Precisão da HRV em wearables em 2026: o que os estudos realmente dizem sobre Oura, WHOOP, Garmin e Apple Watch

A variabilidade da frequência cardíaca registrada por um wearable pode oferecer uma tendência útil. Isso não significa que todos os dispositivos meçam a mesma métrica de HRV, que todos os resultados de validação se apliquem a todas as pessoas ou que uma pontuação de recuperação baseada em HRV tenha sido validada pelo mesmo estudo.

Essas distinções importam. Esta análise separa a precisão da medição da interpretação do treinamento e apresenta os resultados da forma como os estudos os publicaram.

O que está sendo validado?

A HRV é a variação no tempo entre batimentos cardíacos normais. Os pesquisadores podem resumir essa variação de várias formas. Duas medidas comuns no domínio do tempo são:

• rMSSD, a raiz quadrada da média das diferenças sucessivas entre intervalos de batimentos normais
• SDNN, o desvio-padrão dos intervalos de batimentos normais

Elas são relacionadas, mas não intercambiáveis. A duração da medição, o horário do dia, a postura, a respiração, o estágio do sono, a correção de artefatos e o fato de o sinal vir de ECG ou de dados ópticos do pulso afetam o resultado.

Oura, WHOOP e Garmin foram comparados com base na rMSSD noturna no protocolo de Dial.¹ O Apple HealthKit define a variável de HRV do Apple Watch como SDNN e armazena amostras pontuais registradas pelo relógio.² Portanto, uma validação da rMSSD noturna não pode ser usada como se validasse diretamente uma amostra de SDNN da Apple.

Como os estudos de precisão apresentam a concordância

Uma correlação pode ser alta quando dois dispositivos sobem e descem juntos, mesmo que um deles registre valores consistentemente maiores ou menores. O coeficiente de correlação de concordância (CCC) de Lin considera tanto a correlação quanto a concordância com a linha de referência.³

O erro percentual absoluto médio (MAPE) expressa o erro absoluto médio em relação ao valor de referência. É intuitivo, mas pode se tornar instável quando os valores de referência são pequenos e pode esconder valores atípicos individuais. O erro absoluto médio informa a diferença média na unidade original.

Não existe um limite universal de CCC ou MAPE que transforme um dispositivo de HRV em uma ferramenta segura para decidir “treinar forte” ou “descansar”. A precisão precisa ser interpretada na população, no protocolo, na geração do dispositivo e no uso pretendido que realmente foram estudados.

O estudo noturno de Dial de 2025

Dial e colegas compararam cinco wearables de consumo com um ECG ambulatorial ao longo de 536 noites de 13 adultos saudáveis. É um conjunto de dados rico em medidas repetidas, mas a amostra de participantes é pequena. Ele não estabelece o desempenho em populações clínicas, pessoas com arritmias nem em pessoas de todas as idades ou com todas as características de pele, e não validou decisões sobre a prontidão para treinar.¹

Para a rMSSD noturna, os resultados publicados incluíram:

Dispositivo	CCC	MAPE, média ± DP
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%

O mesmo artigo informou CCC de 0,97 e MAPE de 7,15% ± 5,48% para o Oura Gen 3, enquanto o Polar Grit X Pro apresentou CCC de 0,82 e MAPE de 16,32% ± 24,39%.¹

Os autores descreveram os dispositivos Oura como tendo alta concordância para HRV, o WHOOP como tendo concordância moderada e os dispositivos Garmin e Polar como tendo concordância deficiente segundo sua classificação. Esses rótulos pertencem a este protocolo; não são notas universais para todos os recursos de cada dispositivo.

Três limites são especialmente importantes:

1. Noites repetidas não substituem uma amostra ampla de participantes. Quinhentas e trinta e seis observações vieram de 13 pessoas.
2. Os resultados são específicos de cada geração. Um resultado do Fenix 6 não valida todos os modelos mais recentes da Garmin, assim como um resultado do Oura Gen 4 não valida retroativamente todos os anéis.
3. A validação da medição não é a validação da decisão. A concordância com o ECG não mostra que uma pontuação proprietária de prontidão escolhe o treino certo.

O Apple Watch não foi incluído neste estudo, portanto os resultados de Dial não podem ser citados como validação da Apple.

O que os estudos de validação do Apple Watch encontraram

O Apple Watch exige uma análise separada porque seu valor de HRV no HealthKit é SDNN, e não a rMSSD noturna resumida pelos dispositivos na comparação de Dial.²

Series 9 e Ultra 2

O’Grady e colegas compararam o Apple Watch Series 9 e o Ultra 2 com uma cinta peitoral Polar H10 analisada no Kubios. 39 adultos saudáveis forneceram 316 medições ao longo de 14 dias. O Apple Watch subestimou a HRV em uma média de 8,31 ms em comparação com a referência (p=0,025). O MAPE de HRV informado foi de 28,88%, e o erro absoluto médio foi de 20,46 ms. As medições de HRV não ficaram dentro da margem de equivalência de ±10 ms predefinida pelo estudo.⁴

A frequência cardíaca em repouso teve um desempenho melhor no mesmo estudo: a diferença média foi de −0,08 batimentos por minuto, o MAPE foi de 5,91% e o erro absoluto médio foi de 3,73 batimentos por minuto.⁴ Uma frequência cardíaca em repouso precisa não deve ser interpretada como evidência de precisão equivalente da HRV.

Estudo de laboratório com o Series 6

Bonneval e colegas estudaram 78 adultos saudáveis com idades entre 20 e 75 anos em condições de laboratório que incluíam repouso, fala, exibição de um filme e atividades relacionadas à caminhada. Em repouso, os intervalos R-R e os batimentos por minuto apresentaram MAPE de 1,15%, enquanto os intervalos N-N tiveram MAPE de 31,31% e apenas níveis moderados de acordo e concordância.⁵

Mais uma vez, a distinção é o ponto central: boa precisão dos batimentos ou da frequência cardíaca não garante a mesma precisão nas medidas de variabilidade.

Um estudo controlado anterior com 20 voluntários saudáveis constatou que as medidas de HRV no domínio do tempo derivadas dos intervalos R-R do Apple Watch apresentaram confiabilidade e concordância acima de 0,9 durante relaxamento e estresse mental leve, enquanto a ausência de intervalos afetou as medidas no domínio da frequência.⁶ Protocolos diferentes podem produzir resultados diferentes, portanto nenhum deve ser tratado como um veredito geral.

O que as evidências sustentam e o que não sustentam

As evidências sustentam estas afirmações delimitadas:

• Oura Gen 4 e WHOOP 4.0 apresentaram maior concordância da rMSSD noturna com o ECG do que o Garmin Fenix 6 na pequena amostra de adultos saudáveis de Dial.
• A HRV do Apple Watch foi testada em protocolos controlados e com medições seriadas, com resultados que variam conforme a métrica e o estudo.
• A geração do dispositivo, o protocolo e a definição de HRV precisam acompanhar toda afirmação sobre precisão.
• A validação de um dado do sensor não valida um algoritmo composto de prontidão ou recuperação.

As evidências não sustentam considerar a HRV de um wearable clinicamente intercambiável com o ECG para todas as pessoas, usar um limite de erro fixo para tomar uma decisão diária de treinamento ou presumir que um dispositivo mais novo herda o resultado de um modelo anterior.

O treinamento guiado por HRV é outra questão

Uma revisão sistemática e metanálise constatou que o treinamento de resistência aeróbica guiado por HRV pode produzir pequenas mudanças favoráveis no condicionamento aeróbico e no desempenho em comparação com um treinamento predefinido, ao mesmo tempo que destacou diferenças metodológicas entre os estudos.⁷ Essa é uma evidência sobre uma estratégia de treinamento, não uma prova de que qualquer pontuação de prontidão de um dispositivo de consumo esteja correta.

Portanto, o uso prático deve ser conservador:

• Acompanhe a tendência de um único dispositivo usado de forma consistente.
• Compare condições de medição semelhantes.
• Combine a HRV com sintomas, percepção da recuperação, sono, treinamento recente e desempenho real.
• Trate um único valor incomum como motivo para examinar o contexto, não como diagnóstico ou mudança obrigatória no treino.

Como a SensAI usa o contexto de HRV

A SensAI recebe o contexto dos wearables conectados pelo Apple HealthKit. O Apple Watch se conecta diretamente; os dados de Garmin, Oura e WHOOP podem passar pelo HealthKit quando esses serviços registram ali os campos relevantes.

A camada de coaching com LLM pode combinar métricas agregadas de recuperação, como tendências de HRV, com qualidade do sono, resumos de treino, histórico do planejado em comparação com o realizado, objetivos, rotina, equipamentos e limitações. Ela regenera o programa semanal usando o desempenho real e o contexto de recuperação.

Durante um treino, você pode solicitar uma mudança com uma ação rápida ou uma mensagem em linguagem natural. A HRV não reescreve a sessão por conta própria.

Os dados brutos do HealthKit permanecem no seu dispositivo. As métricas agregadas de recuperação, a qualidade do sono e os resumos de treino usados para o coaching são enviados ao servidor, e a SensAI não vende seus dados a terceiros.

Em resumo

A HRV dos wearables não é uma categoria uniforme de produtos. O estudo de Dial fornece resultados noturnos sólidos e específicos para cada dispositivo dentro de uma amostra muito pequena de adultos saudáveis. Os estudos da Apple validam métricas e protocolos diferentes e mostram por que a precisão da frequência cardíaca não pode substituir a precisão da HRV.

Use uma tendência pessoal bem medida como uma fonte de informação. Mantenha a métrica, a geração do dispositivo, a população do estudo e o protocolo vinculados a cada afirmação. Acima de tudo, não transforme a concordância de uma medição na promessa de que uma pontuação colorida de prontidão sabe o que seu corpo deve fazer em seguida.

---

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/ ↩