2018.10.020" "Revista" => array:5 [ "tituloSerie" => "Biomedical Signal Processing and Control" "fecha" => "2019" "volumen" => "48" "paginaInicial" => "205" "paginaFinal" => "220" ] ] ] ] ] ] 21 => array:3 [ "identificador" => "bib0190" "etiqueta" => "Movement Disorder Society Task Force on Rating Scales for Parkinson's y Disease., 2003" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "The unified Parkinson's disease rating scale (UPDRS): status and recommendations" "autores" => array:1 [ 0 => array:2 [ "colaboracion" => "Movement Disorder Society Task Force on Rating Scales for Parkinson's y Disease" "etal" => false ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1002/mds.10473" "Revista" => array:7 [ "tituloSerie" => "Movement Disorders" "fecha" => "2003" "volumen" => "18" "numero" => "7" "paginaInicial" => "738" "paginaFinal" => "750" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/12815652" "web" => "Medline" ] ] ] ] ] ] ] ] 22 => array:3 [ "identificador" => "bib0115" "etiqueta" => "Novotný et al., 2014" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Automatic evaluation of articulatory disorders in Parkinson's disease" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:4 [ 0 => "M. Novotný" 1 => "J. Rusz" 2 => "R. Cmejla" 3 => "E. Ruzicka" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1109/TASLP. 2014.2329734" "Revista" => array:6 [ "tituloSerie" => "IEEE/ACM Transactions on Audio, Speech, and Language Processing" "fecha" => "2014" "volumen" => "22" "numero" => "9" "paginaInicial" => "1366" "paginaFinal" => "1378" ] ] ] ] ] ] 23 => array:3 [ "identificador" => "bib0120" "etiqueta" => "Orozco-Arroyave, 2016" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Analysis of speech of people with Parkinson's disease (Vol 41)" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:1 [ 0 => "J. Orozco-Arroyave" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:2 [ "tituloSerie" => "Logos Verlag Berlin GmbH" "fecha" => "2016" ] ] ] ] ] ] 24 => array:3 [ "identificador" => "bib0125" "etiqueta" => "Orozco-Arroyave et al., 2014" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "New Spanish speech corpus database for the analysis of people su?ering from Parkinson's disease" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:5 [ 0 => "J. Orozco-Arroyave" 1 => "J. Arias-Londoño" 2 => "J. Vargas-Bonilla" 3 => "M. Gonzalez-Rativa" 4 => "E. Nöth" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:2 [ "tituloSerie" => "ACL Anthology" "fecha" => "2014" ] ] ] ] ] ] 25 => array:3 [ "identificador" => "bib0130" "etiqueta" => "Orozco-Arroyave et al., 2016" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Automatic detection of Parkinson's disease in running speech spoken in three di?erent languages" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:8 [ 0 => "J. Orozco-Arroyave" 1 => "F. Hönig" 2 => "J. Arias-Londoño" 3 => "J. Vargas-Bonilla" 4 => "K. Daqrouq" 5 => "S. Skodda" 6 => "J. Rusz" 7 => "E. Nöth" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1121/1.4939739" "Revista" => array:7 [ "tituloSerie" => "The Journal of the Acoustical Society of America" "fecha" => "2016" "volumen" => "139" "numero" => "1" "paginaInicial" => "481" "paginaFinal" => "500" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/26827042" "web" => "Medline" ] ] ] ] ] ] ] ] 26 => array:3 [ "identificador" => "bib0135" "etiqueta" => "Orozco-Arroyave et al., 2018" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "NeuroSpeech: An open-source software for Parkinson's speech analysis" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:10 [ 0 => "J. Orozco-Arroyave" 1 => "J. Vásquez-Correa" 2 => "J. Vargas-Bonilla" 3 => "R. Arora" 4 => "N. Dehak" 5 => "P. Nidadavolu" 6 => "H. Christensen" 7 => "F. Rudzicz" 8 => "M. Yancheva" 9 => "H. Chinaei" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:5 [ "tituloSerie" => "Digital Signal Processing" "fecha" => "2018" "volumen" => "77" "paginaInicial" => "207" "paginaFinal" => "221" ] ] ] ] ] ] 27 => array:3 [ "identificador" => "bib0140" "etiqueta" => "Rabiner y Schafer, 2007" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Introduction to digital speech processing (Vol 1)" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:2 [ 0 => "L. Rabiner" 1 => "R. Schafer" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:2 [ "tituloSerie" => "Now Publishers Inc." "fecha" => "2007" ] ] ] ] ] ] 28 => array:3 [ "identificador" => "bib0145" "etiqueta" => "Ramig et al., 1995" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "The Lee Silverman Voice Treatment: A practical guide for treating the voice and speech disorders in Parkinson disease" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:3 [ 0 => "L. Ramig" 1 => "A. Pawlas" 2 => "S. Countryman" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1002/lio2.898" "Revista" => array:3 [ "tituloSerie" => "National Center for Voice; Speech" "fecha" => "1995" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/36258849" "web" => "Medline" ] ] ] ] ] ] ] ] 29 => array:3 [ "identificador" => "bib0150" "etiqueta" => "Reynolds, 2009" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Gaussian Mixture Models" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:1 [ 0 => "D. Reynolds" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1007/978-0-387-73003-5\_196" "Revista" => array:5 [ "tituloSerie" => "Encyclopedia of biometrics" "fecha" => "2009" "volumen" => "741" "paginaInicial" => "659" "paginaFinal" => "663" ] ] ] ] ] ] 30 => array:3 [ "identificador" => "bib0155" "etiqueta" => "Rusz et al., 2013" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Imprecise vowel articulation as a potential early marker of Parkinson's disease: E?ect of speaking task" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:9 [ 0 => "J. Rusz" 1 => "R. Cmejla" 2 => "T. Tykalova" 3 => "H. Ruzickova" 4 => "J. Klempir" 5 => "V. Majerova" 6 => "J. Picmausova" 7 => "J. Roth" 8 => "E. Ruzicka" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1121/1.4816541" "Revista" => array:7 [ "tituloSerie" => "The Journal of the Acoustical Society of America" "fecha" => "2013" "volumen" => "134" "numero" => "3" "paginaInicial" => "2171" "paginaFinal" => "2181" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/23967947" "web" => "Medline" ] ] ] ] ] ] ] ] 31 => array:3 [ "identificador" => "bib0160" "etiqueta" => "Sapir et al., 2010" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Formant centralization ratio (FCR) as an acoustic index of dysarthric vowel articulation: Comparison with vowel space area in Parkinson disease and healthy aging, Journal of Speech" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:4 [ 0 => "S. Sapir" 1 => "L. Ramig" 2 => "J. Spielman" 3 => "C. Fox" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1044/1092-4388(2009/08-0184" "Revista" => array:6 [ "tituloSerie" => "Language, and Hearing Research" "fecha" => "2010" "volumen" => "53" "numero" => "1" "paginaInicial" => "114" "paginaFinal" => "125" ] ] ] ] ] ] 32 => array:3 [ "identificador" => "bib0165" "etiqueta" => "Sapir et al., 2007" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "E?ects of intensive voice treatment (the Lee Silverman Voice Treatment [LSVT]) on vowel articulation in dysarthric individuals with idiopathic Parkinson disease: acoustic and perceptual findings" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:5 [ 0 => "S. Sapir" 1 => "J. Spielman" 2 => "L. Ramig" 3 => "B. Story" 4 => "C. Fox" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1044/1092-4388(2007/064)" "Revista" => array:4 [ "tituloSerie" => "J Speech Lang Hear Res" "fecha" => "2007" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/16787904" "web" => "Medline" ] ] "itemHostRev" => array:3 [ "pii" => "S1474442213703089" "estado" => "S300" "issn" => "14744422" ] ] ] ] ] ] ] 33 => array:3 [ "identificador" => "bib0170" "etiqueta" => "Tjaden y Watling, 2003" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Characteristics of diadochokinesis in multiple sclerosis and Par-kinson's disease" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:2 [ 0 => "K. Tjaden" 1 => "E. Watling" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1159/000072155" "Revista" => array:7 [ "tituloSerie" => "Folia Phoniatrica et Logopaedica" "fecha" => "2003" "volumen" => "55" "numero" => "5" "paginaInicial" => "241" "paginaFinal" => "259" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/12931058" "web" => "Medline" ] ] ] ] ] ] ] ] 34 => array:3 [ "identificador" => "bib0175" "etiqueta" => "Vásquez-Correa et al., 2019" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Phonet: A Tool Based on Gated Recurrent Neural Networks to Extract Phonological Posteriors from Speech" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:4 [ 0 => "J. Vásquez-Correa" 1 => "P. Klumpp" 2 => "J. Orozco-Arroyave" 3 => "E. Nöth" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.21437/Interspeech.2019-1405" "Revista" => array:4 [ "tituloSerie" => "INTERSPEECH" "fecha" => "2019" "paginaInicial" => "549" "paginaFinal" => "553" ] ] ] ] ] ] 35 => array:3 [ "identificador" => "bib0180" "etiqueta" => "Vásquez-Correa et al., 2017" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Convolutional Neural Network to Mo-del Articulation Impairments in Patients with Parkinson's Disease" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:3 [ 0 => "J. Vásquez-Correa" 1 => "J. Orozco-Arroyave" 2 => "E. Nöth" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.21437/Interspeech.2017-1078" "Revista" => array:4 [ "tituloSerie" => "INTERSPEECH" "fecha" => "2017" "paginaInicial" => "314" "paginaFinal" => "318" ] ] ] ] ] ] 36 => array:3 [ "identificador" => "bib0185" "etiqueta" => "Wong, 2015" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Performance evaluation of classification algorithms by k-fold and leave-one-out cross validation" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:1 [ 0 => "T. Wong" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/j.patcog.2015.03.009" "Revista" => array:6 [ "tituloSerie" => "Pattern Recognition" "fecha" => "2015" "volumen" => "48" "numero" => "9" "paginaInicial" => "2839" "paginaFinal" => "2846" ] ] ] ] ] ] 37 => array:3 [ "identificador" => "bib0191" "etiqueta" => "Yu y Deng, 2016" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Automatic speech recognition" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:2 [ 0 => "D. Yu" 1 => "L. Deng" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1007/978-1-4471-5779-3" "Revista" => array:2 [ "tituloSerie" => "Springer" "fecha" => "2016" ] ] ] ] ] ] ] ] ] ] ] "idiomaDefecto" => "es" "url" => "/02144603/0000004200000004/v1_202210230632/S0214460322000365/v1_202210230632/es/main.assets" "Apartado" => array:4 [ "identificador" => "7595" "tipo" => "SECCION" "es" => array:2 [ "titulo" => "Originales" "idiomaDefecto" => true ] "idiomaDefecto" => "es" ] "PDF" => "https://static.elsevier.es/multimedia/02144603/0000004200000004/v1_202210230632/S0214460322000365/v1_202210230632/es/main.pdf?idApp=UINPBA00004N&text.app=https://www.elsevier.es/" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0214460322000365?idApp=UINPBA00004N" ]
