Saltar al contenido
Likelier

Miedo percibido frente a probabilidad real

¿Cuáles son las probabilidades de que una alucinación de IA cause un impacto grave en la vida real?

Sin cuantificar

Sin estimación fiable

Buscamos datos de fuentes autorizadas sobre esta cuestión y no encontramos un número que estemos dispuestos a publicar. Posibles razones: las fuentes discrepan sustancialmente, el conjunto de datos subyacente tiene sesgos conocidos, o la pregunta depende de un contexto que no podemos normalizar a una base común.

¿Conoces una fuente rigurosa y revisada por pares que se nos haya escapado? Avísanos.

Tecnología · revisado 2026-06-14
Calidad de la evidencia 4.63/5

Puntuación de revisión en ocho dimensiones según la rúbrica de calidad . Cada dimensión puntuada de 1 a 5.

D1 Anclaje en las fuentes
5/5
D2 Autoridad de las fuentes
5/5
D3 Aritmética
5/5
D4 Incertidumbre
5/5
D5 Alcance
4/5
D6 Prosa
4/5
D7 Honestidad sobre la percepción
4/5
D8 Completitud de las advertencias
5/5
Media 4.63/5
Evidencia directa
Source Sin estimación fiable
A single printed document with several lines of text crossed out in red ink, lying flat on a plain wooden desk.

La probabilidad de que una alucinación de IA cause un impacto grave en la vida real de una persona en particular no se conoce actualmente a nivel poblacional, y fingir lo contrario requeriría fabricar exactamente el tipo de cifra de la que la entrada debería desconfiar. Lo que sí se conoce es la tasa de alucinación por respuesta, y es lo suficientemente alta como para que la ausencia de una estimación de daño por persona no deba leerse como tranquilizadora. La auditoría de 2024 de Stanford RegLab sobre tres modelos fundacionales encontró que respondieron a preguntas verificables específicas sobre casos aleatorios de tribunales federales con alucinaciones entre el 58% (GPT-4) y el 88% (Llama 2) de las veces. La tabla de clasificación de resumen continuamente actualizada de Vectara, que utiliza una tarea de libro cerrado mucho más sencilla en la que se entrega al modelo el texto fuente, todavía mide los modelos de frontera en un 1,8-5% de alucinaciones a mayo de 2026. La brecha de 50 veces entre esos dos puntos de referencia no es una contradicción: es la diferencia entre pedirle al modelo que recuerde hechos y pedirle que resuma un texto que se le acaba de mostrar. Las preguntas factuales abiertas, del tipo que hacen los usuarios comunes, se sitúan más cerca de la tasa más alta.

El lado del daño está documentado incidente por incidente, no en conjunto. En junio de 2023, el Tribunal de Distrito de EE. UU. para el Distrito Sur de Nueva York sancionó a dos abogados con 5.000 dólares en Mata v. Avianca por presentar un escrito que citaba seis casos completamente fabricados generados por ChatGPT, incluidos Varghese v. China Southern Airlines y Estate of Durden v. KLM Royal Dutch Airlines. El caso fue la plantilla para lo que ha venido después: en mayo de 2026, el rastreador de alucinaciones de Charlotin contaba más de 1.300 resoluciones judiciales en todo el mundo en las que un juez o tribunal citaba explícitamente falsedades generadas por IA en escritos presentados. Un análisis de Stanford Cyberlaw publicado en octubre de 2025 encontró que dentro de Estados Unidos la mayoría de esos escritos fueron presentados por litigantes pro se (160 de 274 casos documentados en el momento de la redacción), no por abogados, lo que sugiere que los casos visibles en los que se sanciona a abogados son una pequeña porción de un patrón más amplio que afecta principalmente a personas que no pueden permitirse representación.

Fuera del tribunal, el British Columbia Civil Resolution Tribunal dictaminó en febrero de 2024 (Moffatt v. Air Canada, 2024 BCCRT 149) que Air Canada era responsable de una promesa de tarifa por duelo de aproximadamente 650 CAD hecha por su chatbot de atención al cliente. La aerolínea argumentó que el chatbot era una entidad legal separada; el tribunal discrepó en un lenguaje que ha sido citado internacionalmente (“no importa si la información proviene de una página estática o de un chatbot”). Los daños de Moffatt fueron pequeños, pero la resolución es el precedente existente más limpio de que la desinformación de IA dirigida al consumidor crea exposición legal para la empresa que la despliega, independientemente de si el modelo subyacente fue proporcionado por un proveedor.

Los casos activos más trascendentales involucran dependencia emocional y daño a la salud mental. Garcia v. Character Technologies, presentado en octubre de 2024 en el Distrito Medio de Florida, alegó que la plataforma Character.AI contribuyó al suicidio de Sewell Setzer III, de 14 años, a través de interacciones prolongadas de juego de roles. Raine v. OpenAI, presentado el 26 de agosto de 2025 en el Tribunal Superior del Condado de San Francisco, alega que ChatGPT contribuyó al suicidio de Adam Raine, de dieciséis años, con la demanda afirmando que el sistema de monitoreo de OpenAI rastreó los mensajes de Raine y los marcó repetidamente sin una intervención efectiva. Otras familias han presentado posteriormente demandas relacionadas contra OpenAI, según el resumen de Wikipedia de la ola de litigios posterior a Raine. Ninguno de estos casos ha sido juzgado sobre el fondo en el momento de la redacción; las alegaciones no son determinaciones de hecho. Son evidencia de que la vía de daño que involucra a usuarios vulnerables y dependencia emocional se está alegando, en los tribunales, con documentación, en múltiples casos simultáneamente.

La razón por la que esta entrada se niega a dar una sola cifra es que ninguna de las cuatro vías de daño documentadas (sanción profesional, pérdida financiera del consumidor, mal consejo de salud física, daño psiquiátrico) tiene una tasa base medida por persona-año, y agregarlas en una sola probabilidad de “daño por alucinación de IA” ocultaría que las vías tienen diferentes poblaciones expuestas, diferentes severidades de consecuencias y diferentes trayectorias de remediación. La tasa técnica por consulta está medida y es significativamente distinta de cero; la tasa por persona a lo largo de la vida aún no está medida ni es lo suficientemente estable para estimar. La entrada honesta es la que lo dice.

La mayoría de los usuarios trata la salida de la IA como referencia de bajo riesgo, pero sanciones judiciales, hallazgos de reguladores y demandas por homicidio culposo muestran que el daño grave no es nulo, sobre todo cuando se actúa sin verificar. Con qué frecuencia una sesión termina en daño grave no tiene tasa medida.

Registro de evidencia

Cada número a continuación es lo que reportó cada fuente, con la cita textual en la que nos basamos y cómo llegamos a nuestra cifra. Haz clic en cualquier enlace para verificarlo directamente.

3/9 fuentes verificadas de forma independiente palabra por palabra frente a la fuente citada

  1. [1] arXiv (Stanford RegLab); Journal of Legal Analysis 16(1), 2024 — Large Legal Fictions: Profiling Legal Hallucinations in Large Language Models
    Large Legal Fictions: Profiling Legal Hallucinations in Large Language Models
    Estadística
    Hallucination rates of 58% (GPT-4) to 88% (Llama 2) when answering specific verifiable questions about random federal court cases.
    Extracto
    “"Legal hallucinations are alarmingly prevalent, occurring between 58% of the time with ChatGPT 4 and 88% with Llama 2, when these models are asked specific, verifiable questions about random federal court cases. [...] LLMs often fail to correct a user's incorrect legal assumptions in a contra-factual question setup. [...] LLMs cannot always predict, or do not always know, when they are producing legal hallucinations. [...] Even experienced lawyers must remain wary of legal hallucinations, and the risks are highest for those who stand to benefit from LLMs the most -- pro se litigants or those without access to traditional legal resources." ”
    Datos de la fuente de
    2024-06-21
    Accedido
    2026-05-28
    Cálculo
    Dahl, Magesh, Suzgun and Ho (Stanford RegLab, published in Journal of Legal Analysis, preprint arXiv:2401.01301) measured per-query hallucination rates for legal questions against three foundation models. Their methodology was 200,000+ queries per model stratified by legal task complexity. This source establishes that the per-query hallucination rate is high (58-88%) in a specific high-stakes domain, but it measures hallucination per query, not material harm per user-year. Cited here to ground the claim that hallucinations are frequent at the technical level, while explicitly NOT providing the population harm rate needed for a per-person lifetime probability.
    Independencia
    Stanford RegLab is an academic research group; independent of vendor benchmarks (Vectara) and independent of the litigation tracker (Charlotin).
  2. [2] Vectara — Vectara Hallucination Leaderboard (HHEM-2.3) Verificado
    Vectara Hallucination Leaderboard (HHEM-2.3)
    Estadística
    Current frontier models hallucinate 1.8% to 5% of the time on a constrained document-summarization task (May 2026 leaderboard snapshot); GPT-5.4-nano: 3.1%, Gemini 2.5 Flash Lite: 3.3%, Phi-4: 3.7%, Llama 3.3 70B: 4.1%.
    Extracto
    “"Fed the full set of documents in the dataset to each of the LLMs and asked them to summarize each document, using only the facts presented in the document. We then computed the overall factual consistency rate (no hallucinations) and hallucination rate (100 - accuracy) for each model." ”
    Datos de la fuente de
    2026-05-11
    Accedido
    2026-05-28 · copia archivada
    Verificación
    Extracto recuperado de forma independiente y confirmado palabra por palabra frente a la fuente citada durante nuestra auditoría de fundamentación.
    Cálculo
    Vectara's HHEM leaderboard measures hallucination on a closed-book summarization task (the model is given source text and must summarize it). This is a generous benchmark: open-ended factual questions hallucinate far more often. Even on this constrained task, the best frontier models still hallucinate roughly 1 in 20 to 1 in 55 outputs. Establishes a current floor on hallucination prevalence per output, but does NOT translate to per-person harm because (a) most outputs are not acted on, (b) most outputs are not in a domain where being wrong has material consequences, and (c) the leaderboard does not measure open-ended question answering, where rates are an order of magnitude higher.
    Independencia
    Vectara is a commercial RAG vendor; the leaderboard is independent of Stanford RegLab and uses a different methodology (summarization, not legal QA).
  3. [3] Wikipedia summary of United States District Court for the Southern District of New York case record — Mata v. Avianca, Inc., No. 22-cv-1461 (S.D.N.Y. 2023)
    Mata v. Avianca, Inc., No. 22-cv-1461 (S.D.N.Y. 2023)
    Estadística
    $5,000 fine against the plaintiff's attorneys in May/June 2023 for a motion containing fake legal cases involving fictitious airlines with fabricated quotations generated by ChatGPT; Judge Castel held the attorneys acted with 'subjective bad faith' under Rule 11.
    Extracto
    “"In May 2023, Judge P. Kevin Castel dismissed the personal injury case against Avianca and ordered the plaintiff's attorneys to pay a $5,000 fine. [...] Judge Castel noted numerous inconsistencies in the opinion summaries, describing one of the legal analyses as 'gibberish.' [...] Judge Castel held that Mata's lawyers had acted with 'subjective bad faith' sufficient for sanctions under Federal Rule of Civil Procedure Rule 11." ”
    Datos de la fuente de
    2023-06-22
    Accedido
    2026-05-28 · copia archivada
    Cálculo
    First widely publicised US court case where lawyers were sanctioned for filing a brief containing AI-fabricated case citations. The sanction itself was small ($5,000), but the reputational and professional consequences were severe. Establishes that hallucination-induced professional harm is documented and not hypothetical. Does NOT establish a base rate because most users are not lawyers filing briefs, but it anchors one of the harm pathways.
    Independencia
    Primary court record; independent of all other sources cited.
  4. [4] British Columbia Civil Resolution Tribunal (analysis by McCarthy Tetrault) — Moffatt v. Air Canada, 2024 BCCRT 149 Verificado
    Moffatt v. Air Canada, 2024 BCCRT 149
    Estadística
    British Columbia Civil Resolution Tribunal ruled on February 19, 2024 that Air Canada was liable for the misrepresentation made by its website chatbot about bereavement fare eligibility; awarded the plaintiff approximately CAD 650 plus interest and filing fees.
    Extracto
    “"The tribunal held that Air Canada was liable for the misleading information provided by the chatbot. … It should be obvious to Air Canada that it is responsible for all the information on its website. It makes no difference whether the information comes from a static page or a chatbot." ”
    Datos de la fuente de
    2024-02-19
    Accedido
    2026-05-28 · copia archivada
    Verificación
    Extracto recuperado de forma independiente y confirmado palabra por palabra frente a la fuente citada durante nuestra auditoría de fundamentación.
    Cálculo
    Primary tribunal decision (cited via legal analysis because the CRT direct URL is paywalled). Documents that the chatbot fabricated a bereavement-fare policy that did not exist, that the airline tried to disavow responsibility ("the chatbot is a separate legal entity"), and that the tribunal rejected that defence. Material consequence per user was small (CAD 650), but the case establishes corporate liability for AI misrepresentation and has been cited internationally as precedent. Does not provide a per-person harm rate, but documents a verified consumer-facing harm pathway.
    Independencia
    Tribunal decision summarized by an independent Canadian law firm; verified against ABA reporting and BBC/Washington Post coverage of the same ruling.
  5. [5] CBS News — AI company, Google settle lawsuit over Florida teen's suicide linked to Character.AI chatbot
    AI company, Google settle lawsuit over Florida teen's suicide linked to Character.AI chatbot
    Estadística
    Garcia v. Character Technologies, Inc. (M.D. Fla., case no. 6:24-cv-01903), filed October 22, 2024, alleged that a Character.AI chatbot contributed to the suicide of 14-year-old Sewell Setzer III after a months-long simulated romantic relationship with the bot; the case against Character Technologies, its co-founders, and Google was settled in January 2026, terms undisclosed.
    Extracto
    “"A Florida family agreed to settle a wrongful death lawsuit Wednesday with an AI company, Google and others after their teen son died by suicide in 2024. The terms of the settlement, which was filed in the U.S. District Court in the Middle District of Florida, were not disclosed. … Megan Garcia filed a lawsuit in October 2024 … I became the first person in the United States to file a wrongful death lawsuit against an AI company for the suicide of my son." ”
    Datos de la fuente de
    2026-01-07
    Accedido
    2026-07-03 · copia archivada
    Cálculo
    Garcia v. Character Technologies, Inc. et al. (M.D. Fla., case no. 6:24-cv-01903), filed October 22, 2024 by Megan Garcia following the February 2024 suicide of her 14-year-old son Sewell Setzer III, alleged wrongful death, product liability, and negligence after the teenager conducted a months-long simulated romantic and sexual relationship with a Character.AI chatbot persona. Named defendants included Character Technologies, its co-founders, and Google. The case was settled in January 2026 (docket terminated 2026-01-07 per court records); settlement terms were not disclosed. Cited to ground the body's reference to this case with a dedicated source, alongside Raine v. OpenAI, documenting the emotional-dependence/psychiatric-harm pathway with a named, court-verified case rather than only the summary mention in this entry's caveats field.
    Independencia
    Mainstream news report of a filed and settled federal lawsuit, cross-checked against the public court docket; independent of the Stanford, Vectara, and Wikipedia-sourced case summaries cited above.
  6. [6] San Francisco County Superior Court (case description per Wikipedia / NBC News / CNN coverage) — Raine v. OpenAI, No. CGC-25-XXXXXX (San Francisco County Superior Court, filed August 26, 2025)
    Raine v. OpenAI, No. CGC-25-XXXXXX (San Francisco County Superior Court, filed August 26, 2025)
    Estadística
    Ongoing wrongful-death lawsuit filed by Matthew and Maria Raine in San Francisco County Superior Court on August 26, 2025, alleging that ChatGPT contributed to the suicide of their sixteen-year-old son Adam Raine; complaint alleges OpenAI's monitoring system tracked his messages and flagged them repeatedly.
    Extracto
    “"Raine v. OpenAI is an ongoing lawsuit filed in August 2025 by Matthew and Maria Raine against OpenAI and its chief executive Sam Altman over the alleged wrongful death of their 16-year-old son Adam, who died by suicide in April 2025. … On August 26, 2025, Matthew and Maria Raine filed a lawsuit against OpenAI, Sam Altman , and unnamed OpenAI employees and investors, in the San Francisco County Superior Court … OpenAI's monitoring system, which scores messages' probabilities of containing content related to self-harm, had tracked Adam's messages and flagged them repeatedly" ”
    Datos de la fuente de
    2025-08-26
    Accedido
    2026-05-28 · copia archivada
    Cálculo
    Case status is unresolved as of access date; complaint allegations are not findings of fact. Cited to document the existence of active wrongful-death and psychiatric-harm litigation against a major foundation-model vendor, with additional related suits subsequently filed by other families per the Wikipedia summary. The Wikipedia article does not give a specific count of additional suits or a specific count of self-harm messages flagged by OpenAI's moderation system; reporting in news outlets has cited higher specifics that are not yet verifiable against a public court docket. Together with Garcia v. Character Technologies (filed October 2024 in the Middle District of Florida), establishes a documented harm pathway involving vulnerable users and emotional dependence on chatbots. Source type marked news_article because the underlying court filing is not yet available via public PACER; the Stanford peer-reviewed and Vectara primary-study sources satisfy the authority floor.
    Independencia
    Wikipedia summary cross-referenced against NBC News, CNN, and Rolling Stone reporting on the same lawsuit; independent of the Stanford and Vectara sources.
  7. [7] Stanford Center for Internet and Society (Stanford Cyberlaw) — Who's Submitting AI-Tainted Filings in Court? Verificado
    Who's Submitting AI-Tainted Filings in Court?
    Estadística
    As of October 2025, the Charlotin tracker had documented 274 US court cases involving filings with AI hallucinations (114 by lawyers and paralegals, 160 by pro se litigants); the global Charlotin database tracked roughly 1,300+ cases as of May 2026 across 37 jurisdictions, with the United States accounting for over 1,000 of those.
    Extracto
    “"Pro se litigants account for the majority of the cases in the United States where a party submitted a court filing containing AI hallucinations." ”
    Datos de la fuente de
    2025-10-15
    Accedido
    2026-05-28 · copia archivada
    Verificación
    Extracto recuperado de forma independiente y confirmado palabra por palabra frente a la fuente citada durante nuestra auditoría de fundamentación.
    Cálculo
    Stanford Cyberlaw analysis of Damien Charlotin's running tracker of court rulings that explicitly cite AI hallucinations in legal filings. The tracker is the most comprehensive public count of one specific harm subtype (filings sanctioned or flagged by courts). Important caveat: 274 US filings (Oct 2025) and ~1,300 global filings (May 2026) understate the underlying incidence because they only count cases where a court explicitly named the hallucination; many cases settle or get withdrawn before that point. Even so, the count does not give a per-person harm rate because the denominator (US adults using AI for legal queries) is unknown.
    Independencia
    Stanford Cyberlaw analysis of an independent third-party tracker; verified the tracker count directly via damiencharlotin.com/hallucinations on 2026-05-28.
  8. [8] Annals of Internal Medicine: Clinical Cases (American College of Physicians) — A Case of Bromism Influenced by Use of Artificial Intelligence
    A Case of Bromism Influenced by Use of Artificial Intelligence
    Estadística
    Single case report: a 60-year-old man developed bromism (bromide toxicity) after replacing dietary sodium chloride with sodium bromide for 3 months following a ChatGPT consultation; he was hospitalized for 3 weeks with paranoia plus auditory and visual hallucinations, was placed on an involuntary psychiatric hold, and had a serum bromide level of 1700 mg/L (reference range 0.9 to 7.3 mg/L).
    Extracto
    “"For 3 months, he had replaced sodium chloride with sodium bromide obtained from the internet after consultation with ChatGPT, in which he had read that chloride can be swapped with bromide [...]. This case also highlights how the use of artificial intelligence (AI) can potentially contribute to the development of preventable adverse health outcomes. [...] when we asked ChatGPT 3.5 what chloride can be replaced with, we also produced a response that included bromide. Though the reply stated that context matters, it did not provide a specific health warning, nor did it inquire about why we wanted to know, as we presume a medical professional would do." ”
    Datos de la fuente de
    2025-08-05
    Accedido
    2026-06-14 · copia archivada
    Cálculo
    Eichenberger, Thielke and Van Buskirk (University of Washington), peer-reviewed clinical case report (Ann Intern Med Clin Cases 2025;4:e241260, DOI 10.7326/aimcc.2024.1260). Cited to document the physical-health-misadvice harm pathway: a consumer acted on a general-purpose chatbot's dietary suggestion and was hospitalized. This is N=1, a single reproducible case report, and provides NO incidence rate per user-year, so it cannot move the headline — it confirms the pathway is real rather than hypothetical. The authors reproduced the unsafe suggestion (bromide as a chloride substitute, no health warning) in their own ChatGPT 3.5 test. Verified verbatim via the journal page on 2026-06-14.
    Independencia
    Academic clinical case report; independent of the Stanford RegLab, Vectara, and litigation sources cited above.
  9. [9] Psychiatrist.com (Physicians Postgraduate Press) — NEDA Suspends AI Chatbot for Giving Harmful Eating Disorder Advice
    NEDA Suspends AI Chatbot for Giving Harmful Eating Disorder Advice
    Estadística
    In late May 2023 the National Eating Disorders Association (NEDA) suspended its 'Tessa' chatbot after users reported it gave eating-disorder-aggravating advice, including recommending weight loss of 1 to 2 pounds per week, calorie counting, regular weigh-ins, and measuring body fat with calipers.
    Extracto
    “"If I had accessed this chatbot when I was in the throes of my eating disorder, I would NOT have gotten help for my ED." ”
    Datos de la fuente de
    2023-06-01
    Accedido
    2026-06-14 · copia archivada
    Cálculo
    Documents the deliberate-use-as-therapy-substitute failure mode: a chatbot deployed to stand in for a human eating-disorder helpline gave advice (calorie restriction, weight loss, body-fat measurement) that activists reported as harmful for the exact population it served, prompting NEDA to take it offline within days. This is a single deployment incident, not an incidence rate among real therapy-bot users, so it provides NO base rate and cannot move the headline — it anchors a harm pathway distinct from factual hallucination (the bot was working as designed, giving generic diet advice to a clinically vulnerable user). The harmful-advice specifics were cross-checked against CNN, NPR, and BBC reporting on the same suspension.
    Independencia
    Trade-press reporting on the NEDA suspension; independent of the legal and benchmark sources cited above.

436 riesgos con probabilidad medida
1 de cada 10 1 de cada 100 1 de cada 1K 1 de cada 10K 1 de cada 100K 1 de cada 1M 1 de cada 10M 1 de cada 100M 1 de cada 1B cierto más raro → Riesgo cirugía estética en el extranjero — 1 de cada 10 Azúcar y sal en la infancia — 1 de cada 10 Endometriosis — 1 de cada 10 Riesgo trasplante capilar Turquía — 1 de cada 10 Reemplazo de rodilla — 1 de cada 10 Analgésicos crónicos — 1 de cada 10 Pérdida total de dientes — 1 de cada 9,1 Alzheimer — 1 de cada 8,3 Privación de sueño — 1 de cada 8,3 Tabaco sin humo — 1 de cada 8,3 Ciclismo sin casco — 1 de cada 8,0 Daño dental por bruxismo — 1 de cada 7,7 Fallo del preservativo — 1 de cada 7,7 Evitar atención por miedo a inmigración — 1 de cada 7,1 Pérdida de visión — 1 de cada 6,7 Hernia por levantar peso — 1 de cada 6,7 Riesgo de fractura de cadera — 1 de cada 6,7 Consumo regular de alcohol — 1 de cada 6,7 Primer infarto — 1 de cada 5,9 Infertilidad — 1 de cada 5,7 5+ años de cuidados a largo plazo — 1 de cada 5,6 ETC (fútbol americano) — 1 de cada 5,0 Depresión mayor — 1 de cada 4,9 Lesión en senderismo — 1 de cada 4,8 Infección al comer después de un niño — 1 de cada 4,2 Enfermedad de Lyme — 1 de cada 4,0 Soledad y salud — 1 de cada 3,8 Heredar riesgo de AUD — 1 de cada 3,5 Trastorno por consumo de alcohol — 1 de cada 3,4 Trastorno de ansiedad — 1 de cada 3,2 Riesgo CV tras menopausia — 1 de cada 3,0 Diabetes silenciosa — 1 de cada 3,0 Volar con resfriado — 1 de cada 2,9 Pérdida de empleo y depresión — 1 de cada 2,9 Enfermedad por garrapata (bosque) — 1 de cada 2,9 Colesterol alto silencioso — 1 de cada 2,9 Pérdida de abuelo en infancia — 1 de cada 2,8 Pacifier on the floor — 1 de cada 2,8 Hipertensión silenciosa — 1 de cada 2,7 Infección resistente — 1 de cada 2,6 Sin compatibilidad de médula — 1 de cada 2,4 Ingreso en residencia de mayores — 1 de cada 2,2 Mamografía falso positivo — 1 de cada 2,0 Tabaquismo regular — 1 de cada 2,0 Diarrea del viajero — 1 de cada 2,0 Deportes de aventura — 1 de cada 1,8 Necesidad de cuidados a largo plazo — 1 de cada 1,8 Probabilidad de viudez — 1 de cada 1,7 Sexo sin protección — 1 de cada 1,5 Dolor lumbar — 1 de cada 1,3 Higiene de manos — 1 de cada 1,0 Cáncer (cualquiera) — 1 de cada 7,1 Patinete sin casco — 1 de cada 4,5 Bici electrica sin casco — 1 de cada 4,0 Equipaje mal manejado — 1 de cada 3,7 Accidente con lesiones por culpa — 1 de cada 2,9 Colisión con venado — 1 de cada 2,7 Lesión en accidente de coche — 1 de cada 2,6 Cancelación de vuelo — 1 de cada 1,8 Interrupción de viaje: guerra o desastre — 1 de cada 1,7 Agresión haciendo autostop — 1 de cada 8,8 Robo en el hogar — 1 de cada 8,6 Fraude de cheques por correo — 1 de cada 7,7 Abuso sexual infantil — 1 de cada 6,8 Acoso persistente — 1 de cada 6,2 Agresión sexual a estudiante — 1 de cada 5,7 Violencia doméstica — 1 de cada 3,7 Agresión al caminar de noche — 1 de cada 3,6 Robo de bicicleta — 1 de cada 2,9 Agresión sexual — 1 de cada 2,3 Acoso sexual (de por vida) — 1 de cada 1,6 Escasez de agua — 1 de cada 2,5 Tormenta solar clase Carrington — 1 de cada 1,9 Punto de inflexión del WAIS — 1 de cada 1,1 Escape de gato de interior — 1 de cada 10 Mordedura de perro sin correa — 1 de cada 9,8 Conejo muere en 4 años — 1 de cada 3,3 Mordedura de perro (no mortal) — 1 de cada 1,8 Hámster muere antes de la adolescencia — 1 de cada 1,0 Déficit de hierro (mujeres) — 1 de cada 3,9 Carencia de vitamina D — 1 de cada 2,9 Déficit de magnesio — 1 de cada 1,9 Alimentos poco cocidos — 1 de cada 1,6 Contaminación cruzada de carne cruda — 1 de cada 1,4 Alimentos fuera — 1 de cada 1,2 Estafa de voz con IA — 1 de cada 2,9 Pérdida por estafa en línea — 1 de cada 2,5 Ciberacoso adolescente — 1 de cada 2,0 Niños y contenido explícito — 1 de cada 1,9 Filtración de datos — 1 de cada 1,1 Aborto espontáneo — 1 de cada 6,7 Intento de suicidio adolescente — 1 de cada 5,6 Depresión posparto — 1 de cada 4,8 Analgésico antes de la vacunación — 1 de cada 3,8 Exceso de peso en embarazo — 1 de cada 2,6 Niño no vacunado y sarampión — 1 de cada 2,0 Piojos en niños — 1 de cada 2,0 Estafa financiera a mayores — 1 de cada 10 Colapso de pensiones — 1 de cada 10 Caída inmobiliaria — 1 de cada 8,3 Auditoría del IRS — 1 de cada 6,7 Colapso monetario — 1 de cada 5,6 Deportación por exceso de visado — 1 de cada 5,6 Embargo por préstamo subprime — 1 de cada 5,0 Long term disability working age — 1 de cada 4,0 Impago estudiantil — 1 de cada 3,8 Represalias al denunciante — 1 de cada 3,2 Salida forzada antes de jubilarse — 1 de cada 2,9 Déficit de jubilación — 1 de cada 2,6 Impago en compra a plazos (BNPL) — 1 de cada 2,4 Divorcio — 1 de cada 2,4 Daños por tubería reventada — 1 de cada 2,2 Acoso laboral — 1 de cada 2,1 Apagón prolongado — 1 de cada 2,0 Deportación (indocumentado) — 1 de cada 1,8 Shock por costo de funeral — 1 de cada 1,7 Robo de identidad — 1 de cada 1,7 Fraude con tarjeta — 1 de cada 1,5 Acoso escolar — 1 de cada 1,5 Baja en primera línea — 1 de cada 1,3 Recesión económica — 1 de cada 1,0 Caída del mercado de valores — 1 de cada 1,0 Daño en el techo por granizo — 1 de cada 3,0 Inquilino problemático — 1 de cada 1,8 Complicaciones LASIK — 1 de cada 100 Daño por papel higiénico seco — 1 de cada 100 Humo de segunda mano — 1 de cada 91 Trastorno por videojuegos (adultos) — 1 de cada 83 Urgencias por tacones — 1 de cada 79 Thrown/dropped object — 1 de cada 67 Reacción a medicamento — 1 de cada 58 Sobredosis de drogas — 1 de cada 56 Asma por cocina de gas en un niño — 1 de cada 50 Toxoplasmosis por arenero de gato — 1 de cada 48 Incapacidad por salud mental — 1 de cada 45 Dependencia a benzodiacepinas — 1 de cada 40 Plomo en agua del grifo — 1 de cada 40 Uso indebido de medicamentos — 1 de cada 35 Traumatismo craneoencefálico — 1 de cada 33 Infección hospitalaria — 1 de cada 31 Contaminación del aire — 1 de cada 29 Insuficiencia renal terminal — 1 de cada 29 Diarrea del viajero (agua) — 1 de cada 26 Lesión esquiando — 1 de cada 26 Trastorno bipolar — 1 de cada 23 Cirugía de muelas del juicio — 1 de cada 22 Complicación turismo dental — 1 de cada 20 Abandono de ancianos — 1 de cada 20 Parkinson — 1 de cada 20 Parásitos de mascotas — 1 de cada 20 TDAH sin diagnosticar — 1 de cada 20 Alergia alimentaria en adultos — 1 de cada 19 Demencia no Alzheimer — 1 de cada 17 Trastorno por consumo de cannabis — 1 de cada 16 Ictus — 1 de cada 15 TEPT — 1 de cada 15 Pérdida auditiva grave — 1 de cada 14 Diabetes tipo 2 — 1 de cada 13 Apendicitis — 1 de cada 13 Humo de cocina interior — 1 de cada 13 Depresión sin tratar — 1 de cada 13 Refrescos y diabetes — 1 de cada 13 Enfermedad cardíaca — 1 de cada 12 Muerte por error médico — 1 de cada 12 Conducta sexual compulsiva — 1 de cada 12 Trastorno alimentario — 1 de cada 11 Reemplazo de cadera — 1 de cada 11 Cálculos renales — 1 de cada 11 Muerte/discapacidad parental — 1 de cada 11 Estilo de vida sedentario — 1 de cada 11 Infección de salón — 1 de cada 11 Cáncer de ovario — 1 de cada 91 Cáncer colorrectal — 1 de cada 77 Cáncer de mama — 1 de cada 59 Cáncer de hígado — 1 de cada 59 Cáncer de pulmón — 1 de cada 56 Cáncer de próstata — 1 de cada 50 Melanoma (UV) — 1 de cada 29 Riesgo de CCR por baja fibra — 1 de cada 26 Carne roja y CCR — 1 de cada 21 Carne carbonizada y cáncer — 1 de cada 20 Accidente por mantenimiento — 1 de cada 83 Conducir con sedantes — 1 de cada 77 Texting + conducción — 1 de cada 56 Muerte sin cinturón — 1 de cada 53 Exceso del 20% en velocidad — 1 de cada 50 Motocicleta sin casco — 1 de cada 45 Vuelo espacial (astronauta) — 1 de cada 42 Ver vídeo al conducir — 1 de cada 32 Lesión infantil en accidente — 1 de cada 27 Conducir somnoliento — 1 de cada 26 Norovirus en crucero — 1 de cada 24 Lesión en patinete eléctrico — 1 de cada 10 Carterista en viaje — 1 de cada 38 Robo de catalizador — 1 de cada 37 Apuñalado en un asalto — 1 de cada 37 Robo de vehículo — 1 de cada 34 Robo/asalto callejero — 1 de cada 26 Condena errónea — 1 de cada 24 Adulteración de bebidas — 1 de cada 17 Robo de coche por relé sin llave — 1 de cada 13 Protesta bajo autocracia — 1 de cada 12 Colapso de la AMOC — 1 de cada 20 Anafilaxia por picadura — 1 de cada 50 Lesión por collar de gato — 1 de cada 25 Intoxicación en restaurante — 1 de cada 58 Deficiencia de B12 — 1 de cada 28 Deficiencia vegetariana — 1 de cada 14 Deepfake íntimo — 1 de cada 25 Uso problemático de redes sociales — 1 de cada 13 Niño se traga objeto (urgencias) — 1 de cada 91 Parto potencialmente mortal (EE. UU.) — 1 de cada 61 Muerte en el parto (ASS) — 1 de cada 55 Caida en escaleras (ninos) — 1 de cada 37 Muerte por colecho — 1 de cada 36 Lesión en juegos infantiles — 1 de cada 33 Diagnóstico de autismo — 1 de cada 31 Complicaciones de cesárea — 1 de cada 29 Lesión por juguete, urgencias (niño) — 1 de cada 21 Preeclampsia — 1 de cada 20 Desgarro grave en el parto — 1 de cada 17 Diabetes gestacional — 1 de cada 13 Lesión de cabeza al caer — 1 de cada 12 Morir sin heredero — 1 de cada 100 Ruina financiera por apuestas deportivas — 1 de cada 100 Muerte de piloto de caza — 1 de cada 48 Muerte en pesca comercial — 1 de cada 45 Muerte en tala forestal — 1 de cada 34 Bancarrota médica — 1 de cada 25 Trastorno de compra compulsiva — 1 de cada 20 Estafa de alquiler falso — 1 de cada 20 Perder SNAP por reglas laborales 2025 — 1 de cada 18 Ejecución hipotecaria — 1 de cada 14 Incapacidad musculoesquelética — 1 de cada 14 Pérdidas por day trading — 1 de cada 13 Catástrofe por gobierno extremista — 1 de cada 13 Destrucción del hogar por huracán — 1 de cada 17 NAION (Ozempic) — 1 de cada 909 Sumersión de bebé en piscina — 1 de cada 800 EM — 1 de cada 769 Mortalidad laboral — 1 de cada 690 Fiebre tifoidea — 1 de cada 654 Aspiración GLP-1 con anestesia — 1 de cada 613 Productos importados inseguros — 1 de cada 565 Aneurisma cerebral — 1 de cada 400 COVID-19 — 1 de cada 400 Lesión por fuegos artificiales — 1 de cada 385 Tendón cortado con cuchillo — 1 de cada 385 Exceso de cafeína — 1 de cada 366 Enfermedad de células falciformes — 1 de cada 365 Medicamento falsificado — 1 de cada 361 Lesión de médula espinal — 1 de cada 313 Cáncer infantil diagnosticado — 1 de cada 285 Muerte por próxima pandemia — 1 de cada 208 Dengue (viaje) — 1 de cada 200 Parto prematuro por calor — 1 de cada 200 Saltarse la ducha diaria — 1 de cada 200 No frotarse los pies — 1 de cada 200 Riesgo de donación de médula — 1 de cada 167 Encefalitis por garrapatas — 1 de cada 167 Esquizofrenia — 1 de cada 143 Caída accidental — 1 de cada 135 Muerte súbita durante el ejercicio — 1 de cada 123 Suicidio (EE. UU.) — 1 de cada 121 Adicción a opioides — 1 de cada 114 Tuberculosis (global) — 1 de cada 109 Diagnóstico de VIH — 1 de cada 105 Cáncer por radón — 1 de cada 435 Cáncer testicular — 1 de cada 250 Cáncer de cuello uterino — 1 de cada 167 Cáncer de páncreas — 1 de cada 125 Muerte de peatón — 1 de cada 806 Accidente de motocicleta — 1 de cada 709 Ahogamiento en barco recreativo — 1 de cada 685 Conductor mata a peatón — 1 de cada 552 Lesión al caminar distraído por móvil — 1 de cada 400 Incendio de batería de VE — 1 de cada 333 Ciclista muerto por coche — 1 de cada 159 Incendio de coche de gasolina — 1 de cada 125 Muerte por coche autónomo — 1 de cada 115 Accidente de coche — 1 de cada 105 Muerte de bombero en servicio — 1 de cada 455 Muerte de policía en servicio — 1 de cada 357 Homicidio — 1 de cada 339 Estafa de inversión cripto — 1 de cada 106 Calor extremo — 1 de cada 333 Muerte por cambio climático — 1 de cada 204 Mordedura de murciélago y rabia — 1 de cada 278 Enfermedad por mosquito — 1 de cada 190 Intoxicación alimentaria (global) — 1 de cada 317 Incendio por paneles solares — 1 de cada 667 Escoliosis infantil no tratada — 1 de cada 1000 Caída de un niño por la ventana — 1 de cada 855 Andador caída escaleras — 1 de cada 625 Caída de bebé — 1 de cada 500 Lesión por andador bebé — 1 de cada 455 Mortalidad materna — 1 de cada 272 Edad materna y defectos de nacimiento — 1 de cada 200 Muerte infantil (<18) — 1 de cada 103 Muerte en carrera espeleológica — 1 de cada 167 Muerte en servicio EMS — 1 de cada 909 Víctima civil de guerra — 1 de cada 499 Muerte en combate — 1 de cada 270 Revocación de visa estudiantil — 1 de cada 263 Muerte en carrera minera — 1 de cada 214 Ruina por ludopatía — 1 de cada 159 Incendio doméstico por rayo — 1 de cada 461 Incendio forestal destruye hogar — 1 de cada 120 Malaria (viaje) — 1 de cada 10.000 Infección por bebida compartida — 1 de cada 10.000 Enfermedad de Chagas — 1 de cada 8475 Tenia del zorro por bayas silvestres — 1 de cada 8475 Niño traga bolsita de nicotina — 1 de cada 7937 Esquistosomiasis — 1 de cada 6667 Muerte súbita en jóvenes — 1 de cada 3922 Cableado inseguro — 1 de cada 3390 Sepsis por herida — 1 de cada 2857 Conciencia bajo anestesia — 1 de cada 2500 Golpe de calor (exterior) — 1 de cada 1905 Incendio doméstico — 1 de cada 1818 Rabia canina — 1 de cada 1449 Ahogamiento — 1 de cada 1379 Lesión medular por zambullida — 1 de cada 1111 Hospitalización por EVALI — 1 de cada 1064 Asfixia — 1 de cada 1020 Cáncer por betel — 1 de cada 1290 Coágulo sanguíneo (vuelo) — 1 de cada 4651 Matar a un ciclista — 1 de cada 3937 Muerte vial adolescente — 1 de cada 3030 Silla trasera de bici — 1 de cada 2500 Nino sin sistema de retencion — 1 de cada 2000 Encuentro policial fatal — 1 de cada 4739 Crimen de honor — 1 de cada 2381 Homicidio por pareja íntima — 1 de cada 1767 Huracán — 1 de cada 8929 Muerte por hambruna — 1 de cada 6536 Muerte por ventisca — 1 de cada 4367 Terremoto — 1 de cada 3802 Listeria en fiambres — 1 de cada 6061 E. coli grave por verduras frescas — 1 de cada 4831 Intoxicación alimentaria (EE. UU.) — 1 de cada 1862 Mercurio en pescado — 1 de cada 1695 Lesión por espina de pescado — 1 de cada 1429 Incendio de batería — 1 de cada 4545 Cápsula de detergente — 1 de cada 6494 Ahogamiento en piscina — 1 de cada 5882 Displasia de cadera infantil no tratada — 1 de cada 5000 SMSL — 1 de cada 2398 Víctima civil de guerra — 1 de cada 2000 Inflamación cerebral por gripe (EAG/ENA) — 1 de cada 100.000 Picadura fatal de abeja/avispa — 1 de cada 76.923 Dengue local (EE. UU. continental) — 1 de cada 66.667 Muerte por anestesia — 1 de cada 45.662 Muerte de perro en auto caliente — 1 de cada 41.667 Infección de herida por V. vulnificus — 1 de cada 32.051 Anafilaxia — 1 de cada 27.548 Manipulación quiropráctica del cuello — 1 de cada 16.667 Intoxicación por CO — 1 de cada 14.006 Hepatitis A (viaje) — 1 de cada 12.500 Omitir inmunoterapia para alergias — 1 de cada 11.111 Acrilamida y cáncer — 1 de cada 16.667 Accidente de autobús — 1 de cada 100.000 Accidente de avión — 1 de cada 58.824 Incendio de coche tras choque — 1 de cada 25.000 Muerte en paso a nivel — 1 de cada 20.576 Coche sumergido — 1 de cada 16.667 Remolque de bicicleta — 1 de cada 14.286 Conato de colisión en pista — 1 de cada 13.699 Ataque con ácido — 1 de cada 94.340 Terrorismo — 1 de cada 77.519 Secuestro por un extraño — 1 de cada 38.760 Secuestro por extraño — 1 de cada 35.211 Muerte por dote — 1 de cada 13.158 Muerte accidental por arma — 1 de cada 11.299 Incendio forestal — 1 de cada 100.000 Tornado — 1 de cada 80.645 Tsunami — 1 de cada 52.632 Ahogamiento en el océano — 1 de cada 29.155 Inundación — 1 de cada 20.202 Muerte por calor tras huracán — 1 de cada 20.000 Muerte por deslizamiento — 1 de cada 18.416 Erupción de supervolcán — 1 de cada 12.376 Picadura de abeja — 1 de cada 78.927 Tragar abeja o avispa — 1 de cada 29.155 Picadura mortal de escorpión — 1 de cada 26.110 Muerte de perro por chocolate — 1 de cada 13.889 Bolsita de canela con plomo — 1 de cada 40.000 Lixiviación de recipientes de plástico — 1 de cada 16.949 Asfixia del bebé en silla de auto — 1 de cada 64.935 Caída de hamaca bebé — 1 de cada 60.606 Asfixia infantil al comer — 1 de cada 50.000 Atragantamiento infantil sin supervisión — 1 de cada 50.000 Muerte de bebé mirando adelante — 1 de cada 26.738 Ingerir imanes — 1 de cada 12.048 Muerte haciendo snorkel — 1 de cada 21.739 Mascota en transporte — 1 de cada 20.000 Muerte bajo custodia de ICE — 1 de cada 17.065 Minas terrestres — 1 de cada 14.728 Evento adverso grave por vacuna — 1 de cada 763.359 Aluminio y Alzheimer — 1 de cada 169.492 Fuga de gas residencial — 1 de cada 140.845 Muerte infantil en coche caliente — 1 de cada 102.041 Glifosato y cáncer — 1 de cada 1.000.000 Cáncer por teflón — 1 de cada 169.492 Lesión en montaña rusa — 1 de cada 312.500 Hundimiento de ferry — 1 de cada 133.333 Lesión por turbulencia — 1 de cada 114.943 Tiroteo escolar — 1 de cada 192.308 Tiroteo masivo — 1 de cada 113.636 Avalancha — 1 de cada 210.526 Rayo — 1 de cada 209.205 Mordedura de serpiente — 1 de cada 884.956 Mordedura de araña — 1 de cada 833.333 Ataque de hipopótamo — 1 de cada 564.972 Ataque de cocodrilo — 1 de cada 337.838 Mordedura de perro — 1 de cada 142.045 Residuos de pesticidas — 1 de cada 1.000.000 Lata sucia — 1 de cada 200.000 Daño del bioplástico PLA — 1 de cada 169.492 Muerte en hamaca bebé — 1 de cada 714.286 Atragantamiento con uva — 1 de cada 625.000 Estrangulación por cordón de persiana — 1 de cada 416.667 Asfixia de niño con bolsa plástica — 1 de cada 263.158 Pila de botón — 1 de cada 250.000 Muerte cuna inclinada — 1 de cada 238.095 Muerte en ascensor/escalera mecánica — 1 de cada 188.324 EJ (viaje) — 1 de cada 2.000.000 Niño + airbag delantero — 1 de cada 10.000.000 Impacto de asteroide — 1 de cada 1.351.351 Arañas en los plátanos — 1 de cada 10.000.000 Ataque de tiburón — 1 de cada 5.681.818 Ataque de oso — 1 de cada 3.787.879 Intoxicación por bayas silvestres — 1 de cada 2.222.222 Ataque de piraña — 1 de cada 135.135.135 Teléfono en el surtidor — 1 de cada 1.000.000.000 Teléfono en avión — 1 de cada 1.000.000.000
Lottery jackpot 1 de cada 95.238

Vistos recientemente en este dispositivo