Precisión de la HRV en wearables en 2026: qué dicen realmente los estudios sobre Oura, WHOOP, Garmin y Apple Watch

La variabilidad de la frecuencia cardíaca registrada por un wearable puede ofrecer una tendencia útil. Eso no significa que todos los dispositivos midan la misma métrica de HRV, que cada resultado de validación se pueda extrapolar a cualquier persona ni que una puntuación de recuperación basada en la HRV haya sido validada por el mismo estudio.

Estas distinciones importan. Este análisis separa la precisión de la medición de la interpretación del entrenamiento y presenta los resultados tal como los publicaron los estudios.

¿Qué se está validando?

La HRV es la variación en el tiempo entre latidos normales. Los investigadores pueden resumir esa variación de distintas maneras. Dos medidas habituales en el dominio temporal son:

• rMSSD, la raíz cuadrada de la media de las diferencias sucesivas entre intervalos de latidos normales
• SDNN, la desviación estándar de los intervalos entre latidos normales

Están relacionadas, pero no son intercambiables. La duración de la medición, la hora del día, la postura, la respiración, la fase del sueño, la corrección de artefactos y el hecho de que la señal proceda de un ECG o de datos ópticos del pulso afectan al resultado.

Oura, WHOOP y Garmin se compararon mediante la rMSSD nocturna en el protocolo de Dial.¹ Apple HealthKit define la variable de HRV del Apple Watch como SDNN y almacena muestras puntuales registradas por el reloj.² Por tanto, una validación de la rMSSD nocturna no puede utilizarse como si validara directamente una muestra de SDNN de Apple.

Cómo expresan la concordancia los estudios de precisión

La correlación puede ser alta cuando dos dispositivos suben y bajan a la vez, aunque uno registre de forma constante valores más altos o más bajos. El coeficiente de correlación de concordancia (CCC) de Lin tiene en cuenta tanto la correlación como la concordancia con la línea de referencia.³

El error porcentual absoluto medio (MAPE) expresa el error absoluto promedio en relación con el valor de referencia. Es intuitivo, pero puede volverse inestable cuando los valores de referencia son pequeños y puede ocultar valores atípicos individuales. El error absoluto medio indica la diferencia promedio en la unidad original.

No existe un límite universal de CCC o MAPE que convierta un dispositivo de HRV en una herramienta segura para decidir «entrenar duro» o «descansar». La precisión debe interpretarse dentro de la población, el protocolo, la generación del dispositivo y el uso previsto que realmente se estudiaron.

El estudio nocturno de Dial de 2025

Dial y sus colaboradores compararon cinco wearables de consumo con un ECG ambulatorio durante 536 noches de 13 adultos sanos. Se trata de un conjunto de datos rico en medidas repetidas, pero la muestra de participantes es pequeña. No establece el rendimiento en poblaciones clínicas, personas con arritmias ni en personas de todas las edades o con todas las características de la piel, y tampoco validó decisiones sobre la preparación para entrenar.¹

Entre los resultados publicados para la rMSSD nocturna se encontraban:

Dispositivo	CCC	MAPE, media ± DE
Oura Ring Gen 4	0,99	5,96% ± 5,12%
WHOOP 4.0	0,94	8,17% ± 10,49%
Garmin Fenix 6	0,87	10,52% ± 8,63%

El mismo artículo informó de un CCC de 0,97 y un MAPE de 7,15% ± 5,48% para Oura Gen 3, mientras que Polar Grit X Pro obtuvo un CCC de 0,82 y un MAPE de 16,32% ± 24,39%.¹

Los autores describieron los dispositivos Oura como de alta concordancia para la HRV, WHOOP como de concordancia moderada y Garmin y Polar como de concordancia deficiente según su clasificación. Esas etiquetas pertenecen a este protocolo; no son calificaciones universales de todas las funciones de cada dispositivo.

Hay tres límites especialmente importantes:

1. Las noches repetidas no sustituyen una muestra amplia de participantes. Quinientas treinta y seis observaciones procedían de 13 personas.
2. Los resultados son específicos de cada generación. Un resultado del Fenix 6 no valida todos los modelos más recientes de Garmin, del mismo modo que un resultado del Oura Gen 4 no valida con efecto retroactivo todos los anillos.
3. La validación de la medición no es la validación de una decisión. La concordancia con un ECG no demuestra que una puntuación propietaria de preparación elija el entrenamiento adecuado.

El Apple Watch no se incluyó en este estudio, por lo que los resultados de Dial no pueden citarse como una validación de Apple.

Qué hallaron los estudios de validación del Apple Watch

El Apple Watch requiere un análisis aparte porque el valor de HRV de HealthKit es SDNN, no la rMSSD nocturna resumida por los dispositivos de la comparación de Dial.²

Series 9 y Ultra 2

O’Grady y sus colaboradores compararon el Apple Watch Series 9 y el Ultra 2 con una banda pectoral Polar H10 analizada en Kubios. 39 adultos sanos aportaron 316 mediciones durante 14 días. El Apple Watch subestimó la HRV en una media de 8,31 ms frente a la referencia (p=0,025). El MAPE de la HRV publicado fue de 28,88%, y el error absoluto medio fue de 20,46 ms. Las mediciones de HRV no quedaron dentro del margen de equivalencia preestablecido por el estudio de ±10 ms.⁴

La frecuencia cardíaca en reposo obtuvo mejores resultados en el mismo estudio: la diferencia media fue de −0,08 latidos por minuto, el MAPE fue del 5,91% y el error absoluto medio fue de 3,73 latidos por minuto.⁴ Una frecuencia cardíaca en reposo precisa no debe interpretarse como una precisión equivalente de la HRV.

Estudio de laboratorio con el Series 6

Bonneval y sus colaboradores estudiaron a 78 adultos sanos de entre 20 y 75 años en condiciones de laboratorio que incluían reposo, conversación, ver una película y actividades relacionadas con caminar. En reposo, los intervalos R-R y los latidos por minuto tuvieron un MAPE del 1,15%, mientras que los intervalos N-N tuvieron un MAPE del 31,31% y solo un acuerdo y una concordancia moderados.⁵

De nuevo, la distinción es el punto central: una buena precisión de los latidos o de la frecuencia cardíaca no garantiza una precisión igual de las medidas de variabilidad.

Un estudio controlado anterior con 20 voluntarios sanos halló que las medidas de HRV en el dominio temporal derivadas de los intervalos R-R del Apple Watch tenían una fiabilidad y una concordancia superiores a 0,9 durante la relajación y el estrés mental leve, mientras que la falta de intervalos afectaba a las medidas del dominio frecuencial.⁶ Los distintos protocolos pueden producir resultados diferentes, por lo que ninguno debe considerarse un veredicto general.

Lo que la evidencia respalda y lo que no

La evidencia respalda estas afirmaciones acotadas:

• Oura Gen 4 y WHOOP 4.0 mostraron una mayor concordancia de la rMSSD nocturna con el ECG que Garmin Fenix 6 en la pequeña muestra de adultos sanos de Dial.
• La HRV del Apple Watch se ha evaluado en protocolos controlados y con mediciones seriadas, con resultados que varían según la métrica y el estudio.
• La generación del dispositivo, el protocolo y la definición de HRV deben acompañar a toda afirmación sobre la precisión.
• La validación de un dato del sensor no valida un algoritmo compuesto de preparación o recuperación.

La evidencia no respalda que se considere la HRV de un wearable clínicamente intercambiable con un ECG para todas las personas, que se utilice un umbral de error fijo para tomar una decisión diaria sobre el entrenamiento ni que se dé por hecho que un dispositivo nuevo hereda el resultado de un modelo anterior.

El entrenamiento guiado por la HRV es otra cuestión

Una revisión sistemática y un metaanálisis hallaron que el entrenamiento de resistencia aeróbica guiado por la HRV podría producir pequeños cambios favorables en la capacidad aeróbica y el rendimiento frente a un entrenamiento predefinido, a la vez que destacaron las diferencias metodológicas entre los estudios.⁷ Es evidencia sobre una estrategia de entrenamiento, no una prueba de que cualquier puntuación de preparación de un dispositivo de consumo sea correcta.

Por tanto, su uso práctico debe ser prudente:

• Sigue la tendencia de un único dispositivo que utilices de forma constante.
• Compara condiciones de medición similares.
• Combina la HRV con los síntomas, la percepción de la recuperación, el sueño, el entrenamiento reciente y el rendimiento real.
• Considera un único valor inusual como un motivo para examinar el contexto, no como un diagnóstico ni un cambio obligatorio del entrenamiento.

Cómo utiliza SensAI el contexto de la HRV

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 pasar por HealthKit cuando esos servicios escriben allí los campos correspondientes.

La capa de coaching basada en LLM puede combinar métricas agregadas de recuperación, como las tendencias de HRV, con la calidad del sueño, los resúmenes de entrenamiento, el historial de lo planificado frente a lo realizado, los objetivos, el horario, el equipo y las limitaciones. Regenera el programa semanal utilizando el rendimiento real y el contexto de recuperación.

Durante un entrenamiento, puedes solicitar un cambio mediante una acción rápida o un mensaje en lenguaje natural. La HRV no reescribe la sesión por sí sola.

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

En resumen

La HRV de los wearables no constituye una categoría uniforme de productos. El estudio de Dial aporta resultados nocturnos sólidos y específicos para cada dispositivo dentro de una muestra muy pequeña de adultos sanos. Los estudios de Apple validan métricas y protocolos diferentes y demuestran por qué la precisión de la frecuencia cardíaca no puede sustituir a la precisión de la HRV.

Utiliza una tendencia personal bien medida como una fuente de información más. Mantén la métrica, la generación del dispositivo, la población del estudio y el protocolo vinculados a cada afirmación. Sobre todo, no conviertas la concordancia de una medición en la promesa de que una puntuación de preparación por colores sabe qué debe hacer tu cuerpo a continuación.

---

References

Footnotes

1. Dial MB, Hollander ME, Vatne EA, et al. “Validation of Nocturnal Resting Heart Rate and Heart Rate Variability in Consumer Wearables.” Physiological Reports, 2025. https://pubmed.ncbi.nlm.nih.gov/40834291/ ↩ ↩² ↩³

2. Apple. “Heart Rate Variability SDNN.” Apple Developer Documentation, 2026. https://developer.apple.com/documentation/healthkit/hkquantitytypeidentifier/heartratevariabilitysdnn ↩ ↩²

3. Lin LI. “A Concordance Correlation Coefficient to Evaluate Reproducibility.” Biometrics, 1989. https://pubmed.ncbi.nlm.nih.gov/2720055/ ↩

4. O’Grady L, et al. “The Validity of Apple Watch Series 9 and Ultra 2 for Serial Measurements of Heart Rate Variability and Resting Heart Rate.” Sensors, 2024. https://pubmed.ncbi.nlm.nih.gov/39409260/ ↩ ↩²

5. Bonneval L, et al. “Validity of Heart Rate Variability Measured With Apple Watch Series 6 Compared to Laboratory Measures.” Sensors, 2025. https://pubmed.ncbi.nlm.nih.gov/40285070/ ↩

6. Hernando D, Roca S, Sancho J, Alesanco Á, Bailón R. “Validation of the Apple Watch for Heart Rate Variability Measurements During Relax and Mental Stress in Healthy Subjects.” Sensors, 2018. https://pubmed.ncbi.nlm.nih.gov/30103376/ ↩

7. Manresa-Rocamora A, Sarabia JM, Javaloyes A, Flatt AA, Moya-Ramón M. “Heart Rate Variability-Guided Training for Enhancing Cardiac-Vagal Modulation, Aerobic Fitness, and Endurance Performance: A Methodological Systematic Review With Meta-Analysis.” International Journal of Environmental Research and Public Health, 2021. https://pubmed.ncbi.nlm.nih.gov/34639599/ ↩