TL;DR: Tu wearable te muestra cada mañana una docena de cifras y las presenta todas con idéntica seguridad. La literatura de validación revisada por pares dice que no merecen la misma confianza. Frente a la polisomnografía clínica, los dispositivos de consumo detectan el sueño con una sensibilidad del 91,68% al 96,27%, pero detectan la vigilia con una especificidad de solo el 29,39% al 52,15%, lo que significa que una parte apreciable del tiempo que pasas despierto en la cama se contabiliza en silencio como sueño. La concordancia en las fases del sueño se sitúa entre kappa 0,21 y 0,53, de escasa a moderada. Frente a una referencia de ECG a lo largo de 536 noches, la frecuencia cardíaca en reposo nocturna presenta un error absoluto medio del 1,67% al 3,00%, mientras que la VFC presenta del 5,96% al 16,32%, lo que la hace entre tres y seis veces más ruidosa que la métrica que aparece justo a su lado en la misma pantalla. Esta guía convierte esa evidencia publicada en un marco de confianza de tres niveles: qué cifras merecen acción diaria, cuáles solo deben leerse como tendencias de varias semanas y a cuáles conviene dejar de reaccionar. Incluye una tabla original que cuantifica cuántos minutos de vigilia pasa por alto cada dispositivo evaluado en una noche agitada típica.
Cada mañana tu wearable te entrega un veredicto. Una puntuación de readiness. Una puntuación de sueño. Sueño profundo en minutos, VFC en milisegundos, todo con la misma tipografía, en la misma tarjeta, con el mismo aire de precisión.
Esa presentación es justamente el problema. Estas cifras no son igual de fiables, y la distancia entre la más y la menos fiable no es pequeña. Algunas están medidas lo bastante bien como para actuar mañana por la mañana. Otras son tan ruidosas que responder a una lectura aislada es peor que ignorarla, porque cambiarás una conducta real basándote en un error de medición.
La buena noticia es que se trata de una pregunta con respuesta. Los wearables de sueño y cardíacos se han validado repetidamente frente a estándares clínicos de referencia, y los resultados son públicos. Esta guía lee ese registro y lo convierte en una jerarquía utilizable.
El problema de medición que nadie pone en el panel
Empecemos por la asimetría más importante de la literatura de validación.
Un estudio publicado en 2025 en SLEEP Advances evaluó seis wearables de consumo frente a la polisomnografía, el patrón de referencia clínico, en 62 adultos, con datos recogidos entre abril de 2023 y agosto de 2024. Los dispositivos fueron Fitbit Charge 5, Fitbit Sense, Withings ScanWatch, Garmin Vivosmart 4, Whoop 4.0 y Apple Watch Series 8.
La detección del sueño fue sólida. La sensibilidad, es decir, la capacidad de identificar correctamente que estás dormido cuando lo estás, osciló entre el 91,68% y el 96,27% en los seis dispositivos.
La detección de la vigilia no lo fue. La especificidad, la capacidad de identificar correctamente que estás despierto cuando lo estás, osciló entre el 29,39% y el 52,15%.
Esa es toda la historia del rastreador de sueño moderno en dos cifras. Los algoritmos se inclinan con fuerza hacia concluir que estás dormido. Quédate quieto a oscuras con los ojos abiertos y tu muñeca lo registrará con frecuencia como sueño.
Las consecuencias aparecen exactamente donde cabría esperar. En el mismo estudio, todos los dispositivos subestimaron de forma significativa la vigilia tras el inicio del sueño, entre 12,38 y 47,94 minutos. Todos sobreestimaron la eficiencia del sueño, entre un 2,20% y un 10,19%. Varios sobreestimaron notablemente el tiempo total de sueño, con la ScanWatch desviada en 39,87 minutos y la Vivosmart 4 en 38,44 minutos.
Si alguna vez has pasado una noche mala y entrecortada y tu dispositivo te ha dicho después que dormiste bien, esta es la razón. Tu experiencia no estaba equivocada. La detección de la vigilia es sencillamente el eslabón más débil de la cadena de medición.
Análisis original: cuánta vigilia pasa por alto cada dispositivo
Por sí solas, las cifras de especificidad resultan abstractas. Esto es lo que significan en minutos.
Piensa en una noche agitada en la que estás realmente despierto 60 minutos después de haberte dormido, una magnitud realista para cualquiera con un hijo pequeño, una calle ruidosa o una semana estresante. Aplicar la especificidad publicada de cada dispositivo da la proporción de esa vigilia que se espera que el dispositivo pase por alto.
| Dispositivo | Especificidad de vigilia (publicada) | Proporción de vigilia no detectada | Minutos de vigilia real contados como sueño |
|---|---|---|---|
| Apple Watch Series 8 | 52,15% | 47,85% | 28,7 min |
| Fitbit Sense | 48,80% | 51,20% | 30,7 min |
| Fitbit Charge 5 | 47,51% | 52,49% | 31,5 min |
| Whoop 4.0 | 40,13% | 59,87% | 35,9 min |
| Withings ScanWatch | 31,09% | 68,91% | 41,3 min |
| Garmin Vivosmart 4 | 29,39% | 70,61% | 42,4 min |
Marco editorial de CEOtudent. Los valores de especificidad proceden de la validación por polisomnografía publicada en SLEEP Advances. El escenario de 60 minutos de vigilia es un supuesto ilustrativo de modelización; la columna de minutos no detectados se deriva de él.
De esta tabla conviene destacar dos cosas.
La primera es la amplitud. En la misma noche, en la misma cama, el mejor y el peor dispositivo evaluados difieren en unos catorce minutos en la cantidad de vigilia que pasan por alto. Comparar la calidad del sueño entre dispositivos distintos carece, por tanto, prácticamente de sentido.
La segunda es una comprobación de coherencia que da credibilidad al modelo. El intervalo derivado aquí, de unos 29 a 42 minutos de vigilia no detectada, cae dentro del sesgo de vigilia tras el inicio del sueño que el mismo estudio midió de forma empírica, de 12,38 a 47,94 minutos. La aritmética y el sesgo observado coinciden, que es justo lo que se quiere comprobar antes de fiarse de una cifra derivada.
Fases del sueño: interesantes, pero no accionables cada noche
La clasificación de fases exige a los wearables algo genuinamente difícil: distinguir sueño ligero, profundo y REM a partir de señales en la muñeca, cuando el estándar clínico emplea actividad cerebral, movimiento ocular y tono muscular.
El estudio de SLEEP Advances informó de la concordancia global con la polisomnografía como kappa de Cohen, un estadístico que corrige la coincidencia debida al azar. El Apple Watch Series 8 alcanzó 0,53, el Fitbit Sense 0,42 y el Fitbit Charge 5 0,41, todos con concordancia moderada. El Whoop 4.0 alcanzó 0,37, el ScanWatch 0,22 y el Vivosmart 4 0,21, todos con concordancia escasa.
Por fases, los mejores resultados entre los dispositivos evaluados fueron: el 83,27% de las épocas de sueño ligero identificadas correctamente por el Apple Watch Series 8, el 69,63% del sueño profundo por el Whoop 4.0 y el 68,57% del REM por el Apple Watch Series 8. Son las mejores cifras, no las habituales.
Una validación multicéntrica independiente, publicada en 2023 en JMIR mHealth and uHealth, analizó 349.114 épocas de 75 participantes en 11 rastreadores de sueño de consumo. Las puntuaciones F1 macro para la clasificación de fases oscilaron entre 0,26 y 0,69. Los investigadores señalaron además un patrón de fallo relevante: el sueño ligero funciona como categoría por defecto cuando el algoritmo duda, lo que lo infla y hace que las cifras de sueño profundo y REM sean menos estables de lo que parecen.
La lectura práctica es clara. La cifra de sueño profundo de una sola noche arrastra suficiente error de medición como para que una variación de diez o veinte minutos apenas diga nada. Un desplazamiento sostenido durante tres o cuatro semanas puede ser real. Si quieres entender qué hace realmente la arquitectura del sueño por la cognición, ese mecanismo se aborda mejor de forma directa que a través de una cifra nocturna, y lo tratamos en la relación entre arquitectura del sueño y rendimiento cognitivo.
VFC frente a frecuencia cardíaca en reposo: la brecha de precisión
Este es el hallazgo que más cambia cómo debería leerse un panel, y que casi nunca se menciona en las propias aplicaciones.
Una validación publicada en 2025 en Physiological Reports comparó la frecuencia cardíaca en reposo nocturna y la VFC de cinco wearables frente a una referencia de ECG de una derivación, a lo largo de 536 noches de 13 adultos. Los dispositivos fueron Garmin Fenix 6, Oura Generation 3, Oura Generation 4, Polar Grit X Pro y Whoop 4.0.
La frecuencia cardíaca en reposo se midió bien. Las correlaciones con la referencia de ECG fueron de 0,92 a 0,98, y el error porcentual absoluto medio del 1,67% al 3,00%.
La VFC, medida como RMSSD, resultó sistemáticamente más ruidosa. Las correlaciones fueron de 0,86 a 0,99, pero el error porcentual absoluto medio del 5,96% al 16,32%. Comparar ambas métricas dispositivo a dispositivo muestra el tamaño de la brecha:
| Dispositivo | Error de frecuencia en reposo | Error de VFC | Múltiplo de ruido de la VFC |
|---|---|---|---|
| Oura Generation 4 | 1,94% | 5,96% | 3,07x |
| Oura Generation 3 | 1,67% | 7,15% | 4,28x |
| Whoop 4.0 | 3,00% | 8,17% | 2,72x |
| Polar Grit X Pro | 2,71% | 16,32% | 6,02x |
Marco editorial de CEOtudent. Ambas columnas de error son valores publicados de error porcentual absoluto medio de la validación con referencia de ECG de Physiological Reports; el múltiplo de ruido se deriva dividiendo el error de VFC entre el error de frecuencia en reposo del mismo dispositivo.
En la misma muñeca, la misma noche, desde el mismo sensor, tu cifra de VFC arrastra en torno a tres a seis veces el error de medición de tu frecuencia cardíaca en reposo. Y la VFC además varía más de una noche a otra por razones fisiológicas genuinas, lo que significa que la señal que intentas detectar queda sepultada bajo un error de medición mayor y una variación natural mayor a la vez.
Esto invierte el modo en que la mayoría usa su panel. La VFC acapara la atención porque parece la métrica sofisticada. La frecuencia en reposo se ignora porque parece básica. La evidencia de medición apunta en sentido contrario: la frecuencia en reposo es la más precisamente medida de las dos, y una elevación sostenida en ella es una de las señales más fiables que produce un wearable de consumo.
Qué implica esto para las puntuaciones de readiness
Las puntuaciones de readiness, recuperación y batería corporal son compuestos propietarios. Los fabricantes no publican por completo sus ponderaciones, y los propios compuestos no se han validado de forma independiente como sí lo han sido sus componentes.
Esto importa, porque un compuesto hereda el error de sus entradas. Si una puntuación de readiness se apoya de forma apreciable en la VFC y en las fases del sueño, está construida en buena medida sobre las dos magnitudes menos precisamente medidas del dispositivo. Una puntuación no puede ser más fiable que aquello que la alimenta.
No es un argumento para decir que las puntuaciones de readiness no valgan nada. Es un argumento sobre qué tipo de objeto son. Una puntuación de readiness es un recordatorio diario razonable para considerar cómo te sientes y si conviene apretar hoy. No es una medición, y leer una caída de 82 a 74 como prueba de algo concreto es atribuir a esa cifra una precisión que no contiene.
La prueba honesta es simple: si la puntuación dice que estás recuperado y te sientes agotado, el mejor instrumento eres tú. El modo de fallo que conviene evitar es aquel en que se anulan señales subjetivas claras porque una cifra ha dicho lo contrario.
El marco de confianza de CEOtudent: tres niveles
Al juntar la evidencia surge una jerarquía utilizable.
| Nivel | Métricas | Base de evidencia | Cómo usarlo |
|---|---|---|---|
| Nivel A: actúa sobre ello | Frecuencia cardíaca en reposo, duración total del sueño, regularidad de horarios | Error absoluto medio de la frecuencia en reposo del 1,67% al 3,00% frente a ECG; sensibilidad de detección del sueño del 91,68% al 96,27% frente a PSG | Léelo a diario. Una subida sostenida durante varios días en la frecuencia en reposo es una señal real. Duración y horarios están medidos lo bastante bien como para gestionarlos directamente. |
| Nivel B: solo tendencias | VFC, sueño profundo, sueño REM, eficiencia del sueño | Error de VFC del 5,96% al 16,32%; kappa de fases 0,21 a 0,53; eficiencia sobreestimada un 2,20% a 10,19% | Ignora por completo las noches aisladas. Compara medias móviles de varias semanas con tu propia línea base, nunca con otra persona ni con otro dispositivo. |
| Nivel C: no reacciones | Compuestos de readiness, recuperación y batería corporal; minutos de fases de una noche aislada | Compuestos propietarios sin validación independiente, construidos en parte sobre entradas de Nivel B | Trátalo como el inicio de una conversación contigo mismo, no como una medición. Si contradice cómo te sientes, fíate de cómo te sientes. |
Marco editorial de CEOtudent, sintetizado a partir de los estudios de validación frente a polisomnografía y ECG citados en las fuentes.
Una regla atraviesa los tres niveles: compárate solo contigo mismo, en el mismo dispositivo. Los valores absolutos no son comparables entre fabricantes, como demuestran juntos el margen de catorce minutos en vigilia no detectada y la diferencia de hasta seis veces en el error de VFC. Tu propia línea base en tu propio equipo es el único punto de referencia justo, lo que también implica que cambiar de dispositivo reinicia tu historial.
La mirada de director lee instrumentos, la de estudiante lee límites
Aquí hay una lección de gestión que va mucho más allá del sueño.
Quien recibe un panel de control no da por igual de sólida cada cifra que aparece en él. Algunos números vienen de sistemas auditados y otros de una hoja de cálculo que alguien mantiene a mano. La respuesta competente no es ignorar el panel ni confiar en él de forma uniforme, sino conocer la calidad de medición que hay detrás de cada línea y dimensionar las decisiones en consecuencia. Nadie reestructura un negocio con una métrica que tiene un margen de error del 16%.
La mayoría de usuarios de wearables nunca ha aplicado esa disciplina al panel de su propio cuerpo. Reaccionan a la cifra más ruidosa de la pantalla porque se presenta con la misma seguridad que la más fiable. Es un fallo de alfabetización de datos, no de salud, y es el mismo fallo que lleva a sobregestionar un sistema personal a partir de la fluctuación diaria. La versión más amplia de este problema, tratar el agotamiento como una cifra en lugar de como una señal sistémica, la examinamos en el burnout como fallo sistémico.
El lado de estudiante consiste en conocer los límites de tus instrumentos y mantener la curiosidad a medida que mejoran. Estos dispositivos están mejorando, y el registro de validación cambia con cada generación de hardware y firmware. El estudio de VFC de 2025 subrayó exactamente esto, insistiendo en la necesidad de validación continua a medida que se lanzan nuevas actualizaciones de hardware y software. Una conclusión sobre un dispositivo de 2023 no es automáticamente una conclusión sobre su sucesor de 2026. Conserva el marco, actualiza las cifras.
Qué hacer concretamente mañana por la mañana
Cuatro cambios, por orden de impacto.
Traslada tu atención a la frecuencia cardíaca en reposo. Es la cifra mejor medida que produce tu dispositivo y responde a la enfermedad, el alcohol, el calor, el sobreentrenamiento y el estrés. Una subida de varias pulsaciones sostenida durante varios días merece tomarse en serio.
Deja de leer los datos de fases de una sola noche. Los minutos de sueño profundo de anoche no son una medición sobre la que puedas actuar. Mira medias móviles de semanas o desactiva ese indicador.
Rebaja la VFC de señal diaria a tendencia mensual. Dado que arrastra de tres a seis veces el error de la frecuencia en reposo, más una variabilidad biológica real, los movimientos diarios de la VFC son sobre todo ruido. La señal aprovechable es la dirección a lo largo de varias semanas.
Toma la duración total del sueño como aproximadamente correcta pero halagadora. La detección del sueño es realmente buena, pero la debilidad en la detección de vigilia significa que tu dispositivo probablemente te acredita más sueño del que tuviste. Si tu objetivo son siete horas y media y tu dispositivo informa exactamente eso, es probable que te quedes algo corto.
Nada de esto significa que los dispositivos sean inútiles. Detectar el sueño con más del 91% de sensibilidad es un logro real, una frecuencia en reposo con menos del 3% de error es una medición genuinamente buena, y las tendencias a largo plazo contienen información real. El desperdicio está en reaccionar a una precisión que la medición no respalda, y la corrección no cuesta nada salvo saber qué cifras se han ganado tu atención.
Preguntas frecuentes
¿Es exacta la cifra de sueño profundo de mi rastreador?
No lo bastante como para actuar cada noche. Frente a la polisomnografía, el mejor dispositivo evaluado identificó correctamente el 69,63% de las épocas de sueño profundo, y la concordancia global de fases en seis dispositivos fue de kappa de Cohen 0,21 a 0,53, de escasa a moderada. Además, el sueño ligero actúa como categoría por defecto cuando el algoritmo duda, lo que distorsiona las demás fases. Las tendencias de varias semanas pueden ser informativas; la cifra de una sola noche no lo es.
¿Debo prestar más atención a la VFC o a la frecuencia cardíaca en reposo?
A la frecuencia en reposo, por razones de medición. A lo largo de 536 noches con referencia de ECG, la frecuencia en reposo presentó un error porcentual absoluto medio del 1,67% al 3,00%, mientras que la VFC presentó del 5,96% al 16,32%, lo que la hace entre tres y seis veces más ruidosa en el mismo dispositivo. La VFC sigue aportando información a lo largo de semanas, pero la señal cotidiana más fiable es la frecuencia en reposo.
¿Por qué mi dispositivo dice que dormí bien cuando sé que estuve despierto?
Porque la detección de la vigilia es el eslabón más débil. Los dispositivos evaluados identificaron el sueño con una sensibilidad del 91,68% al 96,27%, pero la vigilia con una especificidad de solo el 29,39% al 52,15%, de modo que buena parte de la vigilia tranquila se contabiliza como sueño. Por eso también todos los dispositivos de aquel estudio subestimaron el tiempo despierto y sobreestimaron la eficiencia del sueño. Tu experiencia es el relato más fiable de una noche entrecortada.
¿Se basan las puntuaciones de readiness y recuperación en ciencia validada?
Sus componentes se han validado; los compuestos en sí no se han validado de forma independiente en la literatura revisada por pares, y los fabricantes no publican por completo sus ponderaciones. Como estas puntuaciones se apoyan en parte en la VFC y en las fases del sueño, las dos métricas menos precisamente medidas, heredan ese error. Úsalas como recordatorio diario más que como medición.
¿Puedo comparar mi puntuación de sueño con la de alguien que usa otro dispositivo?
No. La dispersión entre dispositivos es demasiado grande para que esa comparación signifique algo. En una noche idéntica, los dispositivos evaluados difirieron en unos catorce minutos en cuánta vigilia pasaron por alto, y el error de VFC varió más de seis veces entre el mejor y el peor. Compara solo con tu propia línea base en tu propio dispositivo, y reajusta expectativas al cambiar de equipo.
¿Se aplican estos hallazgos a los dispositivos más recientes?
En parte, y conviene cautela. El registro de validación aquí recogido cubre generaciones concretas de hardware evaluadas entre 2023 y 2025. Los algoritmos cambian con las actualizaciones de firmware, y los investigadores de la validación de VFC de 2025 subrayaron de forma explícita la necesidad de validación continua a medida que se lanzan nuevo hardware y software. El hallazgo estructural, que la detección de vigilia y la VFC son más difíciles de medir que la detección del sueño y la frecuencia en reposo, probablemente persista, porque refleja la física de lo que un sensor de muñeca puede observar. Los porcentajes concretos sí se moverán.
Fuentes
- Physiological Reports, Validation of nocturnal resting heart rate and heart rate variability in consumer wearables, 2025
- SLEEP Advances, Oxford University Press, validación del rendimiento de seis wearables comerciales de muñeca para la clasificación de fases del sueño comparados con polisomnografía, 2025
- JMIR mHealth and uHealth, Accuracy of 11 Wearable, Nearable, and Airable Consumer Sleep Trackers: Prospective Multicenter Validation Study, 2023
- Journal of Clinical Sleep Medicine, American Academy of Sleep Medicine, metaanálisis de rastreadores de sueño de consumo de muñeca comparados con polisomnografía, 2025
- American Academy of Sleep Medicine, orientación clínica sobre la polisomnografía como patrón de referencia en la medición del sueño
- Organización Mundial de la Salud, directrices sobre actividad física y comportamiento sedentario
Este contenido fue recopilado con el apoyo de la IA tras una investigación exhaustiva, y luego redactado y preparado para su publicación por el equipo editorial de CEOtudent.
This post is also available in:
){kind=link}
&description=&image=https://ceotudent.com/wp-content/uploads/2026/08/hrv-sleep-scores-readiness-which-wearable-metrics-actually-mean-anything-1024x572.png){kind=link}