Replication attempt

README.md

apt.txt

jags

data.csv

id;cohort;condition_alcohol;age;weight;height;gender_female;education;other_education;occupation;other_occupations;study_course;other_courses;semesters;audit_score;abstinence;exclusion_abstinence;pure_alcohol;vodka;tonic_water;estimated_alcohol_content;exclusion_estimated_alcohol_content;bac_t0;bac_t1;bac_t2;bac_t3;bac_t4;peak_bac_time;peak_bac_value;distractor_correct;distractor_incorrect;distractor_slow;communication;exclusion_communication;thoughts_word_pairs;exclusion_rehearsal;immediate_cued_recall_wp1;immediate_cued_recall_wp2;immediate_cued_recall_wp3;immediate_cued_recall_wp4;immediate_cued_recall_wp5;immediate_cued_recall_wp6;immediate_cued_recall_wp7;immediate_cued_recall_wp8;immediate_cued_recall_wp9;immediate_cued_recall_wp10;immediate_cued_recall_wp11;immediate_cued_recall_wp12;immediate_cued_recall_wp13;immediate_cued_recall_wp14;immediate_cued_recall_wp15;immediate_cued_recall_wp16;immediate_cued_recall_wp17;immediate_cued_recall_wp18;immediate_cued_recall_wp19;immediate_cued_recall_wp20;immediate_cued_recall_wp21;immediate_cued_recall_wp22;immediate_cued_recall_wp23;immediate_cued_recall_wp24;immediate_cued_recall_wp25;immediate_cued_recall_wp26;immediate_cued_recall_wp27;immediate_cued_recall_wp28;immediate_cued_recall_wp29;immediate_cued_recall_wp30;immediate_cued_recall_wp31;immediate_cued_recall_wp32;immediate_cued_recall_wp33;immediate_cued_recall_wp34;immediate_cued_recall_wp35;immediate_cued_recall_wp36;immediate_cued_recall_wp37;immediate_cued_recall_wp38;immediate_cued_recall_wp39;immediate_cued_recall_wp40;immediate_cued_recall_score;exclusion_immediate_cued_recall_score;final_cued_recall_wp1;final_cued_recall_wp2;final_cued_recall_wp3;final_cued_recall_wp4;final_cued_recall_wp5;final_cued_recall_wp6;final_cued_recall_wp7;final_cued_recall_wp8;final_cued_recall_wp9;final_cued_recall_wp10;final_cued_recall_wp11;final_cued_recall_wp12;final_cued_recall_wp13;final_cued_recall_wp14;final_cued_recall_wp15;final_cued_recall_wp16;final_cued_recall_wp17;final_cued_recall_wp18;final_cued_recall_wp19;final_cued_recall_wp20;final_cued_recall_wp21;final_cued_recall_wp22;final_cued_recall_wp23;final_cued_recall_wp24;final_cued_recall_wp25;final_cued_recall_wp26;final_cued_recall_wp27;final_cued_recall_wp28;final_cued_recall_wp29;final_cued_recall_wp30;final_cued_recall_wp31;final_cued_recall_wp32;final_cued_recall_wp33;final_cued_recall_wp34;final_cued_recall_wp35;final_cued_recall_wp36;final_cued_recall_wp37;final_cued_recall_wp38;final_cued_recall_wp39;final_cued_recall_wp40;final_cued_recall_score;cued_recall_difference_score;free_recall_w1a;free_recall_w1b;free_recall_w2a;free_recall_w2b;free_recall_w3a;free_recall_w3b;free_recall_w4a;free_recall_w4b;free_recall_w5a;free_recall_w5b;free_recall_w6a;free_recall_w6b;free_recall_w7a;free_recall_w7b;free_recall_w8a;free_recall_w8b;free_recall_w9a;free_recall_w9b;free_recall_w10a;free_recall_w10b;free_recall_w11a;free_recall_w11b;free_recall_w12a;free_recall_w12b;free_recall_w13a;free_recall_w13b;free_recall_w14a;free_recall_w14b;free_recall_w15a;free_recall_w15b;free_recall_w16a;free_recall_w16b;free_recall_w17a;free_recall_w17b;free_recall_w18a;free_recall_w18b;free_recall_w19a;free_recall_w19b;free_recall_w20a;free_recall_w20b;free_recall_w21a;free_recall_w21b;free_recall_w22a;free_recall_w22b;free_recall_w23a;free_recall_w23b;free_recall_w24a;free_recall_w24b;free_recall_w25a;free_recall_w25b;free_recall_w26a;free_recall_w26b;free_recall_w27a;free_recall_w27b;free_recall_w28a;free_recall_w28b;free_recall_w29a;free_recall_w29b;free_recall_w30a;free_recall_w30b;free_recall_w31a;free_recall_w31b;free_recall_w32a;free_recall_w32b;free_recall_w33a;free_recall_w33b;free_recall_w34a;free_recall_w34b;free_recall_w35a;free_recall_w35b;free_recall_w36a;free_recall_w36b;free_recall_w37a;free_recall_w37b;free_recall_w38a;free_recall_w38b;free_recall_w39a;free_recall_w39b;free_recall_w40a;free_recall_w40b;free_recall_single_words;free_recall_wp1;free_recall_wp2;free_recall_wp3;free_recall_wp4;free_recall_wp5;free_recall_wp6;free_recall_wp7;free_recall_wp8;free_recall_wp9;free_recall_wp10;free_recall_wp11;free_recall_wp12;free_recall_wp13;free_recall_wp14;free_recall_wp15;free_recall_wp16;free_recall_wp17;free_recall_wp18;free_recall_wp19;free_recall_wp20;free_recall_wp21;free_recall_wp22;free_recall_wp23;free_recall_wp24;free_recall_wp25;free_recall_wp26;free_recall_wp27;free_recall_wp28;free_recall_wp29;free_recall_wp30;free_recall_wp31;free_recall_wp32;free_recall_wp33;free_recall_wp34;free_recall_wp35;free_recall_wp36;free_recall_wp37;free_recall_wp38;free_recall_wp39;free_recall_wp40;free_recall_complete_pairs;emr_category_wp1;emr_category_wp2;emr_category_wp3;emr_category_wp4;emr_category_wp5;emr_category_wp6;emr_category_wp7;emr_category_wp8;emr_category_wp9;emr_category_wp10;emr_category_wp11;emr_category_wp12;emr_category_wp13;emr_category_wp14;emr_category_wp15;emr_category_wp16;emr_category_wp17;emr_category_wp18;emr_category_wp19;emr_category_wp20;emr_category_wp21;emr_category_wp22;emr_category_wp23;emr_category_wp24;emr_category_wp25;emr_category_wp26;emr_category_wp27;emr_category_wp28;emr_category_wp29;emr_category_wp30;emr_category_wp31;emr_category_wp32;emr_category_wp33;emr_category_wp34;emr_category_wp35;emr_category_wp36;emr_category_wp37;emr_category_wp38;emr_category_wp39;emr_category_wp40;frequency_e1;frequency_e2;frequency_e3;frequency_e4;frequency_e5;frequency_e6;frequency_e7;frequency_e8;frequency_e9;frequency_e10;frequency_e11;frequency_e12
101;1;0;22;XXXXX;XXXXX;1;5;NA;3;XXXXX;5;XXXXX;XXXXX;5;1;0;0;0;306;1;0;0;0;0;0;0;0;0;14;1;0;0;0;1;0;0;1;1;0;1;1;1;0;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;0;36;1;0;1;1;0;1;1;1;0;1;1;1;0;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;0;35;1;0;0;1;1;0;1;0;0;0;0;1;1;1;1;0;0;0;0;0;0;0;0;0;0;1;1;0;0;1;1;1;1;1;1;1;1;0;1;0;0;1;1;0;0;1;1;1;1;1;1;1;1;1;1;0;0;0;0;1;1;0;0;0;0;1;1;1;1;1;1;1;1;1;1;1;1;0;0;1;0;45;0;2;1;0;0;2;2;0;0;0;0;0;2;0;2;2;2;2;1;0;2;0;2;2;2;2;2;0;0;2;0;0;2;2;2;2;2;2;0;1;21;12;1;2;12;3;1;1;12;3;3;3;6;1;3;1;1;1;1;2;3;1;3;1;1;1;1;1;3;3;1;3;3;1;1;1;1;1;1;3;11;21;2;12;0;0;1;0;0;0;0;1;3
102;1;1;23;XXXXX;XXXXX;0;5;NA;3;XXXXX;1;XXXXX;XXXXX;5;1;0;47;118;354;6;0;0;0.55;0.44;0.39;0;t1;0.55;13;2;0;0;0;1;0;1;1;1;1;1;1;1;0;1;0;0;1;1;1;1;0;0;1;1;1;1;1;0;0;1;0;1;0;1;1;1;1;0;1;0;1;1;0;1;0;27;0;0;1;1;1;1;0;1;1;1;0;0;1;1;1;1;0;0;1;1;1;1;1;0;1;1;0;1;0;1;1;1;1;0;1;0;0;1;0;1;0;26;1;0;0;0;0;0;0;1;1;1;1;0;0;0;0;1;1;1;1;0;0;1;0;1;1;1;1;1;1;0;0;0;0;1;1;0;0;0;0;1;1;0;1;0;0;0;0;1;1;1;1;0;0;1;1;1;0;1;1;0;1;1;1;0;0;0;1;1;1;0;0;0;1;0;0;0;0;1;1;0;0;38;0;0;0;2;2;0;0;2;2;0;1;2;2;2;0;0;2;0;0;2;1;0;0;2;2;0;2;1;2;1;2;0;1;2;0;1;0;0;2;0;16;6;3;3;1;1;6;3;7;1;12;11;1;1;1;3;12;10;3;3;1;2;3;12;7;1;12;1;11;1;2;1;3;11;1;12;5;3;12;1;12;13;2;9;0;1;2;2;0;0;1;3;7
103;1;1;22;XXXXX;XXXXX;1;6;NA;7;XXXXX;NA;XXXXX;XXXXX;3;1;0;31;77;230;7;0;0;0.39;0.33;0.29;0;t1;0.39;7;8;0;0;0;1;0;0;0;0;1;1;0;1;0;0;1;1;1;0;1;0;0;0;1;1;0;0;0;0;0;1;0;1;0;0;0;0;0;0;1;1;0;1;0;1;1;16;0;0;0;0;0;1;0;1;0;0;1;1;1;0;1;0;0;0;1;1;0;0;0;0;0;1;0;1;0;0;0;0;0;0;1;1;0;1;0;1;1;15;1;0;0;0;0;0;0;0;0;0;0;0;0;1;1;0;0;0;0;1;1;1;1;1;1;0;0;0;0;0;0;0;0;1;0;1;1;1;1;0;0;1;0;0;0;0;0;0;0;1;1;0;0;1;1;0;0;0;0;1;0;0;0;0;0;0;0;1;1;1;1;0;0;1;1;0;0;1;1;1;1;29;0;0;0;0;0;0;2;0;0;2;2;2;0;0;0;0;1;2;2;0;1;0;0;0;2;0;2;0;0;1;0;0;0;2;2;0;2;0;2;2;13;12;12;12;6;3;12;1;12;12;1;1;1;12;3;12;12;11;1;1;12;11;12;12;12;1;12;1;12;12;11;12;12;12;1;1;12;1;12;1;1;13;0;2;0;0;1;0;0;0;0;3;21
104;2;1;21;XXXXX;XXXXX;1;5;NA;3;XXXXX;5;XXXXX;XXXXX;4;1;0;30;75;226;16;0;0;0.46;0.41;0.29;0;t1;0.46;13;2;0;0;0;1;0;1;0;0;0;0;0;0;0;0;1;0;0;0;0;1;0;0;1;0;0;1;0;0;0;1;0;1;0;0;1;0;0;0;1;0;0;0;1;1;0;11;1;1;0;0;0;0;0;0;0;0;1;0;0;0;0;0;0;0;1;0;1;0;0;0;0;1;0;1;0;0;1;0;0;0;1;0;0;0;1;1;0;10;1;1;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;0;0;1;1;1;0;0;0;0;0;0;0;1;1;0;0;1;1;0;0;0;0;0;0;0;0;0;0;1;0;1;1;0;0;0;0;0;0;0;0;1;1;0;0;18;2;0;0;0;0;0;0;0;0;2;0;0;0;0;0;0;0;2;0;2;1;0;0;0;2;0;2;0;0;0;0;0;1;2;0;0;0;0;2;0;8;1;12;12;12;12;12;12;12;12;1;12;12;12;12;6;12;12;1;12;7;5;12;12;12;1;12;1;12;12;3;12;12;11;1;12;12;12;3;1;12;7;0;2;0;1;1;1;0;0;0;1;27
105;2;0;20;XXXXX;XXXXX;1;5;NA;3;XXXXX;5;XXXXX;XXXXX;4;1;0;0;0;306;1;0;0;0;0;0;0;0;0;13;2;0;0;0;0;0;1;0;0;0;1;1;1;1;1;1;1;1;0;1;1;0;1;1;1;1;0;0;1;0;1;1;1;1;1;0;1;0;0;1;1;1;1;1;0;1;28;0;1;0;0;0;0;1;1;0;1;1;1;1;0;1;0;0;1;1;1;1;0;0;1;0;1;1;1;1;1;0;1;0;0;1;1;1;1;1;0;1;25;3;1;1;0;0;0;0;1;0;0;0;1;1;1;1;1;1;1;1;1;1;0;0;0;0;0;0;0;0;0;1;0;0;0;0;1;1;1;1;1;1;1;0;0;0;0;0;0;0;1;1;1;1;1;1;1;1;1;1;1;0;1;1;0;0;1;0;1;1;0;1;0;0;0;1;1;1;0;0;1;1;43;2;0;0;1;0;2;2;2;2;2;0;0;0;0;1;0;0;2;2;2;1;0;0;0;2;2;2;2;2;1;2;0;1;2;1;0;1;2;0;2;18;1;12;12;11;6;1;1;4;1;1;3;3;12;3;5;12;3;1;1;1;11;12;3;12;1;1;1;1;1;11;1;12;11;1;2;3;2;1;12;1;17;2;6;1;1;1;0;0;0;0;4;8
106;3;0;22;XXXXX;XXXXX;0;5;NA;3;XXXXX;3;XXXXX;XXXXX;7;1;0;0;0;478;14;0;0;0;0;0;0;0;0;11;2;2;0;0;1;0;1;1;1;1;1;0;0;0;1;0;1;1;1;1;0;0;0;1;1;1;1;0;1;0;1;1;1;0;1;1;0;0;0;1;1;0;1;0;1;1;25;0;0;1;1;1;1;0;0;0;1;0;1;1;1;1;0;0;0;1;1;1;0;0;1;0;1;1;1;0;1;1;0;0;0;1;1;0;1;0;1;1;23;2;1;1;0;0;1;1;0;0;0;0;0;0;0;0;1;0;0;0;1;0;0;0;0;0;1;1;0;0;0;0;1;0;0;0;1;1;1;1;0;0;0;0;0;0;0;0;1;0;0;0;1;1;0;0;0;0;1;1;1;1;0;0;0;0;1;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;23;2;0;2;0;0;0;0;1;0;1;0;0;2;0;0;1;0;2;2;0;0;0;0;1;0;2;0;0;2;2;0;0;1;0;0;0;0;0;0;2;9;4;3;1;3;3;12;12;11;3;11;3;3;1;3;12;11;12;1;1;3;6;12;3;11;3;1;3;12;1;1;12;12;11;3;3;12;3;12;3;1;8;0;15;1;0;1;0;0;0;0;5;10
107;3;0;18;XXXXX;XXXXX;0;5;NA;8;XXXXX;NA;XXXXX;XXXXX;3;1;0;0;0;413;3;0;0;0;0;0;0;0;0;7;8;0;0;0;0;0;1;1;1;0;1;0;0;0;0;1;1;0;0;1;1;0;1;1;0;0;0;0;1;1;1;0;1;1;1;1;0;0;0;0;1;0;1;1;1;1;22;0;1;1;0;0;1;0;0;0;0;1;0;0;0;0;1;0;1;1;0;0;0;0;1;1;1;0;1;1;1;1;0;0;0;0;1;0;1;1;0;1;18;4;0;1;0;0;0;1;0;0;1;1;0;0;0;0;0;0;0;0;0;0;1;0;0;0;0;1;0;0;0;0;0;0;1;1;1;1;0;0;0;0;0;0;0;0;0;0;0;1;1;1;0;0;0;0;1;1;0;0;1;1;0;0;0;0;0;0;0;0;0;1;0;0;0;0;0;1;0;0;1;1;21;1;0;1;0;2;0;0;0;0;0;1;0;1;0;0;0;2;2;0;0;0;0;0;1;2;0;0;2;0;2;0;0;0;0;1;0;0;1;0;2;7;2;3;5;12;1;12;12;12;12;3;5;12;11;6;3;12;1;1;12;12;12;12;3;2;1;12;3;1;3;1;12;12;12;12;2;12;3;2;6;1;7;4;7;0;2;2;0;0;0;0;1;17
108;4;1;22;XXXXX;XXXXX;1;6;NA;3;XXXXX;1;XXXXX;XXXXX;6;1;0;32;79;237;13;0;0;0.37;0.31;0.22;0;t1;0.37;14;0;1;0;0;0;0;0;0;0;1;0;0;0;0;0;1;0;1;0;0;0;0;0;1;1;0;1;1;0;0;0;0;1;0;0;0;1;0;0;0;0;0;0;0;0;0;9;1;0;0;0;0;0;0;0;0;0;0;0;1;0;0;0;0;0;0;0;0;0;1;0;0;0;0;1;0;0;0;0;0;0;0;0;0;0;0;0;0;3;6;0;0;0;0;0;0;0;1;0;0;0;0;1;0;0;0;0;0;1;0;0;0;1;1;0;0;0;0;0;0;0;0;1;0;0;0;0;0;0;0;1;1;0;1;0;0;0;0;0;0;0;0;1;1;1;0;0;0;0;0;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;13;0;0;0;1;0;0;1;0;0;1;0;2;0;0;0;0;1;0;0;0;2;1;0;0;0;0;2;1;0;0;1;0;0;0;0;0;0;0;0;0;3;12;12;12;5;12;12;11;12;12;5;12;1;12;12;12;12;11;6;6;12;4;2;12;12;12;12;1;11;12;12;5;12;12;12;12;12;12;12;12;12;2;1;0;1;3;2;0;0;0;0;3;28
109;4;0;20;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;5;1;0;0;0;357;9;0;0;0;0;0;0;0;0;13;2;0;0;0;1;0;1;1;1;1;1;0;1;0;0;1;1;0;1;1;0;0;0;1;1;0;1;1;1;0;1;0;1;0;1;1;0;1;0;1;1;0;0;0;1;1;24;0;1;1;1;1;1;0;1;0;0;1;0;0;1;1;0;0;0;1;1;0;1;1;1;0;1;0;1;0;1;1;0;1;0;1;1;0;0;0;1;1;23;1;1;1;1;1;0;0;1;1;0;0;0;0;1;1;0;0;0;0;0;0;0;0;0;0;0;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;0;0;0;0;0;0;0;0;0;0;1;1;0;0;1;1;1;1;1;0;0;0;0;0;0;1;0;0;0;0;0;0;0;0;1;1;0;0;21;2;2;0;2;0;0;2;0;0;0;0;0;1;0;0;0;0;0;0;0;2;0;0;0;0;0;2;0;2;2;1;0;0;1;0;0;0;0;2;0;9;1;1;3;1;3;12;1;12;12;3;6;12;2;3;12;12;12;3;3;12;1;3;3;12;3;12;1;12;1;1;11;3;12;2;3;12;12;12;1;3;9;2;12;0;0;1;0;0;0;0;1;15
110;4;1;19;XXXXX;XXXXX;1;5;NA;3;XXXXX;2;XXXXX;XXXXX;7;1;0;30;74;222;12;0;0;0.22;0.21;0.15;0;t1;0.22;14;1;0;0;0;0;0;0;0;1;0;1;0;1;0;1;0;0;1;0;0;1;0;0;1;1;0;0;1;0;1;0;1;1;0;1;0;0;0;1;1;1;0;0;1;1;1;19;0;0;0;0;0;1;0;1;0;1;0;0;1;0;0;1;0;0;1;1;0;0;0;0;0;0;1;0;0;1;0;0;0;1;1;1;0;0;1;1;1;15;4;0;0;0;0;1;1;0;0;1;1;0;0;0;0;0;0;1;1;0;0;0;0;0;0;0;0;0;0;0;1;0;0;0;0;1;1;1;1;1;0;1;0;0;1;0;0;0;0;0;0;0;0;1;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;0;0;0;0;0;1;0;0;0;0;0;1;19;0;0;2;0;2;0;0;0;2;0;0;0;0;0;1;0;0;2;2;1;1;1;0;0;0;0;1;0;0;0;0;0;0;2;0;0;1;0;0;1;6;12;12;4;12;1;12;3;12;1;12;12;3;12;12;2;12;12;1;1;11;11;5;12;6;12;3;5;12;3;12;12;12;3;1;3;12;11;3;3;2;5;2;8;1;2;1;0;0;0;0;3;18
111;4;1;24;XXXXX;XXXXX;1;6;NA;3;XXXXX;4;XXXXX;XXXXX;4;1;0;35;88;264;1;0;0;0.47;0.45;0.38;0;t1;0.47;12;2;1;2;1;1;0;1;0;0;1;0;0;0;0;0;1;0;1;0;0;0;0;0;1;0;0;0;1;0;0;0;0;0;0;1;0;1;0;1;1;1;0;1;0;1;1;14;0;0;0;0;1;0;0;0;0;0;1;0;1;0;0;0;0;0;1;0;0;0;1;0;0;0;0;0;0;1;0;1;0;1;1;1;0;0;0;1;1;12;2;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;0;1;1;0;0;1;1;0;0;0;0;0;0;0;0;1;0;0;0;0;0;0;0;1;0;0;0;0;0;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;1;1;0;1;0;0;0;0;0;0;1;1;1;1;17;0;0;0;0;0;0;0;0;1;2;0;2;0;0;0;0;1;0;0;0;1;0;0;1;0;0;0;0;0;0;0;0;2;2;1;0;0;0;2;2;6;6;12;12;3;12;12;12;12;11;1;12;1;12;12;12;12;11;3;12;12;11;3;12;11;12;12;12;12;3;12;3;12;1;1;2;12;6;12;1;1;6;1;5;0;0;2;0;0;0;0;4;22
112;5;0;19;XXXXX;XXXXX;0;5;NA;3;XXXXX;1;XXXXX;XXXXX;5;1;0;0;0;543;4;0;0;0;0;0;0;0;0;12;3;0;2;1;1;0;1;1;1;1;1;0;1;0;1;1;1;0;1;0;1;1;1;1;1;0;1;1;0;1;1;0;1;0;0;1;1;1;0;1;1;1;1;1;1;1;30;0;0;1;1;1;1;0;1;0;1;1;1;0;1;0;1;1;1;1;1;0;0;1;0;1;1;0;1;0;0;1;1;1;0;1;1;0;1;1;1;1;27;3;0;0;0;0;0;0;0;0;1;1;0;0;1;1;1;0;1;1;1;1;0;0;0;0;0;0;0;0;0;0;1;1;1;1;0;0;1;1;0;0;1;1;0;0;0;0;1;1;1;1;0;0;0;0;1;0;0;0;0;0;0;0;0;0;1;0;0;0;0;0;1;1;1;1;1;1;1;1;0;0;31;0;0;0;0;2;0;2;1;2;2;0;0;0;0;0;2;2;0;2;0;2;0;0;2;2;0;0;1;0;0;0;0;1;0;0;2;2;2;2;0;14;6;3;3;3;1;12;1;11;1;1;3;12;3;12;3;1;1;3;1;12;4;3;12;1;1;12;3;11;12;3;3;3;11;3;3;4;1;1;1;3;12;0;15;2;0;1;0;0;0;0;3;7
113;5;1;20;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;4;1;0;33;83;249;12;0;0;0.47;0.35;0.26;0;t1;0.47;9;4;2;0;0;0;0;1;1;1;1;1;0;1;0;1;1;1;0;1;0;0;0;0;1;0;1;1;0;0;0;1;0;0;1;1;0;0;1;0;1;1;1;1;0;1;0;22;0;0;0;1;0;1;0;1;0;1;1;1;0;1;0;0;0;0;1;0;1;0;0;0;0;1;0;1;1;1;0;0;1;0;1;1;1;1;0;1;0;19;3;0;0;0;0;1;1;0;0;1;1;0;0;0;0;0;0;0;1;0;0;0;0;0;0;1;1;1;0;0;0;0;0;0;0;1;1;0;0;1;1;1;1;1;0;0;0;0;0;1;1;0;0;1;1;0;0;1;1;1;0;0;0;0;0;1;0;1;1;0;0;1;1;1;1;0;0;0;0;0;1;30;0;0;2;0;2;0;0;0;1;0;0;0;2;1;0;0;0;2;0;2;2;1;0;0;2;0;2;0;2;1;0;0;1;2;0;2;2;0;0;1;12;6;6;1;6;1;12;3;12;2;3;3;12;1;11;12;12;12;1;12;1;4;11;12;12;1;12;7;3;1;11;12;3;11;1;3;1;1;12;3;11;10;1;7;1;0;3;1;0;0;0;5;12
114;5;0;18;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;5;1;0;0;0;347;0;1;0;0;0;0;0;0;0;9;4;2;0;0;0;0;0;0;1;1;1;1;1;0;1;1;0;1;0;0;1;1;0;1;0;1;0;1;1;1;1;0;1;0;0;0;1;1;1;0;1;0;0;0;1;1;23;0;0;0;1;1;1;1;1;0;1;1;0;1;0;0;1;1;0;1;0;1;0;1;1;1;1;0;1;0;0;0;1;1;1;1;1;0;0;0;1;1;24;-1;0;0;1;0;0;0;0;0;0;0;0;0;1;1;1;0;0;1;0;0;1;0;0;1;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;1;0;0;1;1;0;0;0;0;0;0;0;0;0;0;1;1;0;0;1;1;1;1;0;0;0;0;0;0;0;0;1;1;1;1;23;0;1;0;0;0;0;2;1;1;0;1;1;1;0;0;0;0;0;0;0;0;1;2;0;2;0;0;0;0;0;2;0;2;2;0;0;0;0;2;2;8;12;11;3;3;3;3;1;11;2;3;11;2;11;12;3;3;12;3;12;3;12;2;1;3;1;12;3;12;12;12;1;3;1;7;3;12;12;12;1;1;7;3;13;0;0;0;1;0;0;0;4;12
115;5;1;19;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;7;1;0;31;77;230;6;0;0;0.42;0.35;0.26;0;t1;0.42;11;4;0;2;1;0;0;1;0;1;1;1;0;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;0;1;0;1;1;1;0;1;1;1;1;1;0;1;1;34;1;1;0;1;1;1;0;1;1;1;1;1;0;1;1;1;1;1;1;1;1;1;1;1;1;1;0;1;0;1;1;1;0;1;1;1;1;1;0;1;1;33;1;1;1;1;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;0;0;0;0;1;0;0;1;0;0;1;1;1;0;1;1;1;1;1;1;1;1;1;1;1;1;0;0;0;0;1;1;0;0;1;1;1;0;0;0;1;1;0;0;0;0;0;0;0;0;1;1;0;0;0;0;0;0;0;0;1;1;33;2;1;0;0;0;0;0;0;2;0;0;1;1;0;2;1;2;2;2;2;2;2;0;0;2;0;2;1;0;2;0;0;0;0;2;0;0;0;0;2;14;1;11;3;3;3;12;3;3;1;3;3;5;2;3;1;2;1;1;1;1;1;1;3;3;1;12;1;11;3;1;3;12;3;3;1;3;3;12;3;1;14;2;17;0;1;0;0;0;0;0;2;4
116;5;0;19;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;6;1;0;0;0;332;5;0;0;0;0;0;0;0;0;12;3;0;2;1;0;0;0;0;1;0;1;0;0;0;1;1;1;1;1;0;0;1;0;1;1;1;1;0;1;0;1;0;1;1;1;0;1;1;0;0;1;0;0;1;1;0;22;0;0;0;1;0;1;0;0;0;1;1;1;1;1;0;0;1;0;1;1;1;1;0;1;0;1;0;1;0;1;0;1;1;0;0;1;0;0;1;1;0;21;1;1;0;0;0;1;1;1;0;1;1;0;0;0;0;0;0;1;1;0;0;1;1;1;1;1;1;1;0;0;0;0;1;0;0;1;1;1;1;1;1;1;1;1;0;0;0;0;0;1;1;0;0;1;1;0;0;1;1;1;0;1;1;1;1;0;0;0;0;0;0;0;0;0;0;1;1;1;1;0;0;40;1;0;2;1;2;0;0;0;2;0;2;2;2;1;0;1;0;2;2;2;2;1;0;0;2;0;2;0;2;1;2;2;0;0;0;0;0;2;2;0;17;11;12;1;11;1;12;12;12;1;3;1;1;1;11;12;2;12;1;1;1;1;11;3;12;1;12;1;6;1;11;1;1;12;12;3;12;12;1;1;12;17;1;3;0;0;1;0;0;0;0;5;13
117;5;1;19;XXXXX;XXXXX;0;5;NA;3;XXXXX;1;XXXXX;XXXXX;7;1;0;53;133;398;4;0;0;0.47;0.36;0.3;0;t1;0.47;14;1;0;2;1;1;0;0;0;1;1;1;1;0;1;0;1;1;0;1;0;1;1;1;1;1;1;0;0;1;1;1;0;1;0;1;0;0;0;0;0;1;0;1;0;0;1;22;0;0;0;1;1;1;1;0;1;0;1;0;0;1;0;1;1;0;1;0;1;0;0;1;0;1;0;1;0;1;0;1;0;0;0;1;0;1;0;0;0;18;4;0;0;0;0;0;0;0;0;1;1;0;0;0;0;1;1;0;0;0;0;1;0;0;0;0;1;0;0;1;1;0;0;0;0;1;1;0;0;0;0;0;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;0;1;1;1;0;0;0;0;0;0;0;0;0;16;0;0;0;0;2;0;0;2;0;0;1;0;1;0;2;0;0;2;0;0;1;0;0;0;0;0;0;0;0;0;0;0;1;1;2;1;0;0;0;0;5;12;12;3;3;1;3;12;1;12;3;5;12;2;12;1;3;6;1;6;3;11;12;3;6;3;12;3;12;3;12;9;12;11;11;1;11;3;12;12;6;5;1;11;0;1;4;0;0;1;0;4;13
119;5;0;20;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;6;1;0;0;0;332;1;0;0;0;0;0;0;0;0;13;2;0;0;0;0;0;0;0;1;1;1;0;1;0;1;1;1;1;1;0;0;1;0;1;1;1;1;1;0;1;1;1;1;1;1;1;0;1;0;1;1;1;1;0;1;1;29;0;0;0;1;1;1;0;1;0;1;1;1;1;1;0;0;1;0;1;1;1;1;1;0;1;1;1;1;1;1;1;0;1;0;1;1;1;0;0;1;1;28;1;0;0;1;1;1;1;1;1;0;0;0;0;1;1;1;0;1;1;0;0;0;0;0;0;1;1;0;0;0;0;1;1;1;0;1;1;0;0;0;0;1;1;0;1;0;0;0;0;1;1;1;1;1;1;0;0;1;1;0;0;0;0;0;0;1;0;1;1;0;0;1;1;0;1;0;0;0;0;1;1;37;0;2;2;2;0;0;2;1;2;0;0;0;2;0;0;2;1;2;0;0;2;1;0;0;2;2;2;0;2;0;0;0;1;2;0;2;1;0;0;2;16;12;10;1;1;3;12;1;11;1;3;3;3;1;12;12;1;11;1;3;3;1;2;12;3;1;1;1;3;1;3;12;3;11;1;3;1;5;12;3;1;15;1;12;0;1;0;0;0;0;1;3;7
120;6;1;20;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;5;1;0;26;65;195;13;0;0;0.49;0.36;0.31;0;t1;0.49;12;3;0;2;1;0;0;0;0;1;1;1;1;1;1;1;0;1;1;1;0;0;0;1;1;0;1;1;0;0;0;1;0;1;1;0;0;1;0;0;1;1;0;1;0;1;1;23;0;0;0;1;1;1;1;1;0;1;0;1;1;1;0;0;0;1;1;0;1;1;0;0;0;1;0;1;1;0;0;1;0;0;1;1;0;1;0;1;1;22;1;0;0;0;0;1;1;0;0;0;0;1;1;1;1;1;1;1;1;1;0;1;1;0;0;0;0;0;0;1;0;1;0;0;0;0;0;0;0;1;1;0;0;1;0;0;0;1;0;1;1;1;0;1;1;1;1;0;0;0;0;0;0;1;0;1;0;0;0;1;1;1;0;1;1;0;0;0;1;1;1;36;0;0;2;0;0;2;2;2;2;1;2;0;0;0;1;1;0;0;0;2;0;1;0;1;2;1;2;2;0;0;0;1;1;0;2;1;2;0;1;2;13;12;12;1;3;3;1;1;4;1;11;1;3;3;12;11;11;3;3;12;1;3;11;12;11;1;11;1;1;12;12;3;11;11;3;1;11;1;12;2;1;12;1;9;1;0;0;0;0;0;0;9;8
121;6;0;20;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;5;1;0;0;0;306;0;1;0;0;0;0;0;0;0;6;8;1;2;1;0;0;1;0;0;1;1;0;0;0;0;1;0;1;0;0;0;0;1;1;1;1;1;0;0;0;0;0;0;0;1;0;1;0;0;0;0;0;1;0;0;1;14;0;1;0;0;1;1;0;0;0;0;1;0;1;0;0;0;0;1;1;1;1;1;0;0;0;0;0;0;1;1;0;1;0;0;0;0;0;1;0;0;1;15;-1;1;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;0;0;0;0;0;0;0;0;0;0;0;0;1;1;1;1;1;1;1;1;0;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;16;2;0;0;0;0;0;0;0;0;2;0;0;0;0;0;0;2;2;2;2;1;0;0;0;0;0;0;0;2;0;0;0;0;0;0;0;0;0;0;1;7;1;12;12;3;3;12;12;12;12;1;12;3;12;12;12;12;1;1;1;1;2;12;12;12;12;12;12;9;1;12;3;12;12;12;12;12;3;12;12;2;7;2;5;0;0;0;0;0;1;0;0;25
122;6;1;20;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;5;1;0;34;84;252;10;0;0;0.48;0.4;0.32;0;t1;0.48;8;5;2;2;1;0;0;1;1;1;0;1;0;1;0;1;1;1;1;1;0;1;0;1;1;0;1;0;0;0;0;1;0;1;1;1;1;0;1;0;1;1;0;1;1;1;1;26;0;1;0;1;0;1;0;1;0;1;1;1;1;1;0;0;0;1;1;0;1;0;0;0;0;1;0;1;1;1;1;0;1;0;1;1;0;1;1;0;0;22;4;0;0;0;0;0;0;0;0;0;0;0;0;1;1;0;0;1;1;0;0;0;0;1;1;1;1;0;0;0;0;0;0;1;1;0;0;0;0;1;1;0;0;0;0;0;0;0;0;1;1;0;0;0;0;0;0;0;0;0;0;0;0;1;1;0;0;0;0;0;1;0;0;0;0;1;1;0;0;0;0;19;0;0;0;0;0;0;2;0;2;0;0;2;2;0;0;0;2;0;0;2;0;0;0;0;2;0;0;0;0;0;0;2;0;0;1;0;0;2;0;0;9;3;6;3;12;3;12;1;12;1;3;3;1;1;12;6;12;1;3;12;1;12;12;12;12;1;12;3;3;3;3;12;1;12;3;2;12;3;1;6;6;9;1;12;0;0;4;0;0;0;0;0;14
123;6;0;20;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;4;1;0;0;0;332;2;0;0;0;0;0;0;0;0;14;1;0;2;1;0;0;1;0;1;0;1;1;0;0;1;1;0;0;0;1;0;0;1;1;0;1;0;1;0;0;0;1;1;0;1;1;1;0;1;1;1;0;1;0;1;0;21;0;1;0;1;0;1;1;0;0;1;1;0;0;0;0;0;0;1;1;0;1;0;0;0;0;0;0;1;0;0;1;1;0;1;1;1;0;1;0;1;0;17;4;0;0;0;0;0;1;1;0;0;1;0;0;0;0;0;0;1;1;0;0;1;0;0;0;0;0;0;0;0;0;0;0;1;1;0;0;0;0;0;1;0;0;0;0;1;0;0;0;0;0;0;0;1;1;0;0;0;1;1;1;0;0;1;0;1;1;1;1;0;0;0;0;0;0;1;0;0;1;0;0;22;0;0;1;1;1;0;0;0;2;0;1;0;0;0;0;0;2;0;0;1;0;0;1;0;0;0;2;0;1;2;0;1;2;2;0;0;0;1;1;0;6;3;12;2;11;2;3;12;12;1;3;11;12;12;6;12;12;1;3;12;2;12;6;11;12;12;6;1;12;5;1;3;11;1;1;3;12;3;11;2;12;6;4;7;0;1;3;0;0;0;0;5;14
124;6;1;21;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;7;1;0;32;79;237;15;0;0;0.37;0.35;0.24;0;t1;0.37;12;2;1;2;1;0;0;1;1;1;1;1;1;1;1;0;1;0;1;1;0;1;1;0;1;1;1;0;1;0;1;0;1;1;1;1;1;0;1;1;1;1;0;0;1;1;1;30;0;1;1;1;1;1;0;1;1;0;1;0;1;1;0;1;1;1;1;1;1;0;0;0;1;0;1;1;1;1;1;0;1;1;1;1;0;0;1;1;1;29;1;1;1;0;0;0;0;0;0;1;1;0;0;0;0;0;0;0;0;0;0;1;0;1;1;1;1;1;0;0;0;1;1;1;1;0;0;1;1;0;0;1;0;1;0;0;0;1;1;1;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;1;1;1;1;1;1;0;0;1;0;1;1;0;0;1;1;34;2;0;0;0;2;0;0;0;0;0;1;2;2;1;0;2;2;0;2;0;1;1;0;2;1;0;0;0;0;0;0;2;2;2;2;0;1;2;0;2;14;1;3;3;3;1;6;3;3;12;3;11;1;1;11;3;1;7;3;1;3;11;5;12;1;11;3;3;3;3;3;12;1;1;1;1;12;11;1;3;1;13;0;15;0;1;1;1;0;0;0;5;4
126;6;0;25;XXXXX;XXXXX;0;5;NA;3;XXXXX;3;XXXXX;XXXXX;6;1;0;0;0;448;6;0;0;0;0;0;0;0;0;10;5;0;2;1;0;0;0;1;1;1;0;1;0;0;0;1;1;1;0;0;0;1;0;1;1;1;0;0;1;0;1;0;1;0;1;1;0;0;0;0;1;0;1;1;0;1;20;0;0;1;1;1;0;1;0;0;0;1;1;1;0;0;0;1;0;1;0;1;0;0;1;0;0;0;1;0;1;1;0;0;0;0;1;0;1;1;0;0;17;3;0;0;0;0;1;1;0;0;0;0;1;1;0;0;1;0;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;1;0;0;0;0;0;0;0;0;1;1;0;0;1;0;0;0;0;0;0;0;0;1;0;0;0;0;0;0;0;0;1;0;1;1;0;0;0;0;0;1;0;0;0;0;17;0;0;2;0;0;2;0;1;1;0;0;0;0;0;0;0;1;2;0;0;0;0;2;0;1;0;0;0;1;0;0;0;0;1;2;0;0;1;0;0;5;12;3;1;3;12;1;12;11;11;3;3;3;12;12;12;3;11;1;6;3;12;12;1;12;5;12;3;12;2;3;12;12;12;11;1;12;3;2;12;6;5;2;10;0;1;2;0;0;0;0;4;16
127;6;0;25;XXXXX;XXXXX;1;6;NA;3;XXXXX;1;XXXXX;XXXXX;5;1;0;0;0;296;5;0;0;0;0;0;0;0;0;13;1;1;0;0;0;0;0;1;1;1;1;0;1;1;1;0;1;1;1;1;1;1;1;1;1;1;0;1;0;1;1;0;0;1;1;1;1;1;0;0;1;0;1;1;1;1;30;0;0;1;1;1;1;0;1;0;1;0;1;1;0;1;0;1;1;1;1;1;0;1;0;1;1;0;0;1;1;1;1;1;0;0;1;0;1;1;1;1;27;3;0;0;0;0;0;1;0;0;1;1;0;0;0;0;0;0;0;1;1;0;1;1;0;1;0;1;1;1;1;0;0;0;1;1;0;0;1;1;0;1;0;0;1;1;0;0;0;0;1;1;0;0;0;0;0;0;1;1;0;0;0;0;0;0;1;1;0;0;0;0;0;0;1;1;1;1;1;1;1;1;33;0;0;1;0;2;0;0;0;1;1;2;1;1;2;1;0;2;0;2;1;0;2;0;0;2;0;0;0;2;0;0;0;2;0;0;0;2;2;2;2;13;12;3;2;3;1;12;3;6;2;11;1;2;5;1;5;3;1;3;1;2;12;1;12;3;1;12;12;3;1;3;3;3;10;12;3;12;1;1;1;1;12;4;11;0;2;1;0;0;0;1;1;8
128;6;1;19;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;7;1;0;33;82;245;20;0;0;0.34;0.24;0.2;0;t1;0.34;14;0;1;2;1;0;0;0;0;0;0;0;1;1;0;0;0;0;0;1;0;0;0;0;1;1;0;1;0;0;0;1;0;0;1;1;1;1;0;0;0;1;0;0;1;0;0;13;0;0;0;0;0;0;1;1;0;0;0;0;0;1;0;0;0;0;1;1;0;1;0;0;0;1;0;0;1;1;1;1;0;0;0;1;0;0;1;0;0;13;0;0;0;0;0;1;0;0;0;1;0;1;1;1;1;1;0;0;1;0;0;1;0;0;0;1;1;1;0;1;0;0;0;1;0;1;1;1;1;0;0;1;1;1;0;1;0;1;0;1;1;1;1;1;0;1;1;1;1;1;1;0;0;0;0;0;0;0;0;0;0;1;0;0;1;1;1;0;0;0;0;38;0;0;1;0;1;2;2;1;1;0;1;0;2;1;1;0;1;2;2;0;2;1;1;1;2;2;1;2;2;2;0;0;0;0;0;1;1;2;0;0;12;12;12;11;12;11;1;1;11;11;12;11;12;1;11;11;12;11;1;1;12;1;11;11;11;1;10;11;1;1;1;3;12;12;12;3;11;11;1;12;12;11;0;2;0;0;0;0;0;0;1;14;12
129;6;0;19;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;7;1;0;0;0;306;16;0;0;0;0;0;0;0;0;12;2;1;2;1;0;0;0;1;1;1;0;0;1;1;0;1;1;1;1;1;0;0;1;1;1;1;0;1;1;1;1;1;1;1;0;1;1;1;1;1;1;1;1;1;1;1;32;0;0;1;1;1;1;0;1;1;0;1;1;1;1;1;0;0;1;1;1;1;0;1;1;1;1;1;1;1;0;1;1;1;1;1;1;1;1;1;1;1;33;-1;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;0;0;0;0;0;0;0;1;1;1;1;1;0;1;0;1;1;1;1;1;1;1;1;1;0;0;1;1;1;0;0;1;1;0;0;0;0;0;1;0;0;1;1;1;1;0;0;1;1;0;0;0;0;0;0;0;0;1;1;1;1;1;1;36;1;0;0;0;0;0;0;1;1;0;0;0;2;2;1;1;2;2;2;2;1;1;2;0;2;0;0;1;0;2;2;0;2;0;0;0;0;2;2;2;14;11;3;3;3;9;12;3;2;11;3;3;3;1;1;11;11;1;1;1;1;11;2;1;3;1;3;3;2;12;1;1;3;1;3;3;3;3;1;1;1;14;3;15;0;0;0;0;0;1;0;5;2
130;6;1;21;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;7;1;0;32;79;237;14;0;0;0.43;0.32;0.23;0;t1;0.43;12;3;0;0;0;0;0;0;1;1;1;1;0;0;0;1;0;0;0;1;1;0;0;1;1;1;1;0;1;1;1;1;1;1;0;0;0;0;0;0;0;1;1;1;0;1;0;21;0;0;1;1;1;1;0;0;0;1;0;0;0;1;1;0;0;0;1;1;0;0;1;1;0;1;1;1;0;0;0;0;0;0;0;1;1;1;0;0;0;17;4;0;0;0;0;0;0;0;0;1;1;0;0;0;0;1;0;1;1;0;0;1;0;0;0;1;1;0;0;0;0;0;0;0;0;1;1;1;1;0;1;0;0;0;0;1;1;0;0;1;1;0;0;1;1;1;0;0;0;1;0;1;0;0;0;1;0;0;0;1;1;0;0;0;0;0;0;0;1;0;0;26;0;0;0;0;2;0;0;1;2;0;1;0;2;0;0;0;0;2;2;1;0;0;2;0;2;0;2;1;0;1;1;0;1;0;2;0;0;0;1;0;9;12;3;3;3;1;12;12;11;1;12;11;12;1;3;12;12;6;1;1;5;12;3;1;6;1;3;1;11;12;11;11;12;11;12;1;3;3;12;5;12;9;0;8;0;2;2;0;0;0;0;6;13
131;7;0;20;XXXXX;XXXXX;0;5;NA;3;XXXXX;2;XXXXX;XXXXX;7;1;0;0;0;509;4;0;0;0;0;0;0;0;0;13;2;0;0;0;1;0;0;0;0;1;0;1;0;1;0;0;1;0;1;0;1;1;1;1;0;0;0;0;0;1;1;0;1;1;0;0;1;1;0;1;1;0;1;0;0;0;18;0;0;0;0;1;0;1;0;0;0;0;0;0;1;0;1;0;1;1;0;0;0;0;0;1;1;0;1;1;0;0;1;1;0;1;1;0;0;0;0;0;14;4;1;0;0;0;1;0;1;1;1;0;1;1;0;0;1;1;1;0;0;0;0;0;0;0;1;1;0;0;1;1;0;1;1;1;1;1;0;0;0;0;0;0;0;0;0;0;0;1;1;1;0;0;1;1;0;0;0;0;1;0;0;0;1;1;0;0;0;1;0;0;0;0;0;0;0;0;0;0;0;0;28;1;0;1;2;1;2;0;2;1;0;0;0;2;0;2;1;2;2;0;0;0;0;0;1;2;0;2;0;0;1;0;2;0;1;0;0;0;0;0;0;10;11;12;11;1;11;1;12;4;11;12;6;12;1;12;1;5;1;1;12;12;12;12;12;2;1;12;1;3;12;11;3;1;12;2;3;12;6;12;12;12;9;2;3;1;1;2;0;0;0;0;5;17
133;7;1;19;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;6;1;0;33;94;282;13;0;0;0.44;0.4;0.33;0;t1;0.44;12;2;1;0;0;2;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;40;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;40;0;0;1;1;1;1;1;0;0;1;1;0;0;0;0;0;1;1;1;0;0;1;1;0;0;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;0;0;0;0;1;1;1;1;1;1;0;0;0;0;1;1;1;1;0;0;1;1;1;1;1;1;0;1;1;1;1;1;1;1;1;1;1;1;57;1;2;2;0;2;0;0;1;2;0;2;0;2;2;2;2;2;2;2;2;2;0;0;2;2;2;0;0;2;2;0;2;2;2;1;2;2;2;2;2;27;2;1;1;3;1;3;3;2;1;3;1;3;1;1;1;1;1;1;1;1;1;3;3;1;1;1;3;3;1;1;3;1;1;1;2;1;1;1;1;1;27;3;10;0;0;0;0;0;0;0;0;0
134;7;0;18;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;3;1;0;0;0;405;1;0;0;0;0;0;0;0;0;14;1;0;0;0;0;0;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;0;1;1;1;1;1;0;0;0;1;1;1;1;1;0;1;1;1;1;1;1;1;1;1;1;35;1;0;1;1;1;1;1;1;1;1;1;1;1;1;0;1;0;1;1;1;1;1;0;0;0;1;1;1;1;1;0;1;0;0;0;1;1;0;1;1;1;29;6;0;0;0;0;1;1;0;0;1;1;0;0;0;0;1;1;0;1;0;0;1;1;0;0;1;1;0;0;1;1;0;0;0;0;0;0;0;0;0;0;1;1;0;0;0;0;0;0;1;1;1;1;1;1;0;0;0;0;1;0;1;1;0;0;0;0;0;0;0;0;0;1;0;1;0;0;1;1;1;1;30;0;0;2;0;2;0;0;2;1;0;2;0;2;0;2;0;0;0;0;0;2;0;0;0;2;2;2;0;0;1;2;0;0;0;0;1;1;0;2;2;13;6;3;1;3;1;3;3;1;2;3;1;3;1;6;1;12;3;3;3;3;1;12;12;12;1;1;1;3;3;11;1;6;6;6;3;2;5;3;1;1;13;2;14;0;1;5;0;0;0;0;1;4
135;7;0;18;XXXXX;XXXXX;0;5;NA;3;XXXXX;1;XXXXX;XXXXX;7;1;0;0;0;509;1;0;0;0;0;0;0;0;0;8;6;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;0;0;0;0;0;0;0;0;1;0;1;0;0;0;0;1;1;0;0;0;0;0;5;1;0;0;0;0;0;0;1;0;0;0;0;0;0;0;0;0;0;1;0;0;0;0;0;0;0;0;1;0;1;0;0;0;0;1;1;0;0;0;0;0;6;-1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;0;0;0;0;0;0;0;0;0;0;1;0;0;0;0;0;1;1;0;0;0;0;0;0;1;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;0;1;0;0;0;0;1;0;1;1;0;1;1;0;0;0;0;0;0;0;0;0;13;0;0;0;0;0;0;0;0;1;0;0;0;0;0;1;0;0;2;0;0;0;1;0;0;0;0;0;0;2;1;0;0;1;2;1;1;0;0;0;0;3;12;12;12;12;12;12;9;12;11;12;12;12;12;12;11;12;12;1;12;12;12;11;12;12;12;12;3;12;1;11;12;12;11;1;2;11;12;12;12;12;3;1;1;0;0;0;0;0;1;0;6;28
136;8;1;18;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;7;1;0;34;97;290;13;0;0;0.55;0.5;0.43;0;t1;0.55;14;0;1;0;0;0;0;0;1;1;0;1;1;1;0;0;1;1;0;0;0;0;0;1;1;0;1;0;0;0;1;1;1;1;1;1;1;1;0;0;1;1;0;0;1;0;0;21;0;0;1;1;0;1;0;1;0;0;1;1;0;0;0;0;0;1;1;0;1;0;0;0;1;1;0;1;1;1;1;1;0;0;1;1;0;0;0;0;0;18;3;0;0;1;1;0;0;0;0;0;0;0;0;1;1;0;0;0;0;1;1;1;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;0;0;0;0;0;0;0;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;0;1;0;0;1;0;0;1;1;16;0;2;0;0;0;0;2;0;0;2;2;0;0;0;0;0;0;0;0;0;0;0;0;2;0;0;0;1;0;0;0;0;0;0;0;1;1;1;0;2;6;12;1;3;12;3;6;1;12;12;1;1;12;12;12;12;12;3;3;12;3;12;12;12;1;3;6;3;2;3;3;3;12;12;3;3;11;11;5;12;10;5;1;12;0;1;2;0;0;0;1;2;16
137;8;0;21;XXXXX;XXXXX;0;5;NA;3;XXXXX;1;XXXXX;XXXXX;6;1;0;0;0;638;6;0;0;0;0;0;0;0;0;14;1;0;0;0;0;0;1;0;1;1;1;1;1;1;1;1;1;1;0;1;1;1;1;1;1;0;1;0;1;1;1;0;1;1;1;0;1;0;0;1;1;1;1;0;1;0;30;0;1;0;0;1;1;1;0;1;1;0;0;1;0;1;0;1;1;1;1;0;1;0;0;1;1;0;0;0;1;0;1;0;0;1;1;0;1;0;1;0;21;9;1;1;0;0;0;0;0;0;0;1;0;0;0;0;0;0;1;1;0;0;0;0;0;0;0;0;1;1;0;0;0;0;1;1;1;1;0;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;0;1;1;1;0;0;0;0;0;0;0;0;0;0;1;1;0;1;1;0;0;0;0;0;0;20;2;0;0;0;1;0;0;0;2;0;0;0;0;2;0;0;2;2;1;0;0;0;0;0;0;0;0;1;2;1;0;0;0;0;1;1;2;0;0;0;7;1;12;6;3;2;3;6;3;1;6;6;3;12;1;6;3;1;1;2;12;3;12;6;3;3;12;6;5;1;11;3;12;12;3;2;5;1;12;3;12;7;3;11;0;2;7;0;0;0;0;1;9
138;8;1;18;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;6;1;0;31;88;264;9;0;0;0.43;0.37;0.29;0;t1;0.43;13;2;0;0;0;1;0;1;0;0;0;1;1;1;0;0;0;0;1;0;1;0;1;0;0;0;1;0;0;0;1;1;0;1;0;0;0;0;0;0;1;1;0;0;0;1;1;15;0;0;0;0;0;1;0;1;0;0;0;0;1;0;1;0;1;0;0;0;1;0;0;0;1;1;0;0;0;0;0;0;0;0;0;1;0;0;0;1;1;11;4;0;0;0;0;0;0;0;0;1;1;0;0;1;1;0;0;1;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;0;0;0;0;0;0;1;1;0;0;0;0;0;0;1;1;1;1;0;0;0;1;0;0;0;0;0;0;0;0;0;0;1;0;1;1;0;0;1;0;0;1;0;0;0;0;1;1;21;0;0;0;0;2;0;2;0;1;0;0;0;0;0;0;2;0;0;0;2;0;0;0;2;2;0;1;0;0;0;0;0;1;2;0;1;1;0;0;2;8;6;12;12;12;1;6;1;12;11;12;12;3;12;3;12;1;12;12;12;1;12;12;12;1;1;12;5;12;12;12;12;12;11;4;3;11;11;12;3;1;7;0;4;1;1;2;0;0;0;0;4;21
139;8;1;18;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;3;1;0;32;91;273;14;0;0;0.37;0.31;0.24;0;t1;0.37;13;2;0;0;0;0;0;1;1;1;1;1;0;1;1;1;1;1;0;1;0;1;1;0;1;1;1;1;0;1;1;1;0;1;1;1;1;0;1;1;1;1;1;0;1;1;0;31;0;1;1;1;1;1;0;1;0;1;1;1;0;1;0;1;1;0;1;1;1;1;0;1;0;1;0;1;1;0;1;0;1;1;0;1;1;1;1;1;0;28;3;1;1;1;1;0;0;1;1;0;1;0;0;0;0;1;0;1;1;0;0;0;0;0;0;0;0;0;0;1;1;1;1;0;0;1;1;1;1;0;0;1;1;0;0;1;1;0;0;1;1;0;0;1;1;0;0;0;1;1;1;0;0;1;1;1;1;1;1;0;0;0;0;1;1;1;1;0;0;0;0;39;2;2;0;2;1;0;0;1;2;0;0;0;0;0;2;2;0;2;2;0;2;0;2;0;2;0;2;0;1;2;0;2;2;2;0;0;2;2;0;0;18;1;1;3;1;2;12;3;5;1;3;3;12;3;12;1;1;12;1;1;3;1;12;1;6;1;12;1;3;5;1;12;1;1;4;3;3;7;1;3;12;16;1;10;1;2;1;1;0;0;0;0;8
141;8;0;20;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;5;1;0;0;0;399;3;0;0;0;0;0;0;0;0;12;3;0;0;0;1;0;1;1;0;0;1;1;1;0;1;1;1;0;0;1;0;0;0;1;1;1;1;0;1;1;1;1;1;1;1;1;1;0;0;1;1;0;1;1;1;1;28;0;1;1;0;0;1;1;1;0;1;1;1;0;0;1;0;0;0;1;1;1;1;1;1;1;1;1;1;1;1;1;1;0;0;1;1;0;1;1;1;1;29;-1;0;0;0;0;0;0;0;0;0;0;0;0;1;1;1;0;1;1;0;0;1;1;0;0;0;0;0;0;1;0;1;0;1;0;1;1;1;1;0;0;1;1;0;0;0;0;1;1;1;1;0;0;0;0;1;1;0;0;1;1;1;1;1;0;0;0;0;0;0;1;0;0;1;1;0;0;1;1;1;1;34;0;0;0;0;0;0;2;1;2;0;2;0;0;0;1;1;1;2;2;0;2;0;0;2;2;0;0;2;0;2;2;1;0;0;1;0;2;0;2;2;14;3;3;12;12;3;3;1;11;1;3;1;12;12;3;11;11;11;1;1;3;1;9;3;1;1;3;3;1;3;1;1;11;12;3;2;12;1;3;1;1;14;1;13;0;0;0;0;0;1;0;5;6
142;8;1;23;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;7;1;0;36;104;312;18;0;0;0.53;0.47;0.42;0;t1;0.53;13;0;2;0;0;0;0;0;1;0;0;1;1;0;0;1;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;0;1;0;0;0;0;0;0;0;0;0;0;0;1;0;8;1;0;1;0;0;1;0;0;0;1;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;0;1;0;0;0;0;0;0;0;0;0;0;0;1;0;7;1;0;0;1;0;1;0;0;0;1;1;0;0;0;0;0;0;0;1;0;0;1;0;0;0;1;0;0;0;1;0;0;0;1;0;0;1;1;0;1;0;0;0;0;0;0;0;0;0;1;1;0;0;0;1;1;1;1;0;0;0;1;0;1;0;0;0;0;1;0;0;0;0;1;0;0;0;0;0;0;0;22;0;1;1;0;2;0;0;0;1;0;1;0;1;0;1;0;1;1;1;1;0;0;0;0;2;0;1;2;1;0;1;1;0;1;0;0;1;0;0;0;3;12;2;11;12;1;6;12;12;2;3;11;12;11;12;11;12;11;11;11;11;12;12;12;12;1;12;2;10;11;12;11;11;12;11;12;12;11;12;3;12;2;3;2;0;0;1;0;0;0;1;13;18
143;9;0;20;XXXXX;XXXXX;0;5;NA;3;XXXXX;2;XXXXX;XXXXX;6;0;1;0;0;489;10;0;0;0;0;0;0;0;0;11;3;1;0;0;0;0;0;0;1;1;1;0;0;1;1;1;0;1;0;1;0;0;0;1;1;1;0;1;1;0;0;0;1;1;0;1;1;0;0;0;1;1;1;1;0;1;22;0;0;0;1;1;1;0;0;1;1;1;0;0;0;1;0;0;0;1;0;1;0;0;1;0;1;0;0;0;0;0;1;0;0;0;1;1;0;1;0;1;16;6;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;1;1;0;0;1;0;0;0;0;0;1;1;0;0;1;0;0;0;0;0;0;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;0;0;0;0;0;0;1;1;0;0;1;0;0;0;1;1;1;1;0;1;0;1;1;0;0;1;21;0;0;0;0;0;0;0;2;2;0;1;0;0;2;0;1;0;0;1;0;0;0;0;0;0;0;1;0;0;0;2;0;1;0;2;2;1;1;1;1;6;12;12;3;3;3;12;12;1;1;3;11;6;12;1;12;11;12;3;5;3;12;6;3;12;9;12;5;6;12;6;1;12;11;12;1;1;5;2;11;2;6;2;7;0;3;4;0;0;1;0;4;13
144;9;1;18;XXXXX;XXXXX;1;5;NA;3;XXXXX;2;XXXXX;XXXXX;3;1;0;28;79;238;8;0;0;0.38;0.3;0.21;0;t1;0.38;12;3;0;0;0;1;0;0;1;1;1;1;0;1;0;0;1;1;1;1;0;1;1;1;1;1;1;1;0;0;1;1;1;1;1;1;1;1;0;0;0;1;1;0;1;1;1;29;0;0;1;1;1;1;0;1;0;0;1;1;1;1;0;1;1;1;1;1;1;1;0;0;1;1;1;1;1;1;1;1;1;0;0;1;1;0;0;1;1;29;0;0;0;0;0;1;1;0;0;0;0;0;0;0;0;0;0;1;0;0;0;1;1;1;1;1;1;1;0;1;1;1;1;1;1;1;1;0;0;1;1;1;1;0;0;0;0;0;0;1;1;0;0;0;0;0;0;0;0;1;1;1;1;0;0;1;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;31;0;0;2;0;0;0;0;0;1;0;2;2;2;1;2;2;2;2;0;2;2;0;0;0;2;0;0;0;0;2;2;0;1;0;0;0;0;0;0;2;14;12;3;1;3;3;12;3;12;11;3;1;1;1;11;1;1;1;1;3;1;1;12;12;3;1;3;3;3;3;1;1;9;11;12;3;3;12;6;3;1;14;0;14;0;0;1;0;0;1;0;3;7
145;9;0;25;XXXXX;XXXXX;1;5;NA;3;XXXXX;2;XXXXX;XXXXX;6;1;0;0;0;364;0;1;0;0;0;0;0;0;0;9;5;1;0;0;0;0;1;0;0;1;1;1;1;0;0;1;1;1;0;0;1;1;0;1;1;1;1;1;0;1;1;1;1;1;0;1;1;0;0;1;1;1;1;1;0;1;28;0;1;0;0;1;1;0;1;0;0;1;0;1;0;0;1;0;0;1;1;1;1;1;0;1;1;0;1;1;0;1;0;0;0;1;1;1;0;1;0;1;22;6;1;1;0;0;0;0;1;1;0;0;0;0;0;0;0;0;0;1;0;0;0;0;0;0;0;0;0;0;1;1;0;0;0;0;1;1;1;1;0;0;1;1;0;0;0;0;0;0;1;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;0;1;1;1;1;0;0;0;1;0;0;0;0;0;0;21;2;0;0;2;0;0;0;0;1;0;0;0;0;0;2;0;0;2;2;0;2;0;0;0;2;0;0;0;0;0;0;0;1;2;2;0;1;0;0;0;9;1;12;12;1;3;6;3;12;11;3;6;3;12;12;1;6;12;1;1;3;1;3;12;3;1;6;3;3;12;3;6;12;11;1;1;3;5;3;12;3;9;0;13;0;1;5;0;0;0;0;2;10
146;9;1;19;XXXXX;XXXXX;0;5;NA;3;XXXXX;1;XXXXX;XXXXX;6;1;0;47;136;407;13;0;0;0.44;0.36;0.26;0;t1;0.44;12;2;1;0;0;0;0;1;1;1;1;1;1;1;1;1;1;1;1;1;0;1;0;1;1;1;1;1;0;1;0;1;1;1;0;1;1;0;1;0;1;1;1;1;1;1;1;33;1;1;0;1;1;1;1;1;1;1;1;1;1;1;0;1;0;1;1;1;1;1;1;1;0;1;1;1;0;1;1;0;1;0;1;1;1;1;1;1;0;32;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;1;1;1;0;0;0;0;1;1;0;0;0;0;1;0;1;1;1;1;1;1;1;1;0;1;1;1;1;1;0;0;1;1;0;1;0;1;1;0;1;1;1;1;1;0;1;1;1;0;0;0;1;1;0;0;0;0;0;0;1;1;0;0;38;0;0;0;0;0;0;0;1;2;2;0;0;2;0;0;1;2;2;2;2;1;2;2;0;2;1;1;1;2;2;1;2;1;0;2;0;0;0;2;0;15;3;6;3;3;3;3;3;2;1;1;3;3;1;12;3;11;1;1;1;1;2;7;1;12;1;2;2;11;1;1;11;1;11;3;1;3;3;3;1;6;14;4;13;0;0;2;1;0;0;0;4;2
147;9;0;19;XXXXX;XXXXX;0;5;NA;3;XXXXX;1;XXXXX;XXXXX;7;1;0;0;0;611;5;0;0;0;0;0;0;0;0;12;2;1;0;0;0;0;0;0;1;0;1;0;0;0;0;1;0;1;0;1;0;0;0;0;0;0;0;0;0;1;1;0;1;0;0;1;0;0;0;0;1;0;0;1;1;0;12;0;0;0;1;0;1;0;0;0;0;1;0;1;0;1;0;0;0;0;0;0;0;0;0;1;1;0;1;0;0;1;0;0;0;0;1;0;0;1;0;0;11;1;0;0;0;0;0;0;0;0;1;1;0;0;1;0;0;0;0;0;1;1;0;0;0;0;0;0;1;1;0;0;0;0;0;0;1;0;0;0;0;1;0;0;0;0;0;0;0;1;1;1;0;0;0;0;0;0;0;0;1;1;0;0;0;0;1;0;0;0;1;1;0;0;0;0;1;1;0;1;0;0;20;0;0;0;0;2;0;1;0;0;2;0;0;0;2;0;0;0;1;0;1;0;0;0;1;2;0;0;0;0;2;0;0;1;0;2;0;0;2;1;0;7;12;12;3;12;1;12;11;12;12;1;12;3;12;1;12;12;12;11;12;11;12;12;12;2;1;12;3;12;12;1;12;12;11;12;1;12;12;1;5;12;7;1;3;0;1;0;0;0;0;0;4;24
148;9;1;19;XXXXX;XXXXX;0;5;NA;3;XXXXX;1;XXXXX;XXXXX;6;1;0;41;119;356;7;0;0;0.47;0.41;0.32;0;t1;0.47;13;2;0;0;0;0;0;0;1;1;0;1;1;1;1;1;1;0;1;1;1;0;0;0;1;1;0;1;1;0;0;1;0;1;1;1;1;1;0;0;1;1;0;0;1;1;0;25;0;0;0;1;0;1;1;1;1;1;1;0;1;1;1;0;0;0;1;1;0;1;1;0;0;1;0;1;1;1;1;0;0;1;1;1;0;0;0;1;0;23;2;0;0;0;0;0;0;1;0;1;1;1;1;0;0;0;1;1;1;0;0;1;0;1;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;0;0;0;0;1;1;0;0;1;1;1;1;0;0;0;0;0;0;0;0;1;1;0;0;0;1;0;0;0;0;0;0;1;1;0;0;23;0;0;0;1;2;2;0;1;2;0;1;2;0;0;0;0;0;0;0;0;0;1;0;0;2;0;2;2;0;0;0;0;2;0;1;0;0;0;2;0;9;12;6;3;11;1;1;3;2;1;3;11;1;3;3;12;12;12;3;3;12;3;2;12;12;1;12;1;1;3;3;6;12;7;3;2;12;12;6;1;12;8;3;11;0;0;3;1;0;0;0;2;12
149;10;1;22;XXXXX;XXXXX;0;5;NA;3;XXXXX;1;XXXXX;XXXXX;6;1;0;40;114;341;8;0;0;0.41;0.42;0.34;0;t2;0.42;14;1;0;0;0;0;0;1;1;1;1;1;1;1;1;1;1;1;1;1;0;1;1;0;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;38;1;1;1;1;1;1;1;1;1;1;1;1;1;1;0;0;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;38;0;0;0;1;1;1;1;0;0;0;1;1;1;0;0;0;0;1;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;1;1;0;0;0;0;1;1;1;1;0;0;0;1;0;0;0;0;1;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;1;1;0;0;1;1;26;0;2;2;0;1;2;0;0;2;0;0;0;0;0;0;0;2;2;0;0;2;2;0;1;0;0;2;0;0;0;0;0;0;0;0;0;2;2;0;2;12;3;1;1;3;2;1;3;3;1;3;3;3;3;12;6;3;7;1;3;3;1;1;3;2;3;3;1;3;3;3;3;3;3;3;3;3;1;1;3;1;11;2;24;0;0;1;1;0;0;0;0;1
150;10;0;19;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;5;1;0;0;0;340;15;0;0;0;0;0;0;0;0;12;3;0;2;1;0;0;1;0;1;1;1;0;0;1;1;1;0;1;1;0;1;0;0;1;1;1;0;0;0;0;0;0;1;0;1;0;1;1;1;0;1;0;1;1;1;1;23;0;1;0;1;1;1;0;0;0;1;1;0;1;1;0;1;0;0;1;0;1;0;0;0;0;0;0;1;0;1;0;1;1;1;0;1;0;1;1;0;1;20;3;1;1;0;0;0;0;1;1;1;1;0;0;0;0;0;1;0;0;1;1;1;0;1;1;0;1;0;0;0;0;0;0;0;0;1;1;0;1;1;1;0;0;0;0;0;0;0;0;0;0;0;0;1;1;0;0;1;1;0;0;1;1;0;0;1;1;0;0;0;0;0;0;0;1;1;1;0;1;1;1;32;2;0;0;2;2;0;0;1;0;2;1;2;1;0;0;0;0;2;1;2;0;0;0;0;0;0;2;0;2;0;2;0;2;0;0;0;1;2;1;2;13;1;12;3;1;1;12;12;5;3;1;11;1;2;12;3;12;12;1;5;1;12;12;12;12;12;12;1;12;1;12;1;3;1;12;3;12;2;1;5;1;13;2;5;0;3;0;0;0;0;0;1;16
151;10;1;20;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;7;1;0;31;89;268;12;0;0;0.36;0.37;0.31;0;t2;0.37;12;1;2;2;1;0;0;0;0;1;0;1;0;0;0;1;0;1;0;0;1;1;0;1;0;1;0;1;0;0;1;1;1;1;0;0;1;1;1;0;1;1;0;0;1;1;1;21;0;0;0;1;0;1;0;0;0;1;0;1;0;0;1;1;0;1;0;1;0;1;0;0;1;1;1;1;0;0;1;1;1;0;1;1;0;0;1;1;1;21;0;0;0;0;0;1;1;0;0;0;0;0;0;0;0;1;0;1;1;0;0;1;1;1;0;0;0;0;0;1;1;0;0;1;1;0;0;1;1;0;0;1;1;0;0;0;0;0;0;1;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;20;0;0;2;0;0;0;0;1;2;0;2;1;0;0;2;0;2;0;2;0;2;0;0;0;2;0;0;0;0;0;0;0;0;0;0;0;0;0;0;2;9;12;12;1;12;3;12;12;11;1;12;1;11;12;3;1;12;1;12;1;12;1;12;12;3;1;3;3;12;12;3;3;3;12;3;3;12;12;3;3;1;9;0;12;0;0;0;0;0;0;0;2;17
152;10;0;20;XXXXX;XXXXX;0;5;NA;3;XXXXX;1;XXXXX;XXXXX;7;1;0;0;0;475;0;1;0;0;0;0;0;0;0;13;2;0;0;0;0;0;0;0;1;1;1;1;1;1;1;0;1;1;1;0;1;1;1;1;1;0;1;1;1;0;1;1;1;0;1;1;0;1;1;0;1;0;0;0;0;1;27;0;0;0;1;1;1;1;1;1;1;0;0;1;1;0;0;1;0;1;1;0;1;1;1;0;1;1;1;0;1;1;0;1;0;0;1;0;0;0;1;1;24;3;0;0;1;0;0;0;0;0;1;1;0;0;0;0;1;0;0;1;0;0;1;0;0;0;1;1;0;0;1;1;0;0;0;1;1;1;1;1;1;0;1;1;0;0;1;1;1;0;1;1;1;1;1;1;1;0;1;1;1;1;0;0;1;1;0;0;0;0;1;1;0;0;0;1;1;0;1;1;0;0;40;0;1;0;0;2;0;0;1;1;0;1;0;2;0;2;0;1;2;2;1;2;0;2;1;2;2;2;1;2;2;0;2;0;0;2;0;1;1;2;0;15;12;11;3;3;1;3;3;2;2;12;5;3;1;12;4;3;5;1;1;11;1;3;1;11;1;1;1;11;1;1;12;1;6;12;1;12;11;11;7;3;13;2;8;1;2;1;1;0;0;0;6;6
153;10;0;21;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;4;1;0;0;0;317;2;0;0;0;0;0;0;0;0;11;4;0;0;0;0;0;0;1;1;0;1;0;0;0;1;1;0;1;0;1;0;1;1;1;0;1;1;0;1;0;1;0;1;0;1;0;1;1;1;1;1;0;0;1;1;0;23;0;0;0;1;0;1;0;0;0;1;1;0;1;0;1;0;1;1;1;0;1;0;0;1;0;1;0;1;0;1;0;1;1;0;1;1;0;0;1;1;0;20;3;0;0;1;0;1;1;1;0;0;0;0;0;0;0;0;0;0;0;0;0;1;0;1;1;0;0;0;0;0;0;0;0;1;1;1;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;1;0;0;0;1;1;1;1;0;0;1;1;0;0;0;0;0;0;1;1;0;0;22;0;1;2;1;0;0;0;0;0;0;1;2;0;0;0;0;2;2;0;0;0;0;0;0;0;0;0;0;2;1;0;2;2;0;2;0;0;0;2;0;9;12;5;1;11;3;12;12;12;3;3;11;1;12;3;12;3;1;1;12;3;6;12;3;12;3;12;3;12;1;11;3;1;4;3;1;12;12;3;1;12;8;0;12;1;1;1;0;0;0;0;3;14
154;10;1;18;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;5;1;0;31;88;264;5;0;0;0.51;0.41;0.3;0;t1;0.51;7;7;1;2;1;1;0;0;1;1;1;1;1;1;1;1;1;0;1;0;1;1;0;0;1;1;1;0;1;1;1;1;0;1;1;1;1;0;0;0;1;1;0;1;0;1;1;28;0;0;1;1;1;1;1;1;1;1;0;0;1;0;1;1;0;0;1;1;1;0;1;1;1;1;0;1;1;1;1;0;0;0;1;1;0;1;0;1;1;27;1;0;0;1;1;0;0;0;0;1;1;0;0;0;0;1;1;1;1;0;0;0;0;1;1;0;0;0;0;0;0;0;0;1;1;0;0;0;0;1;1;1;0;0;0;0;0;0;0;1;1;0;0;0;0;0;0;1;1;1;1;0;0;0;0;1;0;1;1;1;1;0;0;0;1;0;0;1;1;0;0;29;0;2;0;0;2;0;0;2;2;0;0;2;0;0;0;0;2;0;0;2;1;0;0;0;2;0;0;0;2;2;0;0;1;2;2;0;1;0;2;0;13;12;1;3;3;1;3;3;1;1;6;12;1;12;3;3;12;10;3;3;1;11;3;3;3;1;12;3;3;1;1;12;12;11;1;1;12;2;12;1;3;12;1;14;0;0;1;0;0;0;1;2;9
155;10;0;18;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;4;1;0;0;0;399;9;0;0;0;0;0;0;0;0;12;2;1;0;0;0;0;0;0;0;0;0;1;0;0;0;1;0;0;0;0;0;0;0;0;1;0;0;0;0;0;0;0;0;0;1;0;0;0;0;1;1;0;0;1;1;0;8;1;0;0;0;0;1;1;0;0;0;1;0;0;0;0;0;0;0;0;1;0;0;0;0;0;0;0;0;0;1;0;0;0;0;0;1;0;0;1;1;0;8;0;0;0;0;0;0;0;0;0;0;0;0;1;0;0;0;0;0;0;0;0;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;0;0;0;0;0;0;0;1;0;0;0;0;1;1;1;0;0;0;0;0;0;0;1;0;0;10;0;0;0;0;0;1;0;0;0;0;1;0;0;0;0;0;0;0;2;0;0;0;0;0;0;0;0;1;0;0;0;1;0;1;2;0;0;0;1;0;2;12;12;12;12;9;2;12;12;12;3;11;12;12;12;12;12;12;12;1;12;12;12;12;12;12;12;12;11;3;12;12;11;12;5;1;12;12;3;2;12;2;2;3;0;1;0;0;0;1;0;3;28
156;11;1;18;XXXXX;XXXXX;1;5;NA;3;XXXXX;2;XXXXX;XXXXX;4;1;0;33;95;286;11;0;0;0.35;0.31;0.25;0;t1;0.35;7;4;4;0;0;1;0;0;0;0;0;1;0;0;1;0;0;0;1;1;1;1;0;1;1;0;1;1;0;1;0;1;0;0;0;1;1;0;1;1;0;1;0;1;0;0;1;19;0;0;0;0;0;1;0;0;1;0;0;0;1;1;1;1;0;1;1;0;1;1;0;1;0;1;0;0;1;1;1;0;0;0;0;1;0;1;0;0;0;17;2;0;0;0;0;0;0;0;0;1;1;0;0;0;0;1;1;0;0;0;0;1;0;0;0;1;1;0;0;0;0;0;0;1;1;0;0;0;0;0;1;1;1;0;0;1;1;0;0;1;1;0;0;0;0;0;0;0;0;1;1;0;0;0;0;0;0;0;0;0;1;0;0;1;1;0;0;0;0;0;0;21;0;0;0;0;2;0;0;2;0;0;1;0;2;0;0;0;2;0;0;1;2;0;2;0;2;0;0;0;0;2;0;0;0;0;1;0;2;0;0;0;9;12;12;12;12;1;12;12;1;12;12;11;3;1;3;3;12;1;3;12;2;1;12;1;12;1;12;12;9;3;1;12;6;6;12;2;12;1;12;12;6;9;2;5;0;0;3;0;0;1;0;1;19
157;11;1;20;XXXXX;XXXXX;1;5;NA;3;XXXXX;2;XXXXX;XXXXX;5;1;0;27;78;233;3;0;0;0.56;0.48;0.41;0;t1;0.56;11;4;0;0;0;0;0;1;1;1;1;0;1;1;1;1;1;0;1;1;1;1;0;1;1;0;1;1;0;1;1;0;0;1;1;1;0;0;0;0;0;1;0;1;1;1;1;27;0;1;1;1;1;0;1;1;1;1;1;0;1;1;1;1;0;1;1;0;1;1;0;1;1;0;0;1;1;1;1;0;0;0;0;1;1;1;1;1;1;29;-2;1;1;0;0;0;0;0;0;1;0;0;0;1;1;0;1;1;1;1;1;1;0;0;0;1;1;0;0;1;1;0;0;1;1;0;0;0;0;1;1;1;1;1;0;1;1;0;1;0;0;0;0;0;0;1;1;1;1;1;1;0;0;0;0;0;0;0;0;0;0;1;1;1;1;1;1;1;1;0;0;39;2;0;0;0;1;0;2;1;2;2;1;0;2;0;2;0;2;0;0;2;2;1;2;1;0;0;0;2;2;2;0;0;0;0;0;2;2;2;2;0;17;1;3;3;3;11;3;1;2;1;1;11;3;1;3;1;12;1;3;12;1;1;11;1;2;12;12;3;1;1;7;12;12;12;12;3;7;1;1;1;3;15;2;10;0;0;0;2;0;0;0;3;8
158;11;0;19;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;5;1;0;0;0;422;0;1;0;0;0;0;0;0;0;9;3;3;2;1;1;0;0;0;1;0;0;0;0;0;1;1;1;0;1;0;1;0;1;1;0;0;0;0;1;0;1;0;1;1;0;0;0;0;1;0;1;0;1;1;1;1;18;0;0;0;1;0;0;0;0;0;0;0;1;1;1;0;1;0;1;1;0;0;1;0;1;0;1;0;1;1;0;0;0;0;1;0;1;0;1;1;1;0;17;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;0;1;1;1;1;0;1;1;1;0;0;1;1;1;0;1;1;0;0;1;0;0;0;1;1;1;0;0;1;0;0;1;1;0;0;1;1;1;1;0;0;1;0;0;0;0;0;1;1;0;0;0;0;0;0;1;1;1;1;1;1;0;0;33;0;0;0;0;0;0;0;0;1;2;2;1;2;0;2;1;2;0;1;0;2;1;1;0;2;0;2;2;0;1;0;0;2;0;0;0;2;2;2;0;13;12;12;3;12;12;12;12;12;5;4;1;8;1;12;1;11;1;3;11;12;7;11;2;12;1;12;1;1;12;11;12;12;1;12;3;12;1;1;1;6;11;1;3;1;1;1;1;1;0;0;4;16
159;12;1;19;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;6;1;0;30;87;260;13;0;0;0.48;0.4;0.3;0;t1;0.48;13;2;0;2;1;0;0;0;1;1;1;1;0;1;1;1;1;1;1;1;0;1;1;1;1;1;1;0;1;0;1;1;0;1;1;1;1;1;1;1;0;1;0;1;0;0;0;29;0;0;1;1;1;1;0;1;1;1;1;1;1;1;0;1;1;1;1;1;1;0;1;0;1;1;1;1;1;1;0;0;1;1;0;1;0;1;0;0;0;28;1;0;0;0;0;1;1;0;0;0;0;0;0;0;0;1;1;0;1;0;0;1;1;1;1;0;0;0;0;1;1;0;0;1;1;1;1;1;1;1;1;1;0;1;0;0;0;0;0;0;0;1;1;1;1;0;0;0;0;1;0;0;0;1;1;1;1;0;0;0;0;0;0;1;1;0;0;0;0;0;0;32;0;0;2;0;0;0;0;2;1;0;2;2;0;0;2;0;2;2;2;2;1;1;0;0;0;2;2;0;0;1;0;2;2;0;0;0;2;0;0;0;14;12;3;1;3;3;12;3;1;2;3;1;1;3;12;1;3;1;1;1;1;11;2;12;3;3;7;1;3;3;5;6;1;1;12;3;12;1;12;12;12;13;2;12;0;1;1;1;0;0;0;1;9
160;12;0;21;XXXXX;XXXXX;0;5;NA;3;XXXXX;1;XXXXX;XXXXX;5;1;0;0;0;550;3;0;0;0;0;0.08;0;0;0.08;11;3;1;0;0;2;1;1;1;1;1;1;1;1;1;1;1;0;1;1;1;1;1;1;1;1;1;1;0;1;1;1;0;1;0;1;1;1;1;1;1;1;1;1;1;1;1;36;1;1;1;1;1;1;1;1;1;0;1;0;1;0;1;1;0;1;1;1;1;1;0;1;1;1;0;1;0;1;1;1;1;1;1;1;1;1;1;1;1;33;3;0;0;0;0;0;0;0;0;1;1;0;0;0;0;1;1;0;1;0;0;0;0;0;0;1;0;0;0;0;0;0;0;1;1;1;1;0;0;0;0;1;1;0;0;0;0;0;0;1;1;1;0;1;1;0;0;0;0;1;1;1;1;1;1;0;1;1;1;1;1;1;1;1;1;0;0;1;1;0;0;34;0;0;0;0;2;0;0;2;1;0;0;0;1;0;0;0;2;2;0;0;2;0;0;0;2;1;2;0;0;2;2;2;1;2;2;2;2;0;2;0;15;3;3;3;3;1;3;3;1;5;3;12;3;5;3;3;6;1;1;3;3;1;12;3;3;1;11;1;12;3;1;1;1;2;1;1;1;1;3;1;3;15;1;17;0;2;1;0;0;0;0;1;3
161;12;1;20;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;5;1;0;32;91;273;17;0;0;0.32;0.4;0.3;0;t2;0.4;12;3;0;2;1;0;0;0;0;0;1;1;0;1;0;1;1;0;1;1;1;0;0;1;1;0;0;1;0;0;0;1;0;1;0;1;0;1;1;0;1;1;0;1;0;0;0;19;0;0;0;0;1;1;0;1;0;1;1;0;1;1;1;0;0;1;1;0;0;0;0;0;0;1;0;1;0;1;0;0;1;0;1;1;0;1;0;0;0;17;2;0;0;0;0;0;0;1;1;0;0;0;0;0;0;0;0;0;0;0;0;1;0;0;0;1;1;1;1;0;0;0;0;1;1;1;1;0;0;0;0;0;0;0;0;0;0;1;0;0;0;0;0;1;1;0;0;1;1;0;0;0;0;1;1;0;0;0;0;1;1;0;0;0;0;1;0;0;0;0;0;21;0;0;0;2;0;0;0;0;0;0;1;0;2;2;0;0;2;2;0;0;0;0;0;1;0;0;2;0;2;0;0;2;0;0;2;0;0;1;0;0;9;12;12;12;1;3;12;3;12;3;3;11;3;1;1;12;12;1;1;12;12;6;12;12;11;3;12;1;12;1;12;6;1;12;3;1;12;3;11;12;12;9;0;8;0;0;2;0;0;0;0;3;18
162;12;0;21;XXXXX;XXXXX;0;5;NA;3;XXXXX;1;XXXXX;XXXXX;5;1;0;0;0;448;0;1;0;0;0;0;0;0;0;15;0;0;0;0;0;0;1;0;1;1;1;0;1;1;1;0;1;1;0;1;0;0;1;0;0;0;0;0;1;0;1;1;1;0;1;1;1;1;1;1;1;1;0;0;1;1;25;0;0;0;1;1;1;0;1;0;1;0;1;1;0;1;0;0;1;1;0;0;0;0;1;0;1;1;1;0;1;1;1;1;0;1;1;1;0;0;1;1;23;2;0;0;1;0;0;1;1;1;1;1;0;0;0;0;0;1;0;1;0;0;1;1;0;0;0;0;0;0;0;0;0;0;1;1;1;1;0;0;0;0;0;0;0;0;1;1;0;0;1;1;0;0;0;1;0;0;0;0;0;0;1;1;1;1;0;0;1;1;1;1;0;0;0;0;1;0;1;1;0;0;30;0;1;1;2;2;0;0;1;1;0;2;0;0;0;0;0;2;2;0;0;0;0;2;0;2;0;1;0;0;0;2;2;0;2;2;0;0;1;2;0;12;6;11;2;1;1;12;3;5;2;12;1;3;12;3;12;12;1;7;12;12;12;12;1;12;1;3;2;12;3;3;1;1;6;1;1;3;12;11;1;3;11;3;8;0;1;2;1;0;0;0;2;12
163;12;0;20;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;5;1;0;0;0;352;10;0;0;0;0;0;0;0;0;12;2;1;2;1;1;0;0;1;1;1;1;1;1;1;1;1;1;1;1;1;0;0;1;1;1;1;1;1;1;1;1;1;1;0;1;1;1;1;1;1;1;1;1;1;1;1;36;1;0;1;1;1;1;1;1;1;1;1;1;1;1;1;0;1;1;1;1;1;0;1;1;1;1;1;1;0;1;1;1;1;1;1;1;1;0;1;1;1;35;1;1;0;1;1;0;0;0;0;1;1;1;1;1;1;0;0;1;1;0;0;0;0;0;0;1;1;0;0;1;0;0;0;1;1;0;0;1;1;1;1;0;0;0;0;0;0;0;0;0;0;0;0;1;1;0;0;0;0;1;1;1;1;0;0;1;1;0;1;0;1;0;0;0;1;0;0;0;1;1;1;34;1;2;0;0;2;2;2;0;2;0;0;0;2;0;1;0;2;0;2;2;0;0;0;0;0;0;2;0;0;2;2;0;2;1;1;0;1;0;1;2;14;11;1;3;3;1;1;1;3;1;3;3;3;1;3;11;9;1;3;1;1;6;3;3;3;3;3;1;12;3;1;1;3;1;2;2;3;5;3;2;1;14;3;17;0;1;1;0;0;1;0;2;1
164;12;1;21;XXXXX;XXXXX;0;5;NA;3;XXXXX;1;XXXXX;XXXXX;5;1;0;50;142;427;6;0;0;0.43;0.39;0.32;0;t1;0.43;12;3;0;0;0;0;0;1;1;1;0;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;0;1;1;1;1;1;1;1;1;1;1;0;0;1;1;1;1;1;1;1;36;1;1;0;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;0;1;1;1;1;1;1;1;1;1;1;0;0;1;1;1;1;1;1;1;36;0;1;1;0;0;0;0;0;0;0;0;0;0;1;1;1;1;1;1;0;0;1;1;1;1;0;0;0;0;0;0;0;0;1;1;1;1;1;1;0;0;0;0;1;1;1;1;0;0;1;1;1;1;0;0;1;1;1;1;1;1;0;0;0;0;1;0;1;1;1;1;1;1;1;1;1;1;1;1;1;1;47;2;0;0;0;0;0;2;2;2;0;2;2;0;0;0;0;2;2;2;0;0;2;2;0;2;2;0;2;2;2;0;0;1;2;2;2;2;2;2;2;23;1;6;3;9;3;3;1;1;1;3;1;1;3;3;3;3;1;1;1;3;12;1;1;3;1;1;3;1;1;1;3;12;11;1;1;1;1;1;1;1;23;0;12;0;0;1;0;0;1;0;1;2
165;12;1;23;XXXXX;XXXXX;0;6;NA;3;XXXXX;1;XXXXX;XXXXX;5;1;0;53;153;458;8;0;0;0.47;0.39;0.32;0;t1;0.47;14;1;0;0;0;0;0;0;0;0;1;1;0;1;0;0;0;0;0;0;0;0;0;0;0;0;0;1;0;0;0;0;0;0;0;0;1;0;0;0;0;1;1;0;0;0;0;7;1;0;0;0;0;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;0;0;0;0;0;0;0;0;1;0;0;0;0;0;0;0;1;0;0;4;3;0;0;1;0;0;0;0;0;1;1;0;0;0;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;0;0;0;0;0;0;1;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;1;1;0;0;0;0;0;0;0;0;1;0;0;0;0;0;0;0;0;0;0;12;0;1;0;0;2;0;1;0;0;0;0;0;0;0;0;0;1;0;0;0;2;0;0;0;0;0;0;0;1;2;1;0;0;0;1;0;0;0;0;0;3;12;11;12;6;1;12;5;12;12;12;12;12;12;12;12;12;11;12;12;12;1;12;12;12;12;12;12;12;11;1;11;12;12;12;5;6;12;9;12;12;3;0;0;0;2;2;0;0;1;0;4;28
166;13;0;21;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;4;1;0;0;0;387;0;1;0;0;0;0;0;0;0;9;4;2;0;0;1;0;1;1;1;1;1;1;1;1;1;1;1;1;1;0;0;0;0;1;1;1;0;0;1;0;1;0;1;1;1;0;0;1;1;1;1;0;0;1;1;1;28;0;1;1;1;0;1;0;1;1;1;1;1;1;1;0;0;0;0;1;0;0;0;0;1;0;1;0;1;1;1;1;0;1;0;1;1;0;0;0;1;1;23;5;0;0;1;1;1;1;0;0;0;0;0;0;0;0;0;1;0;0;0;0;0;0;1;1;0;1;0;0;0;0;0;0;1;0;1;1;0;0;0;0;1;0;0;0;1;1;0;0;1;1;0;0;1;1;0;0;1;1;0;0;1;0;0;0;0;0;1;1;0;1;0;0;0;0;1;1;1;1;0;1;29;0;2;2;0;0;0;0;1;0;0;0;2;1;0;0;0;1;2;0;0;1;0;2;0;2;0;2;0;2;0;1;0;0;2;1;0;0;2;2;1;11;3;1;1;6;3;6;3;2;3;3;3;1;2;12;12;12;11;1;6;6;11;12;1;12;1;12;1;3;1;9;11;3;6;1;2;12;12;4;1;2;10;4;8;1;0;5;0;0;1;0;3;8
167;13;1;21;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;7;1;0;33;95;286;15;0;0;0.39;0.31;0.23;0;t1;0.39;13;1;1;0;0;0;0;0;0;1;1;0;0;1;0;0;0;1;0;0;0;0;0;1;0;1;0;0;0;0;0;1;0;1;1;0;0;0;0;0;1;1;0;0;0;0;0;11;1;0;0;1;0;0;0;1;0;0;0;0;0;0;0;0;0;1;0;1;0;0;0;0;0;1;0;1;1;0;0;0;0;0;1;1;0;0;0;0;0;9;2;0;0;0;0;1;1;1;1;0;0;0;0;0;0;1;0;0;0;0;0;0;0;0;0;0;0;1;0;0;0;0;0;1;1;0;0;0;0;0;0;1;0;0;0;0;0;0;0;1;1;0;0;1;1;1;1;0;0;0;0;0;0;0;0;0;0;1;1;1;1;0;0;0;0;0;0;0;0;0;0;19;0;0;2;2;0;0;0;1;0;0;0;0;0;1;0;0;2;0;0;0;1;0;0;0;2;0;2;2;0;0;0;0;0;2;2;0;0;0;0;0;8;12;12;1;4;12;12;3;11;12;12;6;12;12;11;12;12;1;12;3;12;11;12;12;12;1;12;1;1;12;12;12;12;12;1;1;12;12;12;12;12;7;0;2;1;0;1;0;0;0;0;3;26
170;14;1;20;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;4;1;0;30;87;260;14;0;0;0.36;0.44;0.42;0;t2;0.44;10;5;0;2;1;0;0;0;0;1;0;1;1;1;1;1;0;1;1;1;1;0;0;0;1;1;0;1;0;0;1;1;1;1;0;1;1;1;1;1;1;1;0;1;1;1;1;28;0;0;0;1;0;1;1;1;1;1;0;0;1;1;1;0;0;0;1;1;0;1;0;0;1;1;1;1;0;1;1;1;1;1;1;1;0;1;1;1;1;27;1;0;0;1;0;1;1;0;0;0;0;0;0;0;0;1;1;1;1;0;0;1;0;0;0;1;1;0;0;1;0;0;0;1;0;0;0;0;0;1;0;1;1;1;0;0;0;1;1;1;1;0;0;1;1;0;0;1;1;1;1;1;1;1;1;1;1;1;1;1;1;0;0;0;0;0;0;0;0;1;1;38;0;1;2;0;0;0;0;2;2;0;1;0;2;0;1;0;1;0;0;1;2;1;0;2;2;0;2;0;2;2;2;2;2;2;2;0;0;0;0;2;16;12;11;1;12;3;3;3;1;1;12;5;3;1;3;11;12;11;3;3;11;1;11;12;1;1;3;1;12;1;1;1;1;1;1;1;12;3;3;3;1;16;0;11;0;1;0;0;0;0;0;5;7
171;14;0;20;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;3;1;0;0;0;317;5;0;0;0;0;0;0;0;0;5;4;6;0;0;0;0;0;1;1;1;1;1;1;0;0;1;1;1;1;0;1;0;0;1;1;1;1;1;1;0;1;0;1;0;0;1;1;0;1;0;1;0;1;1;1;0;26;0;0;1;1;1;0;0;0;0;0;1;1;1;1;0;1;0;0;1;1;1;0;1;0;0;1;0;1;0;0;1;1;0;1;0;1;0;0;1;1;0;20;6;0;0;0;0;1;1;0;0;0;1;0;0;0;0;1;0;1;0;0;0;0;0;0;0;1;1;1;1;0;0;0;0;0;0;0;1;0;0;0;0;0;1;1;1;0;0;0;0;1;1;0;0;0;1;1;0;0;0;0;1;0;0;0;0;1;1;0;0;0;0;0;0;0;0;0;0;1;1;0;0;22;0;0;2;0;1;0;0;1;1;0;0;0;2;2;0;0;0;1;0;0;1;2;0;0;2;0;1;1;0;1;0;0;2;0;0;0;0;0;2;0;7;12;3;1;3;5;6;6;11;11;3;3;3;1;10;3;12;12;2;3;3;5;1;6;12;1;12;2;11;12;2;3;12;1;12;3;12;6;3;1;12;6;3;11;0;2;4;0;0;0;1;3;10
173;15;0;18;XXXXX;XXXXX;0;5;NA;3;XXXXX;1;XXXXX;XXXXX;7;1;0;0;0;421;6;0;0;0;0;0;0;0;0;14;1;0;0;0;1;0;0;0;1;1;1;1;1;0;0;1;0;0;1;1;1;1;1;1;1;1;1;1;1;1;1;0;1;0;1;1;1;0;0;1;1;0;0;1;1;1;28;0;0;0;1;1;1;1;1;0;0;1;0;0;1;1;1;1;1;1;1;1;1;1;1;1;1;0;1;0;1;1;1;0;0;1;1;0;0;1;1;1;28;0;0;0;0;0;1;1;1;1;0;1;0;0;0;1;1;0;0;0;1;1;1;0;0;1;0;0;0;0;0;1;0;0;0;1;1;1;1;1;0;0;1;1;0;0;1;1;0;0;0;0;0;0;0;0;0;0;0;0;1;1;0;0;0;0;0;0;0;0;1;1;1;0;0;0;1;1;1;1;0;1;31;0;0;2;2;1;0;1;1;0;2;1;1;0;0;1;0;1;2;2;0;2;0;2;0;0;0;0;0;0;2;0;0;0;0;2;1;0;2;2;1;11;12;12;1;1;2;3;2;11;12;1;11;11;3;3;2;3;2;1;1;3;1;3;1;3;3;12;3;12;3;1;3;12;12;3;1;11;12;1;1;2;11;5;12;0;0;0;0;0;0;0;4;8
174;15;0;18;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;6;1;0;0;0;305;2;0;0;0;0;0;0;0;0;5;4;6;0;0;0;0;0;0;0;0;1;0;0;1;1;1;0;1;0;0;0;0;1;1;1;0;0;0;0;0;1;0;0;0;0;1;0;0;0;0;1;0;0;1;1;0;13;0;0;0;0;0;1;0;0;0;1;1;0;0;0;0;0;0;0;0;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;4;9;0;0;0;0;0;0;0;0;0;1;0;0;0;0;0;1;0;0;0;1;1;0;0;1;0;0;0;0;0;0;0;0;0;1;0;0;0;1;0;0;1;0;0;0;0;1;0;0;0;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;0;0;0;1;1;0;1;0;0;15;0;0;0;0;1;0;0;1;0;1;1;1;0;0;0;0;1;0;1;0;1;0;1;0;1;0;0;0;0;0;0;0;0;0;1;1;0;2;1;0;1;12;12;12;12;2;12;12;5;3;2;11;5;12;12;12;12;5;6;2;12;11;12;11;12;5;12;12;12;12;6;12;12;12;12;5;11;12;4;5;12;0;3;1;1;6;2;0;0;0;0;4;23
175;15;1;20;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;6;1;0;28;79;238;9;0;0;0.31;0.18;0.12;0;t1;0.31;12;2;1;0;0;0;0;0;0;0;0;0;1;1;1;0;0;0;1;0;0;0;0;0;0;0;1;1;1;0;1;1;0;0;1;0;1;0;0;0;0;0;0;0;0;0;0;11;1;0;0;0;0;0;0;0;1;0;0;0;1;0;0;0;0;0;0;0;1;1;0;0;0;1;0;0;1;0;1;0;0;0;0;0;0;0;0;0;0;7;4;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;0;0;0;0;0;0;1;1;0;0;1;0;0;0;0;0;0;0;0;0;0;0;0;1;1;1;0;0;0;0;0;0;0;0;0;0;0;0;1;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;0;0;0;11;0;0;0;0;0;0;0;2;0;0;0;2;0;1;0;0;0;0;0;1;2;0;0;0;0;0;0;2;0;0;0;0;0;0;0;0;0;0;1;0;4;12;12;12;12;12;6;6;1;12;12;12;1;12;11;12;12;12;12;12;2;1;6;12;6;3;12;12;1;12;3;12;12;12;12;12;12;12;12;11;12;4;1;2;0;0;4;0;0;0;0;2;27
176;15;1;22;XXXXX;XXXXX;0;5;NA;3;XXXXX;2;XXXXX;XXXXX;7;1;0;40;115;346;16;0;0;0.37;0.33;0.25;0;t1;0.37;11;3;1;0;0;0;0;0;0;0;1;1;1;1;1;1;1;1;0;1;0;0;1;1;1;1;1;0;0;0;0;1;0;1;0;1;1;0;1;0;0;0;0;1;0;0;1;21;0;0;0;0;1;1;1;1;1;1;1;1;0;1;0;0;1;1;1;1;1;0;0;0;0;1;0;1;0;1;1;0;1;0;0;1;0;1;0;0;1;22;-1;0;0;0;0;0;0;0;0;0;0;0;0;1;1;0;0;0;0;0;0;1;1;0;0;1;1;1;0;1;0;0;0;1;1;0;0;1;1;0;0;1;0;0;0;0;0;0;0;1;1;1;0;1;1;1;0;1;1;1;1;0;0;0;0;1;0;0;0;0;1;1;0;0;0;0;0;1;0;0;0;27;0;0;0;0;0;0;2;0;0;0;2;0;2;1;1;0;2;0;2;0;1;0;0;0;2;1;2;1;2;2;0;0;1;0;1;1;0;0;1;0;9;12;12;12;3;3;3;1;3;3;3;1;12;1;11;11;3;1;3;1;3;11;12;12;12;1;11;1;11;1;1;12;3;11;12;8;11;3;12;11;3;9;0;12;0;0;0;0;1;0;0;8;10
177;15;0;27;XXXXX;XXXXX;0;5;NA;3;XXXXX;2;XXXXX;XXXXX;7;0;1;0;0;482;3;0;0;0;0;0;0;0;0;13;1;1;3;1;1;0;0;0;1;0;1;0;1;0;1;0;1;0;0;0;0;0;0;1;0;0;0;0;0;1;0;0;1;1;1;0;0;0;0;0;1;1;0;1;0;1;14;0;0;0;1;0;0;0;1;0;1;0;1;0;0;0;0;0;0;1;0;0;0;0;0;0;0;0;0;1;1;0;0;0;0;0;1;0;0;1;0;1;10;4;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;0;0;1;1;0;0;0;0;0;0;0;0;0;0;0;0;1;0;0;0;0;0;0;0;0;0;0;0;0;0;1;0;0;0;0;0;1;1;0;0;1;0;0;0;0;0;0;0;0;0;0;0;1;0;0;0;1;1;1;0;1;1;15;0;0;0;0;0;0;0;0;2;0;2;0;0;0;0;0;0;1;0;0;0;0;0;0;1;0;0;2;0;1;0;0;0;0;0;1;0;2;1;2;5;12;12;3;12;6;12;3;12;1;12;1;12;12;12;12;12;12;2;12;12;12;12;12;6;11;12;6;1;3;11;12;12;12;12;3;5;12;1;11;1;5;1;4;0;1;3;0;0;0;0;3;23
178;15;1;24;XXXXX;XXXXX;0;5;NA;3;XXXXX;5;XXXXX;XXXXX;7;1;0;44;127;382;11;0;0;0.45;0.36;0.29;0;t1;0.45;13;2;0;2;1;0;0;1;1;1;1;1;1;1;1;1;0;1;1;1;0;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;0;1;1;1;1;37;1;1;1;1;1;1;1;1;1;1;1;1;1;1;0;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;0;1;1;1;1;38;-1;1;1;0;0;0;0;0;0;1;1;0;0;1;1;1;1;0;0;1;1;1;1;1;1;0;0;0;0;1;1;1;1;0;0;0;0;1;1;0;0;0;0;0;0;0;0;0;0;1;1;1;1;0;0;0;0;1;1;1;1;0;0;0;0;1;1;1;1;1;1;1;0;1;1;1;1;1;1;1;1;43;2;0;0;0;2;0;2;2;0;2;2;2;0;0;2;2;0;0;2;0;0;0;0;0;2;2;0;0;2;2;0;0;2;2;2;1;2;2;2;2;21;1;3;3;3;1;3;1;1;3;7;1;1;3;12;1;1;3;3;1;3;3;3;3;3;1;1;3;3;1;1;3;3;1;1;1;11;1;1;1;1;20;0;17;0;0;0;1;0;0;0;1;1
179;16;0;20;XXXXX;XXXXX;1;6;NA;3;XXXXX;1;XXXXX;XXXXX;3;0;1;0;0;311;0;1;0;0;0;0;0;0;0;7;7;1;0;0;1;0;1;1;0;1;0;1;0;1;1;1;1;0;1;0;1;0;1;1;0;0;1;0;1;1;1;1;0;0;0;1;0;0;0;1;1;1;1;1;1;0;24;0;0;0;0;1;0;0;0;1;1;1;1;0;1;1;1;0;1;1;0;0;1;0;1;1;1;1;1;0;0;1;0;0;1;1;1;1;1;1;1;0;24;0;0;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;1;1;0;0;1;1;1;1;0;1;0;0;1;1;0;0;0;0;0;0;1;1;1;0;0;0;0;1;1;1;1;1;1;0;0;0;0;1;1;1;0;0;0;0;1;1;0;0;1;1;1;1;0;0;0;0;1;1;0;0;32;1;0;0;0;0;0;0;0;0;2;2;0;2;2;1;0;2;0;0;0;2;1;0;1;2;2;1;0;1;2;0;0;2;0;2;2;0;0;2;0;13;5;6;12;3;12;6;12;3;3;1;1;12;1;7;2;12;1;3;12;12;1;11;3;2;1;1;8;12;11;1;12;12;7;3;1;1;3;3;1;12;11;2;8;0;1;2;2;1;0;0;2;11
180;16;0;19;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;4;1;0;0;0;293;1;0;0;0;0;0;0;0;0;11;1;3;0;0;1;0;1;1;1;0;1;0;0;1;1;1;0;1;1;0;1;1;0;1;1;1;1;1;0;0;1;1;1;0;0;0;0;1;0;1;1;0;0;0;1;1;24;0;0;1;1;0;1;0;0;1;1;1;0;1;1;0;1;1;0;1;1;1;1;1;0;0;1;1;1;0;0;0;0;1;0;1;1;0;0;0;1;1;23;1;0;0;1;1;0;0;0;0;1;1;0;0;0;0;1;1;0;1;0;0;0;0;0;0;1;1;0;0;1;0;1;1;0;0;1;1;1;1;0;0;0;0;0;1;0;0;0;0;1;1;0;1;1;1;0;0;0;0;0;0;1;0;0;0;1;0;0;0;0;0;0;0;0;0;0;0;1;1;1;1;28;0;2;0;0;2;0;0;2;1;0;0;0;2;0;1;2;0;2;2;0;0;1;0;0;2;1;2;0;0;0;1;0;1;0;0;0;0;0;2;2;11;6;1;3;12;1;12;12;1;2;3;12;3;1;12;2;1;12;1;1;3;3;2;12;12;1;2;1;12;12;12;11;3;11;3;3;12;12;12;1;1;11;4;8;0;0;1;0;0;0;0;2;14
182;16;0;19;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;7;1;0;0;0;323;4;0;0;0;0;0;0;0;0;9;4;2;0;0;1;0;1;0;1;1;1;1;1;1;0;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;0;1;1;1;1;1;1;0;1;1;1;0;0;1;1;34;1;0;0;1;1;1;1;1;1;0;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;0;1;1;1;1;1;1;1;1;1;1;0;0;1;1;34;0;0;0;0;0;0;0;1;1;1;1;0;1;1;1;1;1;0;0;0;1;1;1;1;1;1;1;0;0;0;0;0;0;1;1;0;0;1;1;1;1;1;1;0;0;0;0;1;1;1;1;1;0;0;0;0;0;1;1;1;1;0;0;0;0;1;1;0;1;1;1;0;0;0;0;1;0;0;1;1;1;42;0;0;0;2;2;1;2;2;0;1;2;2;2;0;0;0;2;0;2;2;2;0;0;2;2;1;0;0;2;2;0;0;2;1;2;0;0;1;1;2;18;6;12;3;1;1;2;1;1;12;2;1;1;1;3;3;3;1;3;1;1;1;3;3;1;1;11;3;3;1;1;3;3;7;2;1;3;12;11;2;1;17;4;12;0;0;1;1;0;0;0;2;3
183;16;1;19;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;4;1;0;38;110;330;3;0;0;0.3;0.29;0.26;0;t1;0.3;13;2;0;0;0;0;0;1;1;1;1;1;1;1;1;1;1;0;1;1;0;1;1;1;1;1;1;1;1;0;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;0;36;1;1;1;1;1;1;0;1;1;1;1;0;1;1;1;1;1;1;1;1;1;1;1;0;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;0;36;0;0;0;1;1;0;0;1;1;0;0;0;0;1;1;1;1;1;1;0;0;1;0;0;0;1;1;0;0;0;0;0;0;0;0;1;1;0;0;1;1;1;1;0;0;1;0;1;1;1;1;1;1;0;0;0;0;0;0;0;0;0;0;0;0;1;1;0;0;0;0;0;0;0;0;1;1;0;1;0;0;31;0;2;0;2;0;0;2;2;2;0;1;0;2;0;0;0;0;2;0;2;2;0;1;2;2;2;0;0;0;0;0;0;2;0;0;0;0;2;1;0;14;3;1;3;1;3;6;1;1;1;3;11;3;1;9;3;3;3;1;3;1;1;3;11;1;1;1;3;3;3;3;3;3;1;3;3;3;3;1;2;12;14;1;20;0;0;1;0;0;1;0;2;1
184;17;1;25;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;6;1;0;45;130;391;18;0;0;0.62;0.57;0.46;0;t1;0.62;14;1;0;0;0;2;1;1;1;1;1;1;0;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;0;1;0;1;1;1;1;1;1;1;37;1;1;1;1;1;1;1;1;1;1;1;0;1;1;1;1;0;1;1;1;1;1;1;1;1;1;1;1;1;1;0;0;1;0;1;1;1;1;1;1;1;35;2;0;0;0;0;1;1;1;1;0;0;1;1;1;1;0;0;1;1;0;0;0;0;1;1;0;0;1;1;1;1;0;0;1;1;1;1;1;1;0;0;1;1;1;1;0;0;0;1;1;1;1;1;1;1;0;0;0;0;1;0;0;0;1;1;1;0;0;1;1;1;1;1;1;1;0;0;0;0;1;1;46;0;0;2;2;0;2;2;0;2;0;0;2;0;2;2;0;2;2;2;0;2;2;0;1;2;2;2;0;0;1;0;2;1;1;2;2;2;0;0;2;21;3;3;1;1;3;7;1;3;1;3;6;1;3;1;1;6;1;1;1;3;1;1;3;2;1;1;1;3;3;5;12;1;11;2;1;1;1;3;3;1;20;2;12;0;1;2;1;0;0;0;1;1
185;17;0;23;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;5;1;0;0;0;352;4;0;0;0;0;0;0;0;0;12;3;0;0;0;0;0;1;0;1;1;1;0;1;0;1;1;1;1;1;0;0;1;0;1;1;0;0;0;1;1;1;0;1;0;1;0;0;1;0;1;1;0;0;1;0;1;23;0;1;0;1;1;1;0;1;0;1;1;1;1;0;0;0;1;0;1;1;0;0;0;1;0;1;0;1;0;0;0;0;1;0;1;1;0;0;0;0;1;19;4;1;1;0;0;0;0;1;1;0;0;0;0;0;0;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;1;1;0;0;0;0;0;0;0;0;0;0;1;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;0;0;0;0;0;0;0;0;0;0;12;2;0;0;2;0;0;0;1;0;0;0;0;0;0;0;0;0;2;2;0;0;0;0;0;2;0;0;0;0;0;0;0;0;0;1;0;0;0;0;0;5;1;12;3;1;3;12;3;11;3;3;3;3;6;12;12;3;12;1;1;12;12;12;3;6;1;12;3;12;6;12;12;3;12;3;2;12;12;6;12;3;5;1;13;0;0;4;0;0;0;0;1;16
186;18;1;23;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;5;1;0;34;98;295;13;0;0;0.35;0.26;0.18;0;t1;0.35;12;2;1;0;0;1;0;1;0;1;1;1;1;1;1;1;1;1;1;1;1;1;1;0;1;1;1;1;0;1;1;1;0;1;0;1;1;1;1;0;1;1;1;1;0;0;0;31;0;1;0;1;1;1;1;1;1;1;1;1;1;1;1;1;1;0;1;1;1;1;0;0;1;0;0;1;0;1;0;1;1;1;1;1;1;1;0;1;0;30;1;0;0;1;0;0;0;1;1;0;0;1;1;0;0;1;1;1;0;0;0;0;0;1;1;0;1;1;1;1;1;1;1;0;0;1;1;0;0;0;0;1;1;1;0;1;1;1;1;1;1;1;1;1;1;0;0;0;0;0;0;0;0;0;0;1;1;0;1;0;0;0;0;0;1;1;0;1;1;0;0;39;0;1;0;2;0;2;0;2;1;0;0;2;1;2;2;2;0;2;0;0;2;1;2;2;2;2;2;0;0;0;0;0;2;1;0;0;1;1;2;0;16;3;11;3;1;3;1;3;1;2;3;3;1;2;1;1;1;12;1;3;3;1;11;4;1;4;10;1;12;3;6;3;3;7;2;3;3;2;11;7;12;11;4;13;2;0;1;2;0;0;1;3;3
187;18;0;22;XXXXX;XXXXX;0;5;NA;3;XXXXX;1;XXXXX;XXXXX;6;0;1;0;0;536;3;0;0;0;0;0;0;0;0;13;1;1;0;0;1;0;0;0;0;0;1;0;0;1;0;0;0;0;0;0;0;1;0;1;1;0;1;0;1;1;0;0;1;0;0;0;0;1;0;0;1;0;0;0;1;0;12;0;0;0;0;0;1;0;0;0;0;0;0;0;0;0;0;1;1;1;1;0;0;0;1;1;0;0;1;0;0;0;0;0;0;0;1;0;0;0;1;0;10;2;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;0;0;0;0;1;1;1;1;0;0;1;1;0;0;1;1;0;0;0;0;0;0;0;0;0;0;1;1;0;0;0;0;1;0;1;0;0;0;1;0;0;0;0;0;0;0;0;0;0;0;1;1;1;0;17;0;0;0;0;0;0;0;0;0;0;0;0;1;0;0;2;2;0;2;0;2;0;0;0;0;0;2;0;0;1;1;0;1;0;0;0;0;0;2;1;6;12;12;12;12;3;12;12;6;12;12;12;12;11;12;12;1;7;3;1;12;4;12;3;3;12;12;1;12;12;11;11;6;11;12;3;12;12;12;1;11;4;0;5;1;0;2;1;0;0;0;5;22
188;18;1;28;XXXXX;XXXXX;0;5;NA;3;XXXXX;1;XXXXX;XXXXX;5;1;0;53;151;453;7;0;0;0.51;0.5;0.4;0;t1;0.51;14;1;0;0;0;0;0;1;0;0;0;1;0;0;1;0;1;1;0;1;1;0;1;0;1;1;0;0;0;0;0;0;0;1;0;1;1;1;0;0;1;1;0;0;1;0;1;18;0;0;0;0;0;1;0;0;0;0;1;0;0;1;1;0;1;1;1;1;0;0;0;0;0;0;0;1;0;1;1;1;0;0;1;1;0;0;1;0;0;15;3;0;0;0;0;0;0;0;0;1;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;0;0;0;0;1;1;1;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;0;0;0;0;0;0;0;0;1;0;0;0;10;0;0;0;0;2;0;0;0;0;0;0;0;1;0;0;2;2;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;2;0;0;0;0;1;0;4;6;12;12;12;1;12;12;6;12;3;6;12;2;3;12;1;7;3;3;12;12;12;12;12;12;12;3;12;3;3;3;12;12;1;3;12;12;3;11;6;3;1;10;0;0;4;1;0;0;0;1;20
190;18;1;22;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;5;1;0;37;106;317;15;0;0;0.51;0.39;0.32;0;t1;0.51;12;2;1;0;0;1;0;1;0;1;1;1;1;1;1;0;0;0;0;1;0;1;1;1;1;1;0;1;1;1;1;1;0;0;1;1;1;1;1;1;1;1;1;0;0;1;0;28;0;1;0;1;1;1;1;1;1;0;0;0;0;1;0;1;1;0;1;1;0;0;1;0;1;1;0;0;1;0;1;1;1;1;1;1;1;0;0;1;0;24;4;0;0;1;0;0;0;0;0;1;1;1;1;0;0;0;0;0;0;0;0;0;0;0;0;1;1;0;0;0;0;0;0;1;1;1;1;0;1;0;0;1;1;0;0;0;0;0;0;1;1;0;0;0;0;0;0;0;0;0;0;1;1;0;0;1;1;1;1;1;1;1;1;0;0;0;0;0;0;0;0;26;0;1;0;0;2;2;0;0;0;0;0;0;2;0;0;0;2;2;1;0;2;0;0;0;2;0;0;0;0;0;2;0;2;2;2;2;0;0;0;0;12;3;11;3;3;1;1;3;3;12;12;12;12;1;12;3;3;4;1;2;12;4;3;6;3;1;12;12;3;6;3;1;3;1;1;1;1;12;12;3;12;10;1;13;2;0;2;0;0;0;0;1;11
195;19;0;24;XXXXX;XXXXX;0;5;NA;3;XXXXX;1;XXXXX;XXXXX;5;0;1;0;0;516;3;0;0;0;0;NA;NA;0;0;15;0;0;0;0;0;0;1;1;1;1;1;0;1;1;1;1;0;1;1;1;0;0;1;1;1;1;1;0;1;0;1;1;1;0;1;1;0;1;0;1;1;1;1;1;1;1;31;0;1;1;1;0;1;0;0;0;1;1;0;1;1;1;0;0;1;1;1;1;1;0;1;0;1;1;1;1;1;1;0;1;0;1;1;1;1;1;0;1;28;3;0;0;1;1;0;0;0;0;0;0;0;0;0;0;1;1;1;1;0;0;1;0;0;0;1;1;0;0;1;0;0;0;1;1;0;0;1;1;1;1;1;0;0;0;0;1;0;0;1;1;0;1;1;1;0;0;0;0;1;1;1;0;0;0;1;0;0;0;0;0;0;0;0;1;1;1;1;1;0;0;32;0;2;0;0;0;0;0;2;2;0;1;0;2;0;1;0;2;0;2;2;1;0;1;0;2;1;2;0;0;2;1;0;1;0;0;0;1;2;2;0;12;3;1;3;6;3;12;6;4;1;3;11;3;1;3;11;12;1;3;1;1;2;12;2;12;1;2;1;9;3;1;11;3;11;3;3;3;2;1;4;3;10;4;13;2;0;2;0;0;1;0;4;4
196;19;0;24;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;5;1;0;0;0;393;5;0;0;0;0;NA;NA;0;0;13;0;2;0;0;1;0;1;0;1;1;1;0;1;1;1;1;0;1;1;0;0;0;0;1;1;1;1;1;1;1;1;0;1;1;1;1;1;0;0;1;1;1;0;0;0;0;26;0;0;0;1;1;1;0;1;1;1;1;0;1;1;0;0;0;0;1;1;1;1;0;0;1;1;0;0;1;1;1;0;0;0;1;1;1;0;0;1;0;22;4;0;0;1;0;1;1;0;0;1;1;0;0;0;1;0;0;0;1;0;0;0;0;0;1;1;1;0;0;0;0;0;0;0;0;1;1;0;0;0;1;1;1;1;1;0;1;0;0;1;1;0;0;0;0;0;0;0;1;0;0;0;0;1;0;1;0;0;0;0;1;1;1;0;0;1;0;1;1;0;0;29;0;1;2;0;2;0;1;0;1;0;0;1;2;0;0;0;0;2;0;1;2;2;1;0;2;0;0;0;1;0;0;1;1;0;1;2;0;1;2;0;9;6;11;1;3;1;12;2;3;2;3;12;2;1;12;12;12;12;1;3;2;1;4;5;3;1;12;6;3;2;3;6;11;11;3;2;1;12;11;7;12;7;6;8;1;1;3;1;0;0;0;4;9
197;19;1;21;XXXXX;XXXXX;0;5;NA;3;XXXXX;1;XXXXX;XXXXX;5;1;0;47;136;407;2;0;0;0.56;0.52;NA;NA;t1;0.56;10;4;1;0;0;0;0;1;0;1;0;0;0;1;1;0;0;1;0;0;1;1;0;0;1;1;1;0;0;0;0;0;0;0;0;1;0;0;0;0;0;1;1;0;1;0;0;14;0;1;0;1;0;0;0;1;1;0;0;1;0;0;1;1;0;0;1;1;1;0;0;0;0;0;0;0;0;1;0;0;0;0;0;1;1;0;1;0;0;14;0;1;1;0;0;1;1;0;0;0;0;1;0;1;1;0;0;0;0;0;0;0;0;0;0;0;0;1;1;1;1;0;0;0;1;1;1;1;1;1;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;0;0;0;0;0;0;0;0;1;1;1;1;1;1;0;1;1;1;0;0;0;0;29;2;0;2;0;0;1;2;0;0;0;0;0;0;2;2;0;1;2;2;2;0;0;0;0;0;0;0;0;2;0;0;0;0;2;2;2;1;2;0;0;13;1;12;1;12;12;11;1;3;12;12;3;12;12;1;1;12;11;1;1;1;12;12;12;12;12;12;12;12;1;12;12;12;12;10;1;1;11;1;12;12;12;0;2;0;0;0;0;0;0;1;3;22
198;19;1;21;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;6;1;0;35;100;299;20;0;0;0.33;0.3;NA;NA;t1;0.33;12;2;1;0;0;0;0;0;0;1;1;1;1;1;1;1;0;0;1;0;0;0;1;1;1;1;1;1;0;1;0;0;0;1;1;1;1;1;1;1;0;1;0;1;1;1;1;27;0;0;0;1;1;1;1;1;0;1;0;0;1;0;0;0;1;0;1;1;1;1;0;1;0;0;0;1;1;1;1;0;1;1;0;1;0;1;1;1;1;24;3;0;0;0;0;1;1;1;1;0;0;0;0;0;0;1;1;1;1;0;0;1;0;0;0;0;0;0;0;0;0;1;1;1;0;1;1;1;1;0;0;1;1;1;0;1;1;0;0;0;0;0;0;0;1;1;1;0;0;1;1;0;0;0;0;1;1;1;0;0;1;0;1;0;0;1;1;1;1;1;1;37;0;0;2;2;0;0;0;2;2;0;1;0;0;0;0;2;1;2;2;0;2;1;2;0;0;0;1;2;0;2;0;0;2;1;1;1;0;2;2;2;15;12;12;1;1;3;3;3;4;1;12;11;3;12;12;12;1;5;1;1;3;1;11;1;12;12;12;2;1;3;1;6;3;1;11;2;11;3;1;1;1;14;2;8;1;1;1;0;0;0;0;4;9
199;19;0;26;XXXXX;XXXXX;0;5;NA;3;XXXXX;1;XXXXX;XXXXX;5;1;0;0;0;509;10;0;0;0;0;NA;NA;0;0;14;0;1;0;0;1;0;0;1;1;1;1;1;0;1;0;1;0;0;1;0;1;1;1;1;0;1;0;0;1;1;1;0;1;0;1;1;0;0;1;1;1;1;1;0;0;0;24;0;0;1;0;1;1;0;1;1;0;1;0;0;1;0;1;1;1;1;1;1;0;0;1;1;1;0;1;0;1;1;0;0;0;1;1;1;1;0;0;0;23;1;0;0;1;1;0;1;0;0;0;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;1;0;1;0;0;0;0;1;0;0;0;1;1;0;0;0;0;0;0;0;1;0;0;1;1;0;0;0;0;0;0;1;1;1;1;1;1;1;1;0;0;0;0;0;0;0;0;22;0;2;1;0;1;0;0;0;0;0;0;0;0;0;0;1;2;1;0;0;1;0;2;0;0;0;1;0;2;0;0;0;2;2;2;2;0;0;0;0;8;12;1;5;3;2;6;9;3;12;3;12;12;3;12;3;2;1;2;9;3;11;12;1;3;3;12;2;12;1;3;12;12;4;1;1;1;3;12;12;12;7;4;10;1;1;1;0;0;2;0;1;13
200;19;0;20;XXXXX;XXXXX;0;5;NA;3;XXXXX;1;XXXXX;XXXXX;4;0;1;0;0;570;8;0;0;0;0;NA;NA;0;0;12;2;1;0;0;1;0;0;1;1;0;1;0;1;1;1;1;1;1;0;1;1;0;1;1;1;1;0;1;0;1;1;0;1;1;0;1;1;1;1;1;0;1;0;1;0;0;27;0;0;1;1;0;1;0;1;1;1;1;1;1;0;1;1;0;1;1;0;0;0;1;0;0;1;0;1;1;0;1;0;1;1;1;0;1;0;1;0;0;23;4;0;0;0;0;0;0;0;0;1;1;0;0;0;0;0;0;0;0;0;0;1;1;0;0;0;0;0;0;0;0;0;0;0;0;0;1;0;0;0;0;0;0;0;1;0;0;0;0;0;0;0;0;1;1;0;1;0;0;1;1;0;0;0;0;1;1;0;0;1;0;1;1;0;0;0;0;0;0;0;0;16;0;0;0;0;2;0;0;0;0;0;2;0;0;0;0;0;0;1;0;0;0;1;0;0;0;0;2;1;0;2;0;0;2;0;1;2;0;0;0;0;6;12;3;3;12;1;12;3;3;3;3;1;3;12;3;3;12;3;2;6;6;12;2;12;6;3;12;1;2;12;1;6;3;1;3;11;1;12;3;12;12;6;3;14;0;0;4;0;0;0;0;1;12
201;19;1;21;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;4;1;0;28;81;242;7;0;0;0.38;0.31;NA;NA;t1;0.38;10;2;3;0;0;0;0;1;1;1;1;1;1;1;0;1;1;0;0;1;1;1;0;1;1;1;1;0;1;0;1;1;1;1;1;1;1;1;1;0;1;1;1;1;1;1;1;33;1;1;1;1;1;1;1;1;0;1;1;0;0;1;0;1;0;1;1;1;1;0;1;0;1;1;1;1;0;1;0;0;1;0;1;1;1;0;1;1;1;28;5;0;0;1;1;1;1;1;1;0;0;1;1;1;1;1;0;0;1;1;1;1;0;0;0;1;1;0;0;1;1;0;0;1;1;1;1;1;1;1;1;1;0;0;0;1;0;0;0;0;0;0;0;0;1;0;0;0;0;0;0;0;0;0;0;1;0;0;0;0;0;0;0;1;1;1;1;0;0;0;0;35;0;2;2;2;0;2;2;1;1;2;1;0;2;0;2;0;2;2;2;2;1;0;1;0;0;0;1;0;0;0;0;0;1;0;0;0;2;2;0;0;14;3;1;1;1;3;1;1;11;2;1;11;12;1;6;1;12;1;1;1;1;11;3;11;3;3;3;2;6;3;6;6;3;11;3;3;3;4;1;3;3;13;2;13;1;0;4;0;0;0;0;5;2
202;20;0;20;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;7;1;0;0;0;411;8;0;0;0;0;0;0;0;0;13;1;1;0;0;0;0;1;1;1;1;1;1;1;0;0;1;1;1;1;0;1;1;1;1;1;0;0;0;0;1;1;1;1;0;1;1;0;1;1;1;1;0;1;1;0;1;29;0;1;1;0;1;1;1;1;0;0;1;1;1;1;0;1;1;1;1;1;0;1;0;0;1;1;1;1;0;1;1;0;1;1;1;1;0;1;1;0;0;28;1;1;1;0;0;0;0;0;0;1;1;1;1;1;1;0;0;0;0;0;0;1;1;0;0;0;0;1;0;1;1;1;1;1;1;0;0;1;1;0;0;1;1;1;0;0;0;0;0;0;0;1;1;0;0;0;0;0;0;1;1;0;0;1;1;1;0;1;1;0;0;1;0;0;0;1;1;1;0;0;0;35;2;0;0;0;2;2;2;0;0;0;2;0;0;1;2;2;2;0;2;0;2;1;0;0;0;2;0;0;0;2;0;2;1;2;0;1;0;2;1;0;15;1;3;6;3;1;1;1;12;12;3;1;3;3;11;1;1;1;3;1;12;7;11;12;3;3;1;3;12;3;1;12;1;2;1;3;11;3;1;11;6;14;1;12;0;0;2;1;0;0;0;4;6
203;20;1;20;XXXXX;XXXXX;0;5;NA;3;XXXXX;3;XXXXX;XXXXX;5;1;0;40;114;341;10;0;0;0.37;0.36;0.38;0;t3;0.38;6;4;5;0;0;0;0;1;0;1;1;1;0;1;1;1;0;1;0;0;0;1;1;1;1;1;1;0;0;1;0;1;0;1;1;1;1;0;0;0;0;1;0;1;0;1;0;23;0;1;0;1;1;1;0;1;1;1;0;1;0;0;0;0;1;1;1;1;1;0;0;1;0;1;0;1;1;1;1;0;0;0;0;1;0;1;0;1;0;22;1;0;1;0;0;1;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;0;0;0;0;0;0;0;0;0;0;1;1;0;0;1;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;1;0;0;0;0;0;0;0;1;1;0;0;0;0;0;0;0;0;0;0;14;1;0;2;0;0;0;0;0;0;0;2;0;0;0;0;0;2;0;2;0;0;0;0;0;0;0;0;0;0;2;1;0;0;0;2;0;0;0;0;0;6;2;12;1;3;3;12;3;3;3;12;1;12;12;12;6;3;1;3;1;3;12;12;3;12;3;12;3;3;3;1;11;12;12;12;1;12;3;12;3;12;6;1;15;0;0;1;0;0;0;0;1;16
204;20;1;20;XXXXX;XXXXX;1;5;NA;3;XXXXX;3;XXXXX;XXXXX;5;1;0;32;92;277;2;0;0;0.56;0.49;0.45;0;t1;0.56;8;5;2;3;1;1;0;0;0;1;0;1;0;0;1;0;0;1;0;0;1;0;0;1;1;0;0;1;1;0;1;0;1;0;0;1;1;0;0;0;0;1;1;0;1;0;0;16;0;0;0;1;0;1;0;0;1;0;0;1;0;0;1;0;0;1;1;0;0;1;0;0;1;0;1;0;0;1;1;0;0;0;0;1;1;0;1;0;0;15;1;0;0;1;0;0;0;0;0;1;1;0;1;1;0;1;1;0;1;0;0;1;1;0;0;0;0;0;0;1;0;0;0;1;1;1;1;0;0;0;0;1;1;0;1;0;0;0;0;0;0;1;1;0;0;0;0;0;1;0;0;0;0;0;0;0;0;0;0;1;1;1;1;0;0;1;1;0;1;0;0;28;0;1;0;0;2;1;1;2;1;0;2;0;0;0;1;0;2;2;0;0;2;1;0;0;0;2;0;0;1;0;0;0;0;0;2;2;0;2;1;0;10;12;11;3;12;1;11;11;1;11;12;1;12;12;3;11;12;1;1;12;12;1;5;12;3;12;1;12;12;2;3;12;12;12;12;1;1;12;1;11;12;10;1;4;0;1;0;0;0;0;0;6;18
205;20;0;22;XXXXX;XXXXX;0;5;NA;3;XXXXX;2;XXXXX;XXXXX;7;1;0;0;0;529;4;0;0;0;0;0;0;0;0;10;4;1;2;1;0;0;0;0;1;0;1;0;0;0;1;0;0;0;0;1;1;0;0;1;1;1;0;0;0;0;0;1;1;0;0;0;1;0;0;1;1;0;0;1;0;0;14;0;0;0;0;0;1;0;0;0;1;0;0;0;0;1;1;0;0;1;1;1;0;0;0;0;0;0;1;0;0;0;1;0;0;1;1;0;0;1;0;0;12;2;0;0;0;0;1;0;0;0;0;0;0;0;0;0;0;0;0;1;0;0;0;0;0;0;0;0;0;0;1;1;0;1;0;0;0;0;0;0;1;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;0;0;0;0;0;1;0;0;0;0;0;0;9;0;0;1;0;0;0;0;0;1;0;0;0;0;0;2;1;0;0;0;2;0;0;0;0;0;0;0;0;0;0;0;0;0;1;0;0;1;0;0;0;2;12;12;5;12;3;12;12;12;2;12;12;12;12;3;1;11;12;3;3;1;12;12;12;12;12;6;3;12;12;12;3;12;12;2;3;12;11;3;12;12;2;2;8;0;1;1;0;0;0;0;2;24
206;20;0;22;XXXXX;XXXXX;1;5;NA;3;XXXXX;1;XXXXX;XXXXX;5;1;0;0;0;405;10;0;0;0;0;0;0;0;0;13;1;1;0;0;0;0;0;0;0;0;0;0;1;0;0;0;0;0;0;0;1;0;0;1;0;1;1;1;0;0;0;1;0;0;1;0;0;0;1;1;1;0;0;1;1;0;13;0;0;0;0;0;0;0;1;0;0;0;0;0;0;0;0;0;0;1;0;1;1;0;0;0;0;1;0;0;1;0;0;0;1;1;1;0;0;1;1;0;11;2;0;0;0;0;0;0;0;0;1;1;0;0;0;0;0;0;0;0;1;0;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;0;0;0;0;0;0;1;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;1;1;1;1;1;1;0;0;0;0;0;0;1;1;1;0;16;0;0;0;0;2;0;0;0;0;1;1;0;0;0;0;0;0;0;0;0;2;0;0;0;1;0;0;0;0;0;0;0;2;2;2;0;0;0;2;1;6;12;12;12;12;10;12;3;12;12;11;11;12;12;12;6;12;12;3;12;3;1;6;12;12;11;3;12;12;3;12;12;12;1;1;1;12;12;3;1;11;5;0;6;0;0;2;0;0;0;1;4;22

Dockerfile

FROM rocker/binder:4.2.0

## Declares build arguments
ARG NB_USER
ARG NB_UID

COPY --chown=${NB_USER} . ${HOME}

ENV DEBIAN_FRONTEND=noninteractive
USER root
RUN echo "Checking for 'apt.txt'..." \
        ; if test -f "apt.txt" ; then \
        apt-get update --fix-missing > /dev/null\
        && xargs -a apt.txt apt-get install --yes \
        && apt-get clean > /dev/null \
        && rm -rf /var/lib/apt/lists/* \
        ; fi
USER ${NB_USER}

## Run an install.R script, if it exists.
RUN if [ -f install.R ]; then R --quiet -f install.R; fi

ESM 4.R

# ELECTRONIC SUPPLEMENTAL MATERIAL (ESM) 4
# ACCOMPANYING THE MANUSCRIPT "ALCOHOL-INDUCED RETROGRADE FACILITATION? MIXED EVIDENCE IN A PREREGISTERED REPLICATION AND ENCODING-MAINTENANCE-RETRIEVAL ANALYSIS"


#### Load packages and data

library(BayesFactor)
library(lsr)
library(readxl)
library(sprtt)
library(tidyverse)
library(TreeBUGS)

data <- read.csv2("data.csv")

data$bac_t1 <- as.numeric(data$bac_t1)
data$bac_t2 <- as.numeric(data$bac_t2)
data$bac_t3 <- as.numeric(data$bac_t3)
data$peak_bac_value <- as.numeric(data$peak_bac_value)


#### Sample

nrow(data) # N = 93
length(unique(data$cohort)) # 20 sequential groups
sum(data$cohort == 2) # 2 participants in the 2nd group (min.)
sum(data$cohort == 6) # 10 participants in the 6th group (max.)
table(data$condition_alcohol) # n(alcohol) = 46, n(placebo) = 47
table(data$gender_female) # n(female) = 62, n(male) = 31
mean(data$age) # M(age) = 20.67 years
sd(data$age) # SD(age) = 2.18
sum(data$occupation == 3) # n(university students) = 91
sum(data$study_course == 1, na.rm = TRUE) # n(psychology program) = 72
mean(data$audit_score) # M(AUDIT) = 5.39
sd(data$audit_score) # SD(AUDIT) = 1.23


#### Control variables and manipulation checks

any(data$bac_t0 > 0) # no BAC > 0.00‰ at beginning of the study
sum(data$abstinence == 0) # n(alcohol consumption within 48 hours before the experiment) = 6
table(data$peak_bac_time) # n(peak BAC after 30 minutes) = 41, n(peak BAC after 60 minutes) = 4, n(peak BAC after 90 minutes) = 1
tapply(data$peak_bac_value, data$condition_alcohol, FUN = mean) # M(peak BAC in the alcohol condition) = 0.43‰
tapply(data$peak_bac_value, data$condition_alcohol, FUN = sd) # SD(peak BAC in the alcohol condition) = 0.08
tapply(data$peak_bac_value, data$condition_alcohol, FUN = range) # Range(peak BAC in the alcohol condition) = 0.22-0.62

data_alc <- data %>% filter(condition_alcohol == 1)

mean(data_alc$bac_t1) # M(BAC in the alcohol condition after 30 minutes) = 0.43‰
sd(data_alc$bac_t1) # SD(BAC in the alcohol condition after 30 minutes) = 0.08
range(data_alc$bac_t1) # Range(BAC in the alcohol condition after 30 minutes) = 0.22-0.62
t.test(x = data_alc$bac_t1, alternative = "greater") # t(45) = 34.74, p < .001

mean(data_alc$bac_t2) # M(BAC in the alcohol condition after 60 minutes) = 0.37‰
sd(data_alc$bac_t2) # SD(BAC in the alcohol condition after 60 minutes) = 0.08
range(data_alc$bac_t2) # Range(BAC in the alcohol condition after 60 minutes) = 0.18-0.57
t.test(x = data_alc$bac_t2, alternative = "greater") # t(45) = 31.40, p < .001

mean(data_alc$bac_t3, na.rm = TRUE) # M(BAC in the alcohol condition after 90 minutes) = 0.30‰
sd(data_alc$bac_t3, na.rm = TRUE) # SD(BAC in the alcohol condition after 90 minutes) = 0.08
range(data_alc$bac_t3, na.rm = TRUE) # Range(BAC in the alcohol condition after 90 minutes) = 0.12-0.46
t.test(x = data_alc$bac_t3, alternative = "greater") # t(42) = 24.91, p < .001

data_pla <- data %>% filter(condition_alcohol == 0)

table(data_pla$estimated_alcohol_content == 0) # n(estimated alcohol content "less than 1%" in the placebo condition) = 8
sum(data_pla$bac_t1 > 0) # n(BAC > 0.00‰ in the placebo condition after 30 minutes) = 0
sum(data_pla$bac_t2 > 0) # n(BAC > 0.00‰ in the placebo condition after 60 minutes) = 0
sum(data_pla$bac_t3 > 0, na.rm = TRUE) # n(BAC > 0.00‰ in the placebo condition after 90 minutes) = 1
max(data_pla$bac_t3, na.rm = TRUE) # one BAC = 0.08‰ after 90 minutes in the placebo condition

any(data$bac_t4 > 0, na.rm = TRUE) # no BAC > 0.00‰ before the final recall tests

table(data$communication, data$condition_alcohol) # n(communication about beverages) = 13 (alcohol condition) + 10 (placebo condition) = 23; n(communication about beverages + word pairs) = 1 (alcohol condition) + 1 (placebo condition) = 2
table(data$thoughts_word_pairs, data$condition_alcohol) # n(thoughts about word pairs without rehearsal) = 12 (alcohol condition) + 18 (placebo condition) = 30; n(thoughts about word pairs with rehearsal) = 2 (alcohol condition) + 1 (placebo condition) = 3


#### Design-based results

data$condition_alcohol <- as.factor(data$condition_alcohol)
data_subsample <- data %>% filter(cohort <= 5)

# Subsample (N = 18)
tapply(data_subsample$immediate_cued_recall_score, data_subsample$condition_alcohol, FUN = mean) # M(alcohol) = 19.33, M(placebo) = 26.56
tapply(data_subsample$immediate_cued_recall_score, data_subsample$condition_alcohol, FUN = sd) # SD(alcohol) = 7.94, SD(placebo) = 4.64
tapply(data_subsample$final_cued_recall_score, data_subsample$condition_alcohol, FUN = mean) # M(alcohol) = 16.78, M(placebo) = 24.89
tapply(data_subsample$final_cued_recall_score, data_subsample$condition_alcohol, FUN = sd) # SD(alcohol) = 8.80, SD(placebo) = 4.83
tapply(data_subsample$cued_recall_difference_score, data_subsample$condition_alcohol, FUN = mean) # M(alcohol) = 2.56, M(placebo) = 1.67
tapply(data_subsample$cued_recall_difference_score, data_subsample$condition_alcohol, FUN = sd) # SD(alcohol) = 1.81, SD(placebo) = 1.50
tapply(data_subsample$free_recall_complete_pairs, data_subsample$condition_alcohol, FUN = mean) # M(alcohol) = 9.22, M(placebo) = 13.22
tapply(data_subsample$free_recall_complete_pairs, data_subsample$condition_alcohol, FUN = sd) # SD(alcohol) = 4.60, SD(placebo) = 5.09
tapply(data_subsample$free_recall_single_words, data_subsample$condition_alcohol, FUN = mean) # M(alcohol) = 23.67, M(placebo) = 31.56
tapply(data_subsample$free_recall_single_words, data_subsample$condition_alcohol, FUN = sd) # SD(alcohol) = 8.89, SD(placebo) = 9.89

# Full sample (N = 93)
tapply(data$immediate_cued_recall_score, data$condition_alcohol, FUN = mean) # M(alcohol) = 23.57, M(placebo) = 23.83
tapply(data$immediate_cued_recall_score, data$condition_alcohol, FUN = sd) # SD(alcohol) = 8.89, SD(placebo) = 7.50
tapply(data$final_cued_recall_score, data$condition_alcohol, FUN = mean) # M(alcohol) = 21.85, M(placebo) = 21.34
tapply(data$final_cued_recall_score, data$condition_alcohol, FUN = sd) # SD(alcohol) = 9.59, SD(placebo) = 7.65
tapply(data$cued_recall_difference_score, data$condition_alcohol, FUN = mean) # M(alcohol) = 1.72, M(placebo) = 2.49
tapply(data$cued_recall_difference_score, data$condition_alcohol, FUN = sd) # SD(alcohol) = 1.73, SD(placebo) = 2.41
tapply(data$free_recall_complete_pairs, data$condition_alcohol, FUN = mean) # M(alcohol) = 11.57, M(placebo) = 10.04
tapply(data$free_recall_complete_pairs, data$condition_alcohol, FUN = sd) # SD(alcohol) = 5.44, SD(placebo) = 4.66
tapply(data$free_recall_single_words, data$condition_alcohol, FUN = mean) # M(alcohol) = 28.11, M(placebo) = 26.21
tapply(data$free_recall_single_words, data$condition_alcohol, FUN = sd) # SD(alcohol) = 10.68, SD(placebo) = 9.29

h1 <- seq_ttest(cued_recall_difference_score ~ condition_alcohol,
                d = 0.50,
                power = 0.80,
                alternative = "greater",
                data = data_subsample)
h1@likelihood_ratio
exp(h1@B_boundary_log)
cohensD(cued_recall_difference_score ~ condition_alcohol, data = data_subsample)
# decision to accept H0 for Hypothesis 1 at N = 18, LR = 0.18, lower = 0.21, data 1/0.18 = 5.6 times more likely under H0, Cohen's d = 0.53

h2 <- seq_ttest(free_recall_complete_pairs ~ condition_alcohol,
                d = 0.50,
                power = 0.80,
                alternative = "less",
                data = data_subsample)
h2@likelihood_ratio
exp(h2@B_boundary_log)
cohensD(free_recall_complete_pairs ~ condition_alcohol, data = data_subsample)
# decision to accept H0 for Hypothesis 2 at N = 18, LR = 0.11, lower = 0.21, data 1/0.11 = 9.1 times more likely under H0, Cohen's d = 0.82

h1_fullsample <- seq_ttest(cued_recall_difference_score ~ condition_alcohol,
                           d = 0.50,
                           power = 0.80,
                           alternative = "greater",
                           data = data)
h1_fullsample@likelihood_ratio
cohensD(data$cued_recall_difference_score[data$condition_alcohol == 0],
        data$cued_recall_difference_score[data$condition_alcohol == 1])
# at N = 93 (full sample), LR = 3.84 for Hypothesis 1, Cohen's d = 0.37

h2_fullsample <- seq_ttest(free_recall_complete_pairs ~ condition_alcohol,
                            d = 0.50,
                            power = 0.80,
                            alternative = "less",
                            data = data)
h2_fullsample@likelihood_ratio
cohensD(data$free_recall_complete_pairs[data$condition_alcohol == 0],
        data$free_recall_complete_pairs[data$condition_alcohol == 1])
# at N = 93 (full sample), LR = 1.81 for Hypothesis 2, Cohen's d = 0.30

ttestBF(x = data$cued_recall_difference_score[data$condition_alcohol == 0],
        y = data$cued_recall_difference_score[data$condition_alcohol == 1],
        nullInterval = c(0, Inf))
# at N = 93 (full sample), BF_10 = 1.63 for Hypothesis 1

ttestBF(x = data$free_recall_complete_pairs[data$condition_alcohol == 0],
        y = data$free_recall_complete_pairs[data$condition_alcohol == 1],
        nullInterval = c(0, -Inf))
# at N = 93 (full sample), BF_10 = 1.00 for Hypothesis 2


any(data$condition_alcohol == 1 & data$estimated_alcohol_content == 0) # no participants in the alcohol condition estimated the alcohol content of their beverage to be less than 1%

data_subsample_excl <- data_subsample %>% filter(estimated_alcohol_content != 0 & communication == 0)
nrow(data_subsample_excl) # N(subsample after exclusion) = 12

data_fullsample_excl <- data %>% filter(estimated_alcohol_content != 0 & communication == 0)
nrow(data_fullsample_excl) # N(full sample after exclusion) = 62

# Subsample after exclusion (N = 12)
tapply(data_subsample_excl$cued_recall_difference_score, data_subsample_excl$condition_alcohol, FUN = mean) # M(alcohol) = 2.67, M(placebo) = 2.00
tapply(data_subsample_excl$cued_recall_difference_score, data_subsample_excl$condition_alcohol, FUN = sd) # SD(alcohol) = 2.07, SD(placebo) = 1.26
tapply(data_subsample_excl$free_recall_complete_pairs, data_subsample_excl$condition_alcohol, FUN = mean) # M(alcohol) = 9.67, M(placebo) = 13.33
tapply(data_subsample_excl$free_recall_complete_pairs, data_subsample_excl$condition_alcohol, FUN = sd) # SD(alcohol) = 4.84, SD(placebo) = 5.75

# Full sample after exclusion (N = 62)
tapply(data_fullsample_excl$cued_recall_difference_score, data_fullsample_excl$condition_alcohol, FUN = mean) # M(alcohol) = 1.91, M(placebo) = 2.73
tapply(data_fullsample_excl$cued_recall_difference_score, data_fullsample_excl$condition_alcohol, FUN = sd) # SD(alcohol) = 1.86, SD(placebo) = 2.57
tapply(data_fullsample_excl$free_recall_complete_pairs, data_fullsample_excl$condition_alcohol, FUN = mean) # M(alcohol) = 11.47, M(placebo) = 9.80
tapply(data_fullsample_excl$free_recall_complete_pairs, data_fullsample_excl$condition_alcohol, FUN = sd) # SD(alcohol) = 5.97, SD(placebo) = 4.92

h1_subsample_excl <- seq_ttest(cued_recall_difference_score ~ condition_alcohol,
                           d = 0.50,
                           power = 0.80,
                           alternative = "greater",
                           data = data_subsample_excl)
h1_subsample_excl@likelihood_ratio
# at N = 12 (subsample after exclusion), LR = 0.39 for Hypothesis 1

h1_fullsample_excl <- seq_ttest(cued_recall_difference_score ~ condition_alcohol,
                               d = 0.50,
                               power = 0.80,
                               alternative = "greater",
                               data = data_fullsample_excl)
h1_fullsample_excl@likelihood_ratio
# at N = 62 (full sample after exclusion), LR = 2.54 for Hypothesis 1

ttestBF(x = data_fullsample_excl$cued_recall_difference_score[data_fullsample_excl$condition_alcohol == 0],
        y = data_fullsample_excl$cued_recall_difference_score[data_fullsample_excl$condition_alcohol == 1],
        nullInterval = c(0, Inf))
# at N = 12 (full sample after exclusion), BF_10 = 1.15 for Hypothesis 1

h2_subsample_excl <- seq_ttest(free_recall_complete_pairs ~ condition_alcohol,
                               d = 0.50,
                               power = 0.80,
                               alternative = "less",
                               data = data_subsample_excl)
h2_subsample_excl@likelihood_ratio
# at N = 12 (subsample after exclusion), LR = 0.26 for Hypothesis 2

h2_fullsample_excl <- seq_ttest(free_recall_complete_pairs ~ condition_alcohol,
                                d = 0.50,
                                power = 0.80,
                                alternative = "less",
                                data = data_fullsample_excl)
h2_fullsample_excl@likelihood_ratio
# at N = 62 (full sample after exclusion), LR = 1.53 for Hypothesis 2

ttestBF(x = data_fullsample_excl$free_recall_complete_pairs[data_fullsample_excl$condition_alcohol == 0],
        y = data_fullsample_excl$free_recall_complete_pairs[data_fullsample_excl$condition_alcohol == 1],
        nullInterval = c(0, -Inf))
# at N = 62 (full sample after exclusion), BF_10 = 0.81 for Hypothesis 2


#### Model-based results

mpt_data_1 <- data %>%
    filter(exclusion_immediate_cued_recall_score == 0) %>%
    select(condition_alcohol, frequency_e1:frequency_e12)

table(mpt_data_1$condition_alcohol) # after exclusion according to immediate cued recall: n(alcohol) = 31, n(placebo) = 40

multitree_data_1 <- mpt_data_1 %>%
        group_by(condition_alcohol) %>%
        summarise(e1 = sum(frequency_e1),
                  e2 = sum(frequency_e2),
                  e3 = sum(frequency_e3),
                  e4 = sum(frequency_e4),
                  e5 = sum(frequency_e5),
                  e6 = sum(frequency_e6),
                  e7 = sum(frequency_e7),
                  e8 = sum(frequency_e8),
                  e9 = sum(frequency_e9),
                  e10 = sum(frequency_e10),
                  e11 = sum(frequency_e11),
                  e12 = sum(frequency_e12))
View(multitree_data_1)
# note: this frequency data was used for the MPT analysis in multiTree (ESM 6; https://www.sowi.uni-mannheim.de/erdfelder/forschung/software/multitree/)

# individual category frequencies in the alcohol condition for the Bayesian hierarchical model:
cat_freq_alc_1 <- data %>%
        filter(condition_alcohol == 1 &
               exclusion_immediate_cued_recall_score == 0) %>%
        select(frequency_e1:frequency_e12)
colnames(cat_freq_alc_1) <- c("E1", "E2", "E3", "E4", "E5", "E6", "E7", "E8", "E9", "E10", "E11", "E12")

# individual category frequencies in the placebo condition for the Bayesian hierarchical model:
cat_freq_pla_1 <- data %>%
        filter(condition_alcohol == 0 &
               exclusion_immediate_cued_recall_score == 0) %>%
        select(frequency_e1:frequency_e12)
colnames(cat_freq_pla_1) <- c("E1", "E2", "E3", "E4", "E5", "E6", "E7", "E8", "E9", "E10", "E11", "E12")

# specification of model equations:
restricted_emr_equations <- "# restrictions: ms and mu equated within conditions, ss and su equated within condition, rc equated across conditions
                             Alc_Pla     E1      e*rc*m*rc*rf
                             Alc_Pla     E1      e*rc*m*rc*(1-rf)*s*s
                             Alc_Pla     E2      e*rc*m*rc*(1-rf)*s*(1-s)
                             Alc_Pla     E2      e*rc*m*rc*(1-rf)*(1-s)*s
                             Alc_Pla     E3      e*rc*m*rc*(1-rf)*(1-s)*(1-s)
                             Alc_Pla     E4      e*rc*m*(1-rc)*rf
                             Alc_Pla     E4      e*rc*m*(1-rc)*(1-rf)*s*s
                             Alc_Pla     E5      e*rc*m*(1-rc)*(1-rf)*s*(1-s)
                             Alc_Pla     E5      e*rc*m*(1-rc)*(1-rf)*(1-s)*s
                             Alc_Pla     E6      e*rc*m*(1-rc)*(1-rf)*(1-s)*(1-s)
                             Alc_Pla     E4      e*rc*(1-m)*us*us
                             Alc_Pla     E5      e*rc*(1-m)*us*(1-us)
                             Alc_Pla     E5      e*rc*(1-m)*(1-us)*us
                             Alc_Pla     E6      e*rc*(1-m)*(1-us)*(1-us)
                             Alc_Pla     E7      e*(1-rc)*m*rc*rf
                             Alc_Pla     E7      e*(1-rc)*m*rc*(1-rf)*s*s
                             Alc_Pla     E8      e*(1-rc)*m*rc*(1-rf)*s*(1-s)
                             Alc_Pla     E8      e*(1-rc)*m*rc*(1-rf)*(1-s)*s
                             Alc_Pla     E9      e*(1-rc)*m*rc*(1-rf)*(1-s)*(1-s)
                             Alc_Pla     E10     e*(1-rc)*m*(1-rc)*rf
                             Alc_Pla     E10     e*(1-rc)*m*(1-rc)*(1-rf)*s*s
                             Alc_Pla     E11     e*(1-rc)*m*(1-rc)*(1-rf)*s*(1-s)
                             Alc_Pla     E11     e*(1-rc)*m*(1-rc)*(1-rf)*(1-s)*s
                             Alc_Pla     E12     e*(1-rc)*m*(1-rc)*(1-rf)*(1-s)*(1-s)
                             Alc_Pla     E10     e*(1-rc)*(1-m)*uu*uu
                             Alc_Pla     E11     e*(1-rc)*(1-m)*uu*(1-uu)
                             Alc_Pla     E11     e*(1-rc)*(1-m)*(1-uu)*uu
                             Alc_Pla     E12     e*(1-rc)*(1-m)*(1-uu)*(1-uu)
                             Alc_Pla     E10     (1-e)*uu*uu
                             Alc_Pla     E11     (1-e)*uu*(1-uu)
                             Alc_Pla     E11     (1-e)*(1-uu)*uu
                             Alc_Pla     E12     (1-e)*(1-uu)*(1-uu)"

# fitting the model for the alcohol condition (warning: model fitting takes several minutes):
set.seed(128)
model_alc_1 <- traitMPT(eqnfile = restricted_emr_equations,
                        data = cat_freq_alc_1,
                        n.adapt = 5000,
                        n.burnin = 30000,
                        n.iter = 90000,
                        n.thin = 10,
                        n.chains = 3,
                        ppp = 1000)

summary(model_alc_1)
# alcohol condition: Rhat <= 1.007 for all parameters; p1 = .288, p2 = .300

# fitting the model for the placebo condition (warning: model fitting takes several minutes):
set.seed(128)
model_pla_1 <- traitMPT(eqnfile = restricted_emr_equations,
                        data = cat_freq_pla_1,
                        n.adapt = 5000,
                        n.burnin = 30000,
                        n.iter = 90000,
                        n.thin = 10,
                        n.chains = 3,
                        ppp = 1000)

summary(model_pla_1)
# placebo condition: Rhat <= 1.003 for all parameters; p1 = .565, p2 = .420

betweenSubjectMPT(model_alc_1, model_pla_1,
                  par1 = "e",
                  stat = c("x-y", "x>y"), plot = TRUE)
# no reliable difference (two-tailed) between conditions in parameter e (BCI = [-.09, .06])

betweenSubjectMPT(model_alc_1, model_pla_1,
                  par1 = "rf",
                  stat = c("x-y", "x<y"), plot = TRUE)
# reliable difference (one-tailed) between conditions in parameter rf (p = .023)

betweenSubjectMPT(model_alc_1, model_pla_1,
                  par1 = "m",
                  stat = c("x-y", "x<y"), plot = TRUE)
# no reliable difference (one-tailed) between conditions in parameter m (p = .104)


#### MPT multiverse analysis (results are reported in ESM 7)

mpt_data_2 <- data %>%
        select(condition_alcohol, frequency_e1:frequency_e12)

table(mpt_data_2$condition_alcohol) # n(alcohol) = 46, n(placebo) = 47

# aggregated category frequencies for the MPT multiverse analysis (*without* the model-related exclusion criterion and *without* the procedure-related exclusion criteria:
multitree_data_2 <- mpt_data_2 %>%
        group_by(condition_alcohol) %>%
        summarise(e1 = sum(frequency_e1),
                  e2 = sum(frequency_e2),
                  e3 = sum(frequency_e3),
                  e4 = sum(frequency_e4),
                  e5 = sum(frequency_e5),
                  e6 = sum(frequency_e6),
                  e7 = sum(frequency_e7),
                  e8 = sum(frequency_e8),
                  e9 = sum(frequency_e9),
                  e10 = sum(frequency_e10),
                  e11 = sum(frequency_e11),
                  e12 = sum(frequency_e12))
View(multitree_data_2)
# note: to reproduce the results for the aggregated data reported in ESM 7, this frequency data needs to be inserted in the multiTree file (ESM 6) in the "Data" tab

# individual category frequencies in the alcohol condition for the MPT multiverse analysis (*without* the model-related exclusion criterion and *without* the procedure-related exclusion criteria:
cat_freq_alc_2 <- data %>%
        filter(condition_alcohol == 1) %>%
        select(frequency_e1:frequency_e12)
colnames(cat_freq_alc_2) <- c("E1", "E2", "E3", "E4", "E5", "E6", "E7", "E8", "E9", "E10", "E11", "E12")

# individual category frequencies in the placebo condition for the MPT multiverse analysis (*without* the model-related exclusion criterion and *without* the procedure-related exclusion criteria:
cat_freq_pla_2 <- data %>%
        filter(condition_alcohol == 0) %>%
        select(frequency_e1:frequency_e12)
colnames(cat_freq_pla_2) <- c("E1", "E2", "E3", "E4", "E5", "E6", "E7", "E8", "E9", "E10", "E11", "E12")

# fitting the model for the alcohol condition (warning: model fitting takes several minutes):
set.seed(128)
model_alc_2 <- traitMPT(eqnfile = restricted_emr_equations,
                        data = cat_freq_alc_2,
                        n.adapt = 5000,
                        n.burnin = 30000,
                        n.iter = 90000,
                        n.thin = 10,
                        n.chains = 3,
                        ppp = 1000)

summary(model_alc_2)
# alcohol condition: p1 = .168, p2 = .363

# fitting the model for the placebo condition (warning: model fitting takes several minutes):
set.seed(128)
model_pla_2 <- traitMPT(eqnfile = restricted_emr_equations,
                        data = cat_freq_pla_2,
                        n.adapt = 5000,
                        n.burnin = 30000,
                        n.iter = 90000,
                        n.thin = 10,
                        n.chains = 3,
                        ppp = 1000)

summary(model_pla_2)
# placebo condition: p1 = .491, p2 = .449

betweenSubjectMPT(model_alc_2, model_pla_2,
                  par1 = "rf",
                  stat = c("x-y", "x<y"), plot = TRUE)
# reliable difference (one-tailed) between conditions in parameter rf (p = .006)

betweenSubjectMPT(model_alc_2, model_pla_2,
                  par1 = "m",
                  stat = c("x-y", "x<y"), plot = TRUE)
# no reliable difference (one-tailed) between conditions in parameter m (p = .132)

mpt_data_3 <- data %>%
        filter(exclusion_immediate_cued_recall_score == 0 &
               exclusion_estimated_alcohol_content == 0 &
               exclusion_communication == 0 &
               exclusion_abstinence == 0 &
               exclusion_rehearsal == 0) %>%
        select(id, condition_alcohol, free_recall_complete_pairs, frequency_e1:frequency_e12)

table(mpt_data_3$condition_alcohol) # n(alcohol) = 19, n(placebo) = 20

# aggregated category frequencies for the MPT multiverse analysis (*with* the model-related exclusion criterion and *with* the procedure-related exclusion criteria:
multitree_data_3 <- mpt_data_3 %>%
        group_by(condition_alcohol) %>%
        summarise(e1 = sum(frequency_e1),
                  e2 = sum(frequency_e2),
                  e3 = sum(frequency_e3),
                  e4 = sum(frequency_e4),
                  e5 = sum(frequency_e5),
                  e6 = sum(frequency_e6),
                  e7 = sum(frequency_e7),
                  e8 = sum(frequency_e8),
                  e9 = sum(frequency_e9),
                  e10 = sum(frequency_e10),
                  e11 = sum(frequency_e11),
                  e12 = sum(frequency_e12))
View(multitree_data_3)
# note: to reproduce the results for the aggregated data reported in ESM 7, this frequency data needs to be inserted in the multiTree file (ESM 6) in the "Data" tab

# individual category frequencies in the alcohol condition for the MPT multiverse analysis (*with* the model-related exclusion criterion and *with* the procedure-related exclusion criteria:
cat_freq_alc_3 <- data %>%
        filter(condition_alcohol == 1 &
               exclusion_immediate_cued_recall_score == 0 &
               exclusion_estimated_alcohol_content == 0 &
               exclusion_communication == 0 &
               exclusion_abstinence == 0 &
               exclusion_rehearsal == 0) %>%
        select(frequency_e1:frequency_e12)
colnames(cat_freq_alc_3) <- c("E1", "E2", "E3", "E4", "E5", "E6", "E7", "E8", "E9", "E10", "E11", "E12")

# individual category frequencies in the placebo condition for the MPT multiverse analysis (*without* the model-related exclusion criterion and *without* the procedure-related exclusion criteria:
cat_freq_pla_3 <- data %>%
        filter(condition_alcohol == 0 &
               exclusion_immediate_cued_recall_score == 0 &
               exclusion_estimated_alcohol_content == 0 &
               exclusion_communication == 0 &
               exclusion_abstinence == 0 &
               exclusion_rehearsal == 0) %>%
        select(frequency_e1:frequency_e12)
colnames(cat_freq_pla_3) <- c("E1", "E2", "E3", "E4", "E5", "E6", "E7", "E8", "E9", "E10", "E11", "E12")

# fitting the model for the alcohol condition (warning: model fitting takes several minutes):
set.seed(128)
model_alc_3 <- traitMPT(eqnfile = restricted_emr_equations,
                        data = cat_freq_alc_3,
                        n.adapt = 5000,
                        n.burnin = 30000,
                        n.iter = 90000,
                        n.thin = 10,
                        n.chains = 3,
                        ppp = 1000)

summary(model_alc_3)
# alcohol condition: p1 = .429, p2 = .573

# fitting the model for the placebo condition (warning: model fitting takes several minutes):
set.seed(128)
model_pla_3 <- traitMPT(eqnfile = restricted_emr_equations,
                        data = cat_freq_pla_3,
                        n.adapt = 5000,
                        n.burnin = 30000,
                        n.iter = 90000,
                        n.thin = 10,
                        n.chains = 3,
                        ppp = 1000)

summary(model_pla_3)
# placebo condition: p1 = .723, p2 = .544

betweenSubjectMPT(model_alc_3, model_pla_3,
                  par1 = "rf",
                  stat = c("x-y", "x<y"), plot = TRUE)
# no reliable difference (one-tailed) between conditions in parameter rf (p = .051) (ignore warnings)

betweenSubjectMPT(model_alc_3, model_pla_3,
                  par1 = "m",
                  stat = c("x-y", "x<y"), plot = TRUE)
# no reliable difference (one-tailed) between conditions in parameter m (p = .221) (ignore warnings)

mpt_data_4 <- data %>%
        filter(exclusion_estimated_alcohol_content == 0 &
               exclusion_communication == 0 &
               exclusion_abstinence == 0 &
               exclusion_rehearsal == 0) %>%
        select(id, condition_alcohol, free_recall_complete_pairs, frequency_e1:frequency_e12)

table(mpt_data_4$condition_alcohol) # n(alcohol) = 30, n(placebo) = 25

# aggregated category frequencies for the MPT multiverse analysis (*without* the model-related exclusion criterion and *with* the procedure-related exclusion criteria:
multitree_data_4 <- mpt_data_4 %>%
        group_by(condition_alcohol) %>%
        summarise(e1 = sum(frequency_e1),
                  e2 = sum(frequency_e2),
                  e3 = sum(frequency_e3),
                  e4 = sum(frequency_e4),
                  e5 = sum(frequency_e5),
                  e6 = sum(frequency_e6),
                  e7 = sum(frequency_e7),
                  e8 = sum(frequency_e8),
                  e9 = sum(frequency_e9),
                  e10 = sum(frequency_e10),
                  e11 = sum(frequency_e11),
                  e12 = sum(frequency_e12))
View(multitree_data_4)
# note: to reproduce the results for the aggregated data reported in ESM 7, this frequency data needs to be inserted in the multiTree file (ESM 6) in the "Data" tab

# individual category frequencies in the alcohol condition for the MPT multiverse analysis (*without* the model-related exclusion criterion and *with* the procedure-related exclusion criteria:
cat_freq_alc_4 <- data %>%
        filter(condition_alcohol == 1 &
               exclusion_estimated_alcohol_content == 0 &
               exclusion_communication == 0 &
               exclusion_abstinence == 0 &
               exclusion_rehearsal == 0) %>%
        select(frequency_e1:frequency_e12)
colnames(cat_freq_alc_4) <- c("E1", "E2", "E3", "E4", "E5", "E6", "E7", "E8", "E9", "E10", "E11", "E12")

# individual category frequencies in the placebo condition for the MPT multiverse analysis (*without* the model-related exclusion criterion and *with* the procedure-related exclusion criteria:
cat_freq_pla_4 <- data %>%
        filter(condition_alcohol == 0 &
               exclusion_estimated_alcohol_content == 0 &
               exclusion_communication == 0 &
               exclusion_abstinence == 0 &
               exclusion_rehearsal == 0) %>%
        select(frequency_e1:frequency_e12)
colnames(cat_freq_pla_4) <- c("E1", "E2", "E3", "E4", "E5", "E6", "E7", "E8", "E9", "E10", "E11", "E12")


# fitting the model for the alcohol condition (warning: model fitting takes several minutes):
set.seed(128)
model_alc_4 <- traitMPT(eqnfile = restricted_emr_equations,
                        data = cat_freq_alc_4,
                        n.adapt = 5000,
                        n.burnin = 30000,
                        n.iter = 90000,
                        n.thin = 10,
                        n.chains = 3,
                        ppp = 1000)

summary(model_alc_4)
# alcohol condition: p1 = .452, p2 = .525

# fitting the model for the placebo condition (warning: model fitting takes several minutes):
set.seed(128)
model_pla_4 <- traitMPT(eqnfile = restricted_emr_equations,
                        data = cat_freq_pla_4,
                        n.adapt = 5000,
                        n.burnin = 30000,
                        n.iter = 90000,
                        n.thin = 10,
                        n.chains = 3,
                        ppp = 1000)

summary(model_pla_4)
# placebo condition: p1 = .632, p2 = .371

betweenSubjectMPT(model_alc_4, model_pla_4,
                  par1 = "rf",
                  stat = c("x-y", "x<y"), plot = TRUE)
# reliable difference (one-tailed) between conditions in parameter rf (p = .016)

betweenSubjectMPT(model_alc_4, model_pla_4,
                  par1 = "m",
                  stat = c("x-y", "x<y"), plot = TRUE)
# no reliable difference (one-tailed) between conditions in parameter m (p = .400)

install.R

install.packages("BayesFactor")
install.packages("lsr")
install.packages("readxl")
install.packages("sprtt")
install.packages("tidyverse")
install.packages("TreeBUGS")