Vocero | Transcripción |
| Karishma Yadáv | Hola. |
| Yi Ying TAN | Hola. |
| Karishma Yadáv | Lo sentimos, no podemos escucharte casarte. |
| Yi Ying TAN | Yo, lo siento. |
| Karishma Yadáv | Sí, puedo oírte. |
| Larry LaRusso | Ahora imagino que esto funciona. |
| Karishma Yadáv | Sí, funciona. |
| Larry LaRusso | Está bien, genial. |
| Lo siento, es interesante. |
| Por alguna razón, mi computadora portátil Mike no me recoge fuera de JMP. |
| Tengo que seguir moviendo JMP de un lado a otro, pero sé que cada vez que alguien lo dice, no puedo escuchar. |
| ¿Ustedes lo están haciendo? |
| Karishma Yadáv | Estamos bien. |
| Larry LaRusso | Me gusta tu cuerpo, ¿es Krishna? Eso es lo que estás diciendo. |
| Karishma Yadáv | Sí, es escocés. |
| Larry LaRusso | MMA irlandés agradable. |
| Lo reconozco. |
| Bueno. |
| Larry LaRusso | Y luego es como dices. |
| Yi Ying TAN | Sí, sí. |
| Larry LaRusso | Impresionante, bueno sí, gracias a ambos por hacer esto. |
| Ciertamente apreciamos que te hayas tomado el tiempo para grabar la charla y realmente estoy aquí solo para ayudar con el aspecto de producción. |
| Si te fijas en la esquina superior izquierda, probablemente verás que estamos grabando automáticamente, solo queremos asegurarnos de que ambos estén de acuerdo con eso. Sí. |
| Karishma Yadáv | Sí, está bien. |
| Larry LaRusso | Excelente y así es. |
| Nuestra intención, obviamente, es poner esto como parte de la conferencia de descubrimiento y lo vamos a poner en nuestras páginas comunitarias en community.com. |
| De esta manera, esto seguirá vigente más allá de la conferencia, la gente podrá acceder a eso y a todo, ¿se sienten cómodos con eso también? |
| Karishma Yadáv | Sí, bueno. |
| Larry LaRusso | Impresionante. Muchas gracias, esas son las dos preguntas legales. |
| Y, y tus fondos se ven excelentes, solo quiero asegurarme de que no haya ninguna infracción de logotipo ni nada, todo se ve genial allí, ¿has grabado para nosotros antes?, ¿es esta la primera vez que haces la cumbre de descubrimiento? |
| Karishma Yadáv | Sí, esta es la primera vez. |
| Bueno. |
| Larry LaRusso | Bueno, entonces te avisaré cuando llegue el momento de que se vayan. Probablemente sea nuevo en el mío. |
| auriculares y luego eliminar mi video siempre y cuando estés hablando y yo no, no debería aparecer en la pantalla, pero si lo hago, entonces no hay posibilidad de que él aparezca por error, así que cuando sea el momento de que nos vayamos, voy a moverme y apagar mi video. |
| Y se sentirá como si estuvieras hablando contigo mismo, pero yo estoy escuchando y asegurándome de que todo esté bien, que el video se vea bien y que todo en la diapositiva esté bien. |
| Por alguna razón, grabé más de una docena de estos, probablemente si, por alguna razón, algo falla. |
| Simplemente voy a activar el silencio y decir, oye, necesito que paren, vamos a tener que volver a grabar o lo que sea, pero no anticipo que eso suceda, así que solo marca, ya sabes, "sigue adelante" y habla desde el principio hasta el final. |
| Si alguno de ustedes siente algo como "Dios mío, lo arruiné por completo, eso no es lo que quería decir", simplemente nos detenemos y decimos "oye, voy a empezar de nuevo y hacerlo de nuevo, oh sí". |
| Deberías hacer eso. |
| Yi Ying TAN | Bueno. |
| Larry LaRusso | Pero, pero te animo a que no te preocupes por gente como tú, la intención aquí es ser bastante casual con esto y no necesita ser perfecto. |
| Yo diría, como dije, lo único de lo que me preocuparía es si dijeras, espera un segundo, lo hago en el lado del evento o dijiste algo mal y te das cuenta de que tenemos la capacidad de simplemente decir que voy a comenzar de nuevo y está bien, pero, pero como dije. |
| La gente que nos mira va a ser muy, muy indulgente. Es una... es una... es una llamada de Zoom. No me preocuparía por eso, algo terrible. |
| Yi Ying TAN | Son las 30 de la tarde en Singapur, ya sabes, como tu plan es hacerlo más de lo que deberías. |
| Una vez. |
| Larry LaRusso | La otra cosa es. |
| Si me pudieran dar señales verbales para no saber cuál de ustedes va a empezar primero, pero si simplemente lo dicen. |
| Gracias por acompañarme, bienvenido a nuestra charla o algo así, porque de alguna manera me da un punto de partida para asegurarme de que... Bueno, sé que ella... |
| Quiere empezar aquí mismo, y luego al final si me lo permites, gracias por acompañarme si tienes alguna pregunta, por favor. |
| Siéntete libre de escribirlos en el chat o algo así, porque habrá una página creada que tendrá comentarios en la parte inferior. |
| O si solo quieres terminar con un agradecimiento por unirte a mí, sabes que no sé si la información de contacto o simplemente algo que me puedas dar como punto de inicio y punto final del audio para que podamos cortar ese video y asegurarnos de que se vea. |
| Y luego lo último que diré y luego realmente les dejaré a ustedes hacer la presentación. |
| Estamos grabando tres versiones diferentes de esto. |
| Uno con solo la diapositiva para que el control deslizante ocupe la totalidad de la pantalla, el otro contigo hablando así, probablemente como me estás viendo ahora, solo estoy tomando un pequeño extranjero, y luego la mosca ocupa el 80% de la pantalla. |
| Y luego el tercero es. |
| Eres tú en pantalla completa, solo el orador y lo hacemos porque la mayor parte del tiempo tendrás tu diapositiva y a ti. |
| Pero si te quedas en una diapositiva por más de un par de minutos solo para variar, podríamos fracasar, solo en tu imagen, ya sabes, como si hubieras hablado por 20 segundos y luego hubieras retrocedido. |
| Así que tenemos tres versiones diferentes y algunas son realmente buenas. |
| Los productores entrarán y tomarán algunas decisiones creativas sobre cómo mostrarlo, así que solo debes saber que puede ser un JMP de ida y vuelta, casi como un programa de televisión, y a veces hablarás con la diapositiva y luego con algo más la mayor parte del tiempo. |
| Karishma Yadáv | Bueno, suena bien, sí. |
| Larry LaRusso | Bueno, ¿tienes alguna otra pregunta? |
| Yi Ying TAN | sí. |
| Karishma Yadáv | Entonces si tenemos que hacer una nueva toma. |
| Por casualidad, entonces se reanudará o tendremos que empezar desde cero, todo el tiempo. |
| Larry LaRusso | Entonces, ya sabes, podríamos tener una grabación de 40 minutos si solo tienes una charla de 20 minutos y está bien, quiero decir, si sabes lo fácil que es simplemente cortar, cortar el primer minuto, así que por alguna razón, y de nuevo yo. |
| No seas demasiado duro contigo mismo, pero si sientes que no, realmente quiero reiniciar, solo Larry, voy a comenzar de nuevo y luego diré... |
| Bienvenidos a mi charla, ya saben, y luego sabremos que la primera versión se deshará de él, así que no vamos a tener que reiniciar, solo vamos a trabajar hasta que colguemos. |
| Nosotros haremos el picado. |
| Yi Ying TAN | Está bien. |
| Larry LaRusso | Gracias, déjame solo no tengo nada más, quiero asegurarme de ti. |
| Tu sonido suena genial, los fondos se ven increíbles. |
| Creo que estamos listos para comenzar, así que voy a pasarles la palabra y nuevamente estaré escuchando todo el tiempo, así que si tienen alguna pregunta o necesitan detenerse o algo, háganmelo saber; de lo contrario, disfruten la charla, lo haré. |
| Hablaré con ustedes cuando hayan terminado. |
| Yi Ying TAN | Gracias. |
| Así que podemos empezar en cualquier momento. |
| Larry LaRusso | Bien, sí, simplemente comienza. Si quieres tomarte un segundo, prepárate. Parece que tus diapositivas ya están disponibles. Cuando estés listo, di gracias por unirte a mí y listo. |
| Yi Ying TAN | y |
| Larry LaRusso | Voy a silenciarme y apagar mi video. |
| Gracias. |
| Yi Ying TAN | Buenos días. En primer lugar, me gustaría agradecer al comité por preseleccionar nuestro proyecto. Es un gran honor participar en JMP Discovery Summit. |
| Antes de comenzar con la presentación o presentar a nuestro equipo, quiero decirles que somos del programa de maestría en negocios de la SMU. Soy Yi y hoy me acompañan Karishma y Sue-Ann. |
| Tin Seong Kam es nuestro profesor. No nos acompañará hoy porque tiene otros compromisos. Como puede ver en esta portada, |
| En este proyecto estudiamos el uso del análisis de clases latentes para identificar subclases de depresión utilizando JMP Pro. Durante la presentación podemos utilizar la forma abreviada de LCA para referirnos al análisis de clases latentes. |
| Bueno. |
| Para brindarle más información sobre nuestro proyecto, nos centraremos en la depresión, una enfermedad mental que se está volviendo cada vez más común entre adolescentes y adultos de todas las edades. Según la OMS, |
| Según la Organización Mundial de la Salud, la depresión es la principal causa de discapacidad en todo el mundo y contribuye en gran medida a la carga global de enfermedad. |
| La capacidad de obtener un diagnóstico preciso de la gravedad de la depresión siempre ha sido el principal obstáculo en el cuidado de los pacientes deprimidos. |
| Existe un cuestionario que se utiliza comúnmente para ayudar a diagnosticar la depresión y determinar su gravedad. |
| Se llama PHQ, cuestionario de salud pública. |
| Es un instrumento de nueve preguntas que es... |
| que contiene estas preguntas. La primera es que tienes poco interés en hacer cosas; la segunda es que te sientes deprimido o sin esperanza. |
| La tercera pregunta es: ¿tienes problemas para dormir o duermes demasiado? La cuarta pregunta es: ¿te sientes cansado o con poca energía? |
| La quinta pregunta sería: ¿tienes poco apetito o comes en exceso? Y las siguientes preguntas también son: ¿te sientes mal contigo mismo? |
| ¿Tienes problemas para concentrarte en las cosas? Y la octava pregunta sería: ¿te mueves o hablas lentamente o te mueves o hablas demasiado rápido? La última pregunta que hemos incluido en nuestro... en nuestro proyecto es: |
| ¿Tienes pensamientos suicidas? |
| A, B, C, D. A la derecha, ya sabes, hay una tabla allí, y puedes ver, como en la forma en que lees esta tabla, que A y B tienen la misma puntuación de 10 aquí, |
| Y las severidades se consideran moderadas. C y D, por otro lado, tienen la misma puntuación de 20 y se consideran severamente deprimidas según el PHQ-9. |
| Entonces, el entrevistador les preguntará con qué frecuencia experimentaron el síntoma, en una escala de cero a tres. Como puede ver, como ya sabe, la respuesta en esta tabla es principalmente 0, 1, 2 y 3. |
| Cero significa que no presentan ningún síntoma y tres es el más frecuente, casi todos los días. La puntuación total se obtiene sumando las respuestas de las nueve preguntas, que van de cero a 27. |
| Ahora, si profundizamos en los resultados de C y D aquí, |
| Se puede ver que ambos tienen una puntuación de 20, pero los síntomas que experimentan son bastante diferentes. Por ejemplo, C a menudo se siente mal consigo mismo, |
| Aquí, como sabes, pero lo siento, estoy señalando más a la derecha diferente, pero D nunca sintió eso. |
| Y C rara vez tiene pensamientos suicidas, pero D los experimenta casi todos los días. La pregunta que tenemos aquí es: |
| ¿Estos síntomas tienen la misma contribución al diagnóstico de depresión? Desde un punto de vista clínico, se ha evaluado que el PHQ-9 es un instrumento válido para medir la gravedad de la depresión. Sin embargo, nuestro equipo opinó que el popular... este cuestionario de uso popular |
| Cinco categorías de gravedad de la depresión basadas en la suma de las respuestas |
| Es demasiado subjetivo. |
| Por lo tanto, el propósito de nuestro proyecto es demostrar... descubrir cómo se puede utilizar el análisis de clases latentes de JMP para proporcionar un análisis basado en datos y |
| Enfoque objetivo para determinar las clases de gravedad de la depresión. Los resultados del análisis revelan que el ACV mejora nuestra comprensión de las características de las clases de depresión mejor que los métodos convencionales de cinco categorías. |
| Entonces, utilizando el mismo conjunto de nueve preguntas tomadas del conjunto de datos del cuestionario de la encuesta nacional de examen de salud y nutrición de 2017 a 2018, utilizamos el ACV para clasificar a 5000 encuestados. |
| en clases de gravedad de la depresión. Luego comparamos eso con los resultados del PHQ-9 que utilizan una mera suma de respuestas... |
| Variables de respuesta para llegar a los niveles de gravedad de la depresión. Esta comparación de clases revelará las diferencias en la gravedad de las clases de depresión entre los dos métodos. |
| Sí, déjame entrar en más detalles en la siguiente diapositiva. |
| Así es como preparamos los datos por primera vez: primero descargamos el conjunto de datos disponibles públicamente de la encuesta nacional de examen de salud y nutrición para los años que acabo de mencionar, de 2017 a 2018. |
| Utilizamos únicamente los datos de estos años para mantener la calidad de los datos, porque nos preocupaba un poco que hubiera una diferencia en la forma en que los encuestados dan una respuesta en diferentes períodos de tiempo. Por eso, después ordenamos los datos en JMP Pro. |
| Usamos JMP Pro 16. En el conjunto de datos, originalmente hay un total de 10 columnas: respuestas ??? |
| Pero notamos que la pregunta final es como una pregunta de consolidación. Pregunta qué tan difícil le han resultado estos problemas para hacer su trabajo, ocuparse de las cosas en casa o llevarse bien con la gente. Entonces, debido a la naturaleza de |
| Al ser una cuestión de consolidación, la hemos excluido de nuestro trabajo. |
| Después de eso, realizamos algunos pasos de limpieza y preparación de datos, como verificar si hay valores faltantes y cambiar el nombre de algunas de las columnas para reflejar mejor las variables para el análisis latente. |
| La puntuación del PHQ-9 también se tabuló en una nueva columna y se recodificó en cinco categorías de gravedad de la depresión: ninguna, leve, moderada, moderadamente grave y grave. Con eso, finalmente ejecutamos el análisis de clase latente e interpretamos los resultados. |
| A continuación, le explicaré los pasos detallados del análisis que realizamos. En primer lugar, utilizamos JMP Pro 16 para ejecutar el análisis de ciclo de vida y agrupar en grupos a las personas entrevistadas con patrones distintos. |
| Y la forma en que elegimos el modelo de agrupamiento se basa en los valores BIC y AIC de estos modelos. |
| A partir de los informes del modelo, evaluamos los tamaños del efecto de las respectivas variables para identificar la separación entre clases latentes. |
| Y como eso indica la precisión de la categorización de los individuos en diferentes clases latentes... correctas, también observamos los valores logarítmicos para determinar la influencia de cada variable en el modelo. |
| A continuación, realizamos un análisis de tabla de contingencia para comparar las clases de LCA con las cinco categorías de gravedad de la depresión derivadas utilizando los métodos tradicionales PHQ-9. |
| Nuestra hipótesis es que el cuestionario PHQ-9, que se utiliza popularmente y se basa en la suma de las respuestas que mencioné, es demasiado subjetivo, ya que no considera la ponderación estadística de las variables individuales. La comparación con los resultados del ACV se completa con |
| métodos estadísticos, que nos permiten examinar mejor la validez de los resultados. |
| Con esto, le cederé la palabra a Karishma para que nos cuente más sobre los hallazgos y conclusiones. |
| Ahora es tu turno, Karishma. |
| Estás muda, Karishma. |
| Karishma Yadáv | Oh, lo siento. |
| Gracias, Yi. Hola a todos. Soy Karishma Yadav y les contaré nuestra presentación. |
| Sabemos que es importante que los investigadores en el campo de la salud mental puedan identificar subgrupos de individuos. |
| dentro de la población general, que tienen patrones similares de síntomas o fortalezas de salud mental, por lo que estos grupos pueden estudiarse más a fondo para investigar cuestiones como qué clases de salud mental prevalecen comúnmente, |
| y qué resultados futuros predicen y si las clases de salud mental cambian con el tiempo. Además, identificar estos subgrupos es importante para los profesionales. |
| ... en el campo para tratar y prevenir casos de salud mental. Por lo tanto, un método cada vez más popular para identificar subgrupos es el análisis de clases latentes, que es... que se abreviará como LCA |
| A partir de ahora, en la presentación. El ACV es un método de modelado de mezcla de variables latentes de corte transversal. Como todos los métodos de modelado de mezcla de variables latentes, el ACV tiene como objetivo encontrar la heterogeneidad dentro de la población. |
| Para ello, analiza los patrones de comportamiento de los individuos, como los indicadores de salud mental, y encuentra tipos comunes, llamados clases. De modo que cada individuo se asigna de manera probabilística a una clase. |
| que se calcula utilizando la fórmula que se muestra. Y los resultados son subgrupos de individuos que son más similares entre sí y más diferentes de los de otras clases. Siguiente diapositiva. |
| Así es como construimos el modelo LCA en JMP Pro 16. Como mencionó anteriormente Yi, en los pasos de preprocesamiento creamos |
| Variables del PHQ-9 sumando las nueve variables de entrada, las preguntas que se formulan en el cuestionario PHQ-9 y luego la puntuación del PHQ-9, que va de cero a 27, se utiliza para llegar a cinco clases. |
| Las clases se basan en puntos de corte, que los médicos clínicos utilizan con frecuencia en muchos diagnósticos médicos. Por lo tanto, las clases mencionadas por Yi anteriormente son: |
| Ninguna, leve, moderada, moderadamente grave y grave. Por lo tanto, después del procesamiento previo, decidimos construir un modelo en JMP Pro seleccionando LCA como método de análisis de agrupamiento y luego elegimos las nueve preguntas del cuestionario latente PHQ-9. |
| como las características de entrada que se muestran aquí. Por lo tanto, ejecutamos el modelo LCA para grupos, que van desde tres a 15 para encontrar el modelo que mejor se ajuste. |
| Siguiente diapositiva. |
| Este es el resultado del análisis de ciclo de vida. Los últimos modelos de clase se estiman de forma iterativa, agregando clases potenciales para determinar qué modelo se ajusta mejor a los datos. Por lo tanto, juzgar el mejor ajuste puede requerir mucha consideración. |
| Incluyendo criterios de información. Aquí hemos utilizado criterios de información. |
| Como podemos ver, el grupo cinco nos brinda el BIC más bajo, el criterio de información bayesiano. También intentamos ejecutar el modelo sobre un número mayor de grupos, pero el AIC siguió cambiando con el aumento del número de clases, por lo que elegimos el BIC como el tamaño de grupo óptimo. |
| Por lo tanto, los individuos se dividieron en cinco clases, según las respuestas del cuestionario. Diapositiva siguiente. |
| Así que estos son los gráficos que muestran la distribución de individuos en cada una de las clases y la proporción de respuestas en cada variable. |
| También muestra las probabilidades de respuesta de cada una de las nueve variables en cada una de las clases. Por lo tanto, se puede ver que en el grupo uno, |
| Todas las variables no tienen en absoluto como respuesta predominante, y este es el riesgo más bajo. |
| En el grupo dos, hay una proporción reducida de nada como variable de respuesta y |
| Aumento de la proporción de varios días como respuesta. El grupo tres ha aumentado la proporción de varios días y más de la mitad de los días como respuesta, y los grupos cuatro y cinco han aumentado aún más las proporciones de estas respuestas de alta frecuencia. Siguiente. |
| ninguna, leve, moderada, moderadamente severa y severa. |
| Como podemos ver, la clase uno tiene un tamaño de aproximadamente el 48% y los individuos de esta clase no experimentan ningún síntoma depresivo, o no responden en absoluto a ninguna de las nueve variables. Este grupo de individuos no tiene riesgo de sufrir depresión. |
| La clase dos presenta síntomas leves, con un tamaño de aproximadamente el 24%. |
| Individuos... los individuos de esta clase tienen dos características predominantes enumeradas aquí, que son dificultad para dormir o dormir demasiado. |
| varios días a la semana, sintiéndose cansado o con poca energía varios días a la semana. Y las personas en la clase tres |
| Tienen síntomas moderados y el tamaño de la clase es de aproximadamente el 11 %; el 70 % de ellos respondió que se sienten cansados o con poca energía varios días a la semana. También experimentaron una mayor gravedad de los síntomas enumerados en la clase dos. |
| Además, también experimentaron otros síntomas, como no tener interés en hacer cosas, sentirse deprimido, desanimado y sin esperanza. |
| La clase cuatro tiene un tamaño de 10,44% y este grupo de individuos tiene una gravedad aún mayor de síntomas depresivos, por lo que experimentan aproximadamente siete de cada nueve síntomas depresivos. |
| Con bastante frecuencia. Luego tenemos la clase cinco, con un tamaño de clase de aproximadamente el 6 %. Experimentaron los nueve síntomas y la gravedad es |
| Muy alta. La experimentan todos los días, o más de la mitad de los días. Diapositiva siguiente. |
| Estos son los tamaños del efecto de las nueve variables y el valor logarítmico. Como puede ver, los tamaños del efecto son valores entre cero y uno. |
| y los tamaños de efecto más altos indican una mayor probabilidad de que los individuos sean clasificados con precisión en una clase latente. |
| Por lo tanto, la mayoría de las variables de entrada tienen tamaños de efecto superiores al 75% y el valor logarítmico, por otro lado, es la efectividad de las variables para predecir los grupos. |
| Cuanto mayor sea el valor logarítmico, más fuerte será la variable en el modelo. Los resultados indican que no todas las variables comparten los mismos valores logarítmicos. |
| Esto confirma nuestra sospecha de que las variables podrían no contribuir de igual manera al diagnóstico y que la suma de las puntuaciones del PHQ-9 solo será precisa y confiable si cada variable tiene el mismo nivel de influencia en el modelo. A continuación, |
| Así que finalmente, |
| Esta es la tabla de contingencia. Como podemos ver, |
| síntomas depresivos derivados de la |
| La sumatoria y la tabla de contingencia del PHQ-9 llegaron a las clases que derivamos usando |
| Los análisis de clases letales son bastante diferentes. |
| El valor P es aproximadamente |
| .001, |
| Lo que indica que no hay error de muestreo. Hicimos esto para justificar que los resultados serán consistentes si muestreamos unas 1000 veces, 1000 muestras diferentes, solo una de ellas tendrá un resultado diferente a este. |
| Próximo. |
| Por lo tanto, finalmente, concluimos que los niveles de gravedad de la depresión derivados mediante modelos de agrupamiento estadístico como el LCA proporcionarán una evaluación más precisa de la gravedad de la depresión. |
| en comparación con los derivados mediante la mera suma de las respuestas del PHQ-9. |
| Es necesario realizar más estudios para determinar la ponderación de las respectivas variables para fortalecer el modelo PHQ-9 que ha demostrado ser más confiable y eficiente. Esto es importante |
| porque subestima la gravedad de la depresión de los individuos y el porcentaje de la población con depresión |
| La depresión supone riesgos importantes para la sociedad. Sin un método de diagnóstico preciso, resulta difícil determinar los recursos adecuados necesarios para prevenirla y tratarla. |
| Eso es todo por nuestra presentación. Las preguntas son bienvenidas en el cuadro de comentarios que puedes ver debajo del video. Gracias. |
| Larry LaRusso | Excelente. |
| Impresionante. Muchas gracias. |
| Estoy muy contento con ello, quiero decir, pensé que sonaba genial, tus diapositivas son increíbles. |
| Karishma Yadáv | Gracias. |
| Larry LaRusso | Sí, todo va bien según tu opinión. No veo ningún problema y, en realidad, fue una charla muy interesante. |
| Estaba muy interesado en no tanto como ustedes, en lo técnico, en cuanto a qué palos tienen para ir, pero. |
| Estoy seguro que será de bolsillo. |
| Karishma Yadáv | Gracias. |
| sí. |
| Larry LaRusso | Bueno, duerme un poco. |
| Karishma Yadáv | sí. |
| Larry LaRusso | Ya se acercan las 11, pero um. |
| Muchas gracias, y nuevamente les avisaremos si hay algún problema o lo que sea, y si pueden, muchachos. |
| Recibo un enlace que puedo compartir con personas externas. Se lo enviaré a todos, si solo quieren mirarlo y ver cómo se ve, pero solo será la P sin procesar, por lo que tendrá todas nuestras cosas del frontend y todas estas cosas del backend, pero. |
| Si solo tienes curiosidad, te lo enviaré solo por tu interés y luego debes saber que lo produciremos, ya sabes, y lo haremos, ya sabes, interactivo y se verá bien antes porque. |
| Está bien, está bien. |
| Sí, sí, que tengas un gran día y una gran noche, sea cual sea el caso, y gracias de nuevo por acompañarme. |
| Karishma Yadáv | Gracias. |
| Larry LaRusso | Bueno, un gusto conocerlos a todos, cuídense. |
| Karishma Yadáv | Gracias, lo mismo digo, buenas noches y buenas. |
| Buenos días para ti. |
| Larry LaRusso | adiós. |
| Hola. |
