Qual é a precisão das calorias dos wearables? Apple Watch, Garmin, Fitbit e Oura testados

O número de calorias do seu relógio é o dado menos confiável que ele mostra. Toda revisão sistemática da área chegou ao mesmo veredicto: dispositivos de pulso de consumo não estimam o gasto energético com precisão. A avaliação de referência de Stanford não encontrou nenhum dispositivo, entre sete testados, com erro abaixo de 20%, e a maior revisão da literatura colocou o erro acima de 30% para todas as grandes marcas.¹²³

O mesmo relógio acompanha a sua frequência cardíaca com erro mediano abaixo de 5%.¹⁴

Essa diferença não é um defeito de fabricação. É a distinção entre uma grandeza que o seu relógio mede e uma grandeza que ele chuta — e, uma vez que você enxerga qual é qual, todo o painel passa a ser lido de outro jeito.

Veja o que os laboratórios encontraram ao colocar dispositivos de pulso lado a lado com a calorimetria indireta, e para que o número no seu pulso realmente serve. Não é para nada. Só não é para aquilo que o fechamento do anel sugere.

Qual é a precisão real das calorias dos wearables?

Não é precisa o bastante para planejar uma dieta em cima dela. As taxas de erro publicadas, medidas contra carrinhos metabólicos e água duplamente marcada:

Estudo	Dispositivos testados	Achado sobre gasto energético
Stanford, 2017 ¹ (n=60)	Apple Watch, Fitbit Surge, Samsung Gear S2, + 4 outros	Nenhum dispositivo abaixo de 20% de erro. Apple Watch o melhor, Samsung Gear S2 o pior
Revisão sistemática, 2020 ² (158 estudos)	9 marcas	”Para gasto energético, nenhuma marca foi precisa”
Revisão sistemática, 2022 ³ (65 estudos)	Todas as principais marcas de pulso	MAPE >30% para todas as marcas
Teste de campo, 2022 ⁵ (n=20)	Apple Watch S6, Garmin FENIX 6, Huawei GT 2e	Erro de 9,9%-32,0%; Apple e Garmin ambos superestimaram
Teste laboratorial, 2026 ⁶ (n=62)	Apple, Galaxy, Fitbit, Garmin	Gasto energético subestimado no endurance; quase aleatório na musculação

A revisão de 2022 da McMaster University é a mais direta. Federico Germini e colegas triaram 65 artigos de validação e concluíram que, embora o Apple Watch acompanhasse a frequência cardíaca com menos de 10% de erro e o Fitbit contasse passos com menos de 25%, “nenhum dos dispositivos testados se mostrou preciso na medição do gasto energético.”³

Leia isso como um veredicto de categoria, não como problema de marca. Trocar de relógio não resolve.

Se você está avaliando qual aparelho comprar, o enquadramento honesto é que eles se diferenciam nas métricas que são confiáveis — uma comparação que detalhamos no nosso comparativo entre Apple Watch, Oura, WHOOP e Garmin. A precisão calórica não deveria ser o seu critério de desempate, porque ninguém vence nela.

Por que a frequência cardíaca é precisa e as calorias não?

Porque o seu relógio de fato mede uma delas.

A frequência cardíaca vem da fotopletismografia: LEDs verdes emitem luz no seu pulso, um fotodiodo lê quanto retorna, e as mudanças de volume sanguíneo produzem um sinal que o relógio conta. É uma medição física imperfeita de um evento real e físico acontecendo dois milímetros abaixo do sensor.

As calorias não são medidas. São inferidas — um modelo que pega a frequência cardíaca, o movimento do acelerômetro e os dados de perfil que você digitou (idade, peso, sexo, altura) e produz uma estimativa do metabolismo oxidativo que ocorre em um tecido que o relógio não consegue ver.

Pense nisso como julgar o consumo de combustível de um carro pelo barulho do motor. O som é real e correlacionado. Mas a conversão de ruído para litros por cem quilômetros depende do motor, da carga, da transmissão e do combustível — nada disso o microfone sabe.

O padrão-ouro, a calorimetria indireta, funciona medindo o oxigênio que você consome e o gás carbônico que você produz. Essa é a química real da liberação de energia. Um sensor de pulso não tem acesso a nenhum dos dois gases.

Então o erro se acumula: o erro da frequência cardíaca (pequeno) alimenta um modelo de média populacional (erro grande) aplicado a um indivíduo cuja economia metabólica real pode estar bem fora dessa média. E, crucialmente, os fabricantes não publicam esses algoritmos, o que significa que nem você nem um pesquisador consegue auditar por que um determinado número saiu como saiu.

É essa distinção que molda a forma como o SensAI lê os seus dados: sinais que o hardware genuinamente mede recebem peso, e saídas modeladas são tratadas como contexto suave, e não como verdade absoluta.

Qual aparelho é o pior? Apple Watch, Garmin, Fitbit e Oura

A direção do erro não é consistente entre as marcas — e é por isso que dois relógios no mesmo pulso vão discordar entre si e com o laboratório.

Apple Watch e Garmin tendem a superestimar durante o cardio. Uma equipe da Shanghai Jiao Tong University submeteu 20 adultos a caminhada ao ar livre a 6 km/h e corrida a 10 km/h contra um carrinho metabólico portátil COSMED K5. O Apple Watch Series 6 exagerou em 19,8% na caminhada e 24,4% na corrida. O Garmin FENIX 6 foi pior na caminhada — 32,0% de erro, com correlação intraclasse de apenas 0,216, efetivamente nenhuma concordância — e 21,8% na corrida.⁵

O Fitbit tende a subestimar. Uma meta-análise de 52 estudos de validação do Fitbit agrupou 29 comparações de gasto energético e encontrou uma subestimação média de 2,77 kcal por minuto, com limites de concordância indo de −12,75 a +7,41 kcal/min.⁷ Ao longo de uma sessão de 45 minutos, a faixa plausível abrange centenas de calorias.

O Oura valida bem em laboratório e ainda assim derrapa no mundo real. A primeira validação do gasto energético do Oura Ring, da University of Gothenburg, encontrou uma forte correlação laboratorial contra a calorimetria indireta (r = 0,93) — embora, mesmo ali, o anel tendesse a subestimar, com a diferença aumentando conforme a intensidade subia. Ao longo de um estudo de 14 dias em vida livre com 32 participantes, o gasto energético total diferiu dos monitores de referência em 362 a 494 kcal.⁸

A lição desses três parágrafos: uma discrepância de 400 calorias é normal, esperada e com direção dependente da marca. Se você comer de volta o que o seu relógio diz que você queimou, esse erro cai direto no seu balanço energético.

É também por isso que o SensAI nunca pede que você concilie os números de calorias de dois aparelhos. Seja qual for o wearable que você conectou, a comparação útil é contra as suas próprias sessões anteriores no mesmo hardware.

Por que o erro calórico piora quando você faz musculação

O cardio é o caso fácil para esses algoritmos. Frequência cardíaca estável, movimento rítmico, relação previsível entre os dois. O treino de força quebra as três premissas.

A evidência mais recente é a mais clara. Um estudo de 2026 do Exercise Physiology Laboratory da Yonsei University submeteu 62 homens adultos saudáveis a protocolos padronizados de endurance e de resistência usando quatro smartwatches simultaneamente — Apple, Galaxy, Fitbit e Garmin — com ECG e calorimetria indireta como referências.⁶

A frequência cardíaca se saiu muito bem. As correlações com o ECG ficaram entre 0,64 e 0,97, a confiabilidade foi excelente (ICC > 0,94) e os limites de concordância ficaram em torno de ±10 bpm. Durante o exercício resistido especificamente, apenas o Apple Watch não apresentou diferença significativa em relação ao ECG.

O gasto energético desmoronou. Durante o trabalho de endurance ele foi consistentemente subestimado, com limites de concordância amplos. Durante o treino de força, as correlações com a calorimetria indireta despencaram para r = 0,10-0,34 e a confiabilidade caiu abaixo de ICC 0,45.⁶

Uma correlação de 0,10 é, para fins práticos, sem relação com a verdade.

O mecanismo é intuitivo assim que você o visualiza. Uma série pesada de cinco repetições é enormemente exigente do ponto de vista metabólico, mas envolve quase nenhum movimento de pulso e uma resposta de frequência cardíaca que fica atrás do esforço e atinge o pico depois que você devolve a barra ao suporte. O acelerômetro vê imobilidade. O sensor óptico está lutando contra o artefato da tensão muscular. O modelo, treinado sobretudo em atividade ambulatorial, não tem nada de útil com que trabalhar.

Então, se o seu treino é majoritariamente com barra, o número de calorias do seu relógio está mais para um número aleatório do que para uma estimativa. Vale saber disso antes de usá-lo para decidir se o seu programa está produzindo resultados.

Para sessões de força, o SensAI avalia o trabalho pela carga, pelas repetições e pela forma como a sua recuperação responde nos dias seguintes — as coisas que de fato se moveram — em vez de por uma estimativa que o sensor nunca esteve posicionado para fazer.

De quem são as leituras piores? A lacuna de precisão que ninguém divulga

O estudo de Stanford que definiu a referência também descobriu que o erro não é distribuído de maneira uniforme.

Anna Shcherbina e colegas, trabalhando sob a orientação de Euan Ashley — professor de medicina e genética em Stanford e um dos fundadores do programa de saúde de precisão da universidade — testaram sete dispositivos em 60 voluntários de idade, altura, peso, tom de pele e condicionamento deliberadamente variados, em situações de sentar, caminhar, correr e pedalar.

Seis dos sete dispositivos mediram a frequência cardíaca com erro mediano abaixo de 5% durante o ciclismo. Nenhum atingiu erro abaixo de 20% no gasto energético.¹

E os erros foram sistematicamente maiores para homens, para pessoas com índice de massa corporal mais alto, para pessoas com tom de pele mais escuro e durante a caminhada.¹

Esse último conjunto de achados importa mais do que a manchete. Uma métrica errada é um problema. Uma métrica que está diferentemente errada dependendo da sua composição corporal e do seu tom de pele é outro, porque significa que a população à qual você pertence determina o quanto você é induzido ao erro — e nada na interface diz a você em qual grupo você está.

Trabalhos mais recentes seguem investigando o desempenho dos sensores ópticos nos diferentes tipos de pele de Fitzpatrick, e a direção da área é de reconhecer a lacuna, não de fechá-la.⁹

O problema mais profundo: “calorias gastas” não é um número fixo de qualquer forma

Suponha que o sensor fosse perfeito. Você ainda estaria interpretando mal o resultado, porque o modelo subjacente de como o exercício afeta o gasto energético diário está errado.

O modelo intuitivo é aditivo: queime 400 calorias na bicicleta e o seu total diário sobe 400. Herman Pontzer, professor de antropologia evolutiva na Duke University, passou uma década demonstrando que os humanos não funcionam assim.

Em uma análise de 2026 na Current Biology, Pontzer e Eric Trexler compararam modelos aditivos e restritos contra dados experimentais e de vida livre. O achado: em intervenções de exercício aeróbico em humanos, o gasto energético diário total subiu apenas cerca de 30% da mudança prevista pelo modelo aditivo.¹⁰ O corpo silenciosamente recupera o resto — reduzindo a taxa metabólica basal e de sono e diminuindo o movimento espontâneo.

Duas nuances que vale carregar:

A compensação apareceu reduzida com o treino de força — mais um argumento a favor da musculação se a composição corporal for o objetivo.¹⁰
A compensação foi amplificada quando o exercício aeróbico foi combinado com restrição alimentar — exatamente a combinação que a maioria das pessoas tenta.¹⁰

Então o relógio diz 400. A fisiologia entrega algo mais perto de 120 em termos diários líquidos, e faz isso com um atraso que você não consegue observar. Empilhe um erro de sensor de 25% sobre um efeito de compensação de 70% e “comer de volta as calorias do exercício” deixa de ser uma aproximação e vira uma forma confiável de estagnar.

Se você está definindo metas de ingestão, trabalhe com uma conta ancorada no peso corporal e ajuste pela tendência observada — a abordagem que apresentamos em quantas calorias você deveria realmente comer — e não a partir de um número que o seu pulso inventou.

O que você deveria realmente fazer com o número de calorias?

Não apague a métrica. Rebaixe-a.

Use-a como marcador relativo de carga de trabalho, não como quantidade absoluta. O erro do seu relógio é razoavelmente consistente para você, em um dado tipo de atividade. Então 500 hoje contra 300 na terça é informação real sobre esforço relativo, ainda que nenhum dos dois números seja metabolicamente verdadeiro. Compare o número apenas com o seu próprio histórico, no mesmo aparelho, para o mesmo tipo de sessão.

Nunca compare entre aparelhos ou entre pessoas. Um 500 do Garmin e um 500 do Apple Watch são afirmações diferentes sobre o mundo, e os dados de campo de 2022 mostram que eles podem diferir em mais de 12 pontos percentuais de erro na mesma atividade.⁵

Nunca coma de volta pelo valor de face. Se você for usá-la de alguma forma para a ingestão, desconte bastante — a literatura sobre compensação sugere que algo na região de um terço do valor de face está mais perto da verdade diária líquida.¹⁰

Apoie-se nas métricas que sobreviveram à validação. A frequência cardíaca é sólida. Os passos são sólidos. Duração do sono e tendências de frequência cardíaca de repouso são utilizáveis. Esses são os insumos que valem a pena para construir decisões, e são os que o nosso guia de precisão dos dados de wearables trata como estruturais.

Observe a tendência, não a leitura. O número de um único dia carrega majoritariamente ruído. A direção de quinze dias carrega sinal.

É exatamente esse o raciocínio que o SensAI aplica aos dados de saúde conectados: ele lê frequência cardíaca, recuperação e tendências de sono de Apple Watch, Garmin, Oura e WHOOP através do HealthKit, e os pondera conforme o quanto cada sinal realmente se valida — em vez de tratar cada número do painel como igualmente verdadeiro. Uma estimativa calórica modelada e uma frequência cardíaca medida não merecem a mesma confiança, e um coach que não sabe diferenciar as duas vai lhe dar conselhos confiantes construídos sobre a mais fraca delas.

Perguntas frequentes

As calorias do Apple Watch são precisas?

Não, embora o Apple Watch esteja entre os que melhor se saem. A avaliação de Stanford descobriu que ele teve o menor erro geral de gasto energético entre sete dispositivos testados — mas ainda acima do limiar de 20%, sem nenhum aparelho ficando abaixo dele.¹ Testes de campo colocaram o erro dele em 19,8% para caminhada e 24,4% para corrida, na direção da superestimação.⁵

O Apple Watch superestima ou subestima as calorias?

Durante caminhada e corrida ao ar livre, ele superestima — de forma significativa contra um carrinho metabólico.⁵ Durante o treino de força, as estimativas dos smartwatches como categoria tendem a subestimar, e se correlacionam tão fracamente com o gasto real (r = 0,10-0,34) que a direção fica próxima de não ter sentido.⁶

Quanto uma pulseira fitness erra nas calorias?

Espere 20-30% de erro como piso realista, e mais em campo. Para uma sessão que o seu relógio reporta como 500 calorias, uma faixa verdadeira plausível é de aproximadamente 350-650. Os limites de concordância agrupados do Fitbit vão de −12,75 a +7,41 kcal por minuto, o que ao longo de uma hora é uma janela de várias centenas de calorias.⁷

Garmin ou Apple Watch é mais preciso para calorias?

No teste direto ao ar livre, o Apple Watch Series 6 foi mais preciso que o Garmin FENIX 6 para caminhada (19,8% contra 32,0% de erro), enquanto o Garmin foi ligeiramente melhor para corrida (21,8% contra 24,4%).⁵ Nenhum dos dois é preciso em termos absolutos, e a classificação se inverte conforme a atividade — o que já é, em si, o argumento contra confiar em qualquer um dos números.

O Oura Ring é preciso para calorias?

Melhor do que a maioria em ambiente de laboratório (r = 0,93 contra calorimetria indireta), mas ele subestima mais conforme a intensidade sobe, e ao longo de 14 dias de uso em vida livre o gasto energético total dele diferiu dos monitores de referência em 362-494 kcal.⁸

Devo comer de volta as calorias do exercício?

Não pelo valor de face. Dois erros independentes se somam: o sensor exagera ou subestima a sessão, e o seu corpo compensa aproximadamente 70% do gasto adicional nos dias seguintes.¹⁰ Se você comer de volta o número cheio, provavelmente está apagando o déficit que criou.

Em quais métricas de wearable eu posso realmente confiar?

Frequência cardíaca (tipicamente abaixo de 5-10% de erro em dispositivos validados), contagem de passos (modelos Fitbit Charge abaixo de 25% de erro em 20 estudos) e tendências de sono e de frequência cardíaca de repouso.¹³⁴ O gasto energético é o ponto fora da curva, e é a métrica na qual a maioria dos aplicativos de fitness mais se apoia.

A precisão calórica vai melhorar?

Lentamente. A meta-análise mostra que combinar frequência cardíaca ou sensoriamento de fluxo de calor com acelerometria reduz o erro de forma significativa, que é a direção para a qual o hardware está caminhando.¹¹ Mas o problema fundamental — inferir o metabolismo em nível tecidual a partir do lado de fora de um pulso — não se resolve com uma atualização de firmware.

Conclusão

O seu relógio mede a frequência cardíaca. Ele chuta as calorias. Nenhuma revisão sistemática das grandes marcas concluiu até hoje que o chute seja preciso — ao longo de nove anos e centenas de validações publicadas.¹²³

Trate o número de calorias como um marcador aproximado de esforço relativo em um único aparelho, comparado apenas com o seu próprio histórico. Trate frequência cardíaca, passos e tendências de recuperação de várias semanas como os dados de verdade. E, quando estiver decidindo o que mudar no seu treino, ancore-se no que o seu corpo está de fato fazendo — força progredindo, sessões toleradas, recuperação se sustentando — e não em um número modelado que um carrinho metabólico contradiria em 400 calorias.

O trabalho do wearable é capturar sinal. Decidir o que esse sinal significa para a sua próxima sessão é um trabalho totalmente diferente, e é o que vale a pena acertar.

References

Shcherbina A, Mattsson CM, Waggott D, Salisbury H, Christle JW, Hastie T, Wheeler MT, Ashley EA. “Accuracy in Wrist-Worn, Sensor-Based Measurements of Heart Rate and Energy Expenditure in a Diverse Cohort.” Journal of Personalized Medicine, 2017; 7(2): 3. https://pubmed.ncbi.nlm.nih.gov/28538708/ ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷ ↩⁸
Fuller D, Colwell E, Low J, Orychock K, Tobin MA, Simango B, Buote R, Van Heerden D, Luan H, Cullen K, Slade L, Taylor NGA. “Reliability and Validity of Commercially Available Wearable Devices for Measuring Steps, Energy Expenditure, and Heart Rate: Systematic Review.” JMIR mHealth and uHealth, 2020; 8(9): e18694. https://pubmed.ncbi.nlm.nih.gov/32897239/ ↩ ↩² ↩³
Germini F, Noronha N, Borg Debono V, Abraham Philip B, Pete D, Navarro T, Keepanasseril A, Parpia S, de Wit K, Iorio A. “Accuracy and Acceptability of Wrist-Wearable Activity-Tracking Devices: Systematic Review of the Literature.” Journal of Medical Internet Research, 2022; 24(1): e30791. https://pubmed.ncbi.nlm.nih.gov/35060915/ ↩ ↩² ↩³ ↩⁴ ↩⁵
Nelson BW, Allen NB. “Accuracy of Consumer Wearable Heart Rate Measurement During an Ecologically Valid 24-Hour Period: Intraindividual Validation Study.” JMIR mHealth and uHealth, 2019; 7(3): e10828. https://pubmed.ncbi.nlm.nih.gov/30855232/ ↩ ↩²
Le S, Wang X, Zhang T, Lei SM, Cheng S, Yao W, Schumann M. “Validity of three smartwatches in estimating energy expenditure during outdoor walking and running.” Frontiers in Physiology, 2022; 13: 995575. https://pubmed.ncbi.nlm.nih.gov/36225296/ ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶
Lee TH, Jun DU, Bae JY, Roh HT, Cho SY. “Comparative Validity of Smartwatch-Derived Heart Rate and Energy Expenditure During Endurance and Resistance Exercise.” Sensors, 2026; 26(8): 2526. https://pubmed.ncbi.nlm.nih.gov/42076635/ ↩ ↩² ↩³ ↩⁴
Chevance G, Golaszewski NM, Tipton E, Hekler EB, Buman M, Welk GJ, Patrick K, Godino JG. “Accuracy and Precision of Energy Expenditure, Heart Rate, and Steps Measured by Combined-Sensing Fitbits Against Reference Measures: Systematic Review and Meta-analysis.” JMIR mHealth and uHealth, 2022; 10(4): e35626. https://pubmed.ncbi.nlm.nih.gov/35416777/ ↩ ↩²
Kristiansson E, Fridolfsson J, Arvidsson D, Holmäng A, Börjesson M, Andersson-Hall U. “Validation of Oura ring energy expenditure and steps in laboratory and free-living.” BMC Medical Research Methodology, 2023; 23(1): 50. https://pubmed.ncbi.nlm.nih.gov/36829120/ ↩ ↩²
Kostrna J, Oparina E, Palacios C, Rodriguez AJ, Pei J, Ajmal A, Ramella-Roman JC. “PPG-Based Heart Rate Accuracy in Hispanic Adults with Fitzpatrick III-V Skin Tones: An Evaluation of Body Composition and Skin-Tone Effects.” Sensors, 2026; 26(10): 2922. https://pubmed.ncbi.nlm.nih.gov/42197732/ ↩
Pontzer H, Trexler ET. “The evidence for constrained total energy expenditure in humans and other animals.” Current Biology, 2026; 36(4): 1013-1025.e4. https://pubmed.ncbi.nlm.nih.gov/41653928/ ↩ ↩² ↩³ ↩⁴ ↩⁵
O’Driscoll R, Turicchi J, Beaulieu K, Scott S, Matu J, Deighton K, Finlayson G, Stubbs J. “How well do activity monitors estimate energy expenditure? A systematic review and meta-analysis of the validity of current technologies.” British Journal of Sports Medicine, 2020; 54(6): 332-340. https://pubmed.ncbi.nlm.nih.gov/30194221/ ↩