En este documento, revisamos modelos de datos de recuento condicionales espaciales generalizados bayesianos sobredispersos. Su utilidad se ilustra con su aplicación a las tasas de mortalidad infantil de las regiones colombianas y comparándolas con los modelos ampliamente utilizados de Besag-York-Mollié (BYM). Estos modelos sobredispersos asumen que el exceso de dispersión en los datos puede ser causado parcialmente por la posible dependencia espacial existente entre las diferentes unidades espaciales. Por lo tanto, se proponen estructuras de regresión específicas tanto para la media condicional como para el parámetro de dispersión en los modelos, incluyendo covariables, así como una estructura de vecindario espacial asumida. Nos centramos en el caso de variables de respuesta que siguen una distribución de Poisson, concentrándonos específicamente en el modelo de Poisson de sobredispersión normal condicional generalizado espacial. Los modelos se ajustaron utilizando los algoritmos de Cadena de Markov Monte Carlo (MCMC) y Aproximación Laplace Anidada Integrada (INLA) en el contexto específico de los métodos de estimación bayesianos.