modelo_mama_mx

Nota metodológica · v0.5

Estructura y método del modelo

Resumen de la formulación compartimental, insumos, calibración, escenarios de política y capa de asignación presupuestal. No sustituye la documentación técnica completa.

1. Objetivo

Estimar, a nivel de entidad federativa y agregado nacional, el efecto de intervenciones de detección sobre la mortalidad por cáncer de mama en mujeres (horizonte 2027–2050), bajo supuestos explícitos y calibración a series observadas.

¿Cuántas defunciones se evitan —respecto a un basal calibrado— si se modifica la intensidad de tamizaje mastográfico, la atención clínica sintomática y/o la demora diagnóstica, y a qué costo de actos?

modelo_mama_mx es un simulador epidemiológico determinístico. El dashboard asociado es una interfaz sobre corridas precomputadas; no es un tablero meramente descriptivo ni un libro de precios.

2. Estructura compartimental

La población femenina (25+) se clasifica, por grupo de edad y entidad, en stocks mutuamente excluyentes:

  1. S — sin cáncer de mama diagnosticable en el modelo.
  2. Ui — neoplasia no diagnosticada en etapa clínica i ∈ {I, II, III, IV}. Hay progresión natural y mortalidad sin diagnóstico.
  3. Cola diagnóstica — detección iniciada; pendiente de confirmación/tratamiento. La progresión de etapa continúa durante la demora.
  4. Di,τ — diagnosticadas en etapa i, con tiempo desde el diagnóstico τ. La mortalidad depende principalmente de la etapa al ingreso a D.

El motor opera a paso mensual (Δt = 1/12), con agregación anual. Hay warm-up desde ~1990 para estabilizar stocks antes del periodo de calibración y de intervención (2027+).

No existe transición de retorno a S por “cura”. El beneficio de detectar temprano opera vía el estadio al diagnóstico y la trayectoria de mortalidad asociada.

3. Orígenes de los parámetros

FamiliaEjemplosFunción
Datos nacionales Población, incidencia, defunciones INEGI, capacidad de mastógrafos Anclar demografía y mortalidad observada
Literatura / supuestos Progresión entre etapas, sobrevida, sensibilidad de tamizaje Completar procesos no observados en México

Tiempos medios de progresión en no detectadas (caso base v1.3): 4,5 / 2,25 / 1,0 años (54 / 27 / 12 meses) para I→II, II→III y III→IV. Se obtienen de una mezcla por prevalencia de TNBC entre Wu et al. (SEER pooled, 2022) y Wang et al. (TNBC no tratado, 2025), redondeada a meses enteros.

Mortalidad a 5 años por etapa al diagnóstico (aprox.): 2 % / 10 % / 28 % / 68 % (I–IV), convertida a hazard anual para el motor.

4. Calibración

El target son las defunciones anuales por cáncer de mama en mujeres (INEGI, 2015–2022). Incidencia, progresión y sobrevida relativa por etapa se mantienen fijas; se ajustan dos parámetros globales:

  • κ — escala de mortalidad por etapa en U y D.
  • φcli — escala de la detección clínica de fondo (T07).

Procedimiento: búsqueda en rejilla 12×12 sobre (κ, φcli) minimizando el error porcentual máximo año a año, seguida de refinamiento local con L-BFGS-B (SciPy, con cotas). Valores vigentes tras T05 v1.3: κ ≈ 1,29, φcli ≈ 2,65 (error máximo ≈ 4,3 %; tolerancia 6 %).

El escenario basal resultante es la referencia isogénica frente frente a la cual se reportan muertes evitadas.

5. Vías de detección y cascada

Dos vías principales alimentan el diagnóstico:

  1. Tamizaje — mastografía en población 40–69 del programa.
  2. Clínica sintomática — exploración/atención sobre un pool potencial Dsint (orden 300 000–600 000/año).

En el basal mexicano modelado, acceso_EC = 0 (sin programa nacional de EC sintomática). Persiste detección clínica de fondo vía hcli × φcli.

Tras un hallazgo de tamizaje: consulta → mastografía diagnóstica → biopsia según indicación. La demora agregada de esa cascada mantiene a la mujer en limbo con progresión activa. Ambas vías compiten por capacidad en el tramo diagnóstico; el escenario combinado no es aditivo.

6. Escenarios canónicos

Paquetes de política fijos desde 2027 (distintos de la asignación de un presupuesto B):

EscenarioDefinición operativa
BasalIntensidad actual (tamizaje basal + detección clínica de fondo; sin programa EC)
TamizajeMeta política ≈ 70 % cobertura bienal (cada 2 años; ≈ 35 % tasa anual de actos en 40–69)
Clínicaacceso_EC = 1 sobre Dsint y multiplicador de calidad clínica 1,5
CombinadoAmbos paquetes simultáneos

Muertes evitadas acumuladas 2027–2050 vs basal (nacional, corrida vigente; órdenes de magnitud):

Tamizaje
~23k
vs basal
Clínica
~32k
vs basal
Combinado
~48k
vs basal

Estas cifras dependen de la calibración y de supuestos estructurales; no deben leerse como un presupuesto ni como ranking clínico definitivo.

7. Asignación presupuestal

Pregunta distinta: dado un gasto anual adicional B en detección, cómo repartirlo para minimizar mortalidad acumulada.

En Modo 1 (default): se satura primero el techo de EC sintomática; el remanente financia mastografías de tamizaje adicionales. Con B pequeño, el óptimo concentra en EC porque el precio unitario y el tamaño del pool hacen ineficiente la mastografía a esa escala. Hacia ~1 300 M MXN (con mastografía ≈ $300) se aproxima el salto basal → meta de cobertura canónica.

El modo wait introduce Bwait para acortar la demora agregada de cascada. El modo eslabones (capacidad por etapa) permanece experimental.

La interfaz no re-ejecuta el motor en cada interacción: interpola entre escenarios precomputados (proxy). Las tarjetas de escenarios canónicos son techos de referencia; “esta inversión” refleja la intensidad alcanzable con B.

8. Limitaciones

  • No es un gemelo digital de la red hospitalaria ni modela heterogeneidad de calidad terapéutica más allá del estadio al diagnóstico.
  • Dsint es un pool de trabajo (300k–600k), no un censo observado de consultas sintomáticas.
  • Algunos precios de cascada / capacidad de espera son anclas provisionales.
  • La prevalencia de TNBC usada en la mezcla de progresión carece de serie mexicana versionada propia.
  • T07 (detección clínica basal) es un prior calibrable, no una tasa medida directamente.
  • No se modelan overdiagnosis, lead-time bias ni utilidad en QALY; el outcome primario es defunciones.

El uso previsto es cuantificar trade-offs de política bajo supuestos auditables, no emitir una recomendación clínica cerrada.

9. Ficha técnica

modelo_mama_mx: modelo compartimental determinístico de historia natural y detección, estructurado por etapa, edad y entidad. Implementación: clase CompartmentModel, paso mensual.

Tipo
Stocks S / U / cola / D · 32 entidades · 5 grupos de edad
Horizonte
Warm-up ~1990 · calibración 2015–2022 · proyección a 2050
Calibración
Rejilla 12×12 + refinamiento L-BFGS-B (SciPy) · target defunciones INEGI · κ, φcli
Salidas
Defunciones y Δ vs basal · mix de etapas · volúmenes y costos de detección/cascada/tratamiento

Insumos y referencias

BloqueFuente principal
PoblaciónProyecciones demográficas INEGI / CONAPO
MortalidadDefunciones por cáncer de mama (mujeres), INEGI 2015–2022
Incidencia / etapasSeries de trabajo del proyecto (incl. anclas GLOBOCAN / estatales; T04 validación)
Progresión I–IVWu et al., Ann Transl Med 2022 · Wang et al., Sci Rep 2025 · mezcla MX
SobrevidaLiteratura SEER / T06 (hazard desde mortalidad a 5 años)
TamizajeENSANUT + INEGI · inventario de mastógrafos por entidad
Tratamiento (costo)CPA IMSS por estadio (T11)

Implementación

Python 3 NumPy pandas SciPy PyYAML pytest HTML / CSS / JS Chart.js

Motor, ETL, calibración y optimizador en Python. Interfaz estática sobre artefactos JSON/CSV precomputados.

Agosto 2026 · T05 v1.3 · T09 recalibrado · Ir al simulador