Límites de transporte bajo selección no medida

1. Resumen científico ejecutivo

Este proyecto preguntó si, bajo una cuadrícula preregistrada de dependencia entre susceptibilidad preentrada, continuidad y primera confirmación menstrual, el contraste por componente

T_k(a,h)=F_source,k(a,h)−F_selected,k(a,h)

permanece íntegramente dentro de ±0.05 para las marcas k∈{E,A,N−,N+}, en los horizontes separados de 12 segmentos y 18 meses. La respuesta tiene dos capas que no deben fusionarse.

Respuesta estructural: no existe garantía de contención. Para una susceptibilidad binaria equiprobable y la celda extrema 2b/2b, con b=log(2), una construcción exacta da T=−1/18=−0.0556. Una envolvente computacional posterior, con riesgos competitivos coherentes, produjo máximos absolutos por componente de 0.054106 para U binaria y 0.103018 para U~N(0,1); hubo cruces en 12 segmentos y 18 meses. Los controles con sólo U→S o sólo U→K fueron nulos hasta 5.55×10⁻16. Por tanto, la selección no medida conjunta puede, por sí sola, cruzar la región de decisión. La contención universal queda refutada.

Respuesta humana: no se demostró que el cruce ocurra en una agenda humana concreta. El gate de acceso y soporte G−1 falló: no se adquirieron dos agendas independientes con microdatos mujer×segmento, soporte en 40.5–45.5 años, LM12, fechas, gaps, causas intervalares y cierre de ambos horizontes. Hive/Utah fue auditable, pero terminó a los 40 años y no cerró 18 meses. No se ejecutaron G0/G1 humanos, bandas de muestreo ni réplica sellada. La magnitud humana de T permanece parcialmente identificada.

El delta científico central es, por ello, preciso: la selección no medida basta para invalidar una garantía universal de transporte, pero no está demostrado que explique un exceso humano observado. Bajo el charter preregistrado, cualquier exceso post-codo permanece no atribuible de forma única porque

D_N^obs=(F_obs,N−F_selected,N)−T_N+(F_source,N−F_model,N).

Recuperar Φ_selected sólo controla el primer término; no identifica el transporte ni el residuo biológico en la fuente.

La hipótesis primaria revisada es el cruce composicional M1-7-AR-H2C v3; la competidora es robustez local por baja covariación humana M1-7-AR-H1L v3; la hipótesis traslacional M1-7-AR-HT1 v3 propone únicamente un gate de falsificación metodológica. La explicación operativa que gobierna hoy es M1-7-AR-H3A v3: falta acceso/soporte para adjudicar el cruce humano. La madurez es H2 para la posibilidad computacional estructural y H0 para la magnitud humana.

2. Pregunta científica y relevancia

La pregunta no es si una muestra seleccionada permite describir correctamente a las mujeres que logró observar. Es si ese blanco seleccionado representa a la población fuente que habría sido biológicamente elegible con independencia de la agenda de observación.

Para una edad de landmark a y un horizonte h, se distinguen tres objetos:

• Φ_source: distribución marcada de primeras confirmaciones en la población fuente conceptualmente elegible;
• Φ_selected: la misma distribución después de condicionar en entrada, LM12, ausencia de candidata abierta, continuidad y permanencia;
• Φ_obs: el resultado después de error de fecha, omisión, gaps y censura.

La pregunta primaria es si cada componente de Φ_source−Φ_selected queda estrictamente contenido en (-0.05,0.05) en dos agendas y ambos horizontes. Tocar el margen es inconcluso. Una marca estable no puede compensar otra que cruza, y un horizonte no rescata al otro.

La relevancia científica es anterior a cualquier mecanismo ovárico. M1-1–M1-6 mostraron que el operador ReSTAGE es un clasificador de sangrado, que gran parte del eco adyacente puede surgir por geometría algebraica, que la primera confirmación observada no equivale a la primera histórica y que recuperar el blanco seleccionado no garantiza transporte. Si la selección puede cambiar cinco puntos absolutos, un exceso posterior al codo no identifica por sí solo memoria temporal, estado HPO, lesión ovárica, mecanismo uterino/tiroideo ni error técnico.

El margen ±0.05 es una regla metodológica preregistrada; no es un umbral clínico, biológico ni de fertilidad.

3. Alcance, población y etapa vital

Población fuente conceptual

Mujeres humanas naturalmente ciclantes, entre 40.5 y 45.5 años para el análisis primario continuo, que en un tiempo biológico dado:

1. podrían aportar 12 segmentos válidos antes del landmark;
2. no tendrían una candidata ReSTAGE abierta en el landmark;
3. no estarían bajo embarazo/posparto, anticoncepción hormonal, terapia hormonal, supresión gonadal, histerectomía, ooforectomía o tratamiento gonadotóxico durante los intervalos comparados;
4. serían elegibles aunque la agenda real no las hubiera observado continuamente.

La edad 45.0 es un contraste sólo si existe soporte local. CP_σ=42.84 años se conserva como ancla histórica de TREMIN, no como frontera individual o biológica. STRAW+10, FMP futura, AMH y el propio outcome de sangrado no definen la población primaria porque pueden anidar el outcome o confundir clasificador con generador.

Unidades y endpoints

• Unidad inferencial: mujer.
• Unidad temporal: segmento menstrual o tiempo calendario, mantenidos separados.
• Evento: primera confirmación después de un landmark válido, no primera confirmación de vida.
• Marcas: E (J=1, inversión), A (J=1, sin inversión), N− (J≥2, inversión) y N+ (J≥2, sin inversión).
• Horizontes: 12 segmentos y 548 días, derivados de una misma trayectoria.

Cada mujer aporta como máximo un landmark por zona preespecificada; ventanas solapadas no se cuentan como mujeres independientes.

Exclusiones interpretativas

Este proyecto no identifica función fértil, ovulación competente, reserva primordial, FMP, healthspan ni longevidad. No usa datos actuales de Lua, PHI, PII ni genomas privados. No localiza U_pre en una hormona, gen, célula o tejido y no propone una intervención.

4. Conocimiento base y mapa mecanístico

Definición del outcome

Para longitudes consecutivas L_t, una candidata surge cuando |L_t−L_(t−1)|≥7 días. Se confirma con el siguiente cambio de al menos siete días dentro de diez segmentos. Una candidata que no puede cerrar su ventana queda censurada, nunca negativa. Las cuatro marcas son riesgos competitivos de una sola primera confirmación y requieren un modelo multinomial o hazards específicos por causa con estado absorbente; cuatro Bernoulli independientes serían incoherentes.

Mecanismo de selección composicional

Sea p_k(u)=P(K=k antes de h|U=u,a) y s(u)=P(S=1|U=u,a). Entonces:

F_source,k=E[p_k(U)]

F_selected,k=E[s(U)p_k(U)]/E[s(U)]

y, exactamente,

T_k=−Cov[p_k(U),s(U)]/E[s(U)].

Esta identidad produce cuatro consecuencias:

1. selección heterogénea sin heterogeneidad del evento no desplaza el blanco;
2. heterogeneidad del evento sin selección diferencial tampoco lo desplaza;
3. si susceptibilidad alta aumenta evento y continuidad, la seleccionada sobre-representa alto riesgo y T_k<0;
4. si susceptibilidad alta aumenta evento pero reduce continuidad, T_k>0.

El mecanismo no exige que selección cause biología o que biología cause selección. Basta un antecedente común no medido.

estados biológicos, sociales y metrológicos preentrada
                         │
                         ▼
                  U_pre + H_pre
                    /          \
                   ▼            ▼
 entrada → LM12 → continuidad   riesgo de primera confirmación
                   │            E / A / N− / N+
                   └──────┬─────┘
                          ▼
             cambio de composición del risk set
                          ▼
                Φ_selected ≠ Φ_source
                          │
                error / gaps / censura
                          ▼
                       Φ_obs

Dos relojes

Doce segmentos fija el número de oportunidades y deja variar el tiempo. Dieciocho meses fija tiempo y deja variar oportunidades. Si U modifica duración o regularidad, aparece un canal adicional:

U → duración/gaps → número de segmentos en 18 meses → riesgo acumulado.

Este canal no fue ejecutado en el cómputo principal, que fijó 30 días por segmento. Por ello, la prueba estructural de cruce es válida como submodelo, pero no adjudica la discordancia real entre relojes.

Escalas biológicas

La evidencia molecular, celular, animal, in-vitro y ex-vivo no identifica el funcional poblacional. Ovario, HPO, cuerpo lúteo, endometrio, tiroides, metabolismo, estrés y registro pueden contribuir a U_pre, pero son many-to-one respecto de las marcas. Sólo después de un residual source-level replicado tendría sentido localizar fisiología.

5. Método de evidencia

Se integraron completamente el charter Scientist, la memoria lifetime M1, project.json y los artefactos SCOPING, EVIDENCE_MAP, EVIDENCE_VERIFICATION, MECHANISTIC_SYNTHESIS, COMPUTE_DECISION, COMPUTE_OPTIONAL, HYPOTHESIS_GENERATION, ADVERSARIAL_REVIEW y EXPERIMENT_DESIGN.

La evidencia se jerarquizó así:

1. humana menstrual longitudinal para entrada, gaps, censura y observación;
2. estudios humanos con población target observable para magnitud externa de selección;
3. métodos primarios de transportabilidad, truncación e identificación parcial;
4. cómputo reproducible con verdad guardada;
5. inferencia mecanística, claramente etiquetada.

Las fuentes decisivas se verificaron contra artículos primarios, PubMed/PMC o páginas canónicas. La auditoría corrigió cinco sobrelecturas: Huang 2014 no es un MAR simple; Li 2020 no sustenta por sí mismo modos 30/60 por menstruación omitida; los p-valores de Ecochard pertenecen a subconjuntos; Unseld 2024 muestra atenuación landmark y no valida LM12; y los métodos de transporte de efectos causales no se trasladan automáticamente a una distribución multinomial marginal.

No se consideró que una publicación agregada equivaliera a microdatos ejecutables. Los ejemplos externos informan posibilidad y heterogeneidad de magnitud; no calibran parámetros menstruales.

6. Mapa de evidencia

La evidencia humana directa establece que la selección existe; la teoría establece por qué impide identificación puntual; el cómputo establece que puede ser material. Ninguna de estas capas, por separado o juntas, identifica qué celda describe a SWAN, TREMIN, Seattle o Melbourne.

7. Evidencia contradictoria y resultados nulos

1. Selección con desplazamiento pequeño. En ACT→BRFSS, cuatro prevalencias cambiaron menos de 0.05. Esto impide sostener que toda selección real cruza el margen.
2. Ajuste observado incompleto. En Malmö, ponderar covariables registrales cerró sólo una fracción de la brecha de mortalidad. Esto impide asumir que balance observado elimina selección latente.
3. Landmarking no es garantía. Unseld mostró atenuación bajo truncación; un LM12 preciso internamente puede cambiar el estimando o seleccionar continuidad.
4. Muchas celdas sintéticas están contenidas. Los cruces de la malla no son universales. Con masa basal N baja desaparecieron cruces binarios por componente en ciertas sensibilidades, aunque algunos cruces normales persistieron.
5. Binaria y normal no son réplicas. En U binaria, γ contrasta 0/1; en U normal, opera por desviación estándar y permite colas. El máximo normal de 0.103 no valida el máximo binario, sino otra familia.
6. Composición simétrica no es neutral. Fijar 25% por marca asigna 50% de masa total a N. Variar la masa N de 0.10 a 0.50 cambió materialmente los extremos.
7. El agregado T_N es algebraicamente válido, pero no tiene margen funcional propio. Sus máximos 0.108212 y 0.206036 no significan que selección humana explique 10.8 o 20.6 puntos.
8. G−1 falló. El cruce estructural no pasó a evidencia humana. Tratarlo como estimación sería la contradicción más grave con el preregistro.
9. J≥2 no identifica memoria. Elimina el solapamiento algebraico exacto, pero no drift, estado, cola, omisión, salida o selección.

La revisión adversarial conserva, en vez de suavizar, estas tensiones. La explicación principal actual es falta de adjudicación humana; no “selección demostradamente causal”.

8. Síntesis mecanística multiescala

Nivel molecular y celular

No hay evidencia directa específica. Estados ováricos, HPO, tiroideos, endometriales, inmunometabólicos o de estrés podrían cambiar longitudes y continuidad, pero no se midieron junto con el marco fuente. Su papel es sólo generar heterogeneidad latente.

Nivel de órgano y sistema

La secuencia menstrual es el output integrado de varios sistemas. El clasificador |ΔL|≥7 no conserva identidad de origen. El mismo patrón puede resultar de jitter folicular, variación lútea, sangrado uterino, tiroides, enfermedad, observación o combinaciones. La biología queda many-to-one respecto de K.

Nivel poblacional

Éste es el mecanismo decisivo. Condicionar en una agenda cambia la distribución de antecedentes. Si U/H_pre afecta tanto selección como evento, la composición del risk set cambia. Un run-in más largo puede mejorar metrología y empeorar transporte; G1 y G2 no son monotónicos entre sí.

Nivel de observación

Después de selección, gaps, menstruaciones omitidas, error de fecha, candidata abierta y fin de archivo pueden cambiar marca y tiempo. Estos procesos deben entrar después de guardar Φ_selected. Mezclarlos con U hace imposible distinguir composición de error interno.

Nivel temporal

Edad puede modificar P(U), s(U) y p_k(U). El transporte debe modelarse continuamente en 40.5–45.5. Una señal exclusiva del hard split 42.84 se rechaza. Los dos relojes deben derivarse de segmentos enteros y fechas de una misma historia.

Inferencia integradora

La evidencia permite afirmar una suficiencia mecanística, no una prevalencia: la covariación conjunta es suficiente para producir cruce. La incertidumbre dominante ya no es si una ecuación puede cruzar, sino si la distribución humana conjunta de {U_pre,H_pre,s_t,p_k,composición,duración,gaps} coloca a dos agendas dentro o fuera del margen.

9. Capa computacional

Decisión y herramienta

Se usó cómputo estadístico reproducible; BioNeMo y ómicas se omitieron porque no estiman el marco fuente ni el enlace conjunto U→S,K. El pipeline usó Python 3.15.0, enumeración exacta para U binaria y cuadratura determinista para U normal. No hubo Monte Carlo en la malla principal.

Generador

La primera confirmación se modeló mediante softmax competitivo con categorías {sin evento,E,A,N−,N+}. Los dos horizontes usaron los mismos hazards; el calendario de 18 meses se aproximó estructuralmente como 548/30=18.2667 oportunidades, una limitación deliberada que apaga el canal duración/gaps.

Controles

• Testigo 2b/2b: esperado y obtenido −0.0555555556, error 2.78×10⁻17.
• Sólo selección o sólo evento: máximo |T|=5.55×10⁻16.
• Violaciones del simplex: cero.
• Cuadratura normal: estabilidad entre pasos 0.05, 0.025 y 0.0125, delta máxima 1.03×10⁻15.

Resultados

| U | Horizonte | Máx. |T_k| por componente | Celdas que cruzan | |---|---:|---:|---:| | Binaria | 12 segmentos | 0.054106 | 8/13,500 | | Binaria | 18 meses | 0.054042 | 12/13,500 | | Normal | 12 segmentos | 0.102294 | 144/4,500 | | Normal | 18 meses | 0.103018 | 168/4,500 |

Existieron dos celdas binarias y 58 normales donde la misma marca y parametrización cruzaron ambos horizontes del submodelo. La carga común normal también cruzó, con máximos por marca de 0.056492 y 0.056341. El agregado T_N alcanzó 0.108212 en la familia binaria y 0.206036 en la normal.

Interpretación

El resultado mata la garantía universal, no H1L local. Los conteos de celdas no son probabilidades de mujeres o agendas. Los máximos no son estimaciones de SWAN/TREMIN/Seattle. La salida computacional completa es STRUCTURAL_CROSSING_WITHOUT_HUMAN_CALIBRATION + G−1_FAIL.

10. Hipótesis primaria

M1-7-AR-H2C v3 — Cruce composicional bajo dependencia conjunta

Enunciado falseable: después de recuperar Φ_selected, una dependencia benchmark conjunta de U_pre/H_pre sobre continuidad y primera confirmación producirá al menos un |T_k|>0.05 —o cambiará la decisión de D_N— en una misma celda preregistrada y con dirección concordante en dos agendas.

Linaje: M1-6-AR-H3U v1 → M1-7-SCOPE-H2 v1 → M1-7-HG-H2C v2 → M1-7-AR-H2C v3.

Mecanismo: el mismo antecedente ordena selección y evento; condicionar en continuidad cambia P(U,H); la covarianza conjunta desplaza cada componente y puede sumar en N.

Predicciones: controles de un enlace nulos; inversión de signo al invertir γ_S; mayor desplazamiento con mayor separación conjunta; posibilidad de que LM12 mejore G1 y empeore G2; cruce humano sólo después de G1.

Evidencia a favor: testigo exacto, malla competitiva con cruces, identidad de covarianza, selección/truncación humana documentada y teoría de transportabilidad.

Evidencia en contra: ninguna agenda humana calibrada; composición, colas y selector importan; no se incluyeron H_pre, fechas discretas, selección secuencial ni muestreo.

Kill criteria: contención estricta de toda la envolvente calibrada en dos agendas, ambas familias generativas, cuatro marcas y ambos relojes después de G1. La posibilidad matemática seguiría existiendo, pero perdería relevancia para esas agendas.

Estado y madurez: fortalecida; H2 estructural/computacional, H0 humana.

11. Hipótesis competidora

M1-7-AR-H1L v3 — Robustez local por baja covariación humana

Enunciado falseable: aunque la clase amplia permita cruces, la combinación humana de riesgos basales, composición, prevalencia/forma de U y solapamiento selección–evento mantendrá todos los intervalos simultáneos estrictamente dentro de ±0.05 en ambas agendas y relojes.

Linaje: M1-7-SCOPE-H1 v1 → M1-7-HG-H1L v2 → M1-7-AR-H1L v3.

Mecanismo: selección y susceptibilidad pueden existir, pero con poca covariación, riesgos bajos, U rara o cancelación parcial. No requiere exchangeability perfecta.

Predicciones: las celdas sintéticas que cruzan serán incompatibles con composiciones/risk sets humanos; el tipping point quedará fuera del benchmark ciego; la contención será estable en edad continua y concordante entre relojes.

Evidencia a favor: muchas celdas son nulas/contenidas; resultados externos muestran desplazamientos pequeños; bajar masa N elimina algunos cruces binarios.

Evidencia en contra: contraejemplo exacto, cruces en la misma celda para ambos horizontes y selección humana real documentada.

Kill criteria: cualquier cruce reproducido después de G1, cambio de decisión D_N, discordancia terminal entre relojes o dependencia crítica de una especificación post hoc.

Estado y madurez: viva como hipótesis local; H0 humana.

12. Hipótesis traslacional

M1-7-AR-HT1 v3 — Gate de falsificación de transporte

Enunciado falseable: un gate secuencial que exija soporte, metrología, recuperación selected y estrés de transporte reducirá atribuciones falsas de exceso post-codo frente a G1 solo, sin aumentar en más de cinco puntos porcentuales el veto de residuales source-level verdaderos.

Linaje: M1-7-SCOPE-HT1 v1 → M1-7-HG-HT1 v2 → M1-7-AR-HT1 v3.

Mecanismo: separar obs−selected, selected−source y source−model impide llamar biología a un residual producido por observación o composición.

Predicciones: menor tasa de atribución falsa, calibración reproducible entre implementaciones y conservación de señales verdaderas cuando el transporte está contenido.

Evidencia a favor: teoría de transporte y demostración computacional de que G1 puede coexistir con |T|>0.05.

Evidencia en contra: una envolvente no calibrada puede vetar casi todo; el margen no tiene anclaje funcional; no hay benchmark menstrual con source observable.

Kill criteria: no reducir falsas atribuciones, depender de una grid post hoc, mala reproducibilidad o aumento >5 puntos en veto de señal verdadera. Cualquier extensión clínica muere sin relación independiente con función reproductiva ortogonal.

Estado y madurez: aparcada; H0 de implementación, HUMAN_QA_REQUIRED. No es biomarcador, surrogate, target, herramienta clínica ni producto.

13. Predicciones falseables y criterios de eliminación

La explicación operativa H3A muere cuando dos agendas pasan el manifiesto sellado. H3M muere cuando G0/G1, cobertura y positividad pasan. H5S muere si magnitudes y tipping points permanecen estables bajo composición calibrada, colas declaradas, selector secuencial y dos familias. H4O muere si la interacción reloj×duración/gap queda dentro de equivalencia con precisión suficiente.

14. Experimento discriminante

Diseño mínimo D−1→D0→D1

No requiere intervención humana ni datos de Lua. Requiere acceso autorizado a dos agendas longitudinales independientes.

D−1 — auditoría sellada de acceso y soporte

Antes de abrir outcomes, certificar por agenda:

• microdatos mujer×segmento con fechas y longitudes;
• soporte 40.5–45.5 y local a 45.0;
• al menos 12 segmentos pre-landmark;
• candidata abierta identificable;
• gaps, salida y causas intervalares;
• cierre separado de 12 segmentos y 548 días;
• independencia, licencia, diccionario y hash.

Stop: menos de dos agendas pasan. Salida: H3A/no estimable.

D0 — calificación de assay y especificación

1. Dos implementaciones independientes de la máquina E/A/N−/N+.
2. 100% de casos sintéticos y doble adjudicación ciega de al menos 300 ventanas por agenda, enriquecida en bordes/errores.
3. Testigo exacto, simplex, controles nulo y de un enlace.
4. Calendarios discretos con segmentos enteros y fechas.
5. Dos familias: multinomial discreta y hazards causa-específicos cloglog con heterogeneidad.
6. Factorial congelado de composición, U binaria/normal/truncada, H_pre, selector estático/secuencial y duración/gaps.

Stop: discrepancia no corregida, masa inválida, información futura, control nulo desplazado o resultado dependiente de especificación post hoc. Salida: H3M/H5S.

D1 — recuperación selected y grid humana

Primero exigir para Φ_selected:

• sesgo absoluto <0.05 por marca/incidencia;
• cobertura simultánea 93–97%;
• error familiar ≤0.025;
• positividad sin pesos/risk sets dominantes;
• MCSE ≤0.005 cerca del margen.

Luego estimar intervalos simultáneos por bootstrap de mujeres, con nuisance parameters reestimados dentro de cada réplica. La agenda B se abre una vez, sin recalibrar grid, carga, margen, familia, exclusiones o tratamiento de gaps.

Decisión:

• H1L: todos los intervalos contenidos en ambas agendas y relojes.
• H2C: misma celda, marca y dirección cruza en A y B después de G1.
• Inconcluso: cualquier intervalo toca/solapa el margen.
• No estimable: soporte, assay, positividad o precisión fallan.

Tamaño y precisión

El piso heredado de 800 landmarks, 150 primeras confirmaciones y 40 eventos N es sólo factibilidad. Una proporción Bernoulli aislada requeriría aproximadamente 1,537 observaciones independientes para semiancho 0.025 en el peor caso; el diseño real es clusterizado y simultáneo. El N final debe fijarse por simulación, exigiendo semiancho mediano ≤0.025, cobertura 93–97%, ≥0.90 de decisión correcta cuando max|T|≤0.02 o ≥0.08, y clasificación falsa ≤0.025. La zona 0.02–0.08 puede quedar deliberadamente inconclusa.

15. Biomarcadores y estratificación

No se ha validado ningún biomarcador en M1-7.

• U_pre es un constructo latente de sensibilidad, no una molécula ni score observable.
• Φ, T, LM12, FMP y AMH no son biomarcadores, surrogates ni medidas de función fértil.
• J≥2 no es marcador de memoria biológica.
• Un residual post-codo no localiza ovario, HPO, útero, tiroides o técnica.

La estratificación permitida es metodológica: edad continua, agenda, horizonte, marca, carga, fuerza/signo de selección, familia de U, familia generativa y dependencia de duración/gaps. Subgrupos por PCOS, tiroides, adiposidad, miomas, síntomas, medicación, etnia o centro no pueden abrirse después de ver resultados. Si fueron medidos y congelados antes del análisis, sirven para describir heterogeneidad o benchmarkear selección, no para rescatar causalidad.

Un candidato traslacional futuro tendría que demostrar, en este orden: causalidad/transportabilidad, repetibilidad, calibración externa e incrementalidad sobre una función reproductiva ortogonal. Hasta entonces, el término biomarcador queda prohibido.

16. Variabilidad individual

La variabilidad relevante opera en varios niveles:

1. Susceptibilidad preentrada: algunas mujeres pueden tener mayor propensión a extremos, recurrencia o primera confirmación antes de entrar a una agenda.
2. Historia previa: una primera confirmación observada puede ser recurrencia prevalente; depleción de susceptibles cambia el risk set.
3. Continuidad: síntomas, irregularidad, comorbilidad, carga vital o protocolo pueden aumentar o reducir permanencia.
4. Composición de marcas: la masa relativa E/A/N−/N+ determina cuánto puede moverse cada componente.
5. Forma de U: prevalencia binaria, dispersión normal y colas producen superficies distintas; no son exposiciones intercambiables.
6. Reloj: duración de ciclos y gaps cambian el número de oportunidades en 18 meses.
7. Edad: P(U), selección y riesgo pueden cambiar suavemente; una frontera fija no representa a todas las mujeres.
8. Metrología: omisión, error de fecha y fin de archivo pueden cambiar marca y tiempo.

Esta heterogeneidad no autoriza personalización individual. Explica por qué una media global, un hard split o una única función de sesgo puede ocultar transporte diferencial.

17. Relevancia Pharma y madurez

La relevancia Pharma es metodológica, no terapéutica. Un marco validado podría de-riskear estudios que usan calendarios menstruales, real-world evidence, comparadores externos o endpoints de transición al exigir que recuperación interna y transporte se demuestren por separado.

Usos científicos potenciales:

• auditar transportabilidad de endpoints entre ensayo/cohorte y población objetivo;
• someter comparadores externos a selección por entrada tardía y continuidad informativa;
• bloquear claims mecanísticos cuando la selección puede cambiar signo o magnitud;
• preregistrar sensibilidad antes de un estudio confirmatorio.

No hay readiness porque:

• G−1 falló;
• la magnitud humana es H0;
• el margen no está anclado a función o relevancia clínica;
• no hay endpoint calificado, biomarcador, surrogate, diana, compuesto ni intervención;
• HT1 no ha mostrado balance aceptable entre falsa atribución y veto.

Madurez Pharma: exploratoria/metodológica H0–H1. No elegible para partnering o deployment. Cualquier extensión humana prospectiva requiere HUMAN_QA_REQUIRED, revisión ética, privacidad, licencias y QA estadística independiente.

18. Limitaciones

1. La malla actual es una envolvente condicional, no un bound sharp ni una región de identificación completa.
2. El contraejemplo exacto demuestra posibilidad, no plausibilidad cuantitativa humana.
3. G−1 falló; no hay dos agendas ejecutadas ni bandas humanas.
4. El selector computacional fue estático; la selección real es secuencial y puede depender del tiempo.
5. Dieciocho meses se aproximó como 18.2667 oportunidades, no como calendario discreto con fechas.
6. No se ejecutaron H_pre, duración o gaps dependientes de U en la malla principal.
7. La composición basal 25% por marca no está calibrada y afecta los extremos.
8. U binaria y normal usan escalas distintas; sus máximos no son réplicas.
9. No hubo incertidumbre de muestreo en el cómputo determinista.
10. Dos agendas podrían compartir autoselección o diferir en metrología.
11. Métodos de transporte de efectos causales se usan como soporte conceptual, no como fórmula directa para Φ.
12. ±0.05 es metodológico y no tiene anclaje funcional independiente.
13. T_N suma causas válidamente, pero no hereda automáticamente el margen de cada componente.
14. Un resultado local contenido no probaría exchangeability fuera de la grid.
15. Un cruce no demostraría que selección ocurrió ni que explica un exceso arbitrario.
16. No se identifica tejido causal, modificabilidad, ovulación competente, meses fértiles, seguridad, healthspan o longevidad.

19. Conclusiones

La pregunta tiene una respuesta estructural firme y una respuesta humana abierta.

1. Los contrastes no están garantizados dentro de ±0.05. Un contraejemplo exacto y una malla competitiva válida muestran cruces por componente en ambos horizontes.
2. La dependencia conjunta es el mecanismo mínimo. En el esquema ideal, selección o heterogeneidad del evento por separado no desplazan el blanco; su covariación sí.
3. No existe evidencia de que una agenda humana concreta cruce. El fallo G−1 impidió ejecutar G0/G1/G2/G3 humanos.
4. La contención universal está refutada; la robustez local sigue viva. H2C gana estructuralmente, H1L sólo puede decidirse con agendas calibradas y H3A gobierna la situación actual.
5. Cualquier exceso post-codo permanece no identificable de forma única. Esto no significa que sea artefacto, sino que selección, observación y desajuste source-level todavía no se separan.
6. El menor discriminante es D−1→D0→D1. Primero adquirir dos agendas; luego calificar assay y selected; sólo después ejecutar una grid secuencial sellada y réplica.
7. No hay traducción clínica ni terapéutica. La única extensión plausible es un gate de QA científica sujeto a validación y revisión humana.

Claims científicos consolidados en REPORT_ES

• M1-7-RES-C1: la garantía universal de contención dentro de ±0.05 queda refutada por un testigo exacto y una envolvente competitiva coherente.
• M1-7-RES-C2: la magnitud humana sigue no identificada porque no se ejecutaron dos agendas ni G1; cruce estructural no equivale a sesgo humano observado.
• M1-7-RES-C3: bajo el charter, un exceso post-codo no puede atribuirse de forma única hasta separar obs−selected, selected−source y source−model.
• M1-7-RES-C4: el siguiente paso con mayor información no es molecular; es adquirir dos agendas y ejecutar el protocolo D−1→D0→D1 con selector secuencial y calendario discreto.

20. Referencias

1. Harlow SD, Cain K, Crawford S, et al.; ReSTAGE Collaboration. Evaluation of four proposed bleeding criteria for the onset of late menopausal transition. Fertility and Sterility. 2008;89(5):1299–1306. DOI: 10.1016/j.fertnstert.2007.02.015. PMID: 17681300. PMCID: PMC2225986.
2. Huang X, Elliott MR, Harlow SD. Modelling menstrual cycle length and variability at the approach of menopause. Journal of the Royal Statistical Society: Series C (Applied Statistics). 2014;63(3):445–466. DOI: 10.1111/rssc.12044. PMID: 24729638. PMCID: PMC3979630.
3. Woods NF, Mitchell ES. The Seattle Midlife Women’s Health Study: a longitudinal prospective study of women during the menopausal transition and early postmenopause. Women’s Midlife Health. 2016;2:6. DOI: 10.1186/s40695-016-0019-x. PMID: 30766702. PMCID: PMC6299967.
4. Ecochard R, et al. Evidence for multicycle patterns in menstrual cycle length. Science Advances. 2024. DOI: 10.1126/sciadv.adg9646. PMID: 38598621.
5. Bortot P, Masarotto G, Scarpa B. Sequential predictions of menstrual cycle lengths. Biostatistics. 2010. DOI: 10.1093/biostatistics/kxq020. PMID: 20400622.
6. Dahabreh IJ, Robertson SE, Tchetgen Tchetgen EJ, Stuart EA, Hernán MA. Generalizing causal inferences from individuals in randomized trials to all trial-eligible individuals. Biometrics. 2019;75(2):685–694. DOI: 10.1111/biom.13009. PMID: 30488513.
7. Vakulenko-Lagun B, Mandel M, Betensky RA. Inverse probability weighting methods for Cox regression with dependent left truncation. Biometrics. 2022. DOI: 10.1111/biom.13545. PMID: 34389985.
8. Smith LH, VanderWeele TJ. Bounding bias due to selection. Epidemiology. 2019;30(4):509–516. DOI: 10.1097/EDE.0000000000001032. PMID: 31033690.
9. Unseld M, et al. Landmark analysis for competing risks data with left truncation. Biometrical Journal. 2024. DOI: 10.1002/bimj.202400083. PMID: 39470119.
10. Nilsson A, et al. Using register data to assess the impact of non-participation in a population-based cohort study. BMC Public Health. 2020. DOI: 10.1186/s12889-020-10004-z. PMID: 33334333.
11. Gibbons LE, et al. Improving the representativeness of the Adult Changes in Thought study using inverse probability weighting. Journal of Alzheimer’s Disease. 2024. DOI: 10.3233/JAD-240247. PMCID: PMC11423796.
12. Bonander C, et al. Participation bias and the representativeness of the Pilot-SCAPIS cohort. Journal of Clinical Epidemiology. 2019. DOI: 10.1016/j.jclinepi.2018.12.011. PMID: 30562543.
13. Dahabreh IJ, et al. Sensitivity analysis using bias functions for studies extending inferences from a randomized trial to a target population. Statistics in Medicine. 2023. DOI: 10.1002/sim.9550. PMID: 36847107. PMCID: PMC10219839.
14. Dahabreh IJ, et al. Global sensitivity analysis for extending inferences from a randomized trial to a target population. Statistics in Medicine. 2026. DOI: 10.1002/sim.70083. PMID: 42237885.
15. Huang MY. Sensitivity analysis for generalizing experimental results to target populations. Journal of the Royal Statistical Society Series A. 2024. DOI: 10.1093/jrsssa/qnae012.
16. Nguyen TQ, Ebnesajjad C, Cole SR, Stuart EA. Sensitivity analysis for an unobserved moderator in RCT-to-target-population generalization of treatment effects. The Annals of Applied Statistics. 2017;11(1):225–247. DOI: 10.1214/16-AOAS1001.
17. Lee DS. Training, wages, and sample selection: estimating sharp bounds on treatment effects. Review of Economic Studies. 2009;76(3):1071–1102. DOI: 10.1111/j.1467-937X.2009.00536.x.
18. Cain KC, Harlow SD, Little RJ, et al. Bias due to left truncation and left censoring in longitudinal studies of developmental and disease processes. American Journal of Epidemiology. 2011;173(9):1078–1084. DOI: 10.1093/aje/kwq481. PMID: 21422059. PMCID: PMC3121224.