remedi.ar — Buscador de precios de medicamentos en Argentina

Buscador de precios de medicamentos en Argentina
Sistema open source que procesa datos oficiales de SIAFAR/COFA/PAMI y genera un comparador de precios con actualización automática dos veces al día.

https://remedi.ar · GitHub

📋 Tabla de Contenidos

✨ Demo en Vivo
📊 Dataset actual
🎯 Funcionamiento General
🧭 Principios del Proyecto
👤 Flujo del Usuario
🧠 Algoritmo de Búsqueda y Filtrado
🔄 Actualización Automática de Datos
📦 Estructura de Datos JSON
⚡ Optimizaciones Implementadas
⏱️ Tiempos de Respuesta
🏗️ Arquitectura del Sistema
📁 Estructura del Repositorio
🧰 Stack Tecnológico
🧠 Decisiones Técnicas
💻 Ejecución Local
🐍 Scripts Python
📊 Métricas y Rendimiento
🔍 SEO y Metadatos
🔒 Seguridad y Privacidad
🔌 API No Oficial
👥 Guía de Contribución
📊 Diagramas de Flujo Detallados
🧩 Referencia de Componentes Frontend
🎨 Guía de Estilos CSS
🔧 Documentación de Workflows
❓ Preguntas Frecuentes (FAQ)
⚠️ Limitaciones conocidas
🗺️ Roadmap
📄 Licencia
🙏 Fuente de Datos

✨ Demo en Vivo

Entorno	URL	Propósito
GitHub Pages (dominio propio, DNS en Cloudflare)	remedi.ar	Producción — alojado en GitHub
GitHub Pages (dominio por defecto)	psbella.github.io/remediar	Mirror/respaldo
Cloudflare Workers	remediar.pablo-s-bella.workers.dev	Mirror/respaldo

Headers de seguridad: remedi.ar y www.remedi.ar están proxied (nube naranja) en Cloudflare, con GitHub Pages como origen. La CSP, X-Frame-Options y el resto de los headers de seguridad se aplican vía Cloudflare Response Header Transform Rules (dashboard), no desde el archivo _headers del repo — ese archivo solo lo procesa el mirror de Workers. Ver _headers para el detalle de los valores replicados.

📊 Dataset actual

Métrica	Valor
Registros	~12.100
Drogas únicas	~1.740
Tamaño JSON	~2.5 MB
Tamaño gzip	~520 KB
Con cobertura PAMI	~5.900 (49%)
Entradas en blacklist	569
Cobertura parser de presentaciones	~99.5%
Actualizaciones	2 veces/día (lunes a viernes)
Tests de sanidad	13 checks automáticos post-ETL

🎯 Funcionamiento General

El sistema se compone de tres capas principales:

1️⃣ Extracción y procesamiento

GitHub Actions ejecuta un workflow automático dos veces al día (lunes a viernes)
Se descarga el PDF oficial desde SIAFAR / COFA
Python extrae y normaliza los registros mediante un pipeline de 8+ capas
Se cruzan los datos con el vademécum de PAMI para enriquecer cobertura
Se genera medicamentos.json

2️⃣ Distribución

El proyecto es 100% estático
GitHub Pages sirve el contenido como origen (dominio propio remedi.ar vía DNS de Cloudflare, y el dominio por defecto psbella.github.io/remediar)
Cloudflare actúa como proxy delante de remedi.ar/www.remedi.ar: CDN, TLS, y una Transform Rule que inyecta los headers de seguridad (GitHub Pages no soporta headers custom)
Un mirror adicional corre en Cloudflare Workers (remediar.pablo-s-bella.workers.dev), sirviendo los mismos assets estáticos de forma independiente
No existe backend persistente ni base de datos

3️⃣ Frontend SPA

index.html carga la aplicación
Los datos se descargan una sola vez y se indexan en memoria
La búsqueda ocurre completamente del lado cliente
El estado UI es reactivo mediante store.js (patrón pub/sub)

🧭 Principios del Proyecto

Acceso libre a información de medicamentos
Sin publicidad
Sin tracking
Performance primero
Mobile first
Open source
Infraestructura simple y transparente
Datos públicos y auditables

👤 Flujo del Usuario

sequenceDiagram
    autonumber

    participant U as 👤 Usuario
    participant B as 🌐 Navegador
    participant CDN as ⚡ Cloudflare CDN
    participant CACHE as 💾 sessionStorage
    participant JSON as 📦 medicamentos.json
    participant STORE as 🧠 store.js
    participant UI as 🖥️ uiRenderer.js

    U->>B: Ingresa a remedi.ar

    B->>CDN: GET /index.html
    CDN-->>B: HTML + CSS + JS

    B->>B: Render inicial (skeleton)
    B->>STORE: Inicializar estado

    alt Caché válida (< 2 horas)
        B->>CACHE: Leer medicamentos.json
        CACHE-->>B: Datos cacheados
    else Caché vacía o vencida
        B->>CDN: GET /data/medicamentos.json
        CDN-->>B: JSON comprimido (~520KB gzip)
        B->>CACHE: Guardar datos + timestamp
    end

    B->>STORE: Indexar medicamentos
    STORE->>UI: Render primeros resultados

    U->>B: Escribe "ibuprofeno"

    B->>B: Debounce 250ms
    B->>STORE: Ejecutar búsqueda

    STORE->>STORE: Filtrar + ordenar
    STORE->>UI: Actualizar resultados + dropdowns

    U->>B: Activa filtro PAMI
    STORE->>STORE: Recalcular filtros
    STORE->>UI: Render reactivo

    U->>B: Click en medicamento
    UI-->>U: Mostrar detalles + badge PAMI

🧠 Algoritmo de Búsqueda y Filtrado

Indexación inicial

searchEngine.js construye un índice invertido de prefijos sobre droga, marca y laboratorio. Por cada token de 2 o más caracteres se generan todos sus prefijos, mapeados a conjuntos de índices del array de medicamentos.

for (const palabra of txt.split(/\s+/)) {
    for (let k = 2; k <= palabra.length; k++) {
        const pref = palabra.slice(0, k);
        if (!indice[pref]) indice[pref] = new Set();
        indice[pref].add(i);
    }
}

La búsqueda realiza una intersección AND entre todos los términos ingresados — "ibuprofeno bago" devuelve solo registros que contengan ambos tokens.

Ranking de relevancia

Los resultados se ordenan por tres criterios en cascada:

Relevancia textual — score basado en el campo donde ocurre el match:

Match	Score
Droga exacta	+100
Droga empieza con el término	+80
Droga contiene el término	+50
Marca exacta	+40
Marca empieza con el término	+25
Marca contiene el término	+15
Laboratorio contiene el término	+5

vigencia_score — productos con precios confiables primero
precio — ascendente como desempate final

Los registros con vigencia_score < 50 siempre van al fondo, independientemente del score de relevancia.

🔄 Actualización Automática de Datos

Workflow

flowchart TD

    A[⏰ Cron GitHub Actions]
    B[📥 Descargar PDF SIAFAR]
    C[📄 Extraer registros por página]
    D[🧹 Limpiar y normalizar]
    N1[🔧 Pipeline de normalización 8+ capas]
    BL[🛡️ Aplicar blacklist]
    E[🔍 Detectar outliers]
    F[💾 Generar medicamentos.json]
    R[📋 Generar outlier_report.json]
    CSV[🔬 Generar presentaciones_debug.csv]
    T[🧪 Tests de sanidad pytest]
    H[📤 Commit automático]
    I[🚀 GitHub Pages actualizado, servido vía proxy de Cloudflare]

    A --> B
    B --> C
    C --> D
    D --> N1
    N1 --> BL
    BL --> E
    E --> F
    E --> R
    E --> CSV
    F --> T
    T --> H
    R --> H
    CSV --> H
    H --> I

Pipeline de normalización (8+ capas)

El parser aplica correcciones en cascada para resolver los problemas estructurales del PDF de SIAFAR:

Capa	Función	Descripción
0	`reparar_droga_faltante()`	Cuando el PDF omite la línea del principio activo, todos los campos se desplazan. Separa droga+marca fusionadas usando un diccionario de prefijos truncados
1	Detección en parse	Detecta registros con 4 campos en lugar de 5 durante la extracción del PDF
2	`rescatar_laboratorios()`	Recupera `laboratorio="Desconocido"` buscando el lab como sufijo en `presentacion`
3	`reparar_denver()`	Denver Farma usa droga+lab como nombre comercial; separa marca y presentacion fusionadas (variantes DENCR., DF)
4	`reparar_marca_desplazada()`	Cuando `marca` empieza con dígito y `presentacion` está vacía, invierte el desplazamiento
5	`extraer_presentacion_de_marca()`	Extrae la presentacion fusionada en el campo marca. Antes del regex de corte: (1) separa laboratorios pegados sin espacio (`_build_re_lab_pegado()`, dinámico por dataset); (2) separa formas farmacéuticas pegadas (`_RE_FORMA_PEGADA`); (3) elimina duplicados mayúscula+minúscula (`_RE_TOKEN_DUPLICADO`)
5b	`reparar_presentacion_desplazada()`	Separa presentacion+lab fusionados en el campo lab (3 sub-patrones: 2A, 2B, 2C)
5c	`limpiar_dosis_residual_en_marca()`	Limpia la dosis numérica que queda pegada al nombre del laboratorio en `marca`
6	`crosswalk_pami()`	Cruza contra el vademécum de PAMI (descargado en cada corrida desde la API pública de datos abiertos, ver más abajo): recupera droga vacía, corrige laboratorio, normaliza `presentacion`, agrega `pami_cobertura`
7	`aplicar_droga_fixes()`	Aplica correcciones manuales desde `data/droga_fixes.json`

Cada una de estas funciones vive en su propio módulo dentro de scripts/etl/ (ver Paquete scripts/etl/); pdf_to_json.py solo orquesta el orden de ejecución.

Workflow GitHub Actions

name: 🔃 Actualizar precios

on:
  schedule:
    - cron: '30 13,21 * * 1-5'
  workflow_dispatch:

jobs:
  update:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4

      - uses: actions/setup-python@v5
        with:
          python-version: '3.11'
          cache: 'pip'

      - run: pip install -r requirements.txt

      - run: python scripts/pdf_to_json.py

      - name: Verificar sanidad del output
        run: pytest tests/ -v

      - name: Snapshot semanal (solo viernes)
        if: github.event_name == 'schedule'
        env:
          GITHUB_TOKEN: ${{ secrets.GITHUB_TOKEN }}
        run: |
          if [ "$(date +%u)" = "5" ]; then
            python scripts/snapshot_semanal.py
          fi

      - name: Commit y push
        run: |
          git config user.name "github-actions[bot]"
          git config user.email "actions@github.com"
          git add data/medicamentos.json
          git add data/outlier_report.json
          git add data/presentaciones_debug.csv
          git commit -m "Actualizar precios $(date +'%Y-%m-%d')" || echo "No changes"
          git pull --rebase origin main
          git push origin main

📦 Estructura de Datos JSON

Ejemplo de registro

{
  "droga": "ibuprofeno",
  "marca": "IBUPIRAC",
  "presentacion": "400 mg comp.x 20",
  "laboratorio": "Pfizer",
  "precio": 9800.50,
  "pami_cobertura": 55,
  "pres_forma": "COMPRIMIDOS",
  "pres_dosis": "400",
  "pres_unidad": "MG",
  "pres_cantidad": "20",
  "vigencia_score": 100,
  "flags": [],
  "precio_outlier_tipo": null,
  "outlier_razones": []
}

Campos

Campo	Tipo	Descripción
`droga`	string	Principio activo (nombre genérico)
`marca`	string	Nombre comercial
`presentacion`	string	Dosis, forma farmacéutica y cantidad
`laboratorio`	string	Laboratorio fabricante
`precio`	number	PVP en ARS (fuente: SIAFAR)
`pami_cobertura`	number\|null	Porcentaje de cobertura PAMI (ej: 55). Null si no está en el vademécum
`pres_forma`	string\|null	Forma farmacéutica parseada (ej: `"COMPRIMIDOS RECUBIERTOS"`, `"JARABE"`)
`pres_dosis`	string\|null	Dosis numérica (ej: `"400"`, `"500"`)
`pres_unidad`	string\|null	Unidad de la dosis (ej: `"MG"`, `"ML"`, `"UI"`)
`pres_cantidad`	string\|null	Cantidad de unidades (ej: `"20"`, `"100 ml"`)
`vigencia_score`	number	Score de confiabilidad del precio (0-100). < 50 = outlier
`flags`	array	Etiquetas de anomalía (`precio_bajo`, `precio_sospechoso`, `precio_obsoleto`)
`precio_outlier_tipo`	string\|null	Categoría del outlier detectado
`outlier_razones`	array	Descripción de por qué es outlier

Archivos de referencia

Archivo	Descripción
`data/pami.xlsx`	Vademécum PAMI, descargado automáticamente en cada corrida desde la API de datos abiertos de PAMI (no se versiona en git). Usado para: (1) cobertura por marca+presentacion, (2) recuperar droga faltante, (3) corregir laboratorio, (4) normalizar el campo `presentacion`
`data/droga_fixes.json`	Correcciones manuales marca→droga para casos no resolubles con regex
`data/blacklist.json`	569 registros excluidos manualmente. Las claves usan el formato `droga\|marca\|presentacion\|laboratorio` en minúsculas
`data/outlier_report.json`	Reporte detallado de outliers de la última corrida
`data/presentaciones_debug.csv`	Auditoría del parser: `presentacion_original` vs. campos parseados (`forma`, `dosis`, `unidad`, `cantidad`)
`.debug/medicamentos.pretty.json`	Versión formateada con `indent=2` del dataset, solo para debug local — no se publica en el sitio ni se versiona en git

Cómo agregar una corrección a `droga_fixes.json`

droga_fixes.json es editable manualmente — no hace falta tocar el código para cubrir nuevas marcas sin principio activo en el PDF.

Dos formatos soportados:

// Solo droga (la marca ya está bien parseada)
"FORXIGA": "dapagliflozina"

// Droga + corrección de marca (droga y marca estaban fusionadas)
"DICLOFENAC POTÁSICO, PARACETAM KINALGIN P": {
  "droga": "diclofenac potásico, paracetamol",
  "marca": "KINALGIN P"
}

La clave es siempre el valor del campo marca o droga en mayúsculas tal como aparece en el JSON. El workflow lo aplica automáticamente en cada corrida.

⚡ Optimizaciones Implementadas

✅ Búsqueda en memoria

El JSON se carga una sola vez y se indexa en memoria con un índice invertido de prefijos. Sin requests adicionales para cada búsqueda.

✅ Estado centralizado

store.js controla búsqueda, filtros, ordenamiento y render reactivo con un patrón pub/sub manual — sin dependencias externas.

✅ Debounce

La búsqueda espera 250ms luego de la última tecla para no saturar el índice.

✅ Caché sessionStorage

Los datos se almacenan en sessionStorage con TTL de 2 horas. La clave remedios_data_v2 permite invalidar el caché en deploys sin romper sesiones activas.

✅ Dropdowns contextuales

Al buscar un medicamento, los filtros de presentación y laboratorio se actualizan para mostrar solo las opciones disponibles en los resultados actuales.

✅ Mobile first

CSS optimizado para móviles, tablets y desktop sin frameworks externos.

✅ Renderizado progresivo

300 resultados por render para no bloquear el hilo principal. Los outliers (vigencia_score < 50) siempre aparecen al final, independientemente del orden seleccionado.

✅ Filtros sin texto

Seleccionar laboratorio o presentación desde el desplegable muestra resultados aunque el campo de búsqueda esté vacío.

✅ PWA completa

Service Worker con estrategia network-first para datos y cache-first para assets estáticos. Íconos en SVG + PNG (192×192 y 512×512) para instalación en todos los dispositivos.

✅ Seguridad en headers HTTP

CSP via header HTTP (no meta tag) con hash SHA256 del script inline de GA. style-src sin unsafe-inline (estilos migrados a CSS externo). X-Frame-Options, X-Content-Type-Options, Referrer-Policy, Permissions-Policy y Access-Control-Allow-Origin: * para el JSON público. ⚠️ En producción (remedi.ar/www.remedi.ar) estos headers los aplica una Cloudflare Response Header Transform Rule, no el archivo _headers del repo — ver por qué.

✅ Compartir medicamentos

Cada tarjeta tiene un botón "Compartir" que abre el menú nativo en mobile o copia el link al portapapeles en desktop. Cada medicamento tiene una URL única con hash (remedi.ar/#droga--marca--laboratorio--presentacion). Al abrir un link compartido, el medicamento aparece destacado arriba con glow teal y productos similares debajo. Los eventos de compartir se registran en GA4.

✅ Tests de sanidad automáticos

13 tests pytest corren después de cada actualización del ETL y antes del commit. Si alguno falla, el workflow se detiene y el sitio sigue sirviendo los datos anteriores. 12 validan umbrales de calidad de negocio (cantidad de registros, % de campos vacíos, rango de precios); el 13° (test_schema.py) valida el contrato estructural completo del JSON contra un JSON Schema versionado — si el ETL cambia la forma del output, este test avisa hasta que el schema se actualice a propósito.

============================= test session starts ==============================
platform linux -- Python 3.11.15, pytest-9.1.1, pluggy-1.6.0
collected 13 items
tests/test_etl_sanidad.py::test_cantidad_minima PASSED                   [  7%]
tests/test_etl_sanidad.py::test_cantidad_maxima PASSED                   [ 15%]
tests/test_etl_sanidad.py::test_campos_presentes PASSED                  [ 23%]
tests/test_etl_sanidad.py::test_precios_positivos PASSED                 [ 30%]
tests/test_etl_sanidad.py::test_precio_mediana_razonable PASSED          [ 38%]
tests/test_etl_sanidad.py::test_drogas_vacias PASSED                     [ 46%]
tests/test_etl_sanidad.py::test_laboratorios_desconocidos PASSED         [ 53%]
tests/test_etl_sanidad.py::test_marcas_vacias PASSED                     [ 61%]
tests/test_etl_sanidad.py::test_vigencia_score_rango PASSED              [ 69%]
tests/test_etl_sanidad.py::test_pami_cobertura_rango PASSED              [ 76%]
tests/test_etl_sanidad.py::test_estructura_raiz PASSED                   [ 84%]
tests/test_etl_sanidad.py::test_fecha_presente PASSED                    [ 92%]
tests/test_schema.py::test_schema_valido PASSED                          [100%]
13 passed in 1.79s

⏱️ Tiempos de Respuesta

Métrica	Valor
FCP	0.8 - 1.2s
LCP	1.5 - 2.0s
TTI	1.8 - 2.5s
Búsqueda en índice	25 - 100ms
TTFB	50 - 150ms

🏗️ Arquitectura del Sistema

flowchart LR

    subgraph ONE["🌐 FUENTE EXTERNA"]
        A[("SIAFAR / COFA\nPDF Oficial")]
        B["📄 Publicación diaria"]
    end

    subgraph TWO["⚙️ AUTOMATIZACIÓN"]
        C["⏰ Cron GitHub Actions\n10:30 y 18:30 AR"]
        D["🔄 Workflow manual"]
    end

    subgraph THREE["🐍 ETL Python"]
        E["pdf_to_json.py\n(orquestador)"]
        E2["scripts/etl/\n8+ capas normalización\nen módulos independientes"]
        G["📊 medicamentos.json"]
    end

    subgraph REF["📋 REFERENCIA"]
        H["Vademécum PAMI\n(API, descarga en runtime)"]
        I["droga_fixes.json"]
        J["blacklist.json (569)"]
    end

    subgraph FIVE["🌐 FRONTEND"]
        K["index.html"]
        L["store.js (pub/sub)"]
        M["searchEngine.js\n(índice invertido)"]
        N["uiRenderer.js"]
    end

    subgraph SEVEN["☁️ HOSTING"]
        Q["GitHub Pages\n(origen real)"]
        R["Cloudflare\n(proxy + headers de seguridad)"]
    end

    A --> B
    B --> C
    D --> C
    C --> E
    E --> E2
    H --> E2
    I --> E2
    J --> E2
    E2 --> G
    G --> K
    K --> L
    L --> M
    M --> N
    G --> Q
    Q --> R

📁 Estructura del Repositorio

remediar/
├── index.html
├── style.css
├── manifest.json
├── requirements.txt
├── robots.txt
├── sitemap.xml
├── sw.js
├── privacidad.html
├── terminos.html
├── README.md
├── _headers
├── .nojekyll
├── .gitignore
│
├── img/
│   ├── favicon.svg
│   ├── logo_banner.svg
│   ├── icon-192.png
│   ├── icon-512.png
│   └── og-image.png
│
├── js/
│   ├── main.js
│   ├── store.js
│   ├── dataLoader.js
│   ├── filters.js
│   ├── searchEngine.js
│   ├── uiRenderer.js
│   └── utils.js
│
├── data/
│   ├── medicamentos.json
│   ├── outlier_report.json
│   ├── presentaciones_debug.csv
│   ├── blacklist.json
│   ├── droga_fixes.json
│   └── pami.xlsx          # descargado en runtime, no versionado
│
├── scripts/
│   ├── pdf_to_json.py       # orquestador: encadena las capas de etl/
│   ├── etl/
│   │   ├── config.py            # constantes y paths compartidos
│   │   ├── parser.py             # descarga del PDF y parseo a lista de medicamentos
│   │   ├── reparaciones.py       # capas de reparación de campos mal parseados
│   │   ├── droga_fixes.py        # fixes manuales + reparación de droga faltante
│   │   ├── presentacion.py       # extracción/parseo/debug de presentaciones
│   │   ├── pami.py               # crosswalk contra el vademécum PAMI
│   │   ├── blacklist.py          # carga y filtrado de la lista negra
│   │   ├── outliers.py           # detección de outliers y cálculo de vigencia
│   │   ├── enriquecimiento.py    # enriquecimiento de campos de presentación/dosis
│   │   └── utils.py              # helpers de parseo/limpieza básicos
│   └── snapshot_semanal.py
│
├── tests/
│   ├── conftest.py
│   ├── test_etl_sanidad.py
│   ├── test_schema.py
│   └── medicamentos.schema.json
│
└── .github/workflows/
    ├── update_prices.yml
    ├── maintenance-on.yml
    └── maintenance-off.yml

🧰 Stack Tecnológico

Capa	Tecnología
Frontend	HTML5 + CSS3 + Vanilla JS (ES Modules)
Estado UI	Patrón pub/sub manual (`store.js`)
Backend ETL	Python 3.11
Parsing PDF	PyMuPDF
Crosswalk PAMI	pandas + openpyxl
Datos	JSON estático
CI/CD	GitHub Actions
Testing	pytest
Hosting	GitHub Pages (origen) + Cloudflare (proxy/DNS) + Cloudflare Workers (mirror)
SEO	JSON-LD + Open Graph + Twitter Cards
Caché	sessionStorage (TTL 2h) + Service Worker
Seguridad	CSP via header HTTP + SHA256 hash
PWA	Service Worker + Web App Manifest

🧠 Decisiones Técnicas

¿Por qué Vanilla JS?

Cero dependencias en runtime
Mejor tiempo de carga
Sin actualizaciones de seguridad por dependencias transitivas
Mantenimiento sencillo a largo plazo

¿Por qué JSON plano y no base de datos?

Hosting estático con costo prácticamente cero
CDN extremadamente eficiente
Menor complejidad operacional
El dataset (~12.000 registros) cabe perfectamente en memoria

¿Por qué 8+ capas de normalización?

El PDF de SIAFAR no tiene un esquema tabular estricto. Distintos laboratorios omiten campos, fusionan droga+marca sin separador, o desplazan la presentación al campo laboratorio. Las capas se aplican en cascada de menor a mayor complejidad, garantizando que cada corrección no interfiera con las anteriores.

¿Por qué GitHub Pages + Cloudflare como proxy?

GitHub Pages es gratuito, confiable, y ya aloja el repo — cero infraestructura extra que mantener
Importante: GitHub Pages no soporta un archivo _headers para headers HTTP personalizados (esa convención es de Cloudflare Pages/Netlify, no de GitHub Pages). El archivo _headers del repo documenta los valores deseados, pero quien los aplica de verdad en remedi.ar/www.remedi.ar es una Cloudflare Response Header Transform Rule, configurada en el dashboard (no en el repo) — ver la nota en la sección de Arquitectura
Cloudflare como proxy (nube naranja) suma CDN global, HTTPS gestionado, y la posibilidad de inyectar esos headers sin tocar el origen
El mirror en Cloudflare Workers (remediar.pablo-s-bella.workers.dev) sirve como respaldo independiente: al ser Workers Static Assets, sí procesa el _headers del repo nativamente, así que ese archivo no queda del todo huérfano

💻 Ejecución Local

Python (servidor de desarrollo)

git clone https://github.com/psbella/remediar.git
cd remediar
python -m http.server 8000

Node.js

npx http-server -p 8000 --cors -c-1

Ejecutar el ETL manualmente

pip install -r requirements.txt
python scripts/pdf_to_json.py

Ejecutar los tests

pytest tests/ -v

Docker

FROM nginx:alpine
COPY . /usr/share/nginx/html

docker build -t remediar .
docker run -p 8080:80 remediar

🐍 Scripts Python

Script	Función
`scripts/pdf_to_json.py`	Orquestador: encadena las capas de `scripts/etl/` en orden y persiste `medicamentos.json`, `outlier_report.json` y `presentaciones_debug.csv`. Ya no contiene la lógica de las capas — solo el flujo.
`scripts/snapshot_semanal.py`	Genera un CSV con los precios confiables (`vigencia_score ≥ 50`) de la semana y lo sube como asset a la release mensual de GitHub (`historial-YYYY-MM`). Se ejecuta automáticamente cada viernes.
`tests/test_etl_sanidad.py`	12 tests de sanidad sobre el output del ETL: cantidad de registros, campos obligatorios, rangos de precios, calidad de datos y estructura del JSON

Paquete `scripts/etl/` (capas de normalización)

Módulo	Función
`etl/config.py`	Constantes y paths compartidos por todos los módulos del ETL
`etl/parser.py`	Descarga del PDF de SIAFAR, parseo a lista de medicamentos y deduplicación de registros exactos
`etl/reparaciones.py`	Capas de reparación de campos mal parseados desde el PDF (laboratorios desplazados, fusiones Denver Farma, marca desplazada, presentación desplazada)
`etl/droga_fixes.py`	Fixes manuales de droga y reparación de registros con droga faltante
`etl/presentacion.py`	Extracción de presentación fusionada en marca, limpieza de dosis residual y generación del debug de presentaciones
`etl/pami.py`	Crosswalk contra el vademécum PAMI vigente para recuperar droga y corregir laboratorio
`etl/blacklist.py`	Carga y filtrado de la lista negra de medicamentos
`etl/outliers.py`	Detección de precios outlier/obsoletos y cálculo de vigencia
`etl/enriquecimiento.py`	Enriquecimiento de registros con campos de presentación y dosis
`etl/utils.py`	Helpers de parseo y limpieza básicos

📊 Métricas y Rendimiento

Métrica	Valor
Lighthouse Performance	94-96
Accessibility	98
Best Practices	100
SEO	100
CLS	0.02
FID	12ms

🔍 SEO y Metadatos

Implementaciones

JSON-LD (WebSite + SearchAction)
Open Graph
Twitter Cards
Sitemap.xml
robots.txt con crawl-delay para bots agresivos

Ejemplo JSON-LD

{
  "@context": "https://schema.org",
  "@type": "WebSite",
  "name": "remedi.ar",
  "potentialAction": {
    "@type": "SearchAction",
    "target": "https://remedi.ar/?q={search_term_string}",
    "query-input": "required name=search_term_string"
  }
}

🔒 Seguridad y Privacidad

No se recopilan datos personales
No se utilizan cookies de tracking
No existe backend persistente
Todo el frontend es auditable públicamente
Content Security Policy via header HTTP con hash SHA256 del único script inline (Google Analytics): script-src 'self' 'sha256-...' https://www.googletagmanager.com
CORS habilitado en /data/medicamentos.json para consumo externo (Access-Control-Allow-Origin: *)
robots.txt bloquea explícitamente GPTBot y ClaudeBot
Google Analytics configurado en modo anónimo — ver política de privacidad

🔌 API No Oficial

El JSON de medicamentos es público y accesible libremente bajo licencia MIT.

Endpoints

Método	URL
GET	https://remedi.ar/data/medicamentos.json
GET	https://raw.githubusercontent.com/psbella/remediar/main/data/medicamentos.json

JavaScript

const response = await fetch('https://remedi.ar/data/medicamentos.json');
const { medicamentos } = await response.json();

// Filtrar por droga con cobertura PAMI
const conPami = medicamentos.filter(m => m.pami_cobertura > 0);

// Calcular copago PAMI
const copago = m => Math.round(m.precio * (1 - m.pami_cobertura / 100));

// Filtrar por forma farmacéutica
const comprimidos = medicamentos.filter(m => m.pres_forma?.includes('COMPRIMIDOS'));

Python

import pandas as pd

df = pd.read_json("https://remedi.ar/data/medicamentos.json")
meds = pd.json_normalize(df['medicamentos'])

# Filtrar solo los que tienen cobertura PAMI
con_pami = meds[meds['pami_cobertura'].notna()]

👥 Guía de Contribución

Reportar un problema

¿Un precio, laboratorio o cobertura PAMI están mal? Abrí un issue con el template "🩺 Precio o dato incorrecto" — es el tipo de reporte más útil para este proyecto.
¿Algo no funciona en la web? Usá el template "🐛 Bug del sitio".
¿Una idea o mejora? Template "💡 Idea o mejora" — revisá primero el Roadmap por si ya está anotado.

Flujo

git clone https://github.com/psbella/remediar.git
git checkout -b feature/nueva-funcion
# hacer cambios
git commit -m "feat: descripción del cambio"
git push origin feature/nueva-funcion
# abrir Pull Request (se completa solo con el template del repo)

Antes de abrir el PR: si tocaste el ETL, corré pytest tests/ y confirmá que pasen los 13 tests (12 de sanidad + el de schema); si tocaste JS/CSS/HTML, probá el cambio en el navegador, no alcanza con leer el diff.

Convenciones de commits

Tipo	Uso
`feat`	Nueva funcionalidad
`fix`	Corrección de bug
`docs`	Documentación
`perf`	Performance
`chore`	Mantenimiento / limpieza
`security`	Cambios de seguridad

Sobre la rama `main`

main no tiene branch protection activa. Es una decisión consciente: el repo tiene un solo colaborador con acceso de escritura, y GitHub no permite eximir al bot de github-actions de las reglas de protección en cuentas personales — activarla hubiera roto el workflow automático que pushea 2 veces al día. Si en algún momento se suma otro colaborador con acceso de escritura, esto se reevalúa.

⚠️ Ojo con el Service Worker al tocar assets estáticos

Si modificás index.html, style.css o cualquier archivo en js/, acordate de bumpear CACHE_NAME en sw.js (ej. remediar-v5 → remediar-v6). Esos archivos están precacheados por el Service Worker (CACHE_STATIC), así que sin el bump los usuarios que ya visitaron el sitio van a seguir viendo la versión vieja indefinidamente, sin ningún error visible — simplemente no se actualiza nada hasta que el navegador decida revalidar el cache por su cuenta.

📊 Diagramas de Flujo Detallados

Pipeline ETL completo

flowchart TD

    A[PDF SIAFAR]
    B[Descarga + extracción por página]
    C0[Capa 0: reparar_droga_faltante]
    C1[Capa 1: desplazamiento en parse]
    C2[Capa 2: rescatar_laboratorios]
    C3[Capa 3: reparar_denver]
    C4[Capa 4: reparar_marca_desplazada]
    C5[Capa 5: extraer_presentacion_de_marca]
    C5B[Capa 5b: reparar_presentacion_desplazada]
    C5C[Capa 5c: limpiar_dosis_residual_en_marca]
    C6[Capa 6: crosswalk_pami]
    C7[Capa 7: aplicar_droga_fixes]
    BL[Blacklist 569 entradas]
    OUT[Detección de outliers IQR]
    PRES[Parser de presentaciones]
    T[🧪 pytest 13 tests]
    JSON[medicamentos.json]
    DEBUG[presentaciones_debug.csv]
    REPORT[outlier_report.json]

    A --> B
    B --> C0
    C0 --> C1
    C1 --> C2
    C2 --> C3
    C3 --> C4
    C4 --> C5
    C5 --> C5B
    C5B --> C5C
    C5C --> C6
    C6 --> C7
    C7 --> BL
    BL --> OUT
    OUT --> PRES
    PRES --> T
    T --> JSON
    PRES --> DEBUG
    OUT --> REPORT

Detalle de la Capa 5: extraer_presentacion_de_marca

flowchart TD
    IN["marca='CARBOPLATINO MICROSULES150 mg iny.f.a.x 1'\npresentacion=''"]

    subgraph PRE["Pre-limpieza (en orden)"]
        A["1. _RE_TOKEN_DUPLICADO\nElimina token mayúscula duplicado\nGELgel → gel\nBOLSAbolsa → bolsa"]
        B["2. _RE_FORMA_PEGADA\nInserta espacio antes de forma pegada\nBENZOCAINA GELgel → BENZOCAINA gel"]
        C["3. _build_re_lab_pegado (dinámico)\nInserta espacio entre lab conocido y dosis pegada\nMICROSULES150 → MICROSULES 150"]
    end

    D{"¿_RE_EXTRAER_PRES\nhace match?"}
    E["marca = grupo 1\npresentacion = grupo 2"]
    F["Registro sin cambios\n(caso no resuelto)"]

    IN --> A --> B --> C --> D
    D -- Sí --> E
    D -- No --> F

    style PRE fill:#f0f8f0,stroke:#aaa

El regex _build_re_lab_pegado se construye dinámicamente en cada corrida a partir de los laboratorios ya presentes en el dataset. Esto evita mantener una lista hardcodeada que se desactualiza.

Parser de presentaciones

flowchart TD
    P["presentacion: '400 mg comp.rec.x 20'"]
    P1["Normalizar prefijos: Ad. Ped. Rtd."]
    P2["Extraer dosis + unidad"]
    P3["Buscar forma farmacéutica en FORMAS_MAP (60+ entradas)"]
    P4{"¿Forma encontrada?"}
    P5["Fallback: scan en cualquier posición"]
    P6["Extraer cantidad"]
    P7["pres_forma / pres_dosis / pres_unidad / pres_cantidad"]

    P --> P1 --> P2 --> P3 --> P4
    P4 -- Sí --> P6
    P4 -- No --> P5 --> P6
    P6 --> P7

Campo generado	Ejemplo
`pres_forma`	`"COMPRIMIDOS RECUBIERTOS"`
`pres_dosis`	`"400"`
`pres_unidad`	`"MG"`
`pres_cantidad`	`"20"`

Cobertura actual: ~99.5%. El archivo data/presentaciones_debug.csv permite auditar los casos no resueltos después de cada corrida.

Ciclo de vida de una búsqueda

sequenceDiagram
    participant U as 👤 Usuario
    participant M as main.js
    participant S as store.js
    participant SE as searchEngine.js
    participant F as filters.js
    participant R as uiRenderer.js

    U->>M: input "ibuprofeno bago"
    M->>M: debounce 250ms
    M->>S: setFiltroTexto("ibuprofeno bago")

    S->>SE: buscar("ibuprofeno bago")
    Note over SE: Normaliza → ["ibuprofeno","bago"]
    Note over SE: Intersección AND de índices de prefijos
    Note over SE: Ordena por relevancia + vigencia + precio
    SE-->>S: resultados ordenados

    S->>F: aplicarFiltros(resultados, presentacion, laboratorio, soloPami)
    F-->>S: resultados filtrados

    S->>S: notificar()
    S->>R: suscribirse callback

    R->>R: cargarOpcionesFiltros(resultados)
    Note over R: Dropdowns muestran solo opciones del resultado actual
    R->>R: mostrarResultados(resultados)
    Note over R: renderPresentacion() y renderPrecios() — funciones nombradas
    R-->>U: Tarjetas con chips de presentación + badge PAMI

Flujo reactivo del store

flowchart TD
    subgraph ACCIONES["Acciones"]
        A1[setFiltroTexto]
        A2[setFiltroPresentacion]
        A3[setFiltroLaboratorio]
        A4[setFiltroOrden]
        A5[setSoloPami]
        A6[limpiarFiltros]
    end

    subgraph RECALC["recalcularResultados()"]
        R1{"¿hay texto\no filtro activo?"}
        R2["buscar(texto)\n→ índice invertido"]
        R3["todos los medicamentos"]
        R4["aplicarFiltros()"]
        R5{"orden ≠\n'relevancia'?"}
        R6["ordenar()"]
        R7["state.resultados = …"]
    end

    subgraph UI["UI (suscriptores)"]
        U1["cargarOpcionesFiltros()"]
        U2["mostrarResultados()"]
        U3["mostrarMensajeInicial()"]
    end

    ACCIONES --> RECALC
    R1 -- No --> U3
    R1 -- hayTexto --> R2 --> R4
    R1 -- soloFiltros --> R3 --> R4
    R4 --> R5
    R5 -- Sí --> R6 --> R7
    R5 -- No --> R7
    R7 --> notificar
    notificar --> U1
    notificar --> U2

Anatomía de un registro

flowchart LR
    subgraph SIAFAR["📄 SIAFAR / PDF"]
        S1[droga]
        S2[marca]
        S3[presentacion]
        S4[laboratorio]
        S5[precio]
    end

    subgraph PAMI["📋 Vademécum PAMI (API)"]
        P1[pami_cobertura]
        P2["droga (recuperación)"]
        P3["laboratorio (corrección)"]
        P4["presentacion (normalización)"]
    end

    subgraph PARSER["🔧 _parsear_presentacion()"]
        PR1[pres_forma]
        PR2[pres_dosis]
        PR3[pres_unidad]
        PR4[pres_cantidad]
    end

    subgraph OUTLIER["📊 Detección outliers (IQR)"]
        O1[vigencia_score]
        O2[flags]
        O3[precio_outlier_tipo]
        O4[outlier_razones]
    end

    subgraph JSON["📦 medicamentos.json"]
        J[Registro final]
    end

    S1 & S2 & S3 & S4 & S5 --> J
    P1 & P2 & P3 & P4 --> J
    PR1 & PR2 & PR3 & PR4 --> J
    O1 & O2 & O3 & O4 --> J

🧩 Referencia de Componentes Frontend

store.js

Estado global reactivo con patrón pub/sub (suscribirse / notificar)
Filtros: texto, laboratorio, presentacion, orden, soloPami
Sin texto ni filtros activos → resultados = [] (muestra mensaje inicial)
Con filtros activos y sin texto → parte del dataset completo y aplica filtros
Ordenamiento con conciencia de vigencia: vigencia_score < 50 siempre al fondo

uiRenderer.js

Render de tarjetas con principio activo en mayúsculas
Chips de presentación: usa pres_forma / pres_dosis / pres_unidad / pres_cantidad del JSON cuando están disponibles; cae a parsearPresentacion() (JS) como fallback
En modo PAMI activo, muestra el copago estimado como precio principal y el PVP como referencia secundaria
Chip PAMI con formato "Cobertura PAMI 55% · $4.500"
Skeleton loaders + mensajes de error/vacío
Scroll-to-top automático al superar 300px de scroll
Renderizado modular: renderPresentacion(med) y renderPrecios(med, soloPami) son funciones nombradas — sin IIFEs anónimas en template literals
hashMedicamento(med): genera hash único por medicamento (droga--marca--laboratorio--presentacion) para deep links
compartirMedicamento(med): navigator.share en mobile, fallback a clipboard en desktop, con evento GA4
Tarjeta destacada con glow teal permanente y badge "Producto compartido" al abrir un link compartido
Separador "Productos similares" entre la tarjeta destacada y los resultados por droga

utils.js

normalizar(): lowercase + quita tildes para búsqueda
formatearPrecio(): formato ARS con toLocaleString
escapeHtml(): escape de &, <, >, ", ' para prevenir XSS
normalizarLaboratorio(): resuelve laboratorios truncados por el PDF
parsearPresentacion(): parser JS de fallback (60+ formas en FORMAS_MAP)
extraerFiltros(): construye sets de presentaciones y laboratorios válidos para dropdowns

dataLoader.js

Caché con sessionStorage (clave remedios_data_v2, TTL 2 horas)
Fetch con priority: 'high'
Fallback silencioso si sessionStorage está bloqueado

searchEngine.js

Índice invertido de prefijos sobre droga, marca y laboratorio
Búsqueda AND multi-término normalizada (sin tildes, lowercase)
Ranking por relevancia textual (droga > marca > lab), vigencia_score y precio
Registros con vigencia_score < 50 degradados al fondo

filters.js

aplicarFiltros(): filtrado por presentación, laboratorio y PAMI
ordenar(): ordenamiento con conciencia de vigencia (vigencia_score < 50 siempre al fondo)
esValorCorrupto(): detección de laboratorios con valores numéricos o de presentación en el campo lab

🎨 Guía de Estilos CSS

Variables principales

:root {
  --teal:          #008B8B;
  --teal-dark:     #005f5f;
  --teal-darker:   #003f3f;
  --teal-light:    #e6f2f2;
  --teal-accent:   #0e7490;
  --text-1:        #111111;
  --text-4:        #777777;
  --r-sm: 8px; --r-md: 12px; --r-lg: 16px;
}

Responsive

Un único breakpoint mobile-first en 600px — no hay un nivel intermedio de tablet separado, el layout de mobile se extiende hasta desktop.

Breakpoint	Tamaño
Mobile	≤ 600px
Desktop	> 600px

🔧 Documentación de Workflows

Workflow	Trigger	Función
`update_prices.yml`	Cron `30 13,21 * * 1-5` + manual	ETL principal: descarga PDF, genera JSON, corre tests, hace commit
`maintenance-on.yml`	Manual	Reemplaza `index.html` con página de mantenimiento
`maintenance-off.yml`	Manual	Restaura `index.html` desde backup
`codeql.yml`	Push/PR a `main` + cron semanal (lunes 06:00 UTC)	Análisis estático de seguridad (CodeQL) sobre JS y Python
`dependabot.yml` (config, no workflow)	Semanal	Propone actualizaciones de `requirements.txt` y de las actions usadas en los workflows

Parámetro	Valor
Schedule	10:30 y 18:30 AR (lunes a viernes)
Runtime	Ubuntu latest
Python	3.11
Caché de dependencias	`cache: 'pip'` en `setup-python@v5`
Dependencias	Ver `requirements.txt`
Trigger manual	Sí (`workflow_dispatch`)
Pull antes de push	Sí (`git pull --rebase`)
Tests	pytest antes de cada commit
Snapshot semanal	Viernes — CSV subido a GitHub Releases (`historial-YYYY-MM`)

❓ Preguntas Frecuentes (FAQ)

¿De dónde salen los datos?

Del PDF oficial publicado por SIAFAR / COFA dos veces al día, de lunes a viernes.

¿Qué es el vigencia_score?

Un score de 0 a 100 que indica la confiabilidad del precio. Se calcula usando estadística IQR (rango intercuartílico) por droga + detección de inconsistencias de escala. Un score < 50 indica que el precio es probable outlier (obsoleto, cero, o estadísticamente anómalo respecto a la mediana de la droga).

¿Qué significa el chip PAMI?

Muestra la cobertura y el copago estimado en un solo chip: "Cobertura PAMI 55% · $4.500".

El copago se calcula como precio × (1 - cobertura / 100).

PVP SIAFAR:       $10.000
Cobertura PAMI:   55%
Copago estimado:  $10.000 × (1 - 0.55) = $4.500

Es una aproximación — el copago real puede variar porque el porcentaje de cobertura es del vademécum PAMI y el precio base es el PVP actualizado de SIAFAR.

¿Cada cuánto se actualiza?

Dos veces al día, de lunes a viernes (10:30 y 18:30 hora Argentina).

¿Tiene publicidad?

No.

¿Tiene tracking?

No. Usamos Google Analytics en modo anónimo para entender el uso del sitio.

¿Se puede usar el JSON libremente?

Sí, bajo licencia MIT. El endpoint está habilitado con Access-Control-Allow-Origin: *.

¿Cómo funciona el link para compartir un medicamento?

Cada medicamento tiene una URL única con hash: remedi.ar/#droga--marca--laboratorio--presentacion. Al abrirlo, la app muestra ese medicamento destacado arriba y productos similares debajo. El botón "Compartir" en cada tarjeta abre el menú nativo en mobile o copia el link en desktop.

¿Hay historial de precios?

Sí, desde el primer viernes de implementación. Cada viernes se genera un snapshot CSV con los precios confiables de la semana y se sube como asset a la release mensual de GitHub (historial-YYYY-MM). Los snapshots están disponibles públicamente en la sección Releases del repositorio.

⚠️ Limitaciones conocidas

Limitación	Descripción
~9 registros sin presentación	El PDF de SIAFAR no incluye la presentación para estas marcas (KETOSTERIL, FRENALER D, DEXALERGIN, VIXALERG, KINALGIN P, ASFARADIL, FEMIDEN, SIGNORINA, VAXNEUVANCE). No son errores del parser — el dato simplemente no está en la fuente.
`pami_cobertura` es aproximado	El porcentaje proviene del vademécum PAMI (que se actualiza con menor frecuencia) aplicado sobre el PVP actual de SIAFAR. El copago real puede diferir.
Precios de SIAFAR en ARS	Con la inflación argentina, los precios pueden quedar desactualizados entre corridas. El `vigencia_score` ayuda a identificar los registros más sospechosos.
PDF de SIAFAR sin esquema fijo	Distintos laboratorios aplican su propia semántica al PDF. El pipeline de 8+ capas resuelve los patrones conocidos; pueden aparecer casos nuevos en futuras corridas.
SSL de SIAFAR	El servidor de SIAFAR tiene un certificado con chain incompleta. La verificación SSL usa `certifi` como CA bundle.

🗺️ Roadmap

Corto plazo

~~Corrección de verificación SSL en descarga de SIAFAR~~ ✅
~~Tests automatizados del ETL~~ ✅
~~Refactor IIFEs en uiRenderer.js~~ ✅
~~Compartir medicamentos con deep link~~ ✅
~~Snapshots semanales de precios en GitHub Releases~~ ✅
Filtro por forma farmacéutica en la UI (usando pres_forma, ya disponible en el JSON)
Historial de precios (visualización en frontend)

Mediano plazo

Integración con API REST de ANMAT (trámite en curso — respuesta esperada 10/07/2026)
IOMA como segunda fuente de crosswalk
API REST pública documentada
Dashboard estadístico de variación de precios
Instagram con contenido generado automáticamente

Largo plazo

Evolución histórica de precios
App móvil nativa
Integración con farmacias en tiempo real

📄 Licencia

MIT License. Uso libre para proyectos personales y comerciales con atribución. Texto completo en LICENSE.

🙏 Fuente de Datos

Datos proporcionados por SIAFAR / COFA. Cobertura PAMI desde el vademécum oficial del PAMI.

🌐 Enlaces del Proyecto

Recurso	URL
Producción	https://remedi.ar
GitHub Pages (dominio por defecto)	https://psbella.github.io/remediar/
Mirror (Cloudflare Workers)	https://remediar.pablo-s-bella.workers.dev/
Repositorio	https://github.com/psbella/remediar
Actions / CI	https://github.com/psbella/remediar/actions
medicamentos.json	https://remedi.ar/data/medicamentos.json
Sitemap	https://remedi.ar/sitemap.xml
Política de privacidad	https://remedi.ar/privacidad.html
Términos y condiciones	https://remedi.ar/terminos.html

Hecho con ❤️ para que los medicamentos sean más accesibles en Argentina.

Name		Name	Last commit message	Last commit date
Latest commit History 554 Commits
.github		.github
data		data
img		img
js		js
scripts		scripts
tests		tests
.assetsignore		.assetsignore
.gitignore		.gitignore
.nojekyll		.nojekyll
CHANGELOG.md		CHANGELOG.md
CNAME		CNAME
LICENSE		LICENSE
README.md		README.md
SECURITY.md		SECURITY.md
_headers		_headers
admin.css		admin.css
eslint.config.js		eslint.config.js
favicon.ico		favicon.ico
index.html		index.html
manifest.json		manifest.json
mantenimiento.css		mantenimiento.css
mantenimiento.html		mantenimiento.html
package.json		package.json
privacidad.html		privacidad.html
pyproject.toml		pyproject.toml
requirements.txt		requirements.txt
robots.txt		robots.txt
sitemap.xml		sitemap.xml
style.css		style.css
sw.js		sw.js
terminos.html		terminos.html
wrangler.toml		wrangler.toml

Folders and files

Latest commit

History

Repository files navigation