Una vez que se tienen los valores reportados y estimados de los distintos indicadores, cada uno de estos es convertido a una escala num\u00e9rica del 0 al 4, de acuerdo con el rango de valores reflejados en estos, tal como se muestra en la tabla 1.<\/p>\n

Tabla 1. Rangos y valores asignados a los indicadores en la escala 0-4<\/h2>\n\n\n\n\n\t\n\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t

Indicador<\/th>	Rango<\/th>	<\/td>	valor asignado<\/th>	<\/td>\n<\/tr>\n<\/thead>\n
1. Tasa de reproducci\u00f3n efectiva (Rt) de COVID-19<\/td>	\u2265 2.5<\/td>	<\/td>	4<\/td>	<\/td>\n<\/tr>\n
<\/td>	2.0 - 2.49<\/td>	<\/td>	3<\/td>	<\/td>\n<\/tr>\n
<\/td>	1.5 - 1.99<\/td>	<\/td>	2<\/td>	<\/td>\n<\/tr>\n
<\/td>	1 -1.49<\/td>	<\/td>	1<\/td>	<\/td>\n<\/tr>\n
<\/td>	\u2264 0.99<\/td>	<\/td>	0<\/td>	<\/td>\n<\/tr>\n
2. Tasa de incidencia de casos estimados activos por 100 mil habitantes de los \u00faltimos 14 d\u00edas (Ti)<\/td>	\u2265 100<\/td>	<\/td>	4<\/td>	<\/td>\n<\/tr>\n
<\/td>	75 - 99.9<\/td>	<\/td>	3<\/td>	<\/td>\n<\/tr>\n
<\/td>	50 - 74.9<\/td>	<\/td>	2<\/td>	<\/td>\n<\/tr>\n
<\/td>	25 - 49.9<\/td>	<\/td>	1<\/td>	<\/td>\n<\/tr>\n
<\/td>	\u2264 24.9<\/td>	<\/td>	0<\/td>	<\/td>\n<\/tr>\n
3. Tasa de mortalidad por cien mil habitantes (Tm)<\/td>	\u2265 10<\/td>	<\/td>	4<\/td>	<\/td>\n<\/tr>\n
<\/td>	7.5 - 9.99<\/td>	<\/td>	3<\/td>	<\/td>\n<\/tr>\n
<\/td>	5.0 - 7.49<\/td>	<\/td>	2<\/td>	<\/td>\n<\/tr>\n
<\/td>	2.5 - 4.99<\/td>	<\/td>	1<\/td>	<\/td>\n<\/tr>\n
<\/td>	\u2264 2.49<\/td>	<\/td>	0<\/td>	<\/td>\n<\/tr>\n
4. Tasa de casos hospitalizados por 100 mil habitantes por 100 mil habitantes (Th)<\/td>	\u226540<\/td>	<\/td>	4<\/td>	<\/td>\n<\/tr>\n
<\/td>	30 \u2013 39.9<\/td>	<\/td>	3<\/td>	<\/td>\n<\/tr>\n
<\/td>	20 \u2013 29.9<\/td>	<\/td>	2<\/td>	<\/td>\n<\/tr>\n
<\/td>	11 -19.9<\/td>	<\/td>	1<\/td>	<\/td>\n<\/tr>\n
<\/td>	\u2264 10.9<\/td>	<\/td>	0<\/td>	<\/td>\n<\/tr>\n
5. Porcentaje de ocupaci\u00f3n camas generales IRAG (PCg)<\/td>	\u2265 70<\/td>	<\/td>	4<\/td>	<\/td>\n<\/tr>\n
<\/td>	60 \u2013 69.9<\/td>	<\/td>	3<\/td>	<\/td>\n<\/tr>\n
<\/td>	50 \u2013 59.9<\/td>	<\/td>	2<\/td>	<\/td>\n<\/tr>\n
<\/td>	40 \u2013 49.9<\/td>	<\/td>	1<\/td>	<\/td>\n<\/tr>\n
<\/td>	\u2264 39.9<\/td>	<\/td>	0<\/td>	<\/td>\n<\/tr>\n
6. Porcentaje de ocupaci\u00f3n camas con ventilador (PCv) <\/td>	\u2265 70<\/td>	<\/td>	4<\/td>	<\/td>\n<\/tr>\n
<\/td>	60 \u2013 69.9<\/td>	<\/td>	3<\/td>	<\/td>\n<\/tr>\n
<\/td>	50 \u2013 59.9<\/td>	<\/td>	2<\/td>	<\/td>\n<\/tr>\n
<\/td>	40 \u2013 49.9<\/td>	<\/td>	1<\/td>	<\/td>\n<\/tr>\n
<\/td>	\u2264 39.9<\/td>	<\/td>	0<\/td>	<\/td>\n<\/tr>\n
7. Porcentaje de semanal de positividad al SARS-COV-2 (PSp)<\/td>	\u2265 50<\/td>	<\/td>	4<\/td>	<\/td>\n<\/tr>\n
<\/td>	40 \u2013 49.9<\/td>	<\/td>	3<\/td>	<\/td>\n<\/tr>\n
<\/td>	30 \u2013 39.9<\/td>	<\/td>	2<\/td>	<\/td>\n<\/tr>\n
<\/td>	20 \u2013 29.9<\/td>	<\/td>	1<\/td>	<\/td>\n<\/tr>\n
<\/td>	\u2264 19.9<\/td>	<\/td>	0<\/td>	<\/td>\n<\/tr>\n
8. Tendencia de presentaci\u00f3n de casos de s\u00edndrome COVID-19 (TCs)<\/td>	\u2265 0.200<\/td>	<\/td>	4<\/td>	<\/td>\n<\/tr>\n
<\/td>	0.05 a 0.199<\/td>	<\/td>	3<\/td>	<\/td>\n<\/tr>\n
<\/td>	-0.05 a 0.049<\/td>	<\/td>	2<\/td>	<\/td>\n<\/tr>\n
<\/td>	-0.200 a \u2013 0.049<\/td>	<\/td>	1<\/td>	<\/td>\n<\/tr>\n
<\/td>	\u2264 -0.21<\/td>	<\/td>	0<\/td>	<\/td>\n<\/tr>\n
9. Tendencia de mortalidad por cien mil habitantes (TTm)<\/td>	\u22650.0200<\/td>	<\/td>	4<\/td>	<\/td>\n<\/tr>\n
<\/td>	0.005 a 0.0199<\/td>	<\/td>	3<\/td>	<\/td>\n<\/tr>\n
<\/td>	-0.005 a 0.0049<\/td>	<\/td>	2<\/td>	<\/td>\n<\/tr>\n
<\/td>	-0.0200 a \u2013 0.0049<\/td>	<\/td>	1<\/td>	<\/td>\n<\/tr>\n
<\/td>	\u2264 -0.021<\/td>	<\/td>	0<\/td>	<\/td>\n<\/tr>\n
10. Tendencia personas hospitalizadas por cien mil habitantes (TPh)<\/td>	\u22650.200<\/td>	<\/td>	4<\/td>	<\/td>\n<\/tr>\n
<\/td>	0.05 a 0.199<\/td>	<\/td>	3<\/td>	<\/td>\n<\/tr>\n
<\/td>	-0.05 a 0.049<\/td>	<\/td>	2<\/td>	<\/td>\n<\/tr>\n
<\/td>	-0.200 a \u2013 0.049<\/td>	<\/td>	1<\/td>	<\/td>\n<\/tr>\n
<\/td>	\u2264 -0.21<\/td>	<\/td>	0<\/td>	<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\nFuente: Secretar\u00eda de Salud, 2020<\/span>\n\n Sobre la ponderaci\u00f3n utilizada en los indicadores la informaci\u00f3n es incompleta. En la aplicaci\u00f3n del sem\u00e1foro se destacan dos etapas. La primera etapa ocurri\u00f3 con la utilizaci\u00f3n de cinco indicadores, sus pesos de importancia se distribu\u00edan de la siguiente manera: PCg (30 %), PCv (\u00bf%?), PPs (10 %), TPh (30 %) y TCs (30 %). Para la segunda etapa se agregaron otros cinco indicadores, pero no se reporta informaci\u00f3n sobre la redistribuci\u00f3n de los pesos respectivos.<\/p>\n Finalmente, la clasificaci\u00f3n de riesgo epid\u00e9mico resulta de la sumatoria de los valores asignados a los distintos indicadores determinados con base en el rango en el que se ubican, como se muestra en la tabla 1. Adicionalmente, con base en precisiones y di\u00e1logos mantenidos con los gobiernos de las entidades, se hacen ajustes en los puntos finales y se determina el color del sem\u00e1foro que se asigna a cada estado de la rep\u00fablica.<\/p>\n El objetivo de la presente investigaci\u00f3n fue utilizar la informaci\u00f3n proporcionada por la Secretar\u00eda de Salud (SS) del Gobierno Federal Mexicano para aplicar el m\u00e9todo multicriterio FlowSort<\/em>, como una alternativa distinta a la usada por la SS, para la clasificaci\u00f3n de los estados de la rep\u00fablica en los colores del sem\u00e1foro epidemiol\u00f3gico COVID-19.<\/p>\n 1. Materiales y m\u00e9todos<\/strong><\/p>\n La informaci\u00f3n de los criterios (indicadores) utilizada en este estudio, corresponde a la publicada el viernes 25 de septiembre de 2020 por la Secretear\u00eda de Salud, la cual se us\u00f3 para determinar los colores asignados a cada estado, vigentes en el periodo 28 de septiembre \u2013 11 de octubre de 2020 (tabla 2).<\/p>\n Tabla 2. Desempe\u00f1o de los estados de la rep\u00fablica en los distintos criterios, publicados el 25 de septiembre de 2020.<\/h2>\n\n\n\n\n\t\n\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t Estado<\/th> Rt<\/th> Ti<\/th> Tm<\/th> Th<\/th> PCg %<\/th> PCv %<\/th> PSp %<\/th> TCs<\/th> TTm<\/th> TPh<\/th>\n<\/tr>\n<\/thead>\n Aguascalientes ($a_1$)<\/td> 0.93<\/td> 19<\/td> 4.3<\/td> 9.19<\/td> 22.61<\/td> 40.2<\/td> 27.4<\/td> -0.7378836<\/td> -0.022937864<\/td> -0.1445319<\/td>\n<\/tr>\n B. California ($a_2$)<\/td> 0.96<\/td> 11.8<\/td> 3.7<\/td> 6.84<\/td> 25.31<\/td> 27.47<\/td> 43.1<\/td> -0.2181356<\/td> 0.002960546<\/td> -0.0932719<\/td>\n<\/tr>\n B. California Sur ($a_3$)<\/td> 1.06<\/td> 89.5<\/td> 3.1<\/td> 12.7<\/td> 27.82<\/td> 22.62<\/td> 31<\/td> 1.08696978<\/td> -0.027675468<\/td> -0.0873613<\/td>\n<\/tr>\n Campeche ($a_4$)<\/td> 0.64<\/td> 7.2<\/td> 1.7<\/td> 4.24<\/td> 4.61<\/td> 3.62<\/td> 17.4<\/td> -0.0544489<\/td> -0.043058126<\/td> -0.2168219<\/td>\n<\/tr>\n Chiapas ($a_5$)<\/td> 1<\/td> 1.1<\/td> 0.1<\/td> 0.59<\/td> 5.91<\/td> 4.56<\/td> 20.5<\/td> -0.0395808<\/td> -0.001259624<\/td> -0.0063801<\/td>\n<\/tr>\n Chihuahua ($a_6$)<\/td> 0.69<\/td> 14<\/td> 1.6<\/td> 5.55<\/td> 21.79<\/td> 24.37<\/td> 48.2<\/td> -0.1586209<\/td> -0.009276188<\/td> -0.0576669<\/td>\n<\/tr>\n Cd. de M\u00e9xico ($a_7$)<\/td> 0.96<\/td> 68.5<\/td> 4.6<\/td> 23.94<\/td> 43.75<\/td> 41.42<\/td> 27.7<\/td> -0.4442578<\/td> -0.015561405<\/td> -0.0768346<\/td>\n<\/tr>\n Coahuila ($a_8$)<\/td> 0.74<\/td> 28.7<\/td> 5.7<\/td> 8.85<\/td> 27.43<\/td> 35.39<\/td> 31.3<\/td> -0.4363621<\/td> -0.020834106<\/td> -0.3164481<\/td>\n<\/tr>\n Colima ($a_9$)<\/td> 0.67<\/td> 39<\/td> 7.3<\/td> 14.73<\/td> 51.52<\/td> 31.78<\/td> 59.2<\/td> -0.2304296<\/td> -0.052336965<\/td> -0.2412446<\/td>\n<\/tr>\n Durango ($a_{10}$)<\/td> 1.1<\/td> 30.8<\/td> 2.2<\/td> 6.59<\/td> 30.46<\/td> 25.51<\/td> 38.9<\/td> -0.2474263<\/td> -0.005448674<\/td> -0.1900953<\/td>\n<\/tr>\n E. de M\u00e9xico ($a_{11}$)<\/td> 0.94<\/td> 18.4<\/td> 2.5<\/td> 6.52<\/td> 35.51<\/td> 28.76<\/td> 36.5<\/td> -0.166671<\/td> -0.001176787<\/td> -0.0490668<\/td>\n<\/tr>\n Guanajuato ($a_{12}$)<\/td> 0.96<\/td> 38.7<\/td> 2.3<\/td> 5.22<\/td> 22.85<\/td> 8.98<\/td> 40.5<\/td> -0.187112<\/td> -0.008712904<\/td> -0.1398614<\/td>\n<\/tr>\n Guerrero ($a_{13}$)<\/td> 1.26<\/td> 27.6<\/td> 1.9<\/td> 5.36<\/td> 36.79<\/td> 15.73<\/td> 58.2<\/td> 0.04179949<\/td> -0.01198285<\/td> 0.08985987<\/td>\n<\/tr>\n Hidalgo ($a_{14}$)<\/td> 0.8<\/td> 17.9<\/td> 4.1<\/td> 8.53<\/td> 36.83<\/td> 18.02<\/td> 54.4<\/td> -0.123473<\/td> -0.005901818<\/td> -0.108764<\/td>\n<\/tr>\n Jalisco ($a_{15}$)<\/td> 0.98<\/td> 19.2<\/td> 3.9<\/td> 7.64<\/td> 21.3<\/td> 21.39<\/td> 50.4<\/td> -0.1566443<\/td> 0.001439996<\/td> -0.07377812<\/td>\n<\/tr>\n Michoac\u00e1n ($a_{16}$)<\/td> 0.96<\/td> 23.4<\/td> 3.1<\/td> 6.81<\/td> 35.06<\/td> 24.72<\/td> 47.6<\/td> -0.0697948<\/td> -0.012847524<\/td> 0.0498594<\/td>\n<\/tr>\n Morelos ($a_{17}$)<\/td> 0.81<\/td> 7.7<\/td> 1.2<\/td> 4.96<\/td> 21.27<\/td> 13.92<\/td> 32.5<\/td> -0.1193039<\/td> -0.013815215<\/td> -0.04293254<\/td>\n<\/tr>\n Nayarit ($a_{18}$)<\/td> 0.81<\/td> 20.6<\/td> 4.3<\/td> 8.28<\/td> 53.72<\/td> 14.48<\/td> 63.1<\/td> -0.0989438<\/td> -0.011328736<\/td> -0.0209038<\/td>\n<\/tr>\n Nuevo Le\u00f3n ($a_{19}$)<\/td> 0.93<\/td> 46.4<\/td> 5.1<\/td> 17.73<\/td> 46.86<\/td> 38.84<\/td> 49.4<\/td> -0.3303689<\/td> -0.016543705<\/td> -0.3800761<\/td>\n<\/tr>\n Oaxaca ($a_{20}$)<\/td> 1.01<\/td> 15.7<\/td> 1.4<\/td> 3.34<\/td> 24.75<\/td> 22.67<\/td> 72.5<\/td> -0.0255884<\/td> -0.005026884<\/td> 0.0040646<\/td>\n<\/tr>\n Puebla ($a_{21}$)<\/td> 0.83<\/td> 12.9<\/td> 2.4<\/td> 5.6<\/td> 30.48<\/td> 19.21<\/td> 34.4<\/td> -0.1085223<\/td> -0.018249291<\/td> -0.0847535<\/td>\n<\/tr>\n Quer\u00e9taro ($a_{22}$)<\/td> 0.99<\/td> 19.3<\/td> 4.7<\/td> 8.12<\/td> 23.13<\/td> 27.21<\/td> 54.9<\/td> -0.2598809<\/td> -0.02501685<\/td> -0.1714441<\/td>\n<\/tr>\n Quintana Roo ($a_{23}$)<\/td> 0.81<\/td> 19.1<\/td> 4.6<\/td> 8.34<\/td> 22.35<\/td> 23.35<\/td> 45.5<\/td> -0.21102848<\/td> -0.003843903<\/td> -0.0435285<\/td>\n<\/tr>\n San Luis Potos\u00ed ($a_{24}$)<\/td> 0.84<\/td> 29.2<\/td> 4.5<\/td> 11.6<\/td> 22.97<\/td> 24.07<\/td> 37.3<\/td> -0.0998267<\/td> -0.015793225<\/td> 0.03624858<\/td>\n<\/tr>\n Sinaloa ($a_{25}$)<\/td> 0.91<\/td> 14.3<\/td> 3.5<\/td> 9.8<\/td> 26.17<\/td> 20.62<\/td> 48.8<\/td> -0.2180448<\/td> -0.019071952<\/td> -0.1089947<\/td>\n<\/tr>\n Sonora ($a_{26}$)<\/td> 0.93<\/td> 18.6<\/td> 1.2<\/td> 4.04<\/td> 16.96<\/td> 10.94<\/td> 32.5<\/td> -0.2281091<\/td> -0.023295292<\/td> 0.02241898<\/td>\n<\/tr>\n Tabasco ($a_{27}$)<\/td> 0.83<\/td> 32.3<\/td> 2.3<\/td> 6.76<\/td> 23.09<\/td> 17.37<\/td> 31.6<\/td> -0.229321<\/td> -0.010112001<\/td> -0.0548443<\/td>\n<\/tr>\n Tamaulipas ($a_{28}$)<\/td> 0.97<\/td> 22.3<\/td> 2.4<\/td> 10.06<\/td> 24.8<\/td> 15.81<\/td> 36.8<\/td> -0.1622378<\/td> -0.023429086<\/td> -0.2534232<\/td>\n<\/tr>\n Tlaxcala ($a_{29}$)<\/td> 0.8<\/td> 9<\/td> 2<\/td> 4.39<\/td> 16.42<\/td> 17.65<\/td> 28.4<\/td> -0.2847353<\/td> -0.004020489<\/td> 0.02024348<\/td>\n<\/tr>\n Veracruz ($a_{30}$)<\/td> 0.94<\/td> 13.3<\/td> 1.9<\/td> 6.15<\/td> 33.96<\/td> 21.65<\/td> 53.5<\/td> -0.0740543<\/td> -0.003602682<\/td> -0.070627<\/td>\n<\/tr>\n Yucat\u00e1n ($a_{31}$)<\/td> 0.9<\/td> 40.9<\/td> 2.8<\/td> 11.52<\/td> 19.85<\/td> 15.11<\/td> 43.2<\/td> -0.0114609<\/td> -0.001102987<\/td> -0.3288958<\/td>\n<\/tr>\n Zacatecas ($a_{32}$)<\/td> 0.99<\/td> 30.7<\/td> 4.7<\/td> 6.97<\/td> 26.85<\/td> 28.93<\/td> 48.4<\/td> -0.198517<\/td> 0.000973388<\/td> -0.0847093<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\nFuente: Secretar\u00eda de Salud del gobierno de M\u00e9xico<\/span>\n\n El m\u00e9todo FlowSort<\/em><\/p>\n FlowSort<\/em> (Nemery & Lamboray, 2008), es un m\u00e9todo de clasificaci\u00f3n multicriterio basado en la metodolog\u00eda PROMETHEE (Preference Ranking Organization Method for Enriched Evaluation<\/em>), (Brans & Vincke, 1985), que asigna alternativas en categor\u00edas predefinidas y completamente ordenadas (Pelissari et al., 2019). Su utilizaci\u00f3n incluye una amplia cantidad de importantes actividades tales como: la evaluaci\u00f3n de agilidad de respuesta por parte de hospitales en manejo de desastres (Moheimani et al., 2021); evaluaci\u00f3n de capacidades de innovaci\u00f3n y exportaci\u00f3n de peque\u00f1as y medianas empresas (Enjolras, Camargo & Schmitt, 2020); la asignaci\u00f3n de alternativas en clusters<\/em> individuales o de intervalo (Sarrazin, De Smet & Rosenfeld, 2018); la priorizaci\u00f3n de los factores causantes de fallas en la planificaci\u00f3n de recursos empresariales (Rahmanimanesh et al., 2017) y la evaluaci\u00f3n de cadenas de suministro (Sep\u00falveda & Derpich, 2014). Hasta ahora, no se sabe que en la literatura del tema se reporten aplicaciones del m\u00e9todo en la clasificaci\u00f3n de colores en protocolos de sem\u00e1foro.<\/p>\n La utilizaci\u00f3n del m\u00e9todo FlowSort<\/em> hace uso de los siguientes componentes:<\/p>\n Un conjunto de alternativas a categorizar $\ud835\udc34=\\{a_1 , a_2 , . . . , a_n \\}$.<\/p>\n Un conjunto de criterios de desempe\u00f1o de las alternativas $F=\\{f_1, f_2 , . . . , f_m\\}$.<\/p>\n Un grupo de perfiles de referencia $R=\\{r_1 , . . . , r_{k+1} \\}$, utilizados para definir cada categor\u00eda, donde $\\dot{R}_i=R\\cup \\{a_i\\}$ es el conjunto extendido de los perfiles, considerando cada alternativa $a_i$.<\/p>\n Un grupo de funciones de preferencia (Brans y Vincke, 1985), de las cuales se seleccionan aquellas que satisfagan las preferencias del tomador de decisiones.<\/p>\n Un conjunto K de categor\u00edas predefinidas $C_1 ,C_2, . . . , C_K$ , donde la categor\u00eda $C_1$ es la mejor y la categor\u00eda $C_K$ es la peor. Cada categor\u00eda es predefinida mediante perfiles l\u00edmite o perfiles centrales. En el primer caso, cada categor\u00eda se define a partir de un l\u00edmite superior $(r_j)$ y un l\u00edmite inferior $(r_{j+1})$. En el segundo caso, las categor\u00edas se definen por un elemento central o centroide $(r_j^*)$.<\/p>\n Un conjunto de pesos asociados a cada criterio, $W=\\{w_1,\\ldots,w_m\\}$,\u00a0 donde $\\sum_{m=1}^{q} w_m=1$.<\/p>\n El m\u00e9todo FlowSort<\/em>, utiliza las metodolog\u00edas PROMETHEE. Esto es, mediante la relaci\u00f3n de superaci\u00f3n (outranking<\/em>) se contabilizan las preferencias entre cada una de las alternativas con el conjunto de perfiles definidos mediante comparaciones pareadas. Con base en esas comparaciones se estiman los flujos positivos $\\left(\\phi_{\\dot{R}_j}^{+}\\right)$, negativos $\\left(\\phi_{\\dot{R}_j}^{-}\\right)$ , y netos $\\left(\\phi_{\\dot{R}_j}\\right)$para cada alternativa, x en $\\dot{R}$, mediante las ecuaciones (1), (2), y (3).<\/p>\n \\begin{equation} \n\\phi_{\\dot{R}_i}^{+}=\\frac{1}{\\lvert\\dot{R}_l\\rvert-1}\\sum_{y\\in\\dot{R}_i} \\pi(a_i,a_j) \n\\end{equation}<\/p>\n \\begin{equation} \n\\phi_{\\dot{R}_i}^{-}=\\frac{1}{\\lvert\\dot{R}_l\\rvert-1}\\sum_{y\\in\\dot{R}_i} \\pi(a_j,a_i) \n\\end{equation}<\/p>\n \\begin{equation} \n\\phi_{\\dot{R}_i}=\\phi_{\\dot{R}_i}^{+} + \\phi_{\\dot{R}_i}^{-} \n\\end{equation}<\/p>\n \\begin{equation} \nC_{\\phi^+}(a_i)=C_h,if\\phi_{\\dot{R}_i}^{+}(r_h)\\geq\\phi_{\\dot{R}_i}^{+}(a_i)>\\phi_{\\dot{R}_i}^{+}(r_{h+1}) \n\\end{equation}<\/p>\n \\begin{equation} \nC_{\\phi^-}(a_i)=C_h,if\\phi_{\\dot{R}_i}^{-}(r_h)\\geq\\phi_{\\dot{R}_i}^{-}(a_i)\\leq\\phi_{\\dot{R}_i}^{-}(r_{h+1}) \n\\end{equation}<\/p>\n Donde $\\pi(a_i,a_j)$ es el grado de preferencia que expresa la preferencia global de la alternativa $a_i$ sobre $a_j$ de acuerdo con todos los criterios.<\/p>\n Posteriormente, se determina la asignaci\u00f3n las clases a cada alternativa mediante las reglas de asignaci\u00f3n (4) y (5). Cuando se presentan conflictos entre (4) y (5), se hace uso de los flujos netos (Sepulveda, 2014).<\/p>\n Otra manera de ver el m\u00e9todo FlowSort<\/em> es que este simplemente prioriza el conjunto $\\dot{R}_i$ para cada $a_i$, y la identificaci\u00f3n de la clase correspondiente se determina a partir de la posici\u00f3n $a_i$ de entre los perfiles $r_h$\u00a0 y $r_{h+1}$(Ishizaka & Nemery, 2013).<\/p>\n En la aplicaci\u00f3n del m\u00e9todo FlowSort<\/em> para la determinaci\u00f3n de los colores del sem\u00e1foro COVID-19, la informaci\u00f3n disponible se consider\u00f3 de la siguiente manera:<\/p>\n \n Las alternativas son los estados de la rep\u00fablica $\ud835\udc34=\\{a_1 , a_2 , \\ldots, a_{32} \\}$;<\/li>\n Los criterios de desempe\u00f1o son los indicadores $F=\\{f_1 , f_2 , \\ldots, f_{10} \\}$;;<\/li>\n La funci\u00f3n de preferencia utilizada es la llamada usual (figura 1), donde la preferencia se define mediante las f\u00f3rmulas en (6);<\/li>\n<\/ol>\n <\/p>\n Figura 1. Funci\u00f3n de preferencia usual (Brans and De Simet, 2016)<\/p>\n \\begin{equation} \nPreferencia=\\left\\{ \\begin{array}{ll} \n0 & \\mbox{si $f_k(a_i)-f_k(a_j) \\leq 0$,} \\\\ \n1 & \\mbox{si $f_k(a_i)-f_k(a_j) > 0$,} \n\\end{array} \n\\right. \n\\end{equation}<\/p>\n \n Las categor\u00edas, o clases, equivalen a los colores del sem\u00e1foro COVID-19, {verde, amarillo, naranja, y rojo};<\/li>\n Los perfiles l\u00edmite que determinan los colores son $\\{r_1, r_2,\\ldots,r_4 \\}$ (tabla 3), los cuales se basaron en los rangos especificados en el proceso de asignaci\u00f3n de los valores de la escala 0-4 (tabla 1), Secretar\u00eda de Salud (2020).<\/li>\n<\/ol>\n Tabla 3. Perfiles que definen los distintos colores del sem\u00e1foro<\/h2>\n\n\n\n\n\t\n\n\t\n\t\n\t\n\t Color\\criterios<\/th> Rt<\/th> Ti<\/th> Tm<\/th> Th<\/th> PCg<\/th> PCv<\/th> PSp<\/th> TCs<\/th> TTm<\/th> TPh<\/th>\n<\/tr>\n<\/thead>\n Verde<\/td> \u2264 1.49<\/td> \u2264 49.9<\/td> \u2264 4.99<\/td> \u2264 19.9<\/td> \u2264 49.9<\/td> \u2264 49.9<\/td> \u2264 29.9<\/td> \u2264 -0.049<\/td> \u2264 -0.0049<\/td> \u2264 -0.049<\/td>\n<\/tr>\n Amarillo<\/td> 1.99<\/td> 74.9<\/td> 7.49<\/td> 29.9<\/td> 59.9<\/td> 59.9<\/td> 39.9<\/td> 0.049<\/td> 0.0049<\/td> 0.049<\/td>\n<\/tr>\n Naranja<\/td> 2.49<\/td> 99.9<\/td> 9.99<\/td> 39.9<\/td> 69.9<\/td> 69.9<\/td> 49.9<\/td> 0.199<\/td> 0.0199<\/td> 0.199<\/td>\n<\/tr>\n Rojo<\/td> \u2265 2.5<\/td> \u2265 100<\/td> \u226510<\/td> \u2265 40<\/td> \u2265 70<\/td> \u2265 70<\/td> \u226550<\/td> \u22650.200<\/td> \u2265 0.0200<\/td> \u22650.200<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\nFuente: Elaboraci\u00f3n propia<\/span>\n\n \n Finalmente, para complementar la aplicaci\u00f3n, los pesos de importancia $W=\\{w_1,w_2,\\ldots,w_{10}\\}$, asignados a cada criterio fueron: Rt (0.10), Ti (0.15), Tm (0.10), Th (0,15), PCg (0.05), PCv (0.05), PSp (0.10), TCs (0.10), TTm (0.10), TPh (0.10). Estos se determinaron buscando un equilibrio con los que original y parcialmente se asignaron durante la primera etapa de la operaci\u00f3n del sem\u00e1foro. Asimismo, es relevante indicar que todos los criterios utilizados son a minimizar. Esto quiere decir que todos est\u00e1n orientados en la misma direcci\u00f3n (negativa), lo que implica que un valor grande de cualquiera de ellos contribuye a la asignaci\u00f3n de un color menos permisivo; mientras que un valor peque\u00f1o contribuye en sentido contrario (Br\u00fcggeman & Patil, 2011).<\/li>\n<\/ol>\n Con la idea de observar las diferencias entre el m\u00e9todo utilizado por la Secretar\u00eda de Salud y el m\u00e9todo FlowSort<\/em>, se presentan la tabla 4 y la figura 2.<\/p>\n Tabla 4. Comparaci\u00f3n entre los procesos de clasificaci\u00f3n de ambos m\u00e9todos<\/p>\n\n\n\n\n M\u00e9todo de la Secretar\u00eda de Salud<\/strong><\/td>\n M\u00e9todo FlowSort<\/em><\/strong><\/td>\n<\/tr>\n \n \n Se establecen los indicadores. La orientaci\u00f3n de estos es minimizar.<\/li>\n Se normalizan sus valores en una escala num\u00e9rica 0-4.<\/li>\n Se ponderan los indicadores de acuerdo con su importancia.<\/li>\n Se ejecuta una suma ponderada<\/li>\n<\/ul>\n Resultado<\/strong><\/p>\n \n Se obtiene una lista donde cada estado de la rep\u00fablica obtiene una puntuaci\u00f3n y se ordena de menor a mayor puntuaci\u00f3n.<\/li>\n Se hace cortes en la lista de los estados de acuerdo con la siguiente puntuaci\u00f3n obtenida: 0-8 = Verde; 9-18 = Amarillo; 16-31 = Naranja; y 32-40 = Rojo.<\/li>\n<\/ul>\n<\/td>\n \n \n Se establecen los indicadores. La orientaci\u00f3n de estos es minimizar.<\/li>\n Se establecen los valores de los perfiles l\u00edmite, para cada indicador, que definen cada color (clase).<\/li>\n Se ponderan los indicadores de acuerdo con su importancia.<\/li>\n Se realizan comparaciones pareadas entre los valores, en cada indicador de cada estado, con los valores definidos en cada color.<\/li>\n Se determinan las relaciones de superaci\u00f3n (outranking<\/em>) y se contabilizan en los flujos unicriterio y flujos globales.<\/li>\n Se aplican las reglas de asignaci\u00f3n<\/li>\n<\/ul>\n Resultado<\/strong><\/p>\n \n La distribuci\u00f3n de todos los estados de la rep\u00fablica en los distintos colores del sem\u00e1foro definidos.<\/li>\n<\/ul>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n Fuente: Elaboraci\u00f3n propia<\/p>\n  <\/p>\n <\/p>\n Figura 2. Comparaci\u00f3n entre los m\u00e9todos de clasificaci\u00f3n aplicados en la asignaci\u00f3n de colores del Sem\u00e1foro COVID-19. (La parte inferior de la figura es una modificaci\u00f3n de la presentada por Ishizaka y Nemery (2013).<\/p>\n 2. Resultados y discusi\u00f3n<\/strong><\/p>\n Del an\u00e1lisis de las condiciones que cada estado presenta en sus indicadores (tabla 2), sobresale que ninguno de ellos tiene la mejor de las condiciones en todos los indicadores, entendiendo como mejores condiciones aquellas donde se presenta el menor valor en los indicadores, ya que se deben minimizar. De este modo, el estado de Colima tiene el menor valor (0.67) en el indicador Tasa de reproducci\u00f3n efectiva de COVID-19 (Rt). Por su parte, el estado de Chiapas supera al resto de las entidades en los siguientes indicadores: Tasa de incidencia de casos estimados activos por 100 mil habitantes (Ti = 1.1); Tasa de mortalidad por 100 mil habitantes (Tm= 0.10); Tasa de casos hospitalizados por 100 mil habitantes (Th = 0.59); Porcentaje de camas generales ocupadas en la red IRAG (conjunto de unidades hospitalarias del Sistema Nacional de Salud) (PCg = 5.91); Porcentaje de camas con ventilador en hospitales de la red IRAG (PCv = 4.56), y Porcentaje semanal de positividad al virus SARS-CoV2 (PSp = 20.5). Sin embargo, este estado es superado por varias entidades en los indicadores Tendencia de presentaci\u00f3n de casos de s\u00edndrome COVID-19 por 100 mil habitantes (TCs), Tendencia de la tasa de mortalidad por 100 mil habitantes (TTm) y Tendencia de personas hospitalizadas en hospitales de la red IRAG (TPh). Esta situaci\u00f3n de no superaci\u00f3n un\u00e1nime es el caso t\u00edpico de problemas multicriterio.<\/p>\n La utilizaci\u00f3n del m\u00e9todo FlowSort<\/em> en la clasificaci\u00f3n de los estados se desarroll\u00f3 mediante el software Smart Picker<\/em> y dentro de este proceso se estimaron las preferencias globales de cada estado con respecto a cada perfil l\u00edmite, $\\pi(a_i,r_j)$ , as\u00ed como las preferencias globales de los perfiles l\u00edmite con respecto a cada estado, $\\pi(r_j,a_i)$, (tabla 5). Estos valores nos sirven para identificar tres aspectos distintos que se presentan en el an\u00e1lisis de las relaciones de superaci\u00f3n (outranking<\/em>) entre los estados y el conjunto de perfiles l\u00edmite y viceversa: indiferencia, preferencia e incomparabilidad (Ishizaka & Nemery, 2013). Cuando las preferencias son similares y con valores peque\u00f1os, < 0.5, $(\\pi_{ij} \\approx 0 \\approx \\pi_{ji})$, las alternativas comparadas se identifican como indiferentes. Cuando hay una diferencia alta entre las preferencias, $\\lvert\\pi_{ij}-\\pi_{ji}\\rvert\\gg0$ , entonces la preferencia est\u00e1 completamente definida. La incomparabilidad se presenta cuando ambos valores son similares y grandes,\u00a0 $\\pi_{ij} \\approx 0.5 \\approx \\pi_{ji}$.<\/p>\n Con base en lo anterior, se puede afirmar que la mayor\u00eda de las relaciones de superaci\u00f3n entre los estados y los perfiles l\u00edmite se encuentran definidas y no se identifican indiferencias. Se pueden observar algunas incomparabilidades, tal es el caso de los estados de Chiapas ($a_5$), Estado de M\u00e9xico ($a_{11}$), Hidalgo ($a_{14}$), Jalisco ($a_{15}$), y Michoac\u00e1n ($a_{16}$) todos ellos con respecto al perfil l\u00edmite $r_1$ (Cuadro 5).<\/p>\n Generalmente, las incomparabilidades son pr\u00e1cticamente inevitables en las relaciones binarias de superaci\u00f3n (Lariechev, 2001) y una de las resultantes es que pueden producir \u00f3rdenes de prioridades incompletos. En este caso ese problema se elimina mediante la consideraci\u00f3n de los flujos netos, (f\u00f3rmula 3).<\/p>\n Tabla 5. Preferencias globales entre estados y criterios l\u00edmite.<\/h2>\n\n\n\n\n\t\n\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t Preferencias<\/th> r1<\/th> r2<\/th> r3<\/th> r4<\/th>\n<\/tr>\n<\/thead>\n $ \\pi(a_{1},r_j)$<\/td> 0.65<\/td> 1<\/td> 1<\/td> 1<\/td>\n<\/tr>\n $ \\pi(r_j,a_{1})$<\/td> 0.35<\/td> 0<\/td> 0<\/td> 0<\/td>\n<\/tr>\n $ \\pi(a_{2},r_j)$<\/td> 0.6<\/td> 0.8<\/td> 0.9<\/td> 1<\/td>\n<\/tr>\n $ \\pi(r_j,a_{2})$<\/td> 0.4<\/td> 0.2<\/td> 0.1<\/td> 0<\/td>\n<\/tr>\n $ \\pi(a_{3},r_j)$<\/td> 0.2<\/td> 0.65<\/td> 0.75<\/td> 0.9<\/td>\n<\/tr>\n $ \\pi(r_j,a_{3})$<\/td> 0.8<\/td> 0.35<\/td> 0.25<\/td> 0.1<\/td>\n<\/tr>\n $ \\pi(a_{4},r_j)$<\/td> 0.9<\/td> 1<\/td> 1<\/td> 1<\/td>\n<\/tr>\n $ \\pi(r_j,a_{4})$<\/td> 0.1<\/td> 0<\/td> 0<\/td> 0<\/td>\n<\/tr>\n $ \\pi(a_{5},r_j)$<\/td> 0.5<\/td> 0.7<\/td> 1<\/td> 1<\/td>\n<\/tr>\n $ \\pi(r_j,a_{5})$<\/td> 0.5<\/td> 0.3<\/td> 0<\/td> 0<\/td>\n<\/tr>\n $ \\pi(a_{6},r_j)$<\/td> 0.6<\/td> 0.9<\/td> 0.9<\/td> 1<\/td>\n<\/tr>\n $ \\pi(r_j,a_{6})$<\/td> 0.4<\/td> 0.1<\/td> 0.1<\/td> 0<\/td>\n<\/tr>\n $ \\pi(a_{7},r_j)$<\/td> 0.2<\/td> 0.7<\/td> 1<\/td> 1<\/td>\n<\/tr>\n $ \\pi(r_j,a_{7})$<\/td> 0.8<\/td> 0.3<\/td> 0<\/td> 0<\/td>\n<\/tr>\n $ \\pi(a_{8},r_j)$<\/td> 0.55<\/td> 0.8<\/td> 1<\/td> 1<\/td>\n<\/tr>\n $ \\pi(r_j,a_{8})$<\/td> 0.45<\/td> 0.2<\/td> 0<\/td> 0<\/td>\n<\/tr>\n $ \\pi(a_{9},r_j)$<\/td> 0.45<\/td> 0.75<\/td> 0.9<\/td> 0.9<\/td>\n<\/tr>\n $ \\pi(r_j,a_{9})$<\/td> 0.55<\/td> 0.25<\/td> 0.1<\/td> 0.1<\/td>\n<\/tr>\n $ \\pi(a_{10},r_j)$<\/td> 0.45<\/td> 0.9<\/td> 1<\/td> 1<\/td>\n<\/tr>\n $ \\pi(r_j,a_{10})$<\/td> 0.55<\/td> 0.1<\/td> 0<\/td> 0<\/td>\n<\/tr>\n $ \\pi(a_{11},r_j)$<\/td> 0.5<\/td> 0.8<\/td> 1<\/td> 1<\/td>\n<\/tr>\n $ \\pi(r_j,a_{11})$<\/td> 0.5<\/td> 0.2<\/td> 0<\/td> 0<\/td>\n<\/tr>\n $ \\pi(a_{12},r_j)$<\/td> 0.45<\/td> 0.9<\/td> 0.9<\/td> 1<\/td>\n<\/tr>\n $ \\pi(r_j,a_{12})$<\/td> 0.55<\/td> 0.1<\/td> 0.1<\/td> 0<\/td>\n<\/tr>\n $ \\pi(a_{13},r_j)$<\/td> 0.35<\/td> 0.7<\/td> 0.8<\/td> 0.9<\/td>\n<\/tr>\n $ \\pi(r_j,a_{13})$<\/td> 0.65<\/td> 0.3<\/td> 0.2<\/td> 0.1<\/td>\n<\/tr>\n $ \\pi(a_{14},r_j)$<\/td> 0.5<\/td> 0.9<\/td> 0.9<\/td> 0.9<\/td>\n<\/tr>\n $ \\pi(r_j,a_{14})$<\/td> 0.5<\/td> 0.1<\/td> 0.1<\/td> 0.1<\/td>\n<\/tr>\n $ \\pi(a_{15},r_j)$<\/td> 0.5<\/td> 0.8<\/td> 0.9<\/td> 0.9<\/td>\n<\/tr>\n $ \\pi(r_j,a_{15})$<\/td> 0.5<\/td> 0.2<\/td> 0.1<\/td> 0.1<\/td>\n<\/tr>\n $ \\pi(a_{16},r_j)$<\/td> 0.5<\/td> 0.8<\/td> 0.8<\/td> 1<\/td>\n<\/tr>\n $ \\pi(r_j,a_{16})$<\/td> 0.5<\/td> 0.2<\/td> 0.2<\/td> 0<\/td>\n<\/tr>\n $ \\pi(a_{17},r_j)$<\/td> 0.6<\/td> 0.8<\/td> 1<\/td> 1<\/td>\n<\/tr>\n $ \\pi(r_j,a_{17})$<\/td> 0.4<\/td> 0.2<\/td> 0<\/td> 0<\/td>\n<\/tr>\n $ \\pi(a_{18},r_j)$<\/td> 0.45<\/td> 0.75<\/td> 0.9<\/td> 0.9<\/td>\n<\/tr>\n $ \\pi(r_j,a_{18})$<\/td> 0.55<\/td> 0.25<\/td> 0.1<\/td> 0.1<\/td>\n<\/tr>\n $ \\pi(a_{19},r_j)$<\/td> 0.35<\/td> 0.8<\/td> 0.9<\/td> 1<\/td>\n<\/tr>\n $ \\pi(r_j,a_{19})$<\/td> 0.65<\/td> 0.2<\/td> 0.1<\/td> 0<\/td>\n<\/tr>\n $ \\pi(a_{20},r_j)$<\/td> 0.6<\/td> 0.7<\/td> 0.9<\/td> 0.9<\/td>\n<\/tr>\n $ \\pi(r_j,a_{20})$<\/td> 0.4<\/td> 0.3<\/td> 0.1<\/td> 0.1<\/td>\n<\/tr>\n $ \\pi(a_{21},r_j)$<\/td> 0.6<\/td> 0.9<\/td> 1<\/td> 1<\/td>\n<\/tr>\n $ \\pi(r_j,a_{21})$<\/td> 0.4<\/td> 0.1<\/td> 0<\/td> 0<\/td>\n<\/tr>\n $ \\pi(a_{22},r_j)$<\/td> 0.7<\/td> 0.9<\/td> 0.9<\/td> 0.9<\/td>\n<\/tr>\n $ \\pi(r_j,a_{22})$<\/td> 0.3<\/td> 0.1<\/td> 0.1<\/td> 0.1<\/td>\n<\/tr>\n $ \\pi(a_{23},r_j)$<\/td> 0.6<\/td> 0.7<\/td> 0.9<\/td> 1<\/td>\n<\/tr>\n $ \\pi(r_j,a_{23})$<\/td> 0.4<\/td> 0.3<\/td> 0.1<\/td> 0<\/td>\n<\/tr>\n $ \\pi(a_{24},r_j)$<\/td> 0.2<\/td> 0.8<\/td> 1<\/td> 1<\/td>\n<\/tr>\n $ \\pi(r_j,a_{24})$<\/td> 0.8<\/td> 0.2<\/td> 0<\/td> 0<\/td>\n<\/tr>\n $ \\pi(a_{25},r_j)$<\/td> 0.6<\/td> 0.9<\/td> 0.9<\/td> 1<\/td>\n<\/tr>\n $ \\pi(r_j,a_{25})$<\/td> 0.4<\/td> 0.1<\/td> 0.1<\/td> 0<\/td>\n<\/tr>\n $ \\pi(a_{26},r_j)$<\/td> 0.8<\/td> 0.8<\/td> 1<\/td> 1<\/td>\n<\/tr>\n $ \\pi(r_j,a_{26})$<\/td> 0.1<\/td> 0.2<\/td> 0<\/td> 0<\/td>\n<\/tr>\n $ \\pi(a_{27},r_j$<\/td> 0.55<\/td> 0.9<\/td> 1<\/td> 1<\/td>\n<\/tr>\n $ \\pi(r_j,a_{27})$<\/td> 0.45<\/td> 0.1<\/td> 0<\/td> 0<\/td>\n<\/tr>\n $ \\pi(a_{28},r_j)$<\/td> 0.8<\/td> 0.9<\/td> 1<\/td> 1<\/td>\n<\/tr>\n $ \\pi(r_j,a_{28})$<\/td> 0.2<\/td> 0.1<\/td> 0<\/td> 0<\/td>\n<\/tr>\n $ \\pi(a_{29},r_j)$<\/td> 0.7<\/td> 0.8<\/td> 1<\/td> 1<\/td>\n<\/tr>\n $ \\pi(r_j,a_{29})$<\/td> 0.3<\/td> 0.2<\/td> 0<\/td> 0<\/td>\n<\/tr>\n $ \\pi(a_{30},r_j)$<\/td> 0.6<\/td> 0.8<\/td> 0.9<\/td> 0.9<\/td>\n<\/tr>\n $ \\pi(r_j,a_{30})$<\/td> 0.4<\/td> 0.2<\/td> 0.1<\/td> 0.1<\/td>\n<\/tr>\n $ \\pi(a_{31},r_j)$<\/td> 0.3<\/td> 0.7<\/td> 0.9<\/td> 1<\/td>\n<\/tr>\n $ \\pi(r_j,a_{31})$<\/td> 0.7<\/td> 0.3<\/td> 0.1<\/td> 0<\/td>\n<\/tr>\n $ \\pi(a_{32},r_j)$<\/td> 0.35<\/td> 0.8<\/td> 0.9<\/td> 1<\/td>\n<\/tr>\n $ \\pi(r_j,a_{32})$<\/td> 0.65<\/td> 0.2<\/td> 0.1<\/td> 0<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\nFuente: Elaboraci\u00f3n propia<\/span>\n\n La tabla 6 presenta los flujos estimados para cada entidad de la Rep\u00fablica Mexicana para los datos del 25 de septiembre de 2020. El flujo neto $\\Phi_{ai}$ constituye el \u00edndice de evaluaci\u00f3n general del desempe\u00f1o de las alternativas (estados). Las alternativas m\u00e1s preferidas son las que tienen los flujos netos m\u00e1s altos, mientras que las alternativas con los flujos netos m\u00e1s bajos se consideran las menos preferidas (Spronk et al., 2005). De este modo, observamos que hay 10 estados que representan los valores m\u00e1s grandes en sus flujos netos, todos ellos mayores a 0.7 y, por lo tanto, el m\u00e9todo les asigna el color m\u00e1s permisivo, (Verde): Aguascalientes, Campeche, Chihuahua, Morelos, Puebla, Sinaloa, Sonora, Tabasco, Tamaulipas y Tlaxcala. De todos ellos, sobresale Campeche con un flujo neto de 0.95.<\/p>\n Una forma de visualizar la asignaci\u00f3n de los colores es observar el valor del flujo neto del estado de inter\u00e9s. Los colores est\u00e1n delimitados por los flujos netos en los perfiles l\u00edmite de la siguiente manera: a cualquier valor $\\geq r_1$ , le corresponde el color verde; para valores menores que $r_1$ pero mayor o igual que $r_2$, se les asigna el color amarillo: para valores menores que $r_2$ y mayores o iguales a $r_3$, el color naranja y para valores menores que $r_3$ y mayores o iguales a $r_4$, el color rojo. Como ejemplo, veamos el caso de Baja California cuyo valor de su flujo neto es de 0.65, el cual se encuentra entre los valores de los perfiles l\u00edmite $r_1$ (0.7) y $r_2$ (0.1). Estos perfiles delimitan el color amarillo, por lo cual a Baja California le corresponde dicho color.<\/p>\n Tabla 6. Flujos positivos, negativos y netos<\/h2>\n\n\n\n\n\t\n\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t Estado<\/th> Conjunto ampliado<\/th> Flujos<\/th> r1<\/th> r2<\/th> r3<\/th> r4<\/th> Puntaje<\/th> Color asignado<\/th> Diferencia con SS <\/th>\n<\/tr>\n<\/thead>\n Aguascalientes<\/td> $\\dot{R}_{a1}$<\/td> $\\Phi_{+ \\atop {a1}}$<\/td> 0.8375<\/td> 0.5<\/td> 0.25<\/td> 0<\/td> 0.9125<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{- \\atop {a1}}$<\/td> 0.1625<\/td> 0.5<\/td> 0.75<\/td> 1<\/td> 0.0875<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{ \\atop {a1}}$<\/td> 0.675<\/td> 0<\/td> -0.5<\/td> -1<\/td> 0.825<\/td> Verde<\/td> -1<\/td>\n<\/tr>\n Baja California<\/td> $\\dot{R}_{a2}$<\/td> $\\Phi_{+ \\atop {a2}}$<\/td> 0.85<\/td> 0.55<\/td> 0.275<\/td> 0<\/td> 0.825<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{- \\atop {a2}}$<\/td> 0.15<\/td> 0.45<\/td> 0.725<\/td> 1<\/td> 0.175<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{ \\atop {a2}}$<\/td> 0.7<\/td> 0.1<\/td> -0.45<\/td> -1<\/td> 0.65<\/td> Amarillo<\/td> -1<\/td>\n<\/tr>\n Baja California Sur<\/td> $\\dot{R}_{a3}$<\/td> $\\Phi_{+ \\atop {a3}}$<\/td> 0.95<\/td> 0.5875<\/td> 0.3125<\/td> 0.025<\/td> 0.625<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{- \\atop {a3}}$<\/td> 0.05<\/td> 0.4125<\/td> 0.6875<\/td> 0.975<\/td> 0.375<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{ \\atop {a3}}$<\/td> 0.9<\/td> 0.175<\/td> -0.375<\/td> -0.95<\/td> 0.25<\/td> Amarillo<\/td> -1<\/td>\n<\/tr>\n Campeche<\/td> $\\dot{R}_{a4}$<\/td> $\\Phi_{+ \\atop {a4}}$<\/td> 0.775<\/td> 0.5<\/td> 0.25<\/td> 0<\/td> 0.975<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{- \\atop {a4}}$<\/td> 0.225<\/td> 0.5<\/td> 0.75<\/td> 1<\/td> 0.025<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{ \\atop {a4}}$<\/td> 0.55<\/td> 0<\/td> -0.5<\/td> -1<\/td> 0.95<\/td> Verde<\/td> -1<\/td>\n<\/tr>\n Chiapas<\/td> $\\dot{R}_{a5}$<\/td> $\\Phi_{+ \\atop {a5}}$<\/td> 0.875<\/td> 0.575<\/td> 0.25<\/td> 0<\/td> 0.8<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{- \\atop {a5}}$<\/td> 0.125<\/td> 0.425<\/td> 0.75<\/td> 1<\/td> 0.2<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{ \\atop {a5}}$<\/td> 0.75<\/td> 0.15<\/td> -0.5<\/td> -1<\/td> 0.6<\/td> Amarillo<\/td> 0<\/td>\n<\/tr>\n Chihuahua<\/td> $\\dot{R}_{a6}$<\/td> $\\Phi_{+ \\atop {a6}}$<\/td> 0.85<\/td> 0.525<\/td> 0.275<\/td> 0<\/td> 0.85<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{- \\atop {a6}}$<\/td> 0.15<\/td> 0.475<\/td> 0.725<\/td> 1<\/td> 0.15<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{ \\atop {a6}}$<\/td> 0.7<\/td> 0.05<\/td> -0.45<\/td> -1<\/td> 0.7<\/td> Verde<\/td> -1<\/td>\n<\/tr>\n Ciudad de M\u00e9xico<\/td> $\\dot{R}_{a7}$<\/td> $\\Phi_{+ \\atop {a7}}$<\/td> 0.95<\/td> 0.575<\/td> 0.25<\/td> 0<\/td> 0.725<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{- \\atop {a7}}$<\/td> 0.05<\/td> 0.425<\/td> 0.75<\/td> 1<\/td> 0.275<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{ \\atop {a7}}$<\/td> 0.9<\/td> 0.15<\/td> -0.5<\/td> -1<\/td> 0.45<\/td> Amarillo<\/td> -1<\/td>\n<\/tr>\n Coahuila<\/td> $\\dot{R}_{a8}$<\/td> $\\Phi_{+ \\atop {a8}}$<\/td> 0.8625<\/td> 0.55<\/td> 0.25<\/td> 0<\/td> 0.8375<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{- \\atop {a8}}$<\/td> 0.1375<\/td> 0.45<\/td> 0.75<\/td> 1<\/td> 0.1625<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{ \\atop {a8}}$<\/td> 0.725<\/td> 0.1<\/td> -0.5<\/td> -1<\/td> 0.675<\/td> Amarillo<\/td> 0<\/td>\n<\/tr>\n Colima<\/td> $\\dot{R}_{a9}$<\/td> $\\Phi_{+ \\atop {a9}}$<\/td> 0.8875<\/td> 0.5625<\/td> 0.275<\/td> 0.025<\/td> 0.75<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{- \\atop {a9}}$<\/td> 0.1125<\/td> 0.4375<\/td> 0.725<\/td> 0.975<\/td> 0.25<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{ \\atop {a9}}$<\/td> 0.775<\/td> 0.125<\/td> -0.45<\/td> -0.95<\/td> 0.5<\/td> Amarillo<\/td> -1<\/td>\n<\/tr>\n Durango<\/td> $\\dot{R}_{a10}$<\/td> $\\Phi_{+ \\atop {a10}}$<\/td> 0.8875<\/td> 0.525<\/td> 0.25<\/td> 0<\/td> 0.8375<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{- \\atop {a10}}$<\/td> 0.1125<\/td> 0.475<\/td> 0.75<\/td> 1<\/td> 0.1625<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{ \\atop {a10}}$<\/td> 0.775<\/td> 0.05<\/td> -0.5<\/td> -1<\/td> 0.675<\/td> Amarillo<\/td> 0<\/td>\n<\/tr>\n Estado de M\u00e9xico<\/td> $\\dot{R}_{a11}$<\/td> $\\Phi_{+ \\atop {a11}}$<\/td> 0.875<\/td> 0.55<\/td> 0.25<\/td> 0<\/td> 0.825<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{- \\atop {a11}}$<\/td> 0.125<\/td> 0.45<\/td> 0.75<\/td> 1<\/td> 0.175<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{ \\atop {a11}}$<\/td> 0.75<\/td> 0.1<\/td> -0.5<\/td> -1<\/td> 0.65<\/td> Amarillo<\/td> -1<\/td>\n<\/tr>\n Guanajuato<\/td> $\\dot{R}_{a12}$<\/td> $\\Phi_{+ \\atop {a12}}$<\/td> 0.8875<\/td> 0.525<\/td> 0.275<\/td> 0<\/td> 0.8125<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{- \\atop {a12}}$<\/td> 0.1125<\/td> 0.475<\/td> 0.725<\/td> 1<\/td> 0.1875<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{ \\atop {a12}}$<\/td> 0.775<\/td> 0.05<\/td> -0.45<\/td> -1<\/td> 0.625<\/td> Amarillo<\/td> 0<\/td>\n<\/tr>\n Guerrero<\/td> $\\dot{R}_{a13}$<\/td> $\\Phi_{+ \\atop {a13}}$<\/td> 0.9125<\/td> 0.575<\/td> 0.3<\/td> 0.025<\/td> 0.6875<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{- \\atop {a13}}$<\/td> 0.0875<\/td> 0.425<\/td> 0.7<\/td> 0.975<\/td> 0.3125<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{ \\atop {a13}}$<\/td> 0.825<\/td> 0.15<\/td> -0.4<\/td> -0.95<\/td> 0.375<\/td> Amarillo<\/td> -1<\/td>\n<\/tr>\n Hidalgo<\/td> $\\dot{R}_{a14}$<\/td> $\\Phi_{+ \\atop {a14}}$<\/td> 0.875<\/td> 0.525<\/td> 0.275<\/td> 0.025<\/td> 0.8<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{- \\atop {a14}}$<\/td> 0.125<\/td> 0.475<\/td> 0.725<\/td> 0.975<\/td> 0.2<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{ \\atop {a14}}$<\/td> 0.75<\/td> 0.05<\/td> -0.45<\/td> -0.95<\/td> 0.6<\/td> Amarillo<\/td> -1<\/td>\n<\/tr>\n Jalisco<\/td> $\\dot{R}_{a15}$<\/td> $\\Phi_{+ \\atop {a15}}$<\/td> 0.875<\/td> 0.55<\/td> 0.275<\/td> 0.025<\/td> 0.775<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{- \\atop {a15}}$<\/td> 0.125<\/td> 0.45<\/td> 0.725<\/td> 0.975<\/td> 0.225<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{ \\atop {a15}}$<\/td> 0.75<\/td> 0.1<\/td> -0.45<\/td> -0.95<\/td> 0.55<\/td> Amarillo<\/td> -1<\/td>\n<\/tr>\n Michoac\u00e1n<\/td> $\\dot{R}_{a16}$<\/td> $\\Phi_{+ \\atop {a16}}$<\/td> 0.875<\/td> 0.55<\/td> 0.3<\/td> 0<\/td> 0.775<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{- \\atop {a16}}$<\/td> 0.125<\/td> 0.45<\/td> 0.725<\/td> 0.975<\/td> 0.225<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{ \\atop {a16}}$<\/td> 0.75<\/td> 0.1<\/td> -0.4<\/td> -1<\/td> 0.55<\/td> Amarillo<\/td> -1<\/td>\n<\/tr>\n Morelos<\/td> $\\dot{R}_{a17}$<\/td> $\\Phi_{+ \\atop {a17}}$<\/td> 0.85<\/td> 0.55<\/td> 0.25<\/td> 0<\/td> 0.85<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{- \\atop {a17}}$<\/td> 0.125<\/td> 0.45<\/td> 0.725<\/td> 0.975<\/td> 0.225<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{ \\atop {a17}}$<\/td> 0.7<\/td> 0.1<\/td> -0.5<\/td> -1<\/td> 0.7<\/td> Verde<\/td> -1<\/td>\n<\/tr>\n Nayarit<\/td> $\\dot{R}_{a18}$<\/td> $\\Phi_{+ \\atop {a18}}$<\/td> 0.8875<\/td> 0.5625<\/td> 0.275<\/td> 0.025<\/td> 0.75<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{- \\atop {a18}}$<\/td> 0.1125<\/td> 0.4375<\/td> 0.725<\/td> 0.975<\/td> 0.25<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{ \\atop {a18}}$<\/td> 0.775<\/td> 0.125<\/td> -0.45<\/td> -0.95<\/td> 0.5<\/td> Amarillo<\/td> -1<\/td>\n<\/tr>\n Nuevo Le\u00f3n<\/td> $\\dot{R}_{a19}$<\/td> $\\Phi_{+ \\atop {a19}}$<\/td> 0.9125<\/td> 0.55<\/td> 0.275<\/td> 0<\/td> 0.7625<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{- \\atop {a19}}$<\/td> 0.0875<\/td> 0.45<\/td> 0.725<\/td> 1<\/td> 0.2375<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{ \\atop {a19}}$<\/td> 0.825<\/td> 0.1<\/td> -0.45<\/td> -1<\/td> 0.525<\/td> Amarillo<\/td> -1<\/td>\n<\/tr>\n Oaxaca<\/td> $\\dot{R}_{a20}$<\/td> $\\Phi_{+ \\atop {a20}}$<\/td> 0.875<\/td> 0.575<\/td> 0.275<\/td> 0.025<\/td> 0.75<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{- \\atop {a20}}$<\/td> 0.125<\/td> 0.425<\/td> 0.725<\/td> 0.975<\/td> 0.25<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{ \\atop {a20}}$<\/td> 0.75<\/td> 0.15<\/td> -0.45<\/td> -0.95<\/td> 0.5<\/td> Amarillo<\/td> 0<\/td>\n<\/tr>\n Puebla<\/td> $\\dot{R}_{a21}$<\/td> $\\Phi_{+ \\atop {a21}}$<\/td> 0.85<\/td> 0.525<\/td> 0.25<\/td> 0<\/td> 0.875<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{- \\atop {a21}}$<\/td> 0.15<\/td> 0.475<\/td> 0.75<\/td> 1<\/td> 0.125<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{ \\atop {a21}}$<\/td> 0.7<\/td> 0.05<\/td> -0.5<\/td> -1<\/td> 0.75<\/td> Verde<\/td> -1<\/td>\n<\/tr>\n Quer\u00e9taro<\/td> $\\dot{R}_{a22}$<\/td> $\\Phi_{+ \\atop {a22}}$<\/td> 0.825<\/td> 0.525<\/td> 0.275<\/td> 0.025<\/td> 0.825<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{- \\atop {a22}}$<\/td> 0.15<\/td> 0.475<\/td> 0.725<\/td> 0.975<\/td> 0.15<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{ \\atop {a22}}$<\/td> 0.675<\/td> 0.05<\/td> -0.45<\/td> -0.95<\/td> 0.675<\/td> Verde<\/td> -1<\/td>\n<\/tr>\n Quintana Roo<\/td> $\\dot{R}_{a23}$<\/td> $\\Phi_{+ \\atop {a23}}$<\/td> 0.85<\/td> 0.575<\/td> 0.275<\/td> 0<\/td> 0.8<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{- \\atop {a23}}$<\/td> 0.15<\/td> 0.425<\/td> 0.725<\/td> 1<\/td> 0.2<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{ \\atop {a23}}$<\/td> 0.7<\/td> 0.15<\/td> -0.45<\/td> -1<\/td> 0.6<\/td> Amarillo<\/td> -1<\/td>\n<\/tr>\n San Luis Potos\u00ed<\/td> $\\dot{R}_{a24}$<\/td> $\\Phi_{+ \\atop {a24}}$<\/td> 0.95<\/td> 0.55<\/td> 0.25<\/td> 0<\/td> 0.75<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{- \\atop {a24}}$<\/td> 0.05<\/td> 0.45<\/td> 0.75<\/td> 1<\/td> 0.25<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{ \\atop {a24}}$<\/td> 0.9<\/td> 0.1<\/td> -0.5<\/td> -1<\/td> 0.5<\/td> Amarillo<\/td> -1<\/td>\n<\/tr>\n Sinaloa<\/td> $\\dot{R}_{a25}$<\/td> $\\Phi_{+ \\atop {a25}}$<\/td> 0.85<\/td> 0.525<\/td> 0.275<\/td> 0<\/td> 0.85<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{- \\atop {a25}}$<\/td> 0.15<\/td> 0.475<\/td> 0.725<\/td> 1<\/td> 0.15<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{ \\atop {a25}}$<\/td> 0.7<\/td> 0.05<\/td> -0.45<\/td> -1<\/td> 0.7<\/td> Verde<\/td> -1<\/td>\n<\/tr>\n Sonora<\/td> $\\dot{R}_{a26}$<\/td> $\\Phi_{+ \\atop {a26}}$<\/td> 0.8<\/td> 0.55<\/td> 0.25<\/td> 0<\/td> 0.9<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{- \\atop {a26}}$<\/td> 0.2<\/td> 0.45<\/td> 0.75<\/td> 1<\/td> 0.1<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{ \\atop {a26}}$<\/td> 0.6<\/td> 0.1<\/td> -0.5<\/td> -1<\/td> 0.8<\/td> Verde<\/td> -1<\/td>\n<\/tr>\n Tabasco<\/td> $\\dot{R}_{a27}$<\/td> $\\Phi_{+ \\atop {a27}}$<\/td> 0.8625<\/td> 0.525<\/td> 0.25<\/td> 0<\/td> 0.8625<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{- \\atop {a27}}$<\/td> 0.1375<\/td> 0.475<\/td> 0.75<\/td> 1<\/td> 0.1375<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{ \\atop {a27}}$<\/td> 0.725<\/td> 0.05<\/td> -0.5<\/td> -1<\/td> 0.725<\/td> Verde<\/td> -1<\/td>\n<\/tr>\n Tamaulipas<\/td> $\\dot{R}_{a28}$<\/td> $\\Phi_{+ \\atop {a28}}$<\/td> 0.8<\/td> 0.525<\/td> 0.25<\/td> 0<\/td> 0.925<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{- \\atop {a28}}$<\/td> 0.2<\/td> 0.475<\/td> 0.75<\/td> 1<\/td> 0.075<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{ \\atop {a28}}$<\/td> 0.6<\/td> 0.05<\/td> -0.5<\/td> -1<\/td> 0.85<\/td> Verde<\/td> -1<\/td>\n<\/tr>\n Tlaxcala<\/td> $\\dot{R}_{a29}$<\/td> $\\Phi_{+ \\atop {a29}}$<\/td> 0.825<\/td> 0.55<\/td> 0.25<\/td> 0<\/td> 0.875<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{- \\atop {a29}}$<\/td> 0.175<\/td> 0.45<\/td> 0.75<\/td> 1<\/td> 0.125<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{ \\atop {a29}}$<\/td> 0.65<\/td> 0.1<\/td> -0.5<\/td> -1<\/td> 0.75<\/td> Verde<\/td> -1<\/td>\n<\/tr>\n Veracruz<\/td> $\\dot{R}_{a30}$<\/td> $\\Phi_{+ \\atop {a30}}$<\/td> 0.85<\/td> 0.55<\/td> 0.275<\/td> 0.025<\/td> 0.8<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{- \\atop {a30}}$<\/td> 0.15<\/td> 0.45<\/td> 0.725<\/td> 0.975<\/td> 0.2<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{ \\atop {a30}}$<\/td> 0.7<\/td> 0.1<\/td> -0.45<\/td> -0.95<\/td> 0.6<\/td> Amarillo<\/td> -1<\/td>\n<\/tr>\n Yucat\u00e1n<\/td> $\\dot{R}_{a31}$<\/td> $\\Phi_{+ \\atop {a31}}$<\/td> 0.925<\/td> 0.575<\/td> 0.275<\/td> 0<\/td> 0.725<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{- \\atop {a31}}$<\/td> 0.075<\/td> 0.425<\/td> 0.725<\/td> 1<\/td> 0.275<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{ \\atop {a31}}$<\/td> 0.85<\/td> 0.15<\/td> -0.45<\/td> -1<\/td> 0.45<\/td> Amarillo<\/td> -1<\/td>\n<\/tr>\n Zacatecas<\/td> $\\dot{R}_{a32}$<\/td> $\\Phi_{+ \\atop {a32}}$<\/td> 0.9125<\/td> 0.55<\/td> 0.275<\/td> 0<\/td> 0.7375<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{- \\atop {a32}}$<\/td> 0.0625<\/td> 0.45<\/td> 0.725<\/td> 1<\/td> 0.2375<\/td> <\/td> <\/td>\n<\/tr>\n <\/td> <\/td> $\\Phi_{ \\atop {a32}}$<\/td> 0.85<\/td> 0.1<\/td> -0.45<\/td> -1<\/td> 0.5<\/td> Amarillo<\/td> -1<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\nFuente: Elaboraci\u00f3n propia<\/span>\n\n Analizando los resultados en t\u00e9rminos de los colores asignados por el m\u00e9todo FlowSort<\/em> y la diferencia con respecto a los asignados mediante la metodolog\u00eda utilizada por la Secretar\u00eda de Salud, de la misma tabla 6, tenemos que solo se observan cinco coincidencias (diferencia cero), estos son: Chiapas, Coahuila, Durango, Guanajuato y Oaxaca. El resto de los estados presentan la diferencia de -1 en el color, esto es, en apariencia, el m\u00e9todo FlowSort<\/em> les asigna a esos estados un color m\u00e1s permisivo que el que les fue asignado por la metodolog\u00eda de la SS.<\/p>\n Sin embargo, hay que se\u00f1alar que esta comparaci\u00f3n entre los resultados de ambas metodolog\u00edas no es del todo precisa. Adicionalmente a las diferencias de los fundamentos metodol\u00f3gicos de ambas, hay dos factores que inciden de manera fundamental en estos resultados. Por un lado, se encuentran las diferencias en las ponderaciones asignadas a cada indicador (o criterio), como ya se mencion\u00f3, no hubo manera de encontrar los valores de los pesos que la SS asigna el conjunto de los 10 indicadores utilizados, esto dificultado a\u00fan m\u00e1s por el paro de labores derivado de la pandemia, en las distintas oficinas donde se podr\u00edan consultar los datos. Por otra parte, en la metodolog\u00eda de la SS se consideran ajustes a las puntuaciones de los distintos indicadores en los estados, procedentes de di\u00e1logos y precisiones mantenidas con las autoridades locales de las entidades. Tampoco hubo manera de conseguir los detalles num\u00e9ricos de tales ajustes.<\/p>\n Finalmente, no obstante las limitantes ya se\u00f1aladas, se debe mencionar al menos una de las caracter\u00edsticas relevantes del m\u00e9todo FlowSort<\/em> que pueden ser considerada en futuras aplicaciones y que pueden enriquecer el proceso de clasificaci\u00f3n de las entidades en los colores del sem\u00e1foro COVID-19: la metodolog\u00eda FlowSort<\/em> ofrece la oportunidad de utilizar un conjunto de al menos seis funciones de preferencia que permiten fortalecer la participaci\u00f3n de los tomadores de decisiones mediante la definici\u00f3n de umbrales de indiferencia y preferencia (Brans & Vincke, 1985). En este trabajo se utiliz\u00f3 solo la funci\u00f3n de preferencia m\u00e1s simple, funci\u00f3n usual (figura 1).<\/p>\n Conclusiones<\/strong><\/p>\n De los resultados obtenidos, queda demostrada la factibilidad de utilizar el m\u00e9todo FlowSort<\/em>, como un m\u00e9todo alternativo, en la clasificaci\u00f3n por colores del Sem\u00e1foro COVID-19 proporcionada por la Secretar\u00eda de Salud del gobierno mexicano. Asimismo, adem\u00e1s de ser una alternativa s\u00f3lida respaldada por la amplia cantidad y variedad de aplicaciones \u00fatiles reportadas por la literatura cient\u00edfica, esta permite la posibilidad de enriquecer la participaci\u00f3n de los tomadores de decisiones mediante la utilizaci\u00f3n de distintas funciones de preferencia en cada uno de los indicadores considerados.<\/p>\n Referencias<\/strong><\/p>\n Br\u00fcggemann, R. & Patil G. P. (2011). Ranking and prioritization for multi-indicator systems introduction to partial order applications<\/em>. New York, Dordrecht Heidelberg London.Springer Sciences & Business Media.<\/p>\n Cavanna, J. M. (2019). El Sem\u00e1foro de Eliminaci\u00f3n de la Pob<\/em>reza. Banco de desarrollo de Am\u00e9rica Latina y Fundaci\u00f3n Paraguay. Paraguay.<\/p>\n Cori, A., Ferguson, N. M., Fraser, C., & Cauchemez, S. (2013). A new framework and software to estimate time-varying reproduction numbers during epidemics.\u00a0American journal of epidemiology<\/em>,\u00a0178<\/em>(9) 1505-1512.<\/p>\n De la Cruz-Reyna, S., & Tilling, R. I. (2008). Scientific and public responses to the ongoing volcanic crisis at Popocat\u00e9petl Volcano, Mexico: importance of an effective hazards-warning system.\u00a0Journal of Volcanology and Geothermal Research<\/em>,\u00a0170<\/em>(1-2) 121-134.<\/p>\n Ducrot, P., Julia, C., M\u00e9jean, C., Kesse-Guyot, E., Touvier, M., Fezeu, L. K., … & P\u00e9neau, S. (2016). Impact of different front-of-pack nutrition labels on consumer purchasing intentions: a randomized controlled trial.\u00a0American journal of preventive medicine<\/em>,\u00a050<\/em>(5) 627-636.<\/p>\n Enjolras, M., Camargo, M., & Schmitt, C. (2020). Evaluating Innovation and Export Capabilities of SMEs: Toward a Multi-Criteria Decision-Making Methodology. Journal of technology management & innovation<\/em>, 15(3) 17-32.<\/p>\n European Centre for Disease Prevention and Control. 2021. Maps in support of the Council Recommendation on a coordinated approach to travel measures in the EU (europa.eu)<\/a>.<\/p>\n Fajardo, A. L. (2019). Gesti\u00f3n de crisis en la industria, asociada a la pandemia COVID-19. Revista Internacional Pienso en Latinoam\u00e9rica<\/em>, 2 (6) 45 \u2013 55.<\/p>\n Garc\u00eda, A. J. (2020). S\u00edndrome de burnout en personal de salud durante la pandemia COVID-19: un sem\u00e1foro naranja en la salud mental.\u00a0Revista Salud Uis<\/em>,\u00a052<\/em>(4) 432-439.<\/p>\n Jones, N. K., Ramsay, I., Moore, E., Fuld, J., Adcock, C., Banham-Hall, E., … & Mok, H. P. (2021). Admission COVID-19 clinical risk assessment for guiding patient placement and diagnostic testing strategy.\u00a0Clinical Medicine<\/em>, 21(2) 1-4.<\/p>\n Ishizaka, A., and P. Nemery. (2013). Multi-Criteria Decision Analysis: Methods and Software<\/em>. Wiley editorial. Chichester West Sussex, United Kingdom.<\/p>\n Kao, H., Eaton, D. W., Atkinson, G. M., Maxwell, S., & Mahani, A. B. (2016). Technical meeting on the traffic light protocols (TLP) for induced seismicity: Summary and recommendations. Geological Survey of Canada<\/em>, Open File, 8075, 20 p. doi:10.4095\/299002<\/p>\n Larichev, O.I. (2001). Ranking multicriteria alternatives: The method ZAPROS III. European Journal of Operational Research<\/em>, 131(3) 550-558.<\/p>\n Moheimani, A., Sheikh, R., Hosseini, S. M. H., & Sana, S. S. (2021). Assessing the agility of hospitals in disaster management: application of interval type-2 fuzzy Flowsort inference system. Soft Computing<\/em>, 25(5) 3955-3974.<\/p>\n Montiel, A. L. F. (2019). Gesti\u00f3n de crisis en la industria, asociada a la pandemia COVID-19. Revista Internacional de PIENSO en Latinoam\u00e9rica<\/em>, 2<\/em>(6) 45-55.<\/p>\n Nemery, P., <\/a>& Lamboray, C. (2008). Flowsort: A flow-based sorting method with limiting or central profiles. TOP<\/em>, 16 (1) 90\u2013113.<\/p>\n Pelissari, R., Oliveira, M. C., Amor, S. B., & Abackerli, A. J. (2019). A new FlowSort-based method to deal with information imperfections in sorting decision-making problems. European Journal of Operational Research<\/em>, 276(1) 235-246.<\/p>\n Pinz\u00f3n, A., G\u00f3mez, P., & Romero, I. (2015). Esquema de los sem\u00e1foros: una estrategia de evaluaci\u00f3n formativa para compartir metas.\u00a0RECME-Revista Colombiana de Matem\u00e1tica Educativa<\/em>,\u00a01<\/em>(1) 66-71.<\/p>\n Rahmanimanesh, M., Shafiei Nikabadi, M., Pourkarim, F., & Davoodifar, G. (2017). Using Fuzzy Flowsort Inference System to Rank the Factors Leading to Failure for ERP Projects among Iranian Enterprises. Journal of Information Technology Management<\/em>, 9(4) 787-808.<\/p>\n Rojo Guadalupe, Volman V\u00edctor, y Braga Federico. 2020. Sem\u00e1foro epidemiol\u00f3gico municipal. Argentinos por la educaci\u00f3n<\/em>, 1-14.<\/p>\n Sarrazin, R., De Smet, Y., & Rosenfeld, J. (2018). An extension of PROMETHEE to interval clustering. Omega<\/em>. 80 12\u201321. doi: \/10.1016\/j.omega.2017.09.001<\/p>\n Schultz, R., Beroza, G., Ellsworth, W., & Baker, J. (2020). Risk\u2010Informed Recommendations for Managing Hydraulic Fracturing\u2013Induced Seismicity via Traffic Light Protocols.\u00a0Bulletin of the Seismological Society of America<\/em>,\u00a0110<\/em>(5) 2411-2422.<\/p>\n Secretar\u00eda de Salud. (2020). Lineamientos para la estimaci\u00f3n de riesgos del sem\u00e1foro por regiones COVID-19<\/em>. Gobierno de M\u00e9xico.<\/p>\n Sep\u00falveda, J. M., & Derpich, I. S. (2014). Automated reasoning for supplier performance appraisal in supply chains. Procedia Computer Science<\/em>, 31, 966-975.<\/p>\n Shakya, D. R., Thapa, S. B., Kar, S. K., Sharma, V., Uchida, N., Ortiz, M. R., … & Bhattarai, P. R. (2020). COVID-19 across Countries: Situation and Lessons for Pandemic control.\u00a0Journal of BP Koirala Institute of Health Sciences<\/em>,\u00a03<\/em>(1) 9-27.<\/p>\n Spronk J., Steuer R.E., Zopounidis C. (2016) Multicriteria Decision Aid\/Analysis in Finance.<\/em> In: Greco S., Ehrgott M., Figueira J. (eds) Multiple Criteria Decision Analysis. International Series in Operations Research & Management Science<\/em>, vol 233. Springer, New York, NY. https:\/\/doi.org\/10.1007\/978-1-4939-3094-4_24<\/a><\/p>\n Vizcaychipi, M. P., Shovlin, C. L., McCarthy, A., Howard, A., Brown, A., Hayes, M., … & Keays, R. T. (2020). Development and implementation of a COVID-19 near real-time traffic light system in an acute hospital setting.\u00a0Emergency Medicine Journal<\/em>,\u00a037<\/em>(10) 630-636.<\/p>\n  <\/p>\n","protected":false},"excerpt":{"rendered":" DOI: https:\/\/doi.org\/10.22201\/fesc.20072236e.2021.12.23.1 COVID-19 epidemiological traffic light protocol in Mexico: an alternative classification using the FlowSort method Jos\u00e9 Luis Romo Lozano Profesor-Investigador de Tiempo Completo – Universidad Aut\u00f3noma Chapingo jromol@chapingo.mx Resumen El uso de protocolos de sem\u00e1foro para la gesti\u00f3n de riesgos actualmente es ampliamente utilizado en todo el mundo por gobiernos, organizaciones no gubernamentales y […]<\/p>\n","protected":false},"author":1,"featured_media":3593,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[10],"tags":[],"class_list":["post-3280","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-seccion_especial"],"_links":{"self":[{"href":"https:\/\/virtual.cuautitlan.unam.mx\/rudics\/index.php?rest_route=\/wp\/v2\/posts\/3280","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/virtual.cuautitlan.unam.mx\/rudics\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/virtual.cuautitlan.unam.mx\/rudics\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/virtual.cuautitlan.unam.mx\/rudics\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/virtual.cuautitlan.unam.mx\/rudics\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=3280"}],"version-history":[{"count":87,"href":"https:\/\/virtual.cuautitlan.unam.mx\/rudics\/index.php?rest_route=\/wp\/v2\/posts\/3280\/revisions"}],"predecessor-version":[{"id":3782,"href":"https:\/\/virtual.cuautitlan.unam.mx\/rudics\/index.php?rest_route=\/wp\/v2\/posts\/3280\/revisions\/3782"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/virtual.cuautitlan.unam.mx\/rudics\/index.php?rest_route=\/wp\/v2\/media\/3593"}],"wp:attachment":[{"href":"https:\/\/virtual.cuautitlan.unam.mx\/rudics\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=3280"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/virtual.cuautitlan.unam.mx\/rudics\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=3280"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/virtual.cuautitlan.unam.mx\/rudics\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=3280"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}