Un modelo MAIRCA difuso pitagórico cúbico integrado con una novedosa medida de similitud por coeficiente de variación para la evaluación del riesgo alimentario

Por qué importan las opciones alimentarias más seguras

Cada día, las personas toman innumerables decisiones sobre qué comer, confiando en que los alimentos en sus platos sean seguros. Sin embargo, los alimentos contaminados siguen enfermando a cientos de millones de personas en todo el mundo cada año. Las cadenas de suministro modernas se extienden por continentes, implican muchas empresas y reguladores y generan océanos de datos imperfectos. Este artículo aborda una pregunta aparentemente simple con consecuencias de gran alcance: ¿cómo pueden las autoridades comparar de forma fiable los riesgos de seguridad alimentaria entre regiones cuando la información es incierta, incompleta y está influida por el juicio humano?

Desafíos al juzgar la seguridad alimentaria

La seguridad alimentaria no está gobernada por un único factor, sino por un entramado de normas y prácticas: límites de residuos de pesticidas, higiene en las fábricas, la claridad con que las etiquetas comunican riesgos, la facilidad para rastrear productos durante una retirada y más. Estos criterios a menudo empujan en direcciones distintas y con frecuencia faltan números precisos. Los inspectores y expertos deben describir las condiciones con términos vagos como «muy bueno» o «algo arriesgado», y sus opiniones pueden divergir. Las herramientas tradicionales de decisión suelen exigir entradas numéricas precisas y tienen dificultades cuando se les pide combinar opiniones difusas de expertos con mediciones dispersas, por lo que sus clasificaciones de riesgo pueden ser inestables o engañosas.

Una forma más inteligente de manejar la incertidumbre

Los autores se basan en avances de las matemáticas «difusas», una familia de métodos diseñados para trabajar con matices en lugar de respuestas nítidas de sí/no. En su marco, el juicio de cada experto sobre un criterio—por ejemplo, la higiene en una región—no se captura como una única puntuación, sino como una banda de valores posibles más una consideración de duda. Esta descripción más rica preserva la vacilación y el desacuerdo en lugar de forzarlos en un solo número. A continuación introducen una nueva forma de medir cuán similares son dos descripciones difusas de este tipo, combinando dos ideas de comparación bien conocidas en un único índice de similitud. Este índice se convierte en un elemento central del modelo, ayudando tanto a ponderar qué criterios de seguridad importan más como a juzgar cuán cerca está cada región del rendimiento ideal o deficiente.

Equilibrando la percepción de los expertos y la evidencia sólida

La evaluación del riesgo depende en última instancia de la importancia asignada a cada criterio de seguridad. En lugar de apoyarse solo en las clasificaciones de expertos o únicamente en la variación estadística, el enfoque propuesto combina ambas. Los expertos primero ordenan los criterios según su importancia percibida, generando un conjunto de pesos «subjetivos». Al mismo tiempo, el nuevo índice de similitud examina los datos para ver qué criterios distinguen las regiones de forma más clara, produciendo pesos «objetivos». Un control de ajuste mezcla entonces estas dos fuentes en pesos finales, permitiendo a los reguladores ajustar cuánto se apoyan en la experiencia de los expertos frente a los patrones de los datos, manteniendo la transparencia sobre esa elección.

Probando el modelo en regiones chinas

Para mostrar cómo funciona el método en la práctica, los autores evalúan el riesgo de seguridad alimentaria en cinco grandes regiones de China—Este, Sur, Oeste, Centro y Norte—utilizando siete dimensiones regulatorias comunes, incluidos límites de residuos, normas de etiquetado y trazabilidad, higiene, estándares de proceso, controles de importación y reglamentos sanitarios. Tres especialistas califican de forma independiente el desempeño de cada región en cada criterio usando escalas lingüísticas como «bastante significativo» o «excepcionalmente significativo», que se convierten en la forma difusa requerida por el modelo. El marco calcula entonces qué tan lejos está cada región de un estándar hipotético de mejor y peor caso, agrega estas brechas a través de todos los criterios usando los pesos combinados y produce una puntuación de riesgo global y una clasificación para cada región.

Qué dicen los resultados y por qué importan

El análisis encuentra que China Oriental tiene el menor riesgo de seguridad alimentaria entre las cinco regiones estudiadas, seguida por el Sur y el Oeste de China, con el Centro y el Norte rezagados. Es importante destacar que, cuando los autores varían el equilibrio entre pesos subjetivos y objetivos, y ajustan el comportamiento de su índice de similitud, la clasificación apenas cambia. Esta estabilidad sugiere que las conclusiones no son artefactos frágiles de una sola elección de modelado. Para los responsables políticos, el marco ofrece un panel de control con base científica: destaca qué regiones necesitan más atención y qué criterios contribuyen más a su riesgo. Para el público, la idea central es que las matemáticas avanzadas pueden ayudar a aclarar la confusión y las opiniones contrapuestas, ofreciendo una manera más clara y justa de priorizar mejoras en la seguridad alimentaria y, en última instancia, reducir la probabilidad de que productos peligrosos lleguen a los consumidores.

Cita: Liu, Z., Weng, Z., Ksibi, A. et al. An integrated cubic Pythagorean fuzzy MAIRCA model with novel variation coefficient similarity measure for food safety risk assessment. Sci Rep 16, 11323 (2026). https://doi.org/10.1038/s41598-026-39302-z

Palabras clave: seguridad alimentaria, evaluación de riesgos, toma de decisiones, lógica difusa, China