Mortalidad notificada por todas las causas (aquella que se recibe diariamente de los registros civiles a través del Ministerio de Justicia), mortalidad observada por todas las causas (mortalidad notificada a la que se aplica una corrección por retraso en la notificación), mortalidad esperada con intervalo de confianza del 1% al 99% (defunciones estimadas resultantes del modelo MoMo – consultar pestaña Documentación), exceso por todas las causas (diferencia entre mortalidad observada y esperada), y defunciones atribuibles a temperaturas extremas (defunciones estimadas por el modelo MoMo que son atribuibles a altas y bajas temperaturas), para el ámbito territorial, sexo, grupo de edad y rango de fechas seleccionado. Tanto la figura como la tabla muestra los resultados según los filtros seleccionados. Hacer zoom en la gráfica no modificará estos resultados.
Razones de mortalidad estandarizadas (RME) en el ámbito y fechas seleccionadas. Las RME comparan el número de defunciones registradas en cada zona con el número que cabría esperar según su tamaño y estructura de edad, tomando como referencia las tasas nacionales ajustadas por edad. Valores superiores a 1 (en rojo) indican una mortalidad mayor que la correspondiente al patrón nacional, y valores inferiores a 1 (en azul) reflejan una mortalidad inferior. De forma equivalente, las RME aplicadas a la mortalidad atribuible al efecto de las temperaturas muestran dónde el impacto del calor o del frío es relativamente mayor o menor respecto al promedio nacional.
Los datos están disponibles aquí en formato CSV, y se actualizan diariamente. Son las series temporales con los resultados de MoMo para ámbito nacional, de comunidades autónomas y de provincias, en diferentes grupos poblacionales, desde el año 2015. Consta de las siguientes columnas:
ambito: nacional, ccaa o provincia.cod_ambito: código ISO 3166-2 de la
comunidad autónoma o provincia. Se muestra vacío para el ámbito
nacional.cod_ine_ambito: código INE de la comunidad autónoma o
provincia. Se muestra vacío para el ámbito nacional.nombre_ambito: nombre de la comunidad autónoma o
provincia. Se muestra vacío para el ámbito nacional.cod_sexo: código del sexo. Los posibles son: “1” para
hombres, “6” para mujeres, “all” para todos.nombre_sexo: nombre del campo sexo (hombres, mujeres,
todos).cod_gedad: grupo de edad. Los posibles son: “all”
(todos), “0-14”, “15-44”, “45-64”, “65-74”, “75-84”, “+65” (64 y más
años de edad), “+85” (85 y más años de edad).nombre_gedad: nombre del campo grupo de edad (por
ejemplo, “edad >= 85”).fecha_defuncion: la fecha a la que se refieren los
datos.defunciones_observadas: número de defunciones
observadas. Incluye la corrección por retraso.defunciones_estimadas_base: número de defunciones
estimadas base (es decir, sin efecto de la temperatura), resultantes del
modelo.defunciones_estimadas_base_q01: límite inferior del
intervalo de confianza de las defunciones estimadas base,
correspondiente al percentil 1 de su distribución.defunciones_estimadas_base_q99: límite superior del
intervalo de confianza de las defunciones estimadas base,
correspondiente al percentil 99 de su distribución.defunciones_atrib_exc_temp: defunciones estimadas
atribuibles al exceso de temperatura (calor).defunciones_atrib_def_temp: defunciones estimadas
atribuibles al defecto de temperatura (frío).Nota: los datos cambian de forma retroactiva, especialmente en días recientes, debido a la corrección por el retraso en la notificación. Se puede consultar el retraso medio por comunidad autónoma en la pestaña Notificación.
Los datos están disponibles aquí en formato CSV, y se actualizan diariamente. Son las series temporales con los resultados de índice Kairós por comunidades autónomas y provincias, por grupos de edad y sexo, desde el año 2015. Consta de las siguientes columnas:
ambito: ccaa o provincia.cod_ambito: código ISO 3166-2 de la
comunidad autónoma o provincia.cod_ine_ambito: código INE de la comunidad autónoma o
provincia.nombre_ambito: nombre de la comunidad autónoma o
provincia.cod_sexo: código del sexo. Los posibles son: “1” para
hombres, “6” para mujeres, “all” para todos.nombre_sexo: nombre del campo sexo (hombres, mujeres,
todos).cod_gedad: código del grupo de edad. Los posibles son:
“all” (todos), “0-14”, “15-44”, “45-64”, “65-74”, “75-84”, “+65” (65 y
más años de edad), “+85” (85 y más años de edad).nombre_gedad: nombre del campo grupo de edad (por
ejemplo, edad >= 85).fecha: la fecha a la que se refieren los datos.prob_exceso_mort_por_exceso_temp: probabilidad de que
se produzca un exceso de defunciones atribuibles a la temperatura igual
o superior al 10% debido al exceso de temperatura (calor).prob_exceso_mort_por_defecto_temp: probabilidad de que
se produzca un exceso de defunciones atribuibles a la temperatura igual
o superior al 10% debido al defecto de temperatura (frío).kairos_exceso_temp: índice Kairós asociado a alta
temperatura.kairos_defecto_temp: índice Kairós asociado a baja
temperatura.Número de defunciones recibidas desde los registros civiles por fecha de notificación
Retraso en días (diferencia entre la fecha de notificación y la de defunción) de las defunciones notificadas desde los registros civiles
Mediana y percentil 90 de días de retraso de las defunciones notificadas desde los registros civiles por CCAA en los últimos 7 días. Nota: es el retraso observado de lo ya recibido (a posteriori). El eje X (días de retraso) se ajusta automáticamente al valor máximo del percentil 90 en los últimos 7 días.
El sistema de monitorización de la mortalidad diaria por todas las causas (MoMo) fue desarrollado en 2004, en el marco del «Plan de acciones preventivas contra los efectos de las temperaturas excesivas» (Plan Calor), coordinado por el Ministerio de Sanidad, para reducir el impacto sobre la salud de la población como consecuencia del exceso de temperatura. El objetivo de MoMo es identificar las desviaciones de mortalidad diaria observada con respecto a la esperada según las series históricas de mortalidad y estimar de forma indirecta el impacto de cualquier evento de importancia en salud pública, así como el impacto de las temperaturas extremas.
MoMo proporciona estimaciones de excesos de mortalidad por todas las causas y atribuibles a temperaturas extremas. Se calcula diariamente, a nivel nacional, de comunidad autónoma y provincial, por sexo y grupo de edad (0-14, 15-44, 45-64, 65-74, 75-84, 65 y más, y 85 y más). MoMo proporciona también alertas de riesgo de mortalidad asociado a temperaturas extremas mediante el Índice Kairós.
MOMO utiliza tres fuentes de datos:
El modelo de estimación de excesos de mortalidad por todas las causas y atribuibles a temperatura es un modelo GAM (generalized additive model) de Poisson, cuya variable dependiente son las defunciones diarias.
Para ajustar el modelo se incorporan los siguientes aspectos:
Se ajusta un modelo diferente para cada grupo de edad y sexo, incluyendo la población correspondiente. Las observaciones que se encuentran por encima del percentil 95 y las que están por debajo del percentil 5 de acuerdo con una distribución esperada de Poisson se consideran valores extremos no representativos (outliers), y se descartan del ajuste del modelo.
Los resultados a nivel de comunidad autónoma o nacional se calculan como las agregaciones de sus provincias.
Las defunciones atribuibles al exceso o defecto de temperatura son el resultado de incluir en el modelo la variable ATO (accumulated thermal overcharge). Este indicador incluye el efecto agregado y atenuado de la temperatura máxima y mínima observada durante los últimos 7 días. Se basa en la superación de los umbrales provinciales de referencia de impacto en salud por altas o bajas temperaturas publicados anualmente en los planes de actuación del Ministerio de Sanidad, que determinan la temperatura máxima o mínima crítica a partir de la cual se observa un incremento significativo de la mortalidad.
Los periodos se han definido correspondiendo con las fechas de activación más frecuentes de los “Planes nacionales de actuaciones preventivas de los efectos del exceso de temperaturas sobre la salud” y los “Planes Nacionales de actuaciones preventivas por bajas temperaturas” del Ministerio de Sanidad. Son:
Sobre los datos de defunciones notificadas de los últimos 28 días se realiza una corrección por retraso para aproximar la cifra real de defunciones. El resultado de esta corrección es el valor que se utiliza en el modelo como de defunciones observadas, que son las que se utilizarán en todos los análisis y cálculos, hasta que se recibe el total de notificaciones y pasan a consolidarse los datos. Esta corrección se ejecuta de forma independiente para toda la población, por comunidad autónoma y por grupos de sexo y edad.
El índice Kairós proporciona alertas de riesgo de mortalidad en función del incremento previsto en las defunciones atribuibles a temperaturas extremas. Estas alertas se calculan incluyendo la previsión de temperatura (AEMET) para los cinco días siguientes en el modelo estadístico de MoMo. El índice define tres niveles de riesgo, de acuerdo con la probabilidad de que se produzca un exceso de mortalidad atribuible a la temperatura igual o superior al 10%:
MoMo es el sistema de Monitorización de la Mortalidad diaria por todas las causas coordinado por el Centro Nacional de Epidemiología (Instituto de Salud Carlos III).
El sistema identifica las desviaciones de la mortalidad diaria observada con respecto a la esperada según series históricas de mortalidad. Es decir, su objetivo es comparar el número de defunciones observadas con las que serían esperables según lo ocurrido en años anteriores y estimar las defunciones atribuibles a temperaturas extremas.
Para estimar esas defunciones esperadas, el sistema utiliza datos de los últimos diez años. Si las defunciones observadas superan a las defunciones esperadas, se dice que hay un “exceso de mortalidad”. Esto ayuda a detectar eventos que afectan la salud de la población.
MoMo muestra si la mortalidad está por encima o por debajo de lo esperado según los datos históricos.
No se trata de un número exacto de defunciones registradas. Los resultados son estimaciones basadas en el modelo estadístico que utiliza el sistema.
Es importante tener en cuenta que estos datos no permiten identificar la causa de las defunciones. Es decir, un exceso de mortalidad no se puede atribuir directamente a un motivo o causa concreta.
El término “estimación” se refiere a los resultados obtenidos de un modelo estadístico que se diseña para obtener respuesta a una pregunta. En este caso, la pregunta sería si hay más defunciones de las que se esperarían teniendo en cuenta la mortalidad ocurrida en una determinada zona geográfica en los diez años anteriores.
Las estimaciones de MoMo ayudan a detectar si la mortalidad está por encima o por debajo de lo esperado en un momento determinado, y a evaluar cómo eventos relevantes pueden estar afectando a la población.
Su principal fortaleza es que proporciona estimaciones diarias del exceso de mortalidad. Esta inmediatez puede alertar a los responsables de salud pública de la posibilidad de que un determinado evento pueda estar causando un impacto en la población. Su principal limitación es su falta de especificidad, es decir, no permite identificar la causa concreta de ese posible aumento de la mortalidad.
MoMo utiliza un modelo estadístico de series temporales (modelo GAM basado en una regresión de Poisson), muy utilizado en análisis de mortalidad.
Actualmente, MoMo dispone de dos enfoques cuyos resultados se actualizan a diario en la web del ISCIII:
Enfoque estimativo: basado en un modelo que calcula diariamente el exceso de mortalidad por todas las causas y la mortalidad atribuible a altas o bajas temperaturas. Las estimaciones se presentan por ámbito geográfico (nacional, comunidad autónoma y provincia), sexo y grupo de edad, y con diferente agregación temporal (diaria, mensual, anual o por periodos).
Enfoque predictivo (Índice Kairós): ofrece alertas de mortalidad asociadas a altas o bajas temperaturas. Es predictivo porque presenta niveles de riesgo de mortalidad en el día en curso y en los cinco días posteriores, mediante mapas de colores (según el nivel de alerta) por ámbito geográfico (CCAA, provincia), edad y sexo. Existen tres niveles de alerta según la probabilidad de que se produzca un exceso de mortalidad asociado a la temperatura:
Mortalidad observada se obtiene de dos fuentes:
Población: datos del Instituto Nacional de Estadística (INE).
Temperatura: temperaturas diarias y predicciones para los cinco días siguientes, procedentes de la Agencia Estatal de Meteorología (AEMET).
MoMo es un sistema inespecífico, por lo que no permite establecer una relación causal directa entre un exceso de mortalidad y una causa concreta. A pesar de ello, ha constituido una herramienta esencial de vigilancia a tiempo real y para realizar estimaciones del impacto de diferentes eventos de importancia en salud pública en la mortalidad de la población.
Para dar números de defunciones por una causa específica.
Al tratarse de un sistema inespecífico, las estimaciones de MoMo no se pueden atribuir a una causa concreta, sino a un conjunto de muchos factores potencialmente contribuyentes. Por ello, estos datos deben interpretarse en conjunto con otras fuentes de información para poder entender qué está detrás de esos cambios en la mortalidad.
Se emplea un modelo estadístico (modelo paramétrico GAM) que tiene en cuenta la temperatura diaria como variable incluida en el modelo, de forma que estima cuánto contribuye la variación de la temperatura al aumento de la mortalidad por todas las causas.
Para calcular cuántas defunciones pueden estar relacionadas con el calor o el frío, MoMo utiliza series históricas de mortalidad. También tiene en cuenta cuánto se aleja la temperatura diaria de un nivel a partir del cual empieza a afectar a la salud (umbral de impacto en salud) que es diferente para cada territorio, y durante cuántos días seguidos ocurre esto.
Con esta información, el modelo estima si existe un número de defunciones por encima de lo esperado que puedan atribuirse a altas o bajas temperaturas.
A modo de esquema, las defunciones atribuibles al exceso o defecto de temperatura se calculan de la siguiente manera:
Significa que se observan 200 defunciones más de las que se esperaría según el modelo MoMo, que tiene en cuenta todas las causas de mortalidad ocurridas en España, en los diez años anteriores.
El modelo utilizado incluye unas correcciones por el posible retraso en la notificación de la mortalidad observada. Estas correcciones se van consolidando en los siguientes análisis diarios durante aproximadamente un mes. Se trata de desviaciones relativamente pequeñas en el número de defunciones.
Sí, porque, aunque las cifras de excesos pueden consolidarse en días posteriores, las tendencias por sexo, edad y zona geográfica, pueden observarse prácticamente desde el inicio de un exceso de mortalidad.
Para identificar las causas de un exceso de mortalidad es necesario realizar análisis posteriores más detallados, que combinen distintas fuentes de información. Por ejemplo, las estadísticas de mortalidad por causa de defunción, que publica el Instituto Nacional de Estadística (INE), permiten conocer qué enfermedades o factores podrían detrás de las defunciones, pero esta información está disponible con un retraso de dos años.
Los resultados de MoMo están a disposición de administraciones e investigadores/as para que puedan utilizarse en diferentes líneas de investigación, y cuyos resultados puedan posteriormente contribuir a la toma de decisiones en salud pública, como la posible introducción de medidas de prevención, actuaciones sociosanitarias, o planificación de recursos sanitarios.
MoMo: así se cuantifica el exceso de muertes por eventos meteorológicos adversos. The Conversation.
MoMo: una herramienta esencial durante la pandemia de COVID-19. Revista Índice.
MOMO: sistema de monitorización de mortalidad diaria. Jornadas Somos ISCIII.
MOMO: Sistema de vigilancia de la mortalidad diaria y mortalidad atribuible a temperaturas extremas. Presentación en la Escuela de Salud Pública de la Universidad de Chile.
Excess mortality attributable to high temperatures during the summers of 2021 to 2024 in Spain: description of the MoMo real-time monitoring system. BMC Public Health, 2026.
Excess mortality in Europe estimated by EuroMOMO during the COVID-19 pandemic and previous influenza seasons. Nature Communications, 2026.
Exploring all-cause mortality surveillance during the Iberian Peninsula power outage, Spain, 28 April 2025. Eurosurveillance, 2025.
La Importancia del Sistema de Vigilancia de la mortalidad diaria en España (MoMo). Boletín Epidemiológico Semanal, 2024.
Excess mortality in Europe coincides with peaks of COVID-19, influenza and respiratory syncytial virus (RSV), November 2023 to February 2024. Eurosurveillance, 2024.
Implementación de un nuevo modelo MoMo, para la estimación de excesos de mortalidad por todas las causas y atribuibles a temperatura. Boletín Epidemiológico Semanal, 2022.
Regional excess mortality during the 2020 COVID-19 pandemic in five European countries. Nature Communications, 2022.
Real-time monitoring shows substantial excess all-cause mortality during second wave of COVID-19 in Europe, October to December 2020. Eurosurveillance, 2021.
The Impact of COVID-19 on Mortality in Spain: Monitoring Excess Mortality (MoMo) and the Surveillance of Confirmed COVID-19 Deaths. Viruses, 2021.
Excess all-cause mortality during the COVID-19 pandemic in Europe – preliminary pooled estimates from the EuroMOMO network, March to April 2020. Eurosurveillance, 2020.
Excess all-cause and influenza-attributable mortality in Europe, December 2016 to February 2017. Eurosurveillance, 2017.
Excess mortality among the elderly in European countries, December 2014 to February 2015. Eurosurveillance, 2015.
Exceso de mortalidad relacionado con la gripe en España en el invierno de 2012. Gaceta Sanitaria, 2015.
Excesos de mortalidad en España durante la transmisión de gripe pandémica en el año 2009. Revista Española de Salud Pública, 2010.
El sistema MoMo forma parte de la Red Europea de Monitorización de la Mortalidad, EuroMOMO, que publica regularmente estimaciones e informes sobre las tendencias de mortalidad por todas las causas a nivel europeo.