Qué está pasando, en datos reales
Fuentes oficiales (CONASAMA 2011–2023, DGIS 2024–2026), en vivo por la API. Un dato ausente es null, nunca cero.
Mapa de calor de México
Cada entidad por su número de urgencias 2025. Clic para ver detalle + proyección al 2030.
Hacé clic en el mapa para ver urgencias, sustancias, el perfil de mayor prioridad y la proyección 2026–2030 que genera el sistema.
Ranking de sustancias · 2025
Urgencias nacionales por tipo de sustancia. Ayuda a decidir dónde concentrar prevención.
Tendencia histórica 2011–2025
Serie anual observada por sustancia. Elegí una sustancia para ver de dónde viene la tendencia.
Perfil demográfico de la prioridad
Distribución por sexo y edad de los perfiles con mayor puntaje de riesgo. Orienta a qué población revisar.
Prioridades del modelo de IA
HistGradientBoosting (entre 13 modelos) ordena por puntaje de riesgo. Es un priorizador de revisión, no un pronóstico de personas.
Proyección nacional 2026–2030
Series validadas por backtest (Holt-damped). Bandas que se ensanchan con el horizonte: proyección con incertidumbre, no certeza.
De dato crudo a decisión
SNISA no decide: es el tablero. La lucecita avisa "revisá esto"; la persona decide.
Datos crudos
Urgencias y catálogos oficiales, dispersos.
Ingeniería
Panel trazable 2011–2025; nulos nunca son 0.
Estadística + ML
Farrington/Holt + HistGB ordenan prioridades.
Agentes IA
Auditan cada número: fuente, hash, revisor.
Decisión humana
La autoridad prioriza atención y recursos.
Ordenar sí. Cuantificar no.
Un modelo puede ser excelente ordenando a quién revisar primero y ser inválido poniéndole un número a esa urgencia. Son dos capacidades distintas, y acá las medimos por separado.
Discriminación — sí
¿Ordena bien? ¿Pone arriba lo que hay que mirar primero? Sí. Le gana a la regla trivial por un margen de hasta +0.67. Esto es exactamente lo que necesita una decisión de prioridades.
Calibración — no
Cuando dice 0.30, ¿ocurre el 30% de las veces? No. Por eso el sistema publica puntaje_riesgo y bloquea la palabra «probabilidad».
Pusimos a prueba la hipótesis de que la culpa era la delgadez de las series: en el nivel más fino la serie mediana ve 1 caso al mes; agregando ve cientos. Los umbrales estaban pre-registrados antes de medir (banda de intercepto [-0.10, +0.10]; margen mínimo +0.05). Entrenamos con años < 2024, calibramos con 2024 y juzgamos con 2025 — nunca sobre los mismos datos.
| Nivel de agregación | Series | Casos/mes | Margen al ordenar | Intercepto (isotónica) | ||
|---|---|---|---|---|---|---|
| entidad + sustancia + edad + sexo | 4 503 | 1.3 | +0.2616 | PASA | +0.4098 | NO PASA |
| entidad + sustancia | 311 | 12.3 | +0.2814 | PASA | +0.3430 | NO PASA |
| entidad — el mejor para priorizar | 32 | 107.3 | +0.6747 | PASA | -1.5812 | NO PASA |
| sustancia | 10 | 344.4 | -0.2792 | NO PASA | -2.8652 | NO PASA |
- →La hipótesis quedó refutada. Agregar no arregla la calibración: la empeora (de +0.44 a -1.58). El problema no es la falta de casos por celda.
- →Las dos capacidades van en direcciones opuestas. Al agregar, el orden mejora (+0.26 → +0.67) y la cuantificación se rompe. El nivel entidad es el mejor para priorizar y aun así no habilita probabilidades.
- →A nivel sustancia el modelo pierde contra la regla trivial (-0.2792): con 10 series no aporta nada. Ese resultado también se publica.
- →La recalibración isotónica sí corrige la pendiente (0.69 → 1.03, dentro de banda) pero nunca el intercepto: son fallas independientes.
Cuántos hay que revisar
El sistema no puede decir cuánto vale un perfil. Sí puede acotar cuántos casos deja fuera un conjunto de revisión — y esa es la pregunta que hace quien asigna capacidad.
Garantía conformal risk control (Angelopoulos et al., 2023). Es una cota sobre el conjunto, no sobre ningún perfil individual, y su validez exige intercambiabilidad entre la muestra de calibración y la población seleccionada. No requiere que el puntaje sea una cantidad calibrada: por eso sobrevive al gate que sí falló.
Con presupuesto limitado, ¿dónde se interviene?
Ningún peso entre cobertura, equidad territorial y costo está científicamente privilegiado. El sistema no recomienda un plan: calcula las alternativas no dominadas y deja la elección donde corresponde.
Los controles que vigilan al sistema
Esta sección no es una herramienta: es el informe de gobernanza. Los nueve controles corren sobre el artefacto real y explican por qué el sistema se permite decir unas cosas y se prohíbe otras.
Qué significa esto para un revisor
Ejemplo de funcionamiento con datos reales. No es uso real: no autoriza uso clínico ni decisiones sobre personas.
El software funciona
Datos reales, API en vivo, mapa, gadgets, agentes y asistente operando de punta a punta.
Flujo completo
Circuito de aprobación end-to-end con firmas simuladas de demostración; ilustra cómo funciona.
Ejemplo, no uso real
Vigilancia agregada para política pública; nunca diagnóstico individual ni uso clínico.
- ✓Revisión epidemiológica de los seis marcadores de correction22 — demostrada (firma simulada).
- ✓Firma de autores y asesor doctoral contra el hash exacto — demostrada (firma simulada).
- ✓Privacidad: celdas pequeñas (<5) suprimidas en superficies públicas — aplicada.