¿Por qué tengo tan poco sueño profundo? La precisión de los wearables va del 50.5% al 79.5%

Tu anillo dijo 42 minutos de sueño profundo anoche. Hace tres noches dijo 91. No hiciste nada distinto.

Antes de cambiar tu entrenamiento por eso, entiende qué es ese número. El sueño profundo es la cifra menos precisa que reporta tu wearable. En una validación de 2024 del Brigham and Women’s Hospital frente a polisomnografía, la sensibilidad de detección del sueño profundo fue del 79.5% en el Oura Ring Gen3 y bajó hasta el 50.5% en el Apple Watch Series 8, y el Apple Watch subestimó el sueño profundo en 43 minutos por noche frente a la referencia de laboratorio.¹

Los mismos tres dispositivos separaron el sueño de la vigilia con una sensibilidad ≥95%.¹

Así que los números de tu pantalla de sueño no son igual de reales. Están ordenados casi exactamente al revés de la atención que la gente les dedica, y los dos que tu dispositivo mide mejor son los dos que cargan con los datos de desenlace más sólidos.

Pregunta	Respuesta corta
¿Por qué tengo tan poco sueño profundo?	Casi siempre es el algoritmo. La concordancia entre dispositivo y laboratorio en los minutos de sueño profundo tuvo ICC de 0.13–0.36: «pobre» según la propia escala del estudio¹
¿Qué tan preciso es el seguimiento del sueño profundo?	Sensibilidad de detección de 50.5%–79.5% según el dispositivo¹; en 11 rastreadores, el F1 macro de clasificación por fases fue de 0.26 a 0.69²
¿Qué tan preciso es distinguir sueño de vigilia?	Sensibilidad ≥95% en todos los dispositivos evaluados¹
¿Existe un estándar de referencia limpio?	No uno nítido: técnicos entrenados que puntuaron los mismos registros coincidieron el 82.6% de las veces, y solo el 67.4% en el sueño profundo³
¿Cuánto sueño profundo necesito?	No existe un objetivo personal validado; la proporción de la noche en sueño de ondas lentas disminuye con la edad⁴
¿El porcentaje de sueño profundo predice la recuperación?	No está establecido: el mayor conjunto de datos en atletas, 35,140 noches, construyó su modelo de rendimiento sobre duración y consistencia, no sobre la composición por fases⁵
¿Qué sí predice los desenlaces?	La regularidad. En 60,977 adultos del UK Biobank superó a la duración para la mortalidad por todas las causas⁶
¿Qué debería seguir en su lugar?	La consistencia de la hora de acostarse y de despertarse, más la oportunidad total de sueño, en una tendencia de 14 noches
¿Hay un costo por medirlo todo?	Sí: se identificó ortosomnia en el 3.0%–14.0% de una muestra de 523 personas, según el umbral⁷

Por qué tienes tan poco sueño profundo: casi siempre es el algoritmo, no tú

En la mayoría de los casos, una lectura baja de sueño profundo es un artefacto de medición más que un cambio en tu sueño: los minutos de sueño profundo concuerdan con la polisomnografía con correlaciones intraclase de apenas 0.13 a 0.36, una franja que los propios autores del estudio califican de «pobre».¹

El sueño profundo es la fase más difícil de identificar para un sensor de muñeca o de dedo, y su recuento de minutos es el número menos reproducible de la pantalla. Desglosado por dispositivo, cuando Robbins y sus colegas compararon los minutos de sueño profundo de cada aparato con polisomnografía simultánea, las correlaciones intraclase fueron de 0.32 para el Oura Ring Gen3, 0.36 para el Fitbit Sense 2 y 0.13 para el Apple Watch Series 8, todas por debajo del umbral de 0.40 que los propios autores etiquetan como concordancia «pobre».¹

Una correlación intraclase es una medida de grado de acuerdo, no un porcentaje de aciertos. Piénsala como la pregunta de si el dispositivo y el laboratorio ordenan la misma noche de la misma manera. Por debajo de 0.40, en gran medida no lo hacen.

Aquí van cuatro causas de un número bajo de sueño profundo, ordenadas por lo que los datos de medición sugieren que deberías sospechar primero.

Error de clasificación. El dispositivo asignó a sueño ligero épocas que el laboratorio habría llamado profundo. La sobreestimación de 45 minutos de sueño ligero del Apple Watch es la imagen especular de su déficit de 43 minutos de sueño profundo: los minutos no se esfumaron, se reetiquetaron.¹
Biología normal de una noche a otra. El sueño de ondas lentas se concentra al principio de la noche y depende de la presión de sueño. Se mueve por su cuenta.
La edad. La proporción de la noche en sueño de ondas lentas disminuye a lo largo de la vida adulta, y eso es una deriva lenta, no un vaivén de martes a viernes.⁴
Un disruptor real. Alcohol, enfermedad, una sesión dura tardía, un colchón nuevo, una habitación caliente.

Ese orden es una lectura de los datos de concordancia anteriores, no una frecuencia medida. Cuando dispositivo y laboratorio discrepan tanto en una sola noche, las causas uno y dos plausiblemente eclipsan a la tres y la cuatro, y una caída de 30 minutos te dice muy poco sobre tu cuerpo. En 11 rastreadores de sueño de consumo —wearables, sensores de mesa de noche y apps de teléfono— comparados con polisomnografía, el F1 macro de la clasificación por fases fue de 0.26 a 0.69, una dispersión lo bastante amplia como para que la misma noche en dos dispositivos produzca dos historias distintas.²

¿Qué tan preciso es el seguimiento del sueño profundo? Las cifras por dispositivo

La sensibilidad de detección del sueño profundo fue del 79.5% en el Oura Ring Gen3 y del 50.5% en el Apple Watch Series 8, mientras que esos mismos dispositivos separaron sueño de vigilia con una sensibilidad ≥95%.¹

Esa brecha es toda la historia. La detección de sueño frente a vigilia es genuinamente buena y es la parte del producto que funciona; la clasificación por fases es un problema de ingeniería distinto. La validación de 2024 detrás de ambas cifras reclutó a 35 adultos sanos de 20 a 50 años para una noche de internación, con los tres dispositivos usados simultáneamente frente a polisomnografía, publicada en la revista Sensors.¹ La muestra analizable varió según el dispositivo: 35 para Oura, 33 para Fitbit, 29 para el Apple Watch.¹

Dispositivo (generación estudiada)	Sensibilidad sueño/vigilia	Sensibilidad de detección del sueño profundo	Sesgo en sueño profundo frente a PSG	Fuente
Oura Ring Gen3	≥95%	79.5%	Sin diferencia significativa (95 frente a 95 min)	Robbins 2024, n=35, 1 noche¹
Fitbit Sense 2	≥95%	61.7%	−15 min (p < 0.001)	Robbins 2024, n=33, 1 noche¹
Apple Watch Series 8	≥95%	50.5%	−43 min (p < 0.001)	Robbins 2024, n=29, 1 noche¹
Banda WHOOP (generación de hardware no especificada)	95%	68% (sueño de ondas lentas)	No reportado	Miller 2020, n=12, 86 noches⁸

Estos son resultados específicos de un protocolo y una generación, no calificaciones permanentes de marca. Un número del anillo Gen3 no valida un anillo Gen4, un número del Series 8 no condena a un Series 11, y el firmware envía nuevos algoritmos de clasificación sin avisarte. El mismo patrón dependiente de la generación aparece en los estudios de validación de la VFC en wearables, donde un buen resultado de un modelo se cita durante años como si aplicara a toda la marca.

Algo que conviene saber sobre esa tabla: el primer autor del estudio forma parte del consejo asesor médico de Oura, un conflicto que el artículo declara con claridad. Es un estudio bien hecho: sostén el resultado del dispositivo con mejor desempeño con un poco más de holgura que el del peor.

¿Es preciso el sueño profundo de Oura?

El Oura Ring Gen3 detectó el sueño profundo con una sensibilidad del 79.5%, el mejor resultado de la comparación y aun así su propia métrica más débil.¹

El hallazgo más fuerte está en el nivel agregado: las estimaciones de Oura de vigilia, sueño ligero, sueño profundo y sueño REM no fueron estadísticamente distintas de la polisomnografía, el único dispositivo del estudio que superó las cuatro.¹ En promedio, sobre 35 personas, dio con el total correcto.

Pero la concordancia noche a noche contaba otra historia. El ICC de sueño profundo de Oura fue de 0.32, todavía en la franja «pobre».¹ Acertar el promedio del grupo y acertar tu martes son logros distintos, y el anillo consiguió el primero sin el segundo.

Una validación multicéntrica aparte que incluyó el Oura Ring 3 encontró que el desempeño general de la clasificación por fases variaba con el índice de masa corporal, la eficiencia del sueño y el índice de apnea-hipopnea: el número que obtienes es en parte función de quién eres.²

Precisión del sueño profundo del Apple Watch

El Apple Watch Series 8 detectó el sueño profundo con una sensibilidad del 50.5% y lo subestimó en 43 minutos por noche frente a la polisomnografía.¹

«Cara o cruz» es el instinto correcto y la conclusión equivocada para generalizar. Ese 50.5% es el piso del rango de fases de Apple; su mejor fase alcanzó una sensibilidad del 86.1%, y su precisión en sueño profundo fue la más alta de todos los dispositivos, con un 87.8%.¹ Juntos describen un clasificador conservador: cuando el Series 8 llama a algo sueño profundo suele acertar, y se le escapa buena parte del real.

La consecuencia mecánica es la sobreestimación de 45 minutos de sueño ligero reportada en el mismo artículo.¹ Casi todo el sueño profundo que el reloj no captó quedó archivado como ligero.

Y el titular se mantuvo firme donde importa: sueño frente a vigilia con sensibilidad ≥95%, con una duración total de sueño similar a la del laboratorio en los tres dispositivos.¹ Si le preguntas a un Apple Watch cuánto dormiste, pisas terreno sólido. Si le preguntas cuánto sueño profundo tuviste, estás leyendo una fase que nunca resolvió bien.

¿Son precisas las fases de sueño de WHOOP?

La clasificación por fases de WHOOP arrastra la misma limitación que toda la categoría. En un protocolo de laboratorio de 10 días con 86 sueños puntuados frente a polisomnografía, la banda WHOOP alcanzó una sensibilidad del 95% al sueño en la clasificación de dos fases, pero solo del 68% al sueño de ondas lentas en la clasificación de cuatro fases, con una concordancia global de cuatro fases del 64% y un kappa de Cohen de 0.47.⁸

Dos advertencias viajan con ese número. La muestra fue de 12 adultos jóvenes sanos, y el artículo no especifica una generación de hardware: WHOOP ha lanzado varias plataformas desde entonces. No apareció ninguna cifra independiente y más reciente de sensibilidad al sueño profundo para un modelo actual de WHOOP en la literatura de validación que pudimos verificar, así que trata el 68% como el último dato comprobable y no como la especificación de hoy.

La respuesta a nivel de categoría es la más segura. En 11 rastreadores de sueño de consumo —wearables, sensores de mesa de noche y apps de teléfono— y 349,114 épocas puntuadas, el F1 macro de la clasificación por fases fue de 0.26 a 0.69.² Los cinco wearables de muñeca y dedo de ese conjunto quedaron muy por debajo de la clasificación de grado clínico.

Por qué no hay un estándar de referencia limpio para una fase del sueño

Las fases del sueño son una convención de puntuación, no una cantidad física como la masa corporal.

Cuando técnicos entrenados puntúan los mismos registros de polisomnografía, coinciden alrededor del 83% de las veces, y el sueño profundo está entre las fases en las que menos coinciden.

En el programa de fiabilidad entre puntuadores de la American Academy of Sleep Medicine, más de 2,500 puntuadores experimentados tomaron más de 3.2 millones de decisiones de puntuación sobre 1,800 épocas compartidas. La concordancia global de las fases del sueño promedió 82.6%. La concordancia en la fase N3, el sueño profundo, fue del 67.4%. Los autores señalaron la discriminación entre N2 y N3 como «particularmente difícil».³

Detente en eso. La rúbrica con la que se califica a tu wearable es una que los expertos humanos aplican de forma inconsistente, justo en la frontera que tu anillo intenta encontrar.

Rebecca Robbins, PhD, de la División de Trastornos del Sueño y Circadianos del Brigham and Women’s Hospital y de la División de Medicina del Sueño de la Harvard Medical School, dirigió la comparación de tres dispositivos que está en el centro de este artículo.¹ El planteamiento de su equipo es notablemente mesurado: en adultos con sueño saludable, todos los dispositivos fueron similares a la polisomnografía al estimar la duración del sueño, con una concordancia de moderada a sustancial en las fases.¹ Eso es un respaldo real a una capacidad y uno acotado a la otra.

El problema de medición además empeora exactamente en las condiciones que te dan ganas de revisar. En siete dispositivos de consumo evaluados durante tres noches consecutivas, incluida una deliberadamente alterada, la sensibilidad época por época se mantuvo alta en ≥0.93, la especificidad fue de baja a media, entre 0.18 y 0.54, las evaluaciones de fases fueron inconsistentes y los dispositivos «tendieron a rendir peor en las noches de sueño más pobre o alterado».⁹

El panorama agrupado dice lo mismo. Un metaanálisis de 24 estudios y 798 participantes con Fitbit, WHOOP, Garmin, Apple Watch y otros encontró que los dispositivos de muñeca de consumo subestimaron el tiempo total de sueño en unos 16.9 minutos, subestimaron la eficiencia del sueño en unos 4.7 puntos y sobreestimaron la vigilia después del inicio del sueño en unos 13.3 minutos.¹⁰ Consistente en dirección, modesto a nivel agregado y ni de lejos lo bastante preciso como para prescribir un objetivo por fases.

¿Cuánto sueño profundo necesitas realmente?

No existe un objetivo validado de sueño profundo por noche para una persona concreta, y ningún dispositivo de consumo lo mide con la precisión suficiente para alcanzarlo aunque existiera.

Lo que establece la literatura normativa es una dirección, no una cifra que debas perseguir. Ohayon y sus colegas agruparon 65 estudios con polisomnografía nocturna o actigrafía, que cubrían a 3,577 personas sanas de 5 a 102 años. En adultos, el tiempo total de sueño, la eficiencia del sueño, el porcentaje de sueño de ondas lentas, el porcentaje de sueño REM y la latencia REM disminuyeron todos significativamente con la edad, mientras que la fase 1, la fase 2 y la vigilia después del inicio del sueño aumentaron.⁴

El sueño profundo es una proporción de la noche que tiende a la baja a lo largo de las décadas. Alguien de 45 años que compara su número con el de alguien de 25 está comparando dos rangos normales distintos.

Fíjate en lo que ese metaanálisis no aporta: un mínimo por persona. Describe promedios poblacionales sobre muestras cuyo cribado de trastornos del sueño era variable, y los autores señalan que la calidad del cribado cambiaba sustancialmente los tamaños de efecto.

Un objetivo defendible se ve así:

Una oportunidad de sueño, no una cuota de fases. Los adultos deberían dormir siete o más horas por noche de forma regular para promover una salud óptima, según la declaración de consenso conjunta de la AASM y la Sleep Research Society.¹¹ Ese sí es un número que tu dispositivo puede medir.
Una ventana, no una noche. Juzga el sueño profundo con un promedio de dos semanas, si es que lo juzgas, porque la concordancia de una sola noche con el laboratorio es pobre.¹
Una comparación contigo mismo, con el mismo hardware. Tanto los cambios de firmware como las generaciones de dispositivo mueven la línea base.¹⁹
Una comprobación de rendimiento. Cómo fue el calentamiento es una mejor lectura de la recuperación que una estimación de fase cuyo ICC es 0.13.¹

¿Importa el porcentaje de sueño profundo para la recuperación?

En 35,140 noches de 389 golfistas profesionales —el mayor conjunto de datos de sueño en atletas publicado hasta la fecha—, la duración y la consistencia del sueño se asociaron con la puntuación en torneo. La composición por fases ni siquiera estaba en el modelo.⁵

Grosicki y sus colegas extrajeron esos datos de 521 eventos a lo largo de varias temporadas profesionales, todos atletas hombres. Las métricas que metieron en el modelo fueron duración del sueño (7.2 ± 0.7 h), consistencia del sueño (69.1% ± 6.9%), frecuencia cardíaca en reposo, variabilidad de la frecuencia cardíaca y una puntuación compuesta de recuperación: nada sobre fases.⁵

Esa omisión es el hallazgo. Cuando un equipo con decenas de miles de noches y desenlaces objetivos de rendimiento construye su análisis, a lo que recurre es a la duración y la regularidad.

Esto es lo que encontraron, traducido a lenguaje llano:

Una hora extra de sueño se asoció con una puntuación 0.522 golpes más baja, entre atletas.⁵
Una ganancia de 10 puntos porcentuales en consistencia del sueño se asoció con 0.382 golpes menos, entre atletas.⁵
Dentro del mismo atleta, mejorar la consistencia del sueño en 10 puntos se acompañó de 0.193 golpes menos, la misma dirección con aproximadamente la mitad del tamaño.⁵
Una frecuencia cardíaca en reposo 1 latido por minuto más baja se asoció con 0.038 golpes menos.⁵

Son asociaciones observacionales en golfistas hombres de élite, y los autores son empleados de WHOOP, que aportó los datos. Eso no invalida el análisis; sí significa que los tamaños de efecto deben leerse como asociaciones y no como una dosis que puedas prescribir.

La literatura de intervención apunta en la misma dirección. Una revisión sistemática de 25 estudios de intervenciones de sueño en atletas concluyó que la extensión del sueño y las siestas fueron las estrategias más efectivas para mejorar el sueño y el rendimiento posterior, mientras que la educación en higiene del sueño y retirar los dispositivos electrónicos por la noche no mostraron efecto sobre los desenlaces de rendimiento.¹² Lo que funcionó fue dormir más. No dormir mejor distribuido.

Por eso SensAI compara los datos de sesión planificada frente a realizada contra tu contexto de sueño y no contra una puntuación de fases. Lo que aparece en tu entrenamiento —series completadas, carga movida, cómo fue realmente la sesión— es una señal más firme que un número de sueño profundo que se movió 20 minutos de un día para otro. Si quieres la mecánica de las puntuaciones compuestas en sí, desglosamos cómo calcula realmente cada marca su puntuación de preparación.

Los dos números que tu wearable sí acierta

El horario y el sueño total son las dos cosas que un wearable de consumo mide con precisión, y son también las dos que tienen detrás los datos de desenlace más sólidos.

En 60,977 participantes del UK Biobank con más de 10 millones de horas de datos de acelerómetro, el Sleep Regularity Index predijo la mortalidad por todas las causas con más fuerza que la duración del sueño. Los participantes de los cuatro quintiles superiores de regularidad tuvieron entre un 20% y un 48% menos de riesgo de mortalidad por todas las causas que el quintil menos regular, con entre un 16% y un 39% menos de mortalidad por cáncer y entre un 22% y un 57% menos de mortalidad cardiometabólica, ajustado por edad, sexo, etnia y factores sociodemográficos, de estilo de vida y de salud.⁶

El Sleep Regularity Index —el índice de regularidad del sueño— es más simple de lo que suena: es la probabilidad de que estés en el mismo estado, dormido o despierto, en dos momentos separados exactamente por 24 horas, en una escala de 0 a 100. La mediana en esa cohorte fue 81.⁶ Acostarse y levantarse aproximadamente a las mismas horas es todo el mecanismo.

Fue una cohorte observacional prospectiva, así que la regularidad estuvo asociada con la supervivencia, no se demostró que la causara.

Andrew J. K. Phillips, PhD, y el primer autor Daniel P. Windred, ambos del Turner Institute for Brain and Mental Health de la Monash University, son cuidadosos con esa distinción a lo largo del artículo, y su afirmación más fuerte es predictiva y no causal.⁶

La replicación es amplia. Una revisión sistemática de 2025 de 59 estudios primarios encontró evidencia consistente y de certeza moderada que vincula el horario irregular de sueño con síntomas depresivos y de ansiedad, IMC elevado, resistencia a la insulina, hipertensión y eventos cardiovasculares incidentes, además de cinco cohortes de bajo riesgo de sesgo que mostraron una mortalidad por todas las causas entre un 20% y un 88% mayor entre quienes duermen de forma más irregular, con independencia de la duración y la calidad del sueño.¹³ Los mecanismos propuestos —desalineación circadiana, desequilibrio autonómico, inflamación, alteración del eje HPA, disbiosis intestinal— siguen siendo hipótesis y no vías demostradas.¹⁴

Mantén los tres conceptos separados:

Regularidad: la consistencia de tus horas de sueño y de despertar. Bien medida por cualquier wearable que sepa cuándo te dormiste. La evidencia de desenlaces más fuerte.⁶¹³
Duración: el tiempo total dormido. Bien medida; los dispositivos de consumo igualaron a la polisomnografía en duración del sueño en la validación de tres dispositivos.¹ Recomendada directamente en siete o más horas.¹¹
Composición por fases: el reparto entre profundo, REM y ligero. Mal medida.¹² Sin evidencia de desenlaces a nivel de consumo.

SensAI lee la duración y la calidad del sueño a través de Apple HealthKit —el Apple Watch directamente, y Garmin, Oura y WHOOP cuando esos servicios escriben en HealthKit— y alimenta con eso la programación junto con la VFC y la frecuencia cardíaca en reposo, trabajando con la tendencia de varias noches en vez de reaccionar a la estimación de fases de una sola. Si llevas una semana corto de sueño y te preguntas cuánto tarda en llenarse el hueco, hemos cubierto cómo se acumula la deuda de sueño y cuánto tarda en saldarse.

Sueño profundo frente a REM: ¿cuál importa más para la recuperación?

Ninguno, al nivel en que tu dispositivo puede medirlos: la sensibilidad de detección del sueño profundo va del 50.5% al 79.5% según el dispositivo y el F1 macro de clasificación por fases va de 0.26 a 0.69, así que ningún wearable de consumo clasifica ninguna de las dos fases con la precisión suficiente para justificar una decisión de entrenamiento específica por fase.¹²

Ambas fases tienen funciones fisiológicas reales. Pero esas cifras de clasificación, sumadas al mayor modelo de rendimiento en atletas construido sobre duración y consistencia en lugar de composición por fases,⁵ apuntan todas en la misma dirección.

La comparación además asume que los dos números son mediciones independientes. No lo son. La mala clasificación mueve minutos entre fases: los 43 minutos de sueño profundo que le faltaron al Apple Watch reaparecieron como 45 minutos extra de sueño ligero en el mismo conjunto de datos.¹ Tu proporción de profundo frente a REM es en parte un artefacto de dónde trazó el clasificador su frontera.

Si la pregunta que realmente te haces es si una mala noche debería cambiar la sesión de hoy, esa es otra pregunta con una mejor respuesta, y hemos trabajado por separado qué le hace y qué no le hace la calidad del sueño al rendimiento en el entrenamiento.

Cómo leer tu pantalla de sueño: un marco de 14 noches

Lee el sueño en una tendencia de 14 noches, no en una mañana. Los cambios de una sola noche en el sueño profundo están dominados por el ruido de medición; dos semanas de horas de acostarse y de levantarse son una señal que tu dispositivo sí puede resolver.

Lo que muestra la tendencia de 14 noches	Lo que probablemente significa	Qué hacer mañana
La hora de acostarte o de despertar varía más de una hora de una noche a otra	La señal modificable más potente de todos los datos⁶¹³	Ancla primero la hora de despertar: estabiliza todo lo demás
Oportunidad de sueño por debajo de 7 h en 5 o más de las 14 noches	Un déficit real y acumulativo	Amplía el sueño antes de tocar la carga de entrenamiento¹²¹¹
Sueño profundo 20 min por debajo de tu media, con todo lo demás estable	Casi con seguridad ruido — ICC del sueño profundo de 0.13–0.36¹	Nada. Entrena según lo planeado
Sueño profundo a la baja y duración a la baja y horarios a la deriva	Un bloque genuino de mal sueño	Mantén la sesión, recorta la intensidad¹⁵
Sueño profundo bajo pero te sientes bien y tus levantamientos van según lo previsto	El rendimiento le gana a la estimación	Entrena según lo planeado
Poco sueño más ronquidos o somnolencia diurna	Posible trastorno respiratorio del sueño, y la precisión de las fases del rastreador varía con el índice de apnea-hipopnea²; quienes duermen de forma irregular también tienen mayores probabilidades de AOS¹⁶	Consulta a un profesional; esto no es un problema de firmware

Dos de esas filas merecen desarrollo.

La fila de la intensidad viene de un seguimiento de temporada completa y no de un laboratorio. Merrigan y sus colegas siguieron a 25 jugadoras de hockey sobre hielo de la División I de la NCAA a lo largo de una temporada de campeonato y encontraron que, a medida que subía la carga interna durante el entrenamiento o la competición, la variabilidad de la frecuencia cardíaca de esa noche caía, la frecuencia cardíaca subía y la duración del sueño y las puntuaciones de preparación bajaban.¹⁵

El estudio solo miró en una dirección: a una carga interna más alta le siguieron peor sueño y menor VFC nocturna esa misma noche. Es una temporada observacional, no una prueba causal. La inversión práctica —que una racha de noches cortas es motivo para dedicar la sesión a la calidad y no al volumen— es un juicio que los datos no hacen por ti.

La fila clínica importa porque el error del rastreador no se reparte de forma pareja: el desempeño por fases varió con el índice de masa corporal, la eficiencia del sueño y el índice de apnea-hipopnea en la validación de 11 rastreadores.² Por separado, en 602 adultos de mediana edad del Raine Study, quienes dormían de forma gravemente irregular tuvieron aproximadamente el doble de probabilidades de apnea obstructiva del sueño, y la combinación de AOS con sueño gravemente irregular acumuló las mayores probabilidades de hipertensión de la cohorte, con un OR de 2.34 (IC 95% 1.07–5.12).¹⁶ Observacional, y un argumento fuerte para tratar los ronquidos con somnolencia diurna como una cuestión médica.

Las restricciones son la parte que la mayoría de las herramientas ignora. Dile al coach de SensAI que tus martes salen cortos por una reunión temprana fija y esa restricción persiste entre sesiones, así que el plan deja de tratar cada semana como idéntica. Y cuando dos dispositivos te dan veredictos distintos sobre la misma noche, hemos escrito sobre qué hacer cuando tus dispositivos se contradicen entre sí.

Ortosomnia: el costo de optimizar una conjetura

Hay un modo de fallo documentado para todo esto. La ortosomnia —la ansiedad por lograr un sueño registrado perfecto— se identificó en el 3.0% al 14.0% de una muestra de 523 personas según el umbral usado, y los casos identificados tenían síntomas de insomnio más severos que los no casos.⁷

La identificación fue algorítmica, no diagnóstica. Los investigadores exigieron cuatro cosas a la vez: poseer un wearable de seguimiento del sueño, síntomas de insomnio, preocupación relacionada con el sueño y ausencia de ansiedad generalizada severa. Endurecer el umbral movió la prevalencia del 14.0% al 8.6% y al 3.0%, y alrededor del 36% de la muestra usaba rastreadores de forma habitual.⁷

Es una única muestra transversal y no puede establecer que el seguimiento causara la ansiedad. Aun así es el número adecuado para tener en mente antes de empezar a optimizar una métrica con un ICC de 0.13.

Formas prácticas de bajar el volumen:

Revisa la app después del desayuno, no antes. Un número que lees a las 6:04 a.m. te marca el ánimo de un día que no puede predecir.
Saca la puntuación diaria de tu atención y quédate con la semanal.
Ponte un objetivo de conducta, no de métrica: una hora fija para despertar le gana a un objetivo de sueño profundo que no puedes influir directamente.
Tómate una pausa del seguimiento si el número está impulsando la ansiedad en lugar de describirla.

Como SensAI es una conversación, «mi anillo dice 22 minutos de sueño profundo pero me siento bien y las series de calentamiento se movieron bien» es algo que puedes decir sin más, y se pondera junto con los datos en lugar de quedar anulado por ellos.

Cómo usa SensAI los datos de sueño

SensAI recibe el contexto de los wearables conectados a través de Apple HealthKit. El Apple Watch se conecta directamente; los datos de Garmin, Oura y WHOOP pueden llegar a SensAI mediante HealthKit cuando esos servicios escriben allí los campos relevantes.

La capa de coaching con LLM combina métricas agregadas de recuperación —duración y calidad del sueño, tendencias de VFC, frecuencia cardíaca en reposo, resúmenes de entrenamiento, historial de planificado frente a realizado— con tus objetivos, horario, equipamiento y restricciones, y regenera el programa semanal a partir de datos reales y no de una plantilla.

El sueño no reescribe por sí solo una sesión. No hay ninguna regla que convierta una estimación de fase en una sustitución de ejercicio, porque la medición no lo sostiene. Lo que sí hace el contexto de sueño es informar la conversación y el plan semanal, junto con cómo fueron realmente tus sesiones.

Los datos crudos de HealthKit se quedan en tu dispositivo. Las métricas agregadas de recuperación, la calidad del sueño y los resúmenes de entrenamiento que se usan para el coaching se envían al servidor, y SensAI no vende tus datos a terceros.

Si todavía estás decidiendo qué dispositivo llevar, nuestra comparación completa dispositivo por dispositivo cubre qué mide bien cada plataforma.

Preguntas frecuentes

¿Por qué de pronto tengo tan poco sueño profundo?

Lo más frecuente es que el clasificador haya movido minutos a una fase vecina y no que tu fisiología haya cambiado. En la validación de tres dispositivos, el déficit de 43 minutos de sueño profundo del Apple Watch Series 8 vino acompañado de una sobreestimación de 45 minutos de sueño ligero en esas mismas noches: el mismo sueño, etiquetado de otra manera.¹

¿Son suficientes 30 minutos de sueño profundo?

No existe un umbral validado por noche para una persona concreta, así que «suficiente» no se puede responder a partir de ese número. El sueño de ondas lentas como porcentaje de la noche disminuye con la edad en adultos sanos,⁴ y el dispositivo que te reporta esos 30 minutos concuerda con el laboratorio lo bastante mal como para que la cifra en sí cargue con una amplia incertidumbre.¹

¿Puedo aumentar mi sueño profundo?

La palanca fiable es el sueño total, no la fase directamente. Una revisión de 25 estudios de intervención en atletas encontró que la extensión del sueño y las siestas fueron las estrategias más efectivas para mejorar el sueño y el rendimiento, mientras que la educación en higiene del sueño por sí sola no mostró efecto sobre el rendimiento.¹² Date más oportunidad de dormir y estarás accionando la palanca que sí tiene evidencia detrás.

¿Es más importante la consistencia del sueño que la duración?

Para el riesgo de mortalidad, los datos objetivos dicen que sí. Las puntuaciones del Sleep Regularity Index superaron a la duración del sueño para la mortalidad por todas las causas en 60,977 participantes del UK Biobank,⁶ y cinco cohortes de bajo riesgo de sesgo en una revisión sistemática de 2025 encontraron entre un 20% y un 88% más de mortalidad por todas las causas en quienes duermen de forma más irregular, con independencia de la duración.¹³ Ambos son observacionales, así que trata la regularidad como el predictor más fuerte y no como una causa demostrada.

¿Funcionan los rastreadores de sueño si tienes apnea del sueño?

Peor, y de forma desigual. La precisión de la clasificación por fases en 11 rastreadores de consumo varió con el índice de apnea-hipopnea y el índice de masa corporal,² y en una comparación de siete dispositivos estos rindieron por lo general peor en las noches de sueño alterado.⁹ Sospechar apnea es motivo para consultar a un profesional, no para comprar un anillo mejor.

¿Debería dejar de medir mi sueño?

No necesariamente: los datos de sueño/vigilia y de duración son precisos y genuinamente útiles.¹ Pero si revisar la app produce ansiedad en lugar de información, ese patrón tiene un nombre y una prevalencia medida del 3.0% al 14.0% según la definición usada.⁷ Pasar a una revisión semanal suele bastar.

En conclusión

Tu wearable es muy bueno diciéndote cuándo dormiste y cuánto, mediocre diciéndote en qué fase estabas y pésimo específicamente con el sueño profundo.

Esa jerarquía coincide casi exactamente con la literatura de desenlaces. La regularidad y la duración son donde viven los datos de supervivencia,⁶¹³ las asociaciones de rendimiento en atletas⁵ y la evidencia de intervención.¹² La composición por fases es donde vive el error de medición.

Sigue los dos números que tu dispositivo mide bien, júzgalos a lo largo de catorce noches y deja que la cifra de sueño profundo sea una curiosidad y no un veredicto.

References

Robbins R, Weaver MD, Sullivan JP, Quan SF, Gilmore K, Shaw S, Benz A, Qadri S, Barger LK, Czeisler CA, Duffy JF. “Accuracy of Three Commercial Wearable Devices for Sleep Tracking in Healthy Adults.” Sensors (Basel), 2024;24(20):6532. https://pubmed.ncbi.nlm.nih.gov/39460013/ ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷ ↩⁸ ↩⁹ ↩¹⁰ ↩¹¹ ↩¹² ↩¹³ ↩¹⁴ ↩¹⁵ ↩¹⁶ ↩¹⁷ ↩¹⁸ ↩¹⁹ ↩²⁰ ↩²¹ ↩²² ↩²³ ↩²⁴ ↩²⁵ ↩²⁶ ↩²⁷ ↩²⁸ ↩²⁹ ↩³⁰ ↩³¹ ↩³² ↩³³ ↩³⁴
Lee T, Cho Y, Cha KS, Jung J, Cho J, Kim H, Kim D, Hong J, Lee D, Keum M, Kushida CA, Yoon IY, Kim JW. “Accuracy of 11 Wearable, Nearable, and Airable Consumer Sleep Trackers: Prospective Multicenter Validation Study.” JMIR mHealth and uHealth, 2023;11:e50983. https://pubmed.ncbi.nlm.nih.gov/37917155/ ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷ ↩⁸ ↩⁹
Rosenberg RS, Van Hout S. “The American Academy of Sleep Medicine inter-scorer reliability program: sleep stage scoring.” Journal of Clinical Sleep Medicine, 2013;9(1):81-87. https://pubmed.ncbi.nlm.nih.gov/23319910/ ↩ ↩²
Ohayon MM, Carskadon MA, Guilleminault C, Vitiello MV. “Meta-analysis of quantitative sleep parameters from childhood to old age in healthy individuals: developing normative sleep values across the human lifespan.” Sleep, 2004;27(7):1255-1273. https://pubmed.ncbi.nlm.nih.gov/15586779/ ↩ ↩² ↩³ ↩⁴
Grosicki GJ, von Hippel W, Fielding F, Kim J, Chapman C, Holmes KE. “Wearable-Derived Sleep and Physiological Metrics Are Associated With Performance in Professional Golfers.” International Journal of Sports Physiology and Performance, 2025;21(2):180-191. https://pubmed.ncbi.nlm.nih.gov/41265431/ ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷ ↩⁸ ↩⁹
Windred DP, Burns AC, Lane JM, Saxena R, Rutter MK, Cain SW, Phillips AJK. “Sleep regularity is a stronger predictor of mortality risk than sleep duration: A prospective cohort study.” Sleep, 2024;47(1):zsad253. https://pubmed.ncbi.nlm.nih.gov/37738616/ ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷ ↩⁸
Jahrami H, Trabelsi K, Husain W, Ammar A, BaHammam AS, Pandi-Perumal SR, Saif Z, Vitiello MV. “Prevalence of Orthosomnia in a General Population Sample: A Cross-Sectional Study.” Brain Sciences, 2024;14(11):1123. https://pubmed.ncbi.nlm.nih.gov/39595886/ ↩ ↩² ↩³ ↩⁴
Miller DJ, Lastella M, Scanlan AT, Bellenger C, Halson SL, Roach GD, Sargent C. “A validation study of the WHOOP strap against polysomnography to assess sleep.” Journal of Sports Sciences, 2020;38(22):2631-2636. https://pubmed.ncbi.nlm.nih.gov/32713257/ ↩ ↩²
Chinoy ED, Cuellar JA, Huwa KE, Jameson JT, Watson CH, Bessman SC, Hirsch DA, Cooper AD, Drummond SPA, Markwald RR. “Performance of seven consumer sleep-tracking devices compared with polysomnography.” Sleep, 2021;44(5):zsaa291. https://pubmed.ncbi.nlm.nih.gov/33378539/ ↩ ↩² ↩³
Lee YJ, Lee JY, Cho JH, Kang YJ, Choi JH. “Performance of consumer wrist-worn sleep tracking devices compared to polysomnography: a meta-analysis.” Journal of Clinical Sleep Medicine, 2025;21(3):573-582. https://pubmed.ncbi.nlm.nih.gov/39484805/ ↩
Watson NF, Badr MS, Belenky G, Bliwise DL, Buxton OM, Buysse D, Dinges DF, Gangwisch J, Grandner MA, Kushida C, Malhotra RK, Martin JL, Patel SR, Quan SF, Tasali E. “Recommended Amount of Sleep for a Healthy Adult: A Joint Consensus Statement of the American Academy of Sleep Medicine and Sleep Research Society.” Sleep, 2015;38(6):843-844. https://pubmed.ncbi.nlm.nih.gov/26039963/ ↩ ↩² ↩³
Cunha LA, Costa JA, Marques EA, Brito J, Lastella M, Figueiredo P. “The Impact of Sleep Interventions on Athletic Performance: A Systematic Review.” Sports Medicine - Open, 2023;9(1):58. https://pubmed.ncbi.nlm.nih.gov/37462808/ ↩ ↩² ↩³ ↩⁴
Kalkanis A, Lenkens D, Steiropoulos P, Testelmans D. “Sleep regularity as an important component of sleep hygiene: a systematic review.” Sleep Medicine Reviews, 2025;84:102203. https://pubmed.ncbi.nlm.nih.gov/41259946/ ↩ ↩² ↩³ ↩⁴ ↩⁵
Zhang C, Qin G. “Irregular sleep and cardiometabolic risk: Clinical evidence and mechanisms.” Frontiers in Cardiovascular Medicine, 2023;10:1059257. https://pubmed.ncbi.nlm.nih.gov/36873401/ ↩
Merrigan JJ, Stone JD, Kraemer WJ, Friend C, Lennon K, Vatne EA, Hagen JA. “Analysis of Sleep, Nocturnal Physiology, and Physical Demands of NCAA Women’s Ice Hockey Across a Championship Season.” Journal of Strength and Conditioning Research, 2024;38(4):694-703. https://pubmed.ncbi.nlm.nih.gov/38513177/ ↩ ↩²
Sansom K, Reynolds A, Windred D, Phillips A, Dhaliwal SS, Walsh J, Maddison K, Singh B, Eastwood P, McArdle N. “The interrelationships between sleep regularity, obstructive sleep apnea, and hypertension in a middle-aged community population.” Sleep, 2024;47(3):zsae001. https://pubmed.ncbi.nlm.nih.gov/38180870/ ↩ ↩²