Gracias por tu respuesta.
Descripción
SUEROS PARA TIPIFICAR LA SANGRE, MEDIOS PROTEICOS, ENZIMAS Y ANTIGENOS. ANTI M. FRASCO DE 2 Y 5 ML. RTC.
Clave de producto IMSS
080.081.0475.11
Cada círculo representa una de las 8 compras de SUEROS PARA TIPIFICAR LA SANGRE MEDIOS PROTEICOS ENZIMAS Y ANTÍGENOS realizadas por el IMSS entre los años 2014 y 2018.
| INSTITUCIÓN | ESTADO | CANTIDAD | MONTO TOTAL | SOBRECOSTO EN MXN | SOBRECOSTO EN % | CANTIDAD PERDIDA | ÚLTIMA COMPRA |
|---|---|---|---|---|---|---|---|
| Delegación Chihuahua Almacen Delegacional En Chihuahua | Chihuahua | 5 | 493,802.5 MXN | 69,057.3 MXN | 16.3 % | 24.6 | 5 de abril de 2017 |
| Delegación Chihuahua | Chihuahua | 1 | 10,440 MXN | 2,194.6 MXN | 26.6 % | 0.617 | 17 de noviembre de 2016 |
| H. de Especialidades, "Lic. Ignacio García Tellez" Centro Médico Nacional de Occidente, Jalisco Umae Especialidades Jalisco | Jalisco | 1 | 2,143.7 MXN | - MXN | - | - | 4 de febrero de 2014 |
| H. de Pediatría, Centro Médico Nacional Siglo XXI Umae Pediatria C.m.n. Siglo Xxi | Ciudad de México | 1 | 5,324.4 MXN | 734.4 MXN | 16 % | 0.32 | 27 de marzo de 2018 |
| PROVEEDOR | COMPRAS | SOBRECOSTO EN MXN | SOBRECOSTO EN % | CANTIDAD PERDIDA | PERIODO DE TIEMPO |
|---|---|---|---|---|---|
| PIZAYA MOLINA JAIME ARTURO | 4 | 65,903.7 MXN | 15.8 % | 23.3 | 2014 - 2017 |
| ABASTECEDORA INTEGRAL ESPECIALIZADA, SA DE CV | 1 | 734.4 MXN | 16 % | 0.32 | 2018 - 2018 |
| BIO LEBEN, S.A. DE C.V. | 1 | 3,153.6 MXN | 18.4 % | 1.29 | 2017 - 2017 |
| MARCAS ESPECIALIZADAS EN DIAGNOSTICO Y REPRESENTAC | 1 | - MXN | - | - | 2014 - 2014 |
| RUIZ ORTEGA MIGUEL ANDRES | 1 | 2,194.6 MXN | 26.6 % | 0.617 | 2016 - 2016 |
Fecha de actualización en QQW
3 de octubre de 2022
Fuente(s)
Forman parte del proyecto
Organización responsable de la importación
La información de QuienEsQuien.wiki se puede reutilizar sin pedirn autorización, siempre y cuando nos cites como fuente y utilices la licencia CC-BY-SA para tus publicaciones.
Si no puedes cumplir con estos requisitos, por favor contáctanos y cuéntanos sobre tu proyecto.
La información recopilada en QuiénEsQuién.Wiki proviene de fuentes públicas y oficiales, como Compranet y la BMV, si encuentras que no es precisa o tiene errores, se trata de errores de las fuentes de origen.
Si la información presentada sobre {title} no es correcta, por favor contáctanos reportando la información errónea y dónde podemos conseguir la información correcta. Nos ofrecemos a acompañarte en el reclamo a las entidades correspondientes.
Lamentablemente es una práctica muy común que las empresas y personas no cumplan con sus compromisos al proveer bienes o servicios, en caso de incumplimiento en México puedes dirigirte a la Profeco y presentar una queja o denuncia según corresponda, en caso de ser víctima de fraude cibernético te invitamos a leer este instructivo de la Campaña Nacional Antifraude Cibernético.
Si eres víctima de extorsión, toma fotos de pantalla de los mensajes recibidos y dirígete al ministerio público para solicitar protección, o bien, llama al número 088 para recibir orientación para presentar la denuncia correspondiente. Recomendaciones para denunciar extorsión telefónica. Si los extorsionadores han mencionado explícitamente a QuienEsQuien.wiki en sus mensajes, por favor envíanos una copia de los mensajes.
Si deseas solicitar cotizaciones, ofrecer tus servicios, reclamar a empresas o contactar a personas, te recomendamos buscar el sitio web oficial o utilizar otro medio de contacto. QuienEsQuien.wiki no es un sitio de anuncios ni tiene contacto con las empresas y personas mencionadas en el sitio.
Elije el sistema en el cuál deseas utilizar los datos para ver las instrucciones. Para metodología de investigación puedes consultar el Manual para investigar contrataciones abiertas.
Agrega en tu código:
library(rjson)
#Read JSON data into R
data <- fromJSON(file="http://localhost:10010/v3/products?limit=1&sort=&embed=true&db_prefix=&id=080.081.0475.11")
Agrega en tu código:
import json, urllib
#Read JSON data into python
response = urllib2.urlopen('http://localhost:10010/v3/products?limit=1&sort=&embed=true&db_prefix=&id=080.081.0475.11')
data = json.loads(response.read())
Agrega en tu código:
import pandas as pd
#Read JSON data into pandas
df = pd.read_json('http://localhost:10010/v3/products?limit=1&sort=&embed=true&db_prefix=&id=080.081.0475.11')