— INTRODUCCIÓN

La Revolución de los Wearables de Salud — y Sus Límites

El mercado de tecnología wearable de salud para consumidores ha experimentado un cambio de paradigma: de la simple podometría a sofisticadas plataformas de monitoreo fisiológico capaces de rastrear la variabilidad de la frecuencia cardíaca, la saturación de oxígeno en sangre, la arquitectura del sueño, la temperatura de la piel, la frecuencia respiratoria y los ritmos electrocardiográficos. A partir de 2025, el mercado global de wearables supera los $70 mil millones, con dispositivos cada vez más utilizados no solo por entusiastas del fitness sino en investigación clínica, ciencia del deporte y medicina preventiva.

La pregunta crítica — tanto para consumidores como para clínicos e investigadores — no es qué dispositivo tiene más funciones. Es: ¿qué tan precisos son estos dispositivos, y cuáles sirven mejor a objetivos específicos de salud y rendimiento? Esta revisión examina cinco dispositivos prominentes a través de la lente de la literatura revisada por pares, la opinión de expertos y los primeros principios fisiológicos.

LOS POSTULADOS DE ATTIA — EL ESTÁNDAR CLÍNICO PARA LA UTILIDAD DE LOS WEARABLES
  • 01El dispositivo debe proporcionar retroalimentación correctiva y aplicable — no solo datos.
  • 02Debe reportar los datos en un marco temporal relevante para la decisión en cuestión.
  • 03Debe medir realmente lo que afirma medir, con precisión.
  • 04Debe rastrear métricas que varían de forma no intuitiva — no cosas que el usuario ya sabe.
  • 05Debe medir algo que realmente importe para los resultados de salud.

Este marco de cinco postulados — articulado por el Dr. Peter Attia — ofrece una lente clínica más útil que las comparaciones de hojas de especificaciones. Un dispositivo puede lograr una precisión casi perfecta en un estudio de laboratorio y aun así fallar la prueba de aplicabilidad en la práctica. Esa brecha entre la medición y el significado es donde se pierde la mayor parte del valor de los wearables.

— FUNDAMENTOS FISIOLÓGICOS

Qué Están Midiendo Realmente Estos Dispositivos

Frecuencia Cardíaca y PPG

Los cinco dispositivos se basan en la fotopletismografía (PPG) como su modalidad de detección principal — emitiendo luz verde (~525 nm) y/o infrarroja hacia la piel y midiendo la luz absorbida o reflejada por la hemoglobina a medida que el volumen sanguíneo fluctúa con cada ciclo cardíaco. La precisión se ve influida por el artefacto de movimiento durante el ejercicio, la pigmentación de la piel (la melanina absorbe la luz verde, reduciendo la relación señal-ruido en tonos de piel más oscuros), el estado de perfusión (las temperaturas frías y la vasoconstricción degradan la señal) y la colocación del dispositivo. El Oura Ring se beneficia de arterias digitales palmares más superficiales en comparación con los dispositivos de muñeca — una ventaja fisiológica real, no una distinción de marketing.

Variabilidad de la Frecuencia Cardíaca (VFC)

La VFC — la variación latido a latido en los intervalos R-R — es un marcador potente de la función del sistema nervioso autónomo. El sistema nervioso simpático reduce la VFC (lucha o huida); el parasimpático la incrementa a través del nervio vago (descanso y digestión). La métrica más comúnmente reportada es la RMSSD (raíz cuadrada media de diferencias sucesivas), que refleja el tono parasimpático y es la medida de dominio temporal más confiable para registros ultracortos. Plews et al. (2013) demostraron que el seguimiento del coeficiente de variación de la VFC proporciona un indicador sensible de adaptación frente a desadaptación al entrenamiento. Thayer et al. (2012) establecieron que una VFC reducida se asocia de forma independiente con un aumento de la mortalidad por todas las causas y el riesgo de enfermedad cardiovascular.

Arquitectura del Sueño

El estándar de referencia para la clasificación del sueño es la polisomnografía (PSG) mediante EEG, EMG y EOG. Los wearables de consumo infieren las etapas del sueño a partir de la acelerometría, la frecuencia cardíaca, la VFC y la temperatura de la piel — un enfoque fundamentalmente menos directo. Una limitación crítica y poco apreciada: todos los wearables de consumo muestran baja especificidad para la detección de vigilia, lo que lleva a una sobreestimación del tiempo total de sueño de 20 a 60 minutos. Esto importa clínicamente. Un dispositivo que indica que dormiste 7.5 horas cuando en realidad dormiste 6.5 no es un dato neutral — moldea decisiones sobre la carga de entrenamiento, la recuperación y la salud.

La brecha entre precisión y aplicabilidad es el verdadero problema clínico. Un dispositivo puede ser estadísticamente preciso y aun así no ofrecer ninguna orientación de salud significativa si el usuario no sabe cómo interpretar o actuar sobre los datos.

— ANÁLISIS DE DISPOSITIVO · 01

Hume Band

HUME BAND ENFOQUE EN SALUD METABÓLICA

El Hume Band es un competidor más reciente que se posiciona como un wearable de orientación médica enfocado en la salud metabólica, la evaluación del riesgo cardiovascular y la detección temprana de enfermedades. Su puntaje de Momentum Metabólico integra las tendencias de FC en reposo, los patrones de VFC, la calidad del sueño, los niveles de actividad y las desviaciones de temperatura de la piel — conceptualmente alineado con la investigación sobre carga alostática. El sistema de Alerta de Riesgo de Salud usa detección de anomalías para señalar desviaciones de las líneas base fisiológicas, reflejando la metodología que muestra que las elevaciones de FC en reposo detectadas por wearables pueden preceder la aparición de síntomas en enfermedades infecciosas por 1 a 3 días. El concepto es científicamente sólido. Los datos de validación aún no se han publicado de forma independiente.

FORTALEZAS
  • Orientación centrada en la salud; el enfoque metabólico se alinea con la medicina de longevidad
  • Detección de anomalías para alerta temprana de enfermedad
  • Asequible; cómodo; sin suscripción requerida
  • Puntuación compuesta conceptualmente sólida (modelo de carga alostática)
LIMITACIONES
  • Validación independiente revisada por pares limitada a partir de 2026
  • Los algoritmos propietarios carecen de transparencia
  • Sin capacidad de ECG; sin funciones autorizadas por la FDA; sin GPS
  • Las afirmaciones deben interpretarse con cautela mientras se espera su replicación
— ANÁLISIS DE DISPOSITIVO · 02

WHOOP 4.0

WHOOP 4.0 OPTIMIZACIÓN DE LA RECUPERACIÓN

WHOOP es la plataforma líder de optimización de rendimiento y recuperación, preferida por atletas de élite, unidades de operaciones especiales militares y equipos deportivos profesionales. Sus tres métricas centrales — Strain (carga cardiovascular en una escala logarítmica de 0 a 21), Recovery (preparación matutina del 0 al 100% a partir de la VFC, la FC en reposo, la frecuencia respiratoria y el sueño) y Sleep Performance (necesidad de sueño real frente a personalizada) — operacionalizan el modelo de aptitud-fatiga: el rendimiento es igual a las adaptaciones de aptitud física menos la fatiga acumulada. WHOOP es el único dispositivo que ajusta dinámicamente las recomendaciones de necesidad de sueño según la carga de entrenamiento — una distinción clínica significativa.

La validación científica es sólida. Bellenger et al. (2024) encontraron un CCC de 0.99 para la FC en reposo y la RMSSD frente al ECG. Dial et al. (2025) confirmaron: CCC = 0.99, MAPE = 4.73% para la RMSSD — empatado con Oura por la mayor precisión de VFC de todos los dispositivos revisados.

FORTALEZAS
  • Mejor paradigma de carga-recuperación; orientación diaria de entrenamiento más aplicable
  • Mayor precisión validada de VFC (CCC 0.99, empatado con Oura)
  • Necesidad de sueño personalizada — considera la carga de entrenamiento
  • Sin pantalla; uso 24/7 sin distracción
  • Utilizado en investigación clínica; aceptado en Bellenger et al. como "precisión aceptable para estudios clínicos"
LIMITACIONES
  • Modelo de suscripción ($30/mes) — costo continuo
  • Sin GPS; sin pantalla; utilidad limitada como reloj inteligente diario
  • Sin capacidad de ECG
  • Sobreestimación del sueño de ~20–30 minutos frente a la PSG
— ANÁLISIS DE DISPOSITIVO · 03

Oura Ring Gen 3 / Gen 4

OURA RING GEN 4 SUEÑO · LONGEVIDAD · RECUPERACIÓN

El Oura Ring es el único wearable de salud importante en formato de anillo — y esto confiere una ventaja fisiológica genuina. Las arterias digitales palmares son más superficiales, tienen menos tejido superpuesto y experimentan menos artefacto de movimiento que las arterias de la muñeca, produciendo señales PPG de mayor fidelidad. De Zambotti et al. (2019) encontraron una sensibilidad de detección del sueño del 96% y el mejor acuerdo de etapas del sueño con la PSG de cualquier dispositivo de consumo revisado (65% para el sueño profundo N3, 72% para el REM). Durante la COVID-19, Scripps Research y UCSF demostraron que los datos de temperatura de Oura podían detectar el inicio de una infección hasta 3 días antes de la aparición de síntomas, con un AUC de 0.90. El Dr. Peter Attia identifica a Oura como uno de solo dos wearables que considera consistentemente útiles — señalando que satisface los cinco de sus postulados.

Dial et al. (2025): RMSSD nocturna — CCC 0.99, MAPE 4.60% (el MAPE más bajo de todos los dispositivos revisados). FC en reposo: CCC 0.99, MAPE 1.87% — acercándose a una precisión de grado clínico.

FORTALEZAS
  • Mejor precisión de seguimiento del sueño de todos los dispositivos revisados
  • Mayor precisión de VFC (empatado con WHOOP, MAPE más bajo)
  • Detección de enfermedad — los datos de temperatura detectan infección 1 a 3 días antes de los síntomas
  • Seguimiento del ciclo menstrual con precisión de temperatura de ±0.13°C
  • Formato mínimo; discreto; uso 24/7 sin fricción social
LIMITACIONES
  • Sin GPS; sin pantalla; sin funcionalidad de reloj inteligente
  • Suscripción requerida para funciones completas ($5.99/mes)
  • Riesgo de ortosomnia — la ansiedad por el puntaje de sueño puede empeorar paradójicamente el sueño
  • Relación de asesoría de Attia con Oura — posible conflicto de interés a revelar
— ANÁLISIS DE DISPOSITIVO · 04

Garmin (Fenix / Forerunner / Enduro 3)

GARMIN FENIX · FORERUNNER · ENDURO 3 RENDIMIENTO ATLÉTICO · ANALÍTICA DE ENTRENAMIENTO

Garmin ocupa la posición más integral en el ecosistema de wearables para atletas serios y entusiastas del aire libre. Su fortaleza radica en una amplitud sin paralelo de métricas específicas por deporte, precisión de GPS y analítica de entrenamiento impulsada por el motor Firstbeat Analytics — una empresa finlandesa cuyos algoritmos se han validado en más de 200 estudios revisados por pares. La estimación del VO₂ máx, la Carga de Entrenamiento (basada en EPOC, aguda y crónica), el Estado de Entrenamiento (7 clasificaciones de Productivo a Sobreentrenamiento), Body Battery, el Puntaje de Estrés, el Predictor de Carrera, la Dinámica de Carrera y la estimación del Umbral de Lactato están entre las salidas específicas de entrenamiento de Garmin que ningún otro dispositivo en esta revisión puede igualar.

El Garmin Enduro 3 merece una mención específica: entrega el conjunto completo de funciones del Fenix 8 — incluido el ECG autorizado por la FDA, mapas topográficos completos y la analítica de Firstbeat — a un precio más bajo, con 320 horas de batería GPS mediante carga solar. Para atletas de ultraresistencia y expediciones de varios días, esto no es una característica de conveniencia; es una variable de seguridad. La precisión de la VFC es la debilidad conocida de Garmin (Dial et al., 2025: CCC 0.87, MAPE 10.52%) — adecuada para el monitoreo de tendencias pero inferior a WHOOP y Oura para la orientación de recuperación de precisión.

FORTALEZAS
  • Amplitud de analítica de entrenamiento sin igual (VO₂ máx, Carga de Entrenamiento, Estado de Entrenamiento, Predictor de Carrera)
  • GPS y duración de batería líderes de la industria (Enduro 3: 320h de GPS con solar)
  • Algoritmos Firstbeat validados en más de 200 estudios revisados por pares
  • Capacidad de ECG (modelos seleccionados, incluido el Enduro 3)
  • Sin suscripción requerida
LIMITACIONES
  • La precisión de la VFC queda significativamente por debajo de WHOOP y Oura (CCC 0.87)
  • Precisión de SpO₂ menor que el Apple Watch (MAE 4.5–5.8% frente a 2.2%)
  • Sin puntuación de preparación específica de salud tan sofisticada como WHOOP u Oura
  • El formato grande puede no adaptarse a todos los tamaños de muñeca o contextos de uso diario
— ANÁLISIS DE DISPOSITIVO · 05

Apple Watch Series 9 / Ultra 2

APPLE WATCH SERIES 9 / ULTRA 2 SALUD CLÍNICA · POBLACIÓN GENERAL

El Apple Watch es el reloj inteligente más vendido del mundo y el wearable de consumo más validado clínicamente en la historia. Es el único dispositivo en esta revisión con ECG autorizado por la FDA, notificación autorizada por la FDA de ritmo irregular para fibrilación auricular, monitoreo de oxígeno en sangre autorizado por la FDA mediante el proceso De Novo, detección de caídas autorizada por la FDA con llamada de emergencia automática, detección de choques y SOS de emergencia vía satélite. El Apple Heart Study (Perez et al., 2019, NEJM) inscribió a más de 419,000 participantes — el estudio de validación de wearables de consumo más grande jamás realizado. Detección de fibrilación auricular por ECG: 98.5% de sensibilidad, 99.3% de especificidad (Seshadri et al., 2023). Un ECA de 2025 demostró que la detección de FA mediante reloj inteligente durante 6 meses mejoró significativamente la detección de FA de nueva aparición frente a la atención estándar.

La importancia clínica: la fibrilación auricular aumenta 5 veces el riesgo de accidente cerebrovascular y representa el 15–20% de todos los accidentes cerebrovasculares isquémicos. La detección temprana permite una terapia de anticoagulación que reduce el riesgo de accidente cerebrovascular en un 60–70%. Ningún otro dispositivo de consumo ofrece esta capacidad clínica con este nivel de validación. Una revisión sistemática viva de referencia en Nature Digital Medicine (2025) sintetizó más de 180 estudios: SpO₂ MAE 2.2% — la mayor precisión de cualquier dispositivo revisado.

FORTALEZAS
  • Más funciones de salud autorizadas por la FDA que cualquier dispositivo de consumo
  • Mejor precisión de SpO₂ (MAE 2.2%); mejor base de evidencia de ECG (419,000 participantes)
  • Más de 180 estudios publicados — el wearable de consumo más validado clínicamente disponible
  • Detección de caídas, detección de choques, SOS de emergencia — funciones de seguridad genuinas
  • Utilidad más amplia para la población general; integración de ecosistema (iPhone, app Salud)
LIMITACIONES
  • Precisión de VFC (CCC 0.94, MAPE 8.17%) — inferior a WHOOP y Oura
  • Duración de batería (18–36 horas) — requiere carga diaria
  • Orientación de entrenamiento menos prescriptiva; deja la interpretación de datos al usuario
  • Attia: "no satisface su marco tan bien como Oura para el sueño"
— PRECISIÓN COMPARATIVA

Datos de Validación: Dispositivo por Métrica

Las siguientes cifras provienen de Dial et al. (2025), Bellenger et al. (2024), de Zambotti et al. (2019), Miller et al. (2022), Carrier et al. (2023), y la revisión sistemática viva de Nature Digital Medicine (2025). CCC = coeficiente de correlación de concordancia; MAPE = error porcentual absoluto medio; MAE = error absoluto medio.

MÉTRICA HUME WHOOP 4.0 OURA RING GARMIN APPLE WATCH
FC en reposo (CCC) Datos limitados 0.99 0.99 0.98 0.99
FC en reposo (MAPE) Datos limitados 1.43% 1.87% 2.14% 1.21%
VFC/RMSSD (CCC) Datos limitados 0.99 0.99 0.87 0.94
VFC/RMSSD (MAPE) Datos limitados 4.73% 4.60% 10.52% 8.17%
SpO₂ (MAE) Datos limitados ~3–4% ~3.5% 4.5–5.8% 2.2%
Sensibilidad de Detección del Sueño Datos limitados 0.86 0.96 ~0.87 ~0.89
Acuerdo de Etapas del Sueño (PSG) Datos limitados ~60–65% 65–72% ~55–62% ~60–65%
VO₂ Máx N/A N/A N/A ±2–3 mL/kg/min ±3–4 mL/kg/min
ECG/Fibrilación Auricular ✗ ✗ ✗ ✓ Modelos seleccionados ✓ Autorizado por la FDA, 98.5% sens.
— RECOMENDACIONES CLÍNICAS

Mejor Dispositivo por Perfil de Usuario

PERFIL DE USUARIO DISPOSITIVO RECOMENDADO JUSTIFICACIÓN
Atleta enfocado en recuperación (CrossFit, deporte de equipo) WHOOP 4.0 Mejor paradigma de carga-recuperación; mayor precisión validada de VFC; cálculo personalizado de necesidad de sueño
Optimización del sueño y la longevidad Oura Ring Gen 4 Mejor precisión de seguimiento del sueño; VFC nocturna superior; detección de enfermedad; formato mínimo
Atleta de resistencia de élite (maratón, triatlón) Garmin Fenix 8 / FR 965 Analítica de entrenamiento sin igual, VO₂ máx, Estado de Entrenamiento; mejor GPS; sin suscripción
Ultraresistencia / expedición / militar Garmin Enduro 3 320h de GPS con solar; conjunto completo de funciones Fenix; ECG; mapas topográficos; el más ligero con 63g; $200 más económico que el Fenix 8
Monitoreo general de salud / seguridad cardíaca Apple Watch S9 / Ultra 2 ECG/fibrilación auricular autorizado por la FDA; mejor SpO₂; detección de caídas/choques; SOS de emergencia; mayor base de evidencia clínica
Enfoque en salud metabólica Hume Band Puntaje de Momentum Metabólico; alertas de riesgo de salud; asequible; nota: validación independiente limitada
Clínico / investigador Apple Watch o WHOOP Apple Watch: más estudios publicados, autorizaciones de la FDA. WHOOP: precisión validada para uso en investigación clínica
Enfoque más sofisticado Oura + Garmin (combinados) Integración multidispositivo: Oura para sueño y recuperación, Garmin para analítica de entrenamiento. Mayor señal total sin redundancia
— ANÁLISIS CRÍTICO

Limitaciones Que el Marketing No Te Dirá

El Problema de la Ortosomnia

Baron et al. (2017) acuñaron el término "ortosomnia" para describir el fenómeno paradójico en el que la preocupación por lograr puntajes de sueño perfectos produce la ansiedad que perjudica el sueño. La hiperactivación previa al sueño — preocuparse por el puntaje de esta noche — activa el sistema nervioso simpático, aumenta el cortisol y retrasa el inicio del sueño. Esto es particularmente relevante para los usuarios de Oura y WHOOP. Orientación clínica: ver los puntajes como tendencias a lo largo de semanas, no como boletas de calificaciones nocturnas. Si un cliente revisa su puntaje de sueño antes de levantarse de la cama cada mañana con angustia visible, el dispositivo puede estar produciendo un daño neto.

Tono de Piel y Sesgo Demográfico

Bent et al. (2020) demostraron tasas de error significativamente más altas en las mediciones de FC basadas en PPG en personas con tonos de piel más oscuros. Sjoding et al. (2020, NEJM) encontraron que los oxímetros de pulso tenían aproximadamente tres veces más probabilidades de no detectar hipoxemia oculta en pacientes negros en comparación con pacientes blancos — una preocupación de equidad en salud potencialmente mortal. El PPG de dedo basado en infrarrojo de Oura puede ser menos susceptible a este sesgo, pero el problema es generalizado en la industria y poco reportado en los materiales de marketing.

LIMITACIONES DE LOS ESTUDIOS DE VALIDACIÓN

La mayoría de los estudios de validación se realizan en condiciones controladas de laboratorio con muestras pequeñas (n = 20–60) y homogéneas de adultos jóvenes, sanos y físicamente activos. La precisión en el mundo real — a través de actividades variadas, poblaciones diversas, distintas condiciones ambientales — puede diferir sustancialmente. Muchos estudios son financiados por la industria o involucran conflictos de interés de los autores. Los algoritmos de los wearables de consumo también se actualizan con frecuencia mediante firmware, lo que significa que un estudio de validación publicado hoy puede no reflejar la precisión de la versión actual para cuando llegue al conocimiento clínico.

Grado de Consumo Frente a Grado Clínico

Ninguno de los dispositivos analizados debe considerarse un sustituto de los dispositivos médicos de grado clínico. El ECG del Apple Watch tiene autorización de la FDA para la detección de fibrilación auricular, pero es un registro de una sola derivación que no puede detectar todas las arritmias ni la enfermedad cardíaca estructural. Las mediciones de SpO₂ de todos los dispositivos llevan el descargo de la FDA de que "no están destinadas para uso médico". El rol apropiado es el monitoreo de tendencias, la alerta temprana y la sensibilización en salud — no las decisiones de diagnóstico o tratamiento. Una notificación positiva de ritmo irregular debe motivar una evaluación clínica, no un autodiagnóstico.

— DIRECCIONES FUTURAS

La Próxima Frontera

TECNOLOGÍAS EMERGENTES EN WEARABLES DE CONSUMO
  • Monitoreo continuo no invasivo de glucosa Se reporta que Apple y Samsung están desarrollando tecnología óptica de MCG mediante espectroscopía Raman o enfoques fotónicos. Los desafíos técnicos son formidables — las concentraciones de glucosa en el líquido interstitial son aproximadamente 1,000 veces menores que las de hemoglobina, lo que dificulta enormemente la detección óptica. No es inminente a la precisión necesaria para uso clínico.
  • Monitoreo de presión arterial sin manguito El Samsung Galaxy Watch ha introducido la estimación de presión arterial calibrada con manguito mediante tiempo de tránsito del pulso. Se reporta que Apple está desarrollando presión arterial sin manguito. Si se valida, esto podría permitir el monitoreo continuo para los 1.3 mil millones de personas en el mundo con hipertensión.
  • Detección de biomarcadores basada en el sudor Sodio, potasio, lactato y glucosa en tiempo real mediante sensores de sudor (Epicore Biosystems y otros) — la integración con plataformas wearables podría proporcionar orientación de hidratación y electrolitos en tiempo real durante el ejercicio.
  • Modelado de gemelo digital Combinar flujos de datos de múltiples dispositivos con datos genómicos, proteómicos y metabolómicos para crear modelos fisiológicos personalizados para el manejo predictivo de la salud — la realización última de la medicina de precisión a escala.
— CONCLUSIÓN

La Conclusión Clínica

Ningún dispositivo único es universalmente superior. La elección óptima depende de los objetivos principales de salud y rendimiento del usuario — y de si los datos que produce el dispositivo realmente cambiarán una conducta o decisión. Ese último criterio, la prueba de aplicabilidad de Attia, elimina más dispositivos de la recomendación clínica que cualquier medición de precisión.

Para métricas cardíacas nocturnas (VFC, FC en reposo): WHOOP y Oura están estadísticamente empatados por la mayor precisión (CCC 0.99 para la RMSSD). Garmin queda significativamente rezagado (CCC 0.87). Para el seguimiento del sueño: Oura lidera con un 96% de sensibilidad y el mejor acuerdo de etapas con la PSG. Para el monitoreo clínico de salud y la seguridad cardíaca: el Apple Watch no tiene igual — autorizaciones de la FDA, más de 180 estudios, validación de fibrilación auricular con 419,000 participantes, mejor precisión de SpO₂. Para la analítica de entrenamiento: Garmin es el líder claro. Para la optimización de la recuperación: el paradigma de carga-recuperación de WHOOP proporciona la orientación diaria de entrenamiento más aplicable. Para el monitoreo de salud metabólica: Hume Band ofrece un enfoque intrigante a la espera de más validación independiente.

El enfoque más sofisticado — defendido por investigadores como el Dr. Eric Topol y cada vez más adoptado por atletas de élite y personas enfocadas en la longevidad — es la integración multidispositivo. Usar un Oura Ring para el sueño y la recuperación junto con un Garmin para la analítica de entrenamiento cubre más terreno fisiológico con menos redundancia de lo que puede ofrecer cualquier dispositivo único. A medida que mejora la tecnología de sensores y maduran los algoritmos, la brecha entre los wearables de consumo y el monitoreo de grado clínico continuará reduciéndose. La dirección es clara. La tecnología está avanzando. El marco clínico para evaluarla debería avanzar con el mismo rigor.

— REFERENCIAS

44 Fuentes Citadas

  • Allen, J. (2007). Photoplethysmography and its application in clinical physiological measurement. Physiological Measurement, 28(3), R1–R39.
  • Attia, P. (2023). My view on wearables. Peter Attia MD. peterattiamd.com
  • Baker, F. C., & Driver, H. S. (2007). Circadian rhythms, sleep, and the menstrual cycle. Sleep Medicine, 8(6), 613–622.
  • Banister, E. W. (1991). Modeling elite athletic performance. In Physiological testing of the high-performance athlete (2nd ed.). Human Kinetics.
  • Baron, K. G., et al. (2017). Orthosomnia: Are some patients taking the quantified self too far? Journal of Clinical Sleep Medicine, 13(2), 351–354.
  • Bellenger, C. R., et al. (2024). Wrist-based PPG assessment of HR and HRV: Validation of WHOOP. Sensors, 22(8), 3090.
  • Bellenger, C. R., et al. (2024). Accuracy, utility and applicability of the WHOOP wearable device: A systematic review. MedRxiv.
  • Bent, B., et al. (2020). Investigating sources of inaccuracy in wearable optical heart rate sensors. NPJ Digital Medicine, 3(1), 18.
  • Bompa, T. O., & Haff, G. G. (2009). Periodization: Theory and methodology of training (5th ed.). Human Kinetics.
  • Borsheim, E., & Bahr, R. (2003). Effect of exercise intensity, duration and mode on post-exercise oxygen consumption. Sports Medicine, 33(14), 1037–1060.
  • Carrier, B., et al. (2023). Validity of VO₂max estimates from the Forerunner 245 during graded exercise testing. International Journal of Environmental Research and Public Health, 20(5), 4475.
  • Castaneda, D., et al. (2018). A review on wearable PPG sensors and their potential future applications. International Journal of Biosensors & Bioelectronics, 4(4), 195–202.
  • Cole, C. R., et al. (1999). Heart-rate recovery after exercise as a predictor of mortality. New England Journal of Medicine, 341(18), 1351–1357.
  • de Zambotti, M., et al. (2019). The sleep of the ring: Comparison of the Oura sleep tracker against polysomnography. Behavioral Sleep Medicine, 17(2), 124–136.
  • Dial, M. B., et al. (2025). Validation of nocturnal resting HR and HRV in consumer wearables. Physiological Reports, 13(4), e70527.
  • Fullagar, H. H. K., et al. (2015). Sleep and athletic performance: Effects of sleep loss on exercise performance. Sports Medicine, 45(2), 161–186.
  • Fuller, D., et al. (2020). Reliability and validity of commercially available wearable devices for measuring steps, energy expenditure, and HR. JMIR mHealth and uHealth, 8(9), e18694.
  • Gabbett, T. J. (2016). The training-injury prevention paradox. British Journal of Sports Medicine, 50(5), 273–280.
  • Gilgen-Ammann, R., et al. (2019). RR interval signal quality of a heart rate monitor and ECG Holter at rest and during exercise. European Journal of Applied Physiology, 119(7), 1525–1532.
  • Huberman, A. (2023). Sleep toolkit: Tools for optimizing sleep & sleep-wake timing. Huberman Lab Podcast.
  • January, C. T., et al. (2014). AHA/ACC/HRS guideline for management of patients with atrial fibrillation. Journal of the American College of Cardiology, 64(21), e1–e76.
  • Jubran, A. (2015). Pulse oximetry. Critical Care, 19(1), 272.
  • Luks, A. M., & Swenson, E. R. (2020). Pulse oximetry for monitoring patients with COVID-19 at home. Annals of the American Thoracic Society, 17(9), 1040–1046.
  • Mandsager, K., et al. (2018). Association of cardiorespiratory fitness with long-term mortality. JAMA Network Open, 1(6), e183605.
  • McEwen, B. S. (1998). Stress, adaptation, and disease: Allostasis and allostatic load. Annals of the New York Academy of Sciences, 840(1), 33–44.
  • Miller, D. J., et al. (2022). Validation of six wearable devices for estimating sleep, HR, and HRV. Sensors, 22(16), 6317.
  • Mishra, T., et al. (2020). Pre-symptomatic detection of COVID-19 from smartwatch data. Nature Biomedical Engineering, 4(12), 1208–1220.
  • Nature Digital Medicine. (2025). The accuracy of Apple Watch measurements: A living systematic review. NPJ Digital Medicine, 8, Article 02238.
  • Perez, M. V., et al. (2019). Large-scale assessment of a smartwatch to identify atrial fibrillation. New England Journal of Medicine, 381(20), 1909–1917.
  • Plews, D. J., et al. (2013). Training adaptation and HRV in elite endurance athletes. Sports Medicine, 43(9), 773–781.
  • Quer, G., et al. (2021). Wearable sensor data and self-reported symptoms for COVID-19 detection. Nature Medicine, 27(1), 73–77.
  • Refinetti, R., & Menaker, M. (2002). The circadian rhythm of body temperature. Physiology & Behavior, 51(3), 613–637.
  • San Millán, I., & Brooks, G. A. (2018). Assessment of metabolic flexibility by measuring blood lactate, fat, and carbohydrate oxidation. Sports Medicine, 48(2), 467–479.
  • Seeman, T. E., et al. (2001). Allostatic load as a marker of cumulative biological risk. PNAS, 98(8), 4770–4775.
  • Seiler, S. (2010). What is best practice for training intensity and duration distribution in endurance athletes? International Journal of Sports Physiology and Performance, 5(3), 276–291.
  • Seshadri, D. R., et al. (2023). Accuracy of the Apple Watch for detection of atrial fibrillation. Circulation: Arrhythmia and Electrophysiology, 16(3), e011293.
  • Shaffer, F., & Ginsberg, J. P. (2017). An overview of HRV metrics and norms. Frontiers in Public Health, 5, 258.
  • Sjoding, M. W., et al. (2020). Racial bias in pulse oximetry measurement. New England Journal of Medicine, 383(25), 2477–2478.
  • Stone, J. D., et al. (2021). Assessing the accuracy of commercial technologies measuring resting HR and HRV. Frontiers in Sports and Active Living, 3, 585870.
  • Thayer, J. F., et al. (2012). Autonomic imbalance, HRV and cardiovascular disease risk factors. International Journal of Cardiology, 141(2), 122–131.
  • Topol, E. J. (2019). Deep medicine: How artificial intelligence can make healthcare human again. Basic Books.
  • Turakhia, M. P., et al. (2019). Rationale and design of the Apple Heart Study. American Heart Journal, 207, 66–75.
  • Walker, M. P. (2017). Why we sleep: Unlocking the power of sleep and dreams. Scribner.
  • DC Rainmaker (Maker, R.). (2024, August 28). Garmin Enduro 3 in-depth review. DC Rainmaker. dcrainmaker.com