Read this story in English. En colaboración con Outlier Media.
En los últimos años, agencias policiales de Michigan arrestaron a migrantes y los reportaron a agentes federales de inmigración cientos de veces.
Registros públicos obtenidos por Michigan Public y Outlier Media ofrecen una mirada poco común sobre el papel de policías municipales en la maquinaria de deportación de la administración Trump.
Principales conclusiones de nuestro reporteo:
- Las agencias policiales de Michigan reportaron a migrantes al menos 388 veces entre 2021 y 2026.
- Estos arrestos solían surgir de situaciones menores, como un parabrisas agrietado, cruzar la calle fuera del paso peatonal, un vehículo averiado o simplemente la sospecha de un agente.
- Algunas agencias realizaron decenas de llamadas en 2025 y 2026, en comparación con pocas o ninguna entre 2021 y 2024.
- Cuarenta y tres agencias, incluidas seis unidades de Michigan State Police, documentaron al menos un incidente de este tipo entre 2021 y 2026.
Principales limitaciones de nuestro reporteo:
- Los datos son incompletos y probablemente reflejan menos participación policial de la que realmente hubo. No podemos confirmar que nuestros datos incluyan todos los arrestos relacionados con inmigración ni todas las agencias involucradas. Es posible que también se hayan producido arrestos de este tipo en comunidades que no aparecen en los datos.
- No sabemos con certeza qué ocurrió finalmente con la mayoría de las personas involucradas en los incidentes que recopilamos: si terminaron detenidas, fueron deportadas o siguen en libertad en Estados Unidos.
¿Tienes algo que contarnos?
Outlier Media está investigando el papel de las policías municipales del área metropolitana de Detroit en la aplicación de las leyes federales de inmigración. Comparte tu historia con el periodista Koby Levin por Signal, en koby_det.18, o por correo electrónico en koby@outliermedia.org.
Michigan Public está investigando las detenciones migratorias y la colaboración de las policías municipales en todo Michigan. Puedes comunicarte con el periodista Adam Yahya Rayes por Signal, en rayesa.24, o por correo electrónico en rayesa@umich.edu.
De dónde vienen los datos
La mayor parte de nuestros datos — 304 de 388 registros — proviene de informes de incidentes obtenidos mediante solicitudes de la Freedom of Information Act (FOIA) dirigidas a agencias policiales locales. Estos documentos incluyen relatos escritos por los agentes en los que explican las circunstancias de los arrestos.
Solicitamos registros a 86 agencias. Identificamos esas agencias mediante una base de datos estatal sobre delitos y resoluciones de tribunales federales en casos de habeas corpus presentados por migrantes detenidos. También solicitamos registros a casi todas las ciudades que limitan con Detroit.
Haz tu propia investigación
¿Tu departamento de policía colabora con U.S. Border Patrol? Usa esta plantilla para obtener la información más reciente. Haz una copia del formulario, completa las secciones resaltadas y envíalo por correo electrónico al coordinador de la Freedom of Information Act de tu municipio.
Otros 76 incidentes de nuestro conjunto de datos provienen de publicaciones de Border Patrol en Facebook sobre arrestos. Tomamos capturas de pantalla de esas publicaciones y las catalogamos manualmente.
Solo contamos publicaciones de Facebook que describían claramente una colaboración con agencias policiales locales. Excluimos las publicaciones que parecían describir el mismo incidente que alguno de los registros obtenidos mediante FOIA, así como aquellas que no contenían suficiente información para cotejarlas de forma fiable con otros registros.
Una pequeña parte del conjunto de datos, siete incidentes, proviene directamente de la base de datos Michigan Incident Crime Reporting (MICR), administrada por Michigan State Police. Obtuvimos la base de datos mediante una solicitud FOIA de registros de incidentes clasificados como arrestos relacionados con inmigración.
Cuando un registro de MICR coincidía con una publicación de Border Patrol en Facebook por fecha, localidad y número de personas arrestadas, reemplazamos la publicación de Facebook por el registro de MICR en nuestro conjunto de datos final.
Nuestras solicitudes de registros evolucionaron a medida que aprendíamos cómo las agencias documentaban los arrestos relacionados con inmigración.
Al principio, solicitamos incidentes codificados como arrestos relacionados con inmigración, clasificados con el código “03000”. Después de revisar los datos de MICR, comenzamos a solicitar registros de incidentes específicos, así como cualquier registro que hiciera referencia a llamadas a autoridades federales de inmigración, colaboración con ellas o solicitudes de retención por parte de estas.
Algunas agencias dijeron inicialmente que no tenían incidentes relacionados con inmigración. Pero solicitudes posteriores que citaban números específicos de incidentes de MICR permitieron obtener registros que esas mismas agencias habían dicho anteriormente que no existían.
La base de datos Michigan Incident Crime Reporting ayudó a identificar incidentes relacionados con inmigración, pero no era lo suficientemente confiable como para utilizarla sin confirmación adicional.
Excluimos cientos de incidentes de MICR después de descubrir que algunos departamentos habían codificado erróneamente algunos incidentes como arrestos relacionados con inmigración. Un error común era utilizar el código migratorio de arresto por “entrada ilegal” en lugar del código de “entrada ilícita” correspondiente a casos de robo con allanamiento.
Al mismo tiempo, los registros obtenidos directamente de las agencias policiales revelaron que muchos informes relacionados con inmigración no aparecían en la base de datos Michigan Incident Crime Reporting porque no estaban codificados como relacionados con inmigración.
Muchas agencias respondieron a nuestras solicitudes de forma gratuita o a bajo costo. Algunas fijaron costos elevados que no podíamos asumir razonablemente, argumentando que sus sistemas no permitían buscar fácilmente incidentes relacionados con inmigración.
Algunas rechazaron nuestras solicitudes, citando diversas excepciones previstas en la ley estatal, o no respondieron dentro de los plazos establecidos por la ley.
Como nuestras solicitudes fueron evolucionando con el tiempo, las agencias buscaron registros correspondientes a distintos períodos. Por eso, los registros de algunas agencias incluyen incidentes más recientes que los de otras.
Cómo procesamos los datos
Nos basamos en una revisión manual de los códigos de infracciones y las citaciones, junto con las narraciones incluidas en los informes policiales, para evaluar la gravedad de las presuntas infracciones.
Clasificamos los encuentros policiales como “menores” cuando no había ningún presunto delito, o cuando el presunto delito era una infracción de tránsito tipificada como delito menor, como conducir con una licencia no válida, o una infracción civil, como cruzar la calle fuera del paso peatonal o conducir con ventanas excesivamente tinteadas. Clasificamos la conducción bajo los efectos de drogas o alcohol como un delito “grave”, aunque técnicamente se considera un delito menor.
Todas las publicaciones de Border Patrol en redes sociales y los incidentes de MICR incluidos en nuestro conjunto de datos se clasificaron en la categoría “desconocido”, porque esas fuentes no aportaban suficiente información sobre las circunstancias del encuentro con la policía.
Utilizamos la herramienta de “datos estructurados” de Google Pinpoint para extraer datos clave de todos nuestros informes de incidentes. Esta herramienta utiliza nuestras anotaciones en un conjunto de documentos de ejemplo para extraer los mismos tipos de información de un conjunto más amplio de documentos. Es independiente de las herramientas de inteligencia artificial generativa de Pinpoint.
Extrajimos los datos de los informes policiales en hojas de cálculo separadas para cada agencia.
Otras hojas de cálculo separadas registraban las publicaciones de Border Patrol en Facebook y los incidentes de MICR.
También revisamos manualmente cada documento para asegurarnos de que correspondiera a nuestro conjunto de datos y estuviera clasificado correctamente.
Luego utilizamos un Google Apps Script para combinar todos los datos extraídos en una sola hoja de cálculo maestra; estandarizar los números de caso, las fechas y los nombres de lugares; eliminar duplicados; y marcar posibles duplicados para su revisión manual.
El script marcó 120 posibles duplicados. Eliminamos 33 registros, ya que la mayoría correspondía a publicaciones duplicadas de Border Patrol en Facebook. Algunas agencias redactaron más de un informe y asignaron más de un número de caso a un solo incidente. Esos duplicados también fueron identificados y eliminados.
Utilizamos los chatbots Claude y Gemini como apoyo para escribir el script.
