Why OMS’s Number Is Already Wrong

OMS’s widely-cited 250,000 deaths/year projection covers only four direct pathways: heat stress, malaria, diarrhoea, and child undernutrition. It excludes air pollution (8,1 millones/año at baseline), flooding, drought, displacement, conflict, cardiovascular disease exacerbation, ecosystem collapse, and all cascade effects. OMS itself describes the figure as Swiss Re Natural Catastrophe Review (2025) · SIPRI Military Expenditure Database · Citadel 2022 Returns (public reporting) · US DoD Climate Risk Analysis (2021, unclassified) · UK MOD Strategic Trends Programme · IMD, “Climate Change: The Emergence of Uninsurable Areas” (2024) · Planet Labs Forest Carbon Monitoring · Palantir/Tomorrow.io Climate Resilience Partnership (2025).

The Lancet Countdown’s — no una proyección — ya muestran ~700.000 muertes anuales solo por calor y humo de incendios forestales, casi 3× lo que la OMS proyectó para las cuatro vías combinadas. Doce de veinte indicadores de amenaza sanitaria alcanzaron niveles récord en 2025. No hay punto de inflexión observado. — not a projection — already shows ~700,000 annual deaths from heat and wildfire smoke alone, nearly 3× what OMS projected for all four pathways combined. Twelve of twenty health-threat indicators reached record levels in 2025. There is no observed inflection point.

Nuestro modelo de mortalidad usa una curva convexa (déficit

) a través de cuatro dimensiones que matan personas: seguridad material, acceso sanitario, seguridad ambiental y adecuación de la vivienda. Tres dimensiones del DFI — participación política, educación y conexión social — importan para la dignidad pero tienen vínculos directos débiles con la mortalidad.^1.5) across four dimensions that kill people: material security, health access, environmental safety, and housing adequacy. Three DFI dimensions — participación política, education, and social connection — matter for dignity but have weak direct mortality links.

~12,7 millones de muertes excesivas/año . Esto es consistente con los 8,1 millones del GBD solo por contaminación del aire más mortalidad adicional por desnutrición, enfermedades prevenibles y saneamiento inadecuado que capturan nuestras dimensiones de material, salud y vivienda. Es más pesimista que la OMS (que subestima) pero menos extremo que las estimaciones más amplias (que proyectan horizontes más largos e incluyen cascadas indirectas que nuestro modelo no intenta).. This is consistent with the GBD’s 8.1M from air pollution alone plus additional mortality from malnutrition, preventable disease, and inadequate sanitation that our material, health, and housing dimensions capture. It is more pessimistic than OMS (which undercounts) but less extreme than the broadest estimates (which project over longer horizons and include indirect cascades our model doesn’t attempt).

existe porque cumplir los umbrales de dignidad mínima del DFI (0,35–0,40 por dimensión) no elimina la mortalidad excesiva — el "nivel seguro" por encima del cual una dimensión deja de contribuir a la muerte es mayor (0,60–0,70). Dignidad mínima y seguridad mínima no son lo mismo. exists because meeting DFI minimum-dignity thresholds (0.35–0.40 per dimension) does not eliminate excess mortality — the “safe level” above which a dimension stops contributing to death is higher (0.60–0.70). Minimum dignity and minimum safety are not the same thing.

Datos satelitales y de movilidad propietarios

— Datos de ubicación de teléfonos móviles para más de 5 mil millones de personas, rastreando patrones migratorios en tiempo real a nivel de distrito. Modelamos zonas de partida a nivel de país; ellos lo ven a nivel de aldea, mes a mes. — Cell phone location data for 5B+ people, tracking migration patterns in real time at district level. We model departure zones at country level; they see it at village level, month by month.

— Swiss Re, Munich Re y Lloyd's tienen las mayores bases de datos de catástrofes propietarias del mundo, combinando datos satelitales, aprendizaje automático y décadas de historial de reclamaciones. Las pérdidas aseguradas alcanzaron $107 mil millones en 2025. Estas empresas están declarando activamente ciertas regiones "inasegurables" — una declaración más fuerte que cualquier modelo climático público. Cuando un asegurador dice que una región es inasegurable, está diciendo que sus modelos propietarios muestran que las pérdidas esperadas superan cualquier prima que el mercado soportará. — Swiss Re, Munich Re, and Lloyd’s have the largest proprietary catastrophe databases on Earth, combining satellite data, machine learning, and decades of claims history. Insured losses reached $107B in 2025. These firms are actively declaring certain regions “uninsurable” — a stronger statement than any public climate model makes. When an insurer says a region is uninsurable, they are saying their proprietary models show expected losses exceed any premium the market will bear.

— Citadel contrató meteorólogos doctorados y construyó pronósticos meteorológicos internos que ganaron $16 mil millones en 2022. Bridgewater ha construido "una comprensión de arriba abajo de la transición a cero neto". Estas empresas tratan el riesgo climático como una asimetría de información negociable. No están construyendo modelos que muestren una imagen más optimista — están construyendo modelos que muestran dónde golpea primero el daño y posicionándose en consecuencia. — Citadel hired PhD meteorologists and built in-house weather forecasting that earned $16B in 2022. Bridgewater has built “a top-down understanding of the net zero transition.” These firms treat climate risk as a tradable information asymmetry. They are not building models that show a more optimistic picture — they are building models that show where the damage hits first and positioning accordingly.

— El Análisis de Riesgo Climático del DoD de EE. UU. etiqueta el cambio climático como un "multiplicador de amenazas". Las versiones clasificadas casi seguramente contienen estimaciones de cronograma específicas para el fallo estatal en varios de los 57 países que identifica nuestro modelo, con predicciones de flujo migratorio de mayor resolución combinando datos satelitales y de teléfonos móviles para miles de millones de personas. — The US DoD’s Climate Risk Analysis labels climate change a “threat multiplier.” The classified versions almost certainly contain specific timeline estimates for state failure in several of the 57 countries our model identifies, with higher-resolution migration flow predictions combining satellite and cell phone data for billions of people.

Casi seguro que no.

Los datos propietarios añaden precisión (qué distrito, qué mes, qué nodo de cadena de suministro), pero cada entidad con acceso a estos datos se está comportando como si la imagen fuera tan mala o peor de lo que muestra nuestro modelo. Los reaseguradores están retirando cobertura. Los fondos de cobertura están construyendo inteligencia climática privada. La doctrina militar está cambiando. Los individuos ricos están construyendo búnkeres. Las preferencias reveladas de los actores mejor informados se alinean con nuestro modelo. Hay un caso documentado donde los datos propietarios adelantaron a los modelos públicos: los modelos de catástrofes de la industria aseguradora comenzaron a señalar la gravedad de los riesgos secundarios (tormentas convectivas severas, incendios forestales, inundaciones) 5–10 años antes de que los modelos climáticos públicos los captaran adecuadamente. El período 2017–2023 de pérdidas "inesperadas" no fue inesperado para los reaseguradores. Esto sugiere que las estimaciones de mortalidad de nuestro modelo pueden ser conservadoras para dimensiones vinculadas al seguro. El único área donde los datos propietarios podrían divergir: efectividad de adaptación para poblaciones ricas.

There is one documented case where proprietary data led public models: the insurance industry’s catastrophe models began signaling the severity of secondary perils (severe convective storms, wildfire, flood) 5–10 años before public climate models adequately captured them. The 2017–2023 period of “unexpected” insurance losses was not unexpected to the reinsurers. This suggests our model’s mortality estimates may be Swiss Re Natural Catastrophe Review (2025) · SIPRI Military Expenditure Database · Citadel 2022 Returns (public reporting) · US DoD Climate Risk Analysis (2021, unclassified) · UK MOD Strategic Trends Programme · IMD, “Climate Change: The Emergence of Uninsurable Areas” (2024) · Planet Labs Forest Carbon Monitoring · Palantir/Tomorrow.io Climate Resilience Partnership (2025) Metodología:

El Índice de Dignidad Mínima (DFI) es una medida conjuntiva de 7 dimensiones. Cada dimensión debe superar independientemente su umbral para que una unidad de población cumpla el mínimo. El DFI modela precondiciones para la dignidad, no la dignidad misma. Los datos subnacionales son incompletos donde más se necesitan. El optimizador no puede forzar el cambio político — la viabilidad de transición refleja esta restricción. La capacidad de redistribución depende de la voluntad política. La frontera de Pareto muestra posibilidad estructural, no probabilidad política. Cajón del Códice CODEX for the populations they serve. This makes the wealthy-world experience better but says nothing about the 3.8B below the dignity floor. If anything, it widens the gap.