Update app.py

app.py

@@ -593,25 +593,14 @@ if st.session_state.search_results is not None:
             st.success(f"Hemos encontrado {len(results)} posible(s) causa(s) relacionada(s) con tu caso.")
         with col2:
             report_data = generate_report_text(st.session_state.user_query, results)
-            st.download_button(label="📄 Descargar Informe", data=report_data, file_name=f"informe_detective_{datetime.now().strftime('%Y%m%d')}.txt", mime="text/plain")
-        
-        st.subheader("Análisis de Relevancia de las Coincidencias")
-        st.altair_chart(create_relevance_chart(results), use_container_width=True)
-        
-        best_match_data = results[0]
-        best_match = best_match_data['entry']
-if st.session_state.search_results is not None:
-    results = st.session_state.search_results
-    
-    if not results:
-        st.warning(f"No se encontraron coincidencias claras para tu caso: '{st.session_state.user_query}'. Prueba a describir los síntomas de otra manera.")
-    else:
-        col1, col2 = st.columns([3,1])
-        with col1:
-            st.success(f"Hemos encontrado {len(results)} posible(s) causa(s) relacionada(s) con tu caso.")
-        with col2:
-            report_data = generate_report_text(st.session_state.user_query, results)
-            st.download_button(label="📄 Descargar Informe", data=report_data, file_name=f"informe_detective_{datetime.now().strftime('%Y%m%d')}.txt", mime="text/plain")
+            # --- CORRECCIÓN APLICADA AQUÍ ---
+            st.download_button(
+                label="📄 Descargar Informe", 
+                data=report_data, 
+                file_name=f"informe_detective_{datetime.now().strftime('%Y%m%d')}.txt", 
+                mime="text/plain",
+                key="download_main_report" # Se añade una clave única
+            )
         
         st.subheader("Análisis de Relevancia de las Coincidencias")
         st.altair_chart(create_relevance_chart(results), use_container_width=True)
@@ -619,10 +608,8 @@ if st.session_state.search_results is not None:
         best_match_data = results[0]
         best_match = best_match_data['entry']
         with st.expander(f"**Análisis Detallado de la Principal Coincidencia: {best_match.get('condicion_asociada')}**", expanded=True):
-            # Las columnas se crean DENTRO del expander
             col1, col2 = st.columns([3, 1])
             
-            # Contenido de la primera columna
             with col1:
                 st.markdown("##### Desglose de la Puntuación de Relevancia:")
                 score_col1, score_col2, score_col3 = st.columns(3)
@@ -630,9 +617,8 @@ if st.session_state.search_results is not None:
                 score_col2.metric("Puntos por Síntomas", f"{best_match_data['score']['symptoms']}")
                 score_col3.metric("PUNTUACIÓN TOTAL", f"{best_match_data['score']['total']}", delta="Máxima coincidencia")
             
-            # Contenido de la segunda columna con el popover de FoodB
             with col2:
-                st.write("") # Para alinear verticalmente el popover
+                st.write("") 
                 if foodb_index:
                     with st.popover("🔬 Componentes moleculares"):
                         st.info("Información de la base de datos FoodB (en inglés).")
@@ -667,7 +653,6 @@ if st.session_state.search_results is not None:
 
             st.markdown("---")
 
-            # --- NUEVA SECCIÓN INTEGRADA ---
             with st.container(border=True):
                 st.markdown("##### 🧠 Posibles Efectos Neuropsicológicos de los Componentes")
                 
@@ -680,7 +665,7 @@ if st.session_state.search_results is not None:
                 
                 found_neuro_effect = False
                 if relevant_compounds:
-                    for compound in sorted(list(relevant_compounds)): # Ordenar para consistencia
+                    for compound in sorted(list(relevant_compounds)): 
                         if compound in INTEGRATED_NEURO_FOOD_MAP:
                             found_neuro_effect = True
                             effect_info = INTEGRATED_NEURO_FOOD_MAP[compound]