También en: Português · English · Italiano · 中文 · हिन्दी
Antes que nada, lo más importante: este ranking se armó con estudios científicos publicados y revisados por pares, dando prioridad a los independientes (y avisando siempre cuando el fabricante pagó el estudio). Como depende de estudios publicados, los aparatos más nuevos, que todavía no tienen pruebas independientes, quedaron fuera. La validación de una generación no pasa a la siguiente. Así que, si tu modelo acaba de salir, no es que sea malo: es que nadie lo ha probado de verdad todavía.
Dicho esto: ¿cuál es el wearable más preciso? Depende de lo que quieras medir. Revisé los estudios de 2023 a 2026 que compararon Oura Ring, Apple Watch, WHOOP, Garmin, Fitbit y otros con las pruebas médicas de referencia en fases del sueño, HRV, frecuencia cardíaca, saturación de oxígeno en sangre, conteo de pasos, VO2 máx y más. Abajo está todo lo que encontré, ordenado por métrica, con el financiamiento y la población de cada estudio señalados, para que juzgues los datos por tu cuenta.
El resumen: el más preciso por métrica
Si solo quieres la conclusión, aquí está (2026):
- Fases del sueño: Apple Watch en personas adultas sanas, estudio independiente (κ=0,53; el κ, o kappa, mide cuánto coincide el aparato con la prueba de referencia, y cuanto más cerca de 1, mejor). El Oura solo lidera en el estudio que él mismo pagó. Todos los aparatos caen mucho en personas con quejas de sueño.
- Sueño profundo: WHOOP (69,6%, independiente). REM: Apple Watch (68,6%).
- HRV nocturna y FC en reposo: Oura Ring 4 (CCC 0,99 y 0,98).
- FC durante el día: Fitbit Charge 6 y Garmin Vivoactive 5 arriba en una prueba de diez aparatos. El modelo importa más que la marca.
- Oxígeno en sangre (SpO2): Apple Watch.
- Pasos: Apple Watch y Garmin, ambos con menos de 5% de error en el laboratorio. El Apple aguanta mejor en la vida diaria.
- Calorías: ninguno. El 13% de error diario del Oura es el mejor número, y aun así es malo; el Apple anda cerca del 28%.
- VO2 máx: Garmin, con cerca de 7% de error en tres estudios independientes.
- Temperatura de la piel: Oura (estudio de la propia Oura).
El resumen del resumen: ningún aparato gana en todo. Elige por la métrica que más te importa.
La tabla de abajo reúne los hallazgos de los estudios revisados por pares. Cuando un valor viene de un estudio distinto al del lado, el estudio aparece nombrado.
| Métrica | 1.º lugar | 2.º lugar | 3.º lugar | Peor |
|---|---|---|---|---|
| Fases del sueño, personas sanas (independiente, Amberes 2025) | Apple Watch S8 (κ=0,53) | Fitbit Sense (κ=0,42) | Fitbit Charge 5 (κ=0,41) | Garmin Vivosmart 4 (κ=0,21) |
| Fases del sueño, personas sanas (financiado por Oura, Robbins 2024) | Oura Gen 3 (κ=0,65) | Apple Watch S8 (κ=0,60) | Fitbit Sense 2 (κ=0,55) | no informado |
| Fases del sueño, muestra clínica (independiente, Lee 2023) | Fitbit Sense 2 (κ=0,42) | Oura Gen 3 (κ=0,35) | Apple Watch S8 (κ=0,30) | no informado |
| Sueño profundo (independiente, personas sanas) | WHOOP 4.0 (69,6%) | Fitbit Sense (50,9%) | Apple Watch S8 (50,7%) | Fitbit Charge 5 (43,3%) |
| REM (independiente, personas sanas) | Apple Watch S8 (68,6%) | WHOOP 4.0 (62,0%) | Fitbit Sense (61,3%) | Garmin Vivosmart 4 (33,1%) |
| Detección de vigilia (independiente, personas sanas) | Apple Watch S8 (52,2%) | Fitbit Charge 5 (42,7%) | Fitbit Sense (39,2%) | Garmin Vivosmart 4 (27,6%) |
| Sesgo en el tiempo total de sueño | Oura Gen 3 (-3 min, meta) | Fitbit Sense (+6,3 min) | Fitbit Charge 5 (+11,1 min) | Withings ScanWatch (+39,9 min) |
| HRV nocturna | Oura Ring 4 (MAPE 5,96%) | Oura Gen 3 (7,15%) | WHOOP 4.0 (8,17%) | Polar Grit X Pro (16,32%) |
| FC en reposo (nocturna) | Oura Ring 4 (CCC 0,98) | Oura Gen 3 (0,97) | WHOOP 4.0 (0,91) | Polar Grit X Pro (0,86) |
| FC durante el día (prueba de diez aparatos, por nivel) | Fitbit Charge 6 (MAPE 5,5%) | Garmin Vivoactive 5 (6,3%) | Google Pixel Watch 2 (6,7%) | Fitbit Inspire 3 (16,5%) |
| SpO2 | Apple Watch (MAE 2,2%) | Garmin Fenix (~4,5%) | Withings (~4,8%) | Garmin Venu (5,8%) |
| Pasos, vida diaria | Apple Watch S6 (+2,1%, 3 semanas) | Garmin (10 a 18%) | Fitbit Sense (+18%) | Oura Gen 2 (50,3%) |
| Calorías, error diario | Oura (13%) | Apple Watch (~28%) | no informado | no informado |
| VO2 máx | Garmin (~7%, 3 estudios) | Fitbit Charge 2 (~10%, algoritmo retirado) | Apple Watch (13 a 16%, subestima) | no informado |
| Temperatura de la piel | Oura (r² por encima de 0,99 en laboratorio, estudio propio) | no informado | no informado | no informado |
Precisión en las fases del sueño (clasificación en 4 fases)
El sueño es la métrica más estudiada y más disputada del área. Cuatro estudios de 2023 a 2025 dieron rankings distintos, y dos cosas explican casi toda la diferencia: quién pagó el estudio y si participaron personas que duermen bien o personas con quejas de sueño. El mismo aparato puede rendir el doble en el primer grupo que en el segundo.
Brigham and Women’s Hospital (2024), financiado por Oura, personas adultas sanas
Robbins y su equipo compararon el Oura Ring Gen 3, el Fitbit Sense 2 y el Apple Watch Series 8 con la polisomnografía (PSG) en 35 personas adultas sanas, filtradas para descartar trastornos del sueño, durante varias noches.
| Aparato | General (κ) | Sensibilidad al sueño profundo | Sesgo en sueño profundo |
|---|---|---|---|
| Oura Ring Gen 3 | 0,65 (sustancial) | 79,5% | Sin sesgo significativo |
| Apple Watch Series 8 | 0,60 (moderado) | 50,5% | -43 min (subestima) |
| Fitbit Sense 2 | 0,55 (moderado) | 61,7% | -15 min (subestima) |
Financiamiento: este estudio lo pagó Oura. El autor principal es asesor científico de Oura. El método es el mismo de los estudios independientes (PSG en laboratorio, época por época, es decir, cada tramo de 30 segundos del examen, con el kappa de Cohen); el número más alto viene de seleccionar solo a personas sin trastornos del sueño, no de un truco de método.
Universidad de Amberes (2025), independiente, personas adultas sanas
Schyvens y su equipo probaron seis aparatos de muñeca frente a la PSG en 62 personas adultas sanas, una noche cada una. Lo financió VLAIO (la agencia de innovación de Flandes), sin dinero de fabricantes. El Oura no entró, así que este estudio no sirve para comparar anillos con relojes.
| Aparato | κ (4 fases) | Sesgo TST | Sueño profundo | REM | Vigilia | Nota |
|---|---|---|---|---|---|---|
| Apple Watch Series 8 | 0,53 | +19,6 min | 50,7% | 68,6% | 52,2% | Mejor κ, mejor REM, mejor vigilia |
| Fitbit Sense | 0,42 | +6,3 min | 50,9% | 61,3% | 39,2% | Menor sesgo |
| Fitbit Charge 5 | 0,41 | +11,1 min | 43,3% | 47,5% | 42,7% | |
| WHOOP 4.0 | 0,37 | +24,5 min | 69,6% | 62,0% | 32,5% | Mejor sueño profundo |
| Withings ScanWatch | 0,22 | +39,9 min | no verificado | no verificado | 29,4% | |
| Garmin Vivosmart 4 | 0,21 | +38,4 min | 47,5% | 33,1% | 27,6% | Hardware más antiguo |
Un detalle importante: los seis aparatos confundieron vigilia, sueño profundo y REM con sueño ligero (una postura conservadora, común en los wearables de consumo), y todos subestimaron bastante el tiempo de vigilia después de conciliar el sueño, de 12 a 48 minutos.
Estudio multicéntrico coreano (2023), independiente, muestra clínica
Lee y su equipo probaron 11 rastreadores de sueño frente a la PSG en 75 personas adultas en 2 centros, 349 114 épocas. Era una muestra clínica: todas las personas tenían alguna queja de sueño y el índice medio de apnea-hipopnea era 18, o sea, apnea moderada. Varios autores tienen vínculo con Asleep Co. (cuya app quedó primera); los valores de abajo son de sus competidores, así que este conflicto juega en contra de ellos, no a favor.
| Aparato | κ (4 fases) | Sueño profundo | REM |
|---|---|---|---|
| Fitbit Sense 2 | 0,42 | 67,1% | 68,1% |
| Oura Ring Gen 3 | 0,35 | 77,8% | 71,2% |
| Apple Watch Series 8 | 0,30 | 41,3% | 42,8% |
Fíjate: esto no es desacuerdo con los otros estudios, es el efecto de la población. El sueño fragmentado por la apnea es más difícil de clasificar, así que todos los aparatos caen: el Apple pasa de 0,53 (personas sanas) a 0,30, el Oura de 0,65 (personas sanas, financiado) a 0,35. El Fitbit es el más estable entre poblaciones, con 0,42 en los dos escenarios. Otro estudio independiente, en la Charité de Berlín (Herberger, 2025), dio al Oura Gen 3 una precisión en 4 fases del 53,2% en 45 pacientes de una clínica del sueño, frente a cerca del 79% en la cohorte sana de la propia Oura.
Sueño profundo, REM y tiempo total de sueño
La sensibilidad por fase es la parte de las épocas reales de sueño profundo o REM que el aparato captó. Ningún estudio probó todas las marcas, así que el estudio aparece junto a cada valor. Primero van los valores en personas adultas sanas, y entre corchetes los clínicos.
- Sueño profundo: Oura Gen 3 79,5% (Robbins, financiado) [77,8% clínico, Lee]. WHOOP 4.0 69,6% (Schyvens). Fitbit Sense 50,9% (Schyvens) [67,1% clínico]. Apple Watch S8 50,7% (Schyvens) [41,3% clínico]. Garmin Vivosmart 4 47,5% (Schyvens).
- REM: Oura Gen 3 76,0% (Robbins) [71,2% clínico]. Apple Watch S8 68,6% (Schyvens) [42,8% clínico]. WHOOP 4.0 62,0% (Schyvens). Fitbit Sense 61,3% (Schyvens) [68,1% clínico]. Garmin Vivosmart 4 33,1% (Schyvens).
- Sesgo en el tiempo total de sueño: Oura Gen 3 -3,0 min (metaanálisis de Khan 2025, 6 estudios, N=388). Fitbit Sense +6,3, Fitbit Charge 5 +11,1, Apple Watch S8 +19,6, WHOOP 4.0 +24,5, Garmin Vivosmart 4 +38,4, Withings +39,9 (todos Schyvens). Hasta unos 30 minutos se suele considerar clínicamente aceptable.
- La detección de vigilia es mala en todos. Todos los aparatos aciertan mucho durante el sueño (89 a 95%) y poco durante la vigilia (solo 27 a 52% de aciertos), así que todos exageran cuánto dormiste.
HRV nocturna (variabilidad de la frecuencia cardíaca)
Un estudio de la Universidad Estatal de Ohio con el laboratorio de investigación de la Fuerza Aérea (Dial, 2025) validó la HRV nocturna en 13 participantes a lo largo de 536 noches, con una banda de pecho con ECG Polar H10 como referencia. No se declaró financiamiento de la industria.
| Aparato | CCC | MAPE | Clasificación |
|---|---|---|---|
| Oura Ring 4 | 0,99 | 5,96% ± 5,12% | Casi perfecta |
| Oura Gen 3 | 0,97 | 7,15% ± 5,48% | Sustancial |
| WHOOP 4.0 | 0,94 | 8,17% ± 10,49% | Moderada |
| Garmin Fenix 6 | 0,87 | 10,52% ± 8,63% | Pobre |
| Polar Grit X Pro | 0,82 | 16,32% ± 24,39% | Pobre |
Escala del CCC: 0,99 o más = casi perfecta; 0,95 a 0,98 = sustancial; 0,90 a 0,94 = moderada; menos de 0,90 = pobre.
Ojo: el Garmin Fenix 6 está 2 generaciones por detrás del hardware actual, y los propios autores lo reconocieron. La muestra fue de 13 personas, aunque con 536 noches de datos. El Oura Ring 5 llegó en junio de 2026 con un sensor nuevo y todavía no tiene ninguna validación, así que los números del Ring 4 no valen para él.
Frecuencia cardíaca en reposo
Del mismo estudio de Ohio (Dial, 2025):
| Aparato | CCC | MAPE | Clasificación |
|---|---|---|---|
| Oura Ring 4 | 0,98 | 1,94% ± 2,51% | Sustancial |
| Oura Gen 3 | 0,97 | 1,67% ± 1,54% | Sustancial |
| WHOOP 4.0 | 0,91 | 3,00% ± 2,15% | Moderada |
| Polar Grit X Pro | 0,86 | 2,71% ± 2,75% | Pobre |
El Garmin Fenix 6 quedó fuera de este análisis por un problema de sincronización de tiempo con la referencia.
Frecuencia cardíaca durante el día y en el ejercicio
La prueba más grande con un mismo protocolo es la de Gielen y su equipo (2026, KU Leuven, sin conflictos): diez aparatos, banda de referencia Zephyr, 45 participantes, reposo sentado, una tarea de estrés, caminata en cinta y caminata intermitente. En cada sesión solo se usaron dos relojes, así que conviene leerlo por niveles, no por posición exacta.
| Nivel | Aparato | MAPE mediano | Concordancia (CCC) |
|---|---|---|---|
| 1 | Fitbit Charge 6 | 5,5% | 0,93 |
| 1 | Garmin Vivoactive 5 | 6,3% | 0,83 |
| 1 | Google Pixel Watch 2 | 6,7% | 0,87 |
| 2 | Apple Watch SE | 7,3% | 0,70 |
| 2 | Garmin Vivosmart 5 | 8,1% | 0,78 |
| 3 | Polar Ignite 3 | 11,2% | 0,63 |
| 3 | Xiaomi Watch 2 | 11,9% | 0,69 |
| 3 | Polar Pacer | 13,1% | 0,66 |
| 4 | Oura Ring Gen 3 | 15,0% | 0,61 |
| 4 | Fitbit Inspire 3 | 16,5% | 0,45 |
Tres cosas llaman la atención. Ningún aparato baja con claridad de la línea del 5%. El mejor y el peor son los dos Fitbit, o sea, el modelo importa más que la marca. Y el Apple probado fue el SE, el modelo de entrada, no el de gama alta.
Otros dos estudios independientes completan el cuadro. Van Oost y su equipo (2025, ECG de 12 derivaciones, 24 personas adultas sanas, todos los aparatos a la vez) dieron al WHOOP 4.0 un 8,5% de MAPE, el segundo peor de cinco; el Garmin Vivosmart 4 tuvo el menor error (4,4%), pero descartó el 49,6% de las lecturas para llegar ahí, así que los dos Fitbit (Sense 2 con 5,6% y Charge 5 con 5,7%) son los ganadores honestos de ese estudio. Kim y su equipo (2023) pusieron el Apple Watch 7 y el Galaxy Watch 4 frente a un ECG hospitalario de 12 derivaciones durante una prueba en cinta en 44 pacientes cardíacos: los dos tuvieron menos de 2% de error, y el Galaxy perdió concordancia por encima de 160 lpm.
El punto débil es el movimiento irregular del brazo, no la intensidad. Correr a ritmo constante es una de las condiciones más fáciles para un aparato de muñeca; bádminton, fútbol y remo son las más difíciles. La noche es fácil y el día es difícil, por eso todas las promesas de los fabricantes (WHOOP 99,7%, Oura 99%) salen de datos de sueño. Dos arreglos gratis con efecto medido: llevar el reloj tres dedos por encima del hueso de la muñeca y ajustar bien la correa.
Oxígeno en sangre (SpO2)
Atención: ninguna de estas funciones de SpO2 está aprobada para uso médico. Están clasificadas como funciones de bienestar. El Garmin Venu 2s, por ejemplo, fue el peor: error medio de +5,5%, es decir, sobrestima la saturación (muestra tu oxígeno mejor de lo que está), que es justo la dirección peligrosa.
| Aparato | MAE | MDE | Dentro del rango | Datos faltantes |
|---|---|---|---|---|
| Apple Watch Series 7 | 2,2% | -0,4% | 58,3% | 11% |
| Garmin Fenix 6 Pro | ~4,5% | no informado | ~44% | 28% |
| Withings ScanWatch | ~4,8% | no informado | ~38% | 31% |
| Garmin Venu 2s | 5,8% | 5,5% | 18,5% | 14% |
Conteo de pasos
El laboratorio y la vida real son pruebas distintas, así que muestro las dos.
| Aparato | Laboratorio/cinta (MAPE) | Vida real | Fuente |
|---|---|---|---|
| Apple Watch | 0,9 a 3,4% con marcha normal; 9,3% con marcha lenta o arrastrando los pies (Series 5) | +2,1% en 3 semanas (Series 6, Miwa 2026); 6,4% (Series 6, Kim 2024) | Rowe 2025; Miwa 2026; Kim 2024 |
| Garmin | 4,6% (Vivoactive 4, de Leon 2026); cerca de -15% (Fenix 6, Rider 2025) | 10 a 17,8% | de Leon 2026; Rider 2025 |
| Fitbit | 3,6% (Inspire 2, Cheung 2025) | +18,0% en 3 semanas (Sense, Miwa 2026); 17 a 35% (Charge 2) | Cheung 2025; Miwa 2026 |
| Oura Ring | No hay datos de pasos en laboratorio | 50,3% de MAPE frente a podómetro, +2124 pasos/día (Gen 2, Kristiansson 2023); +1416/día frente a ActiGraph (Niela-Vilén 2022) | Kristiansson 2023; Niela-Vilén 2022 |
| WHOOP | Sin validación publicada | Sin validación publicada | ninguna |
En el laboratorio, Apple, Garmin y Fitbit se quedan por debajo del 5% en marcha normal. La vida real los separa: el Apple se mantiene a pocos puntos porcentuales, el Fitbit cuenta cerca de un 18% de más, y los dos estudios que midieron el Oura lo encontraron contando entre 1400 y 2100 pasos de más al día.
Calorías (gasto energético)
Todos los wearables son flojos para estimar calorías. El número más limpio con varios aparatos es el del estudio de Stanford (Shcherbina, 2017): en siete aparatos, el error del gasto energético fue del 27% al 93%, mientras que la FC de esos mismos aparatos se quedó por debajo del 5%. Solo dos aparatos tienen una cifra de error diario en una fuente revisada por pares.
| Aparato | Error del gasto energético diario | Fuente |
|---|---|---|
| Oura Ring | 13% en la vida real (21,1% en laboratorio); subestima, y el error crece con la intensidad | Kristiansson 2023 |
| Apple Watch | cerca del 28% (metaanálisis de 56 estudios); sobrestima en mujeres y subestima en hombres | Choe y Kang 2025 |
| Fitbit | Sin error diario. Sesgo de 0,19 kcal/min, límites de -5,3 a +5,7 kcal/min | Chevance 2022 |
| Garmin | Sin error diario. Cardio constante ~6,7%, actividad ligera 16,5% | Parak 2017 |
| WHOOP | La cifra de 18,4% que circula no tiene publicación original | no verificable |
La conclusión: ninguno debería usarse como contador de calorías fiable. El número diario del Oura le gana al del Apple, pero un anillo casi no capta movimiento cuando la mano está quieta, así que cuenta de menos en bicicleta, musculación y esfuerzo intenso.
VO2 máx
El método pesa más que la marca. Las estimaciones hechas a partir de una carrera real al aire libre tienen un sesgo de grupo cercano a cero frente al laboratorio, mientras que las hechas a partir de la FC en reposo sobrestiman unos 2 mL/kg/min (metaanálisis INTERLIVE, 2022). En cualquier caso, el error individual es grande, y la precisión empeora en personas muy entrenadas.
| Aparato | MAPE | Sesgo | Fuente |
|---|---|---|---|
| Garmin Fenix 6 | 7,05% | CCC 0,73 | Carrier 2025 |
| Garmin Fenix 6 + banda de pecho | 6,85% | Sin empeorar en un grupo de alto nivel | Carrier 2023 |
| Garmin Forerunner 245 | 6,7% en general | 9,4 a 10,4% en personas muy entrenadas frente a 2,8 a 4,1% en personas con entrenamiento moderado | Engel 2026 |
| Fitbit Charge 2 (algoritmo retirado) | ~10% | Leve sobrestimación (+1,6 a +2,6 mL/kg/min) | Freeberg 2019; Klepin 2019 |
| Apple Watch Series 10 | 13,2% | -6,25 mL/kg/min, subestima | Mayo Clinic Proc Digital Health 2026 |
| Apple Watch Series 9 / Ultra 2 | 13,3% | -6,07 mL/kg/min, subestima | Lambe 2025 |
| Apple Watch Series 7 | 15,8% | Subestima | Caserman 2024 |
| Polar | 13,7% | -1,0 mL/kg/min | Neudorfer 2025 |
| Samsung, WHOOP, Oura, Coros | Sin estudio independiente | Solo afirmaciones del fabricante | ninguna |
Garmin es la marca con más validación independiente. Apple tiene tres estudios independientes y subestima en todos. Fitbit mostró una leve sobrestimación, pero con un algoritmo que Google retiró en mayo de 2026.
Temperatura de la piel
El estudio interno de Oura (2024) probó el sensor de temperatura en 16 personas durante 1 semana (93 571 puntos de datos): r² por encima de 0,99 en laboratorio y por encima de 0,92 en la vida real, con una precisión de ±0,13°C por minuto.
Financiamiento: es un estudio de la propia Oura, sin revisión independiente por pares. Aun así, los datos de temperatura del Oura ya se validaron en estudios independientes de seguimiento del ciclo menstrual (Maijala, 2019). Apple, Garmin, WHOOP y Samsung también miden la temperatura de la piel, pero hay pocos datos comparativos independientes.
Funciones autorizadas por la FDA
La mayoría de las métricas de los wearables son solo estimaciones de bienestar. Algunas funciones tienen autorización de la FDA (el regulador de Estados Unidos):
| Aparato | Función | Estado |
|---|---|---|
| Apple Watch (Series 4+) | ECG / detección de fibrilación auricular | Autorizada |
| Samsung Galaxy Watch (4+) | ECG / detección de fibrilación auricular | Autorizada |
| Apple Watch (Series 9+, Ultra 2) | Aviso de apnea del sueño | Autorizada |
| Samsung Galaxy Watch | Detección de apnea del sueño | Autorizada |
| Apple Watch | Oxígeno en sangre (SpO2) | Bienestar (NO autorizada) |
| Fitbit | Aviso de ritmo irregular | Autorizada |
Advertencias importantes (lee esto antes de sacar conclusiones)
- Ningún aparato gana en todo. El mejor depende de la métrica que te importa.
- Personas sanas frente a muestra clínica es la mayor diferencia. El mismo aparato rinde mucho mejor en gente joven, sana y filtrada que en personas con quejas de sueño. El Oura Gen 3 cae de κ=0,65 a 0,35; el Apple, de 0,53 a 0,30. Los números de cohortes sanas no describen a la mayoría de la gente.
- El financiamiento importa. El principal estudio de sueño (Robbins) lo financió Oura. Los independientes encontraron rankings distintos. El estudio financiado usó el mismo método; el número más alto viene de la población seleccionada.
- El hardware actual casi no se ha estudiado. La revisión científica va de 2 a 4 años por detrás del lanzamiento. El Oura Ring 5, el WHOOP 5.0, el Apple Watch Series 10/11 y Ultra 3, los Galaxy Watch 7/8, los Pixel Watch 3/4 y todos los Garmin de gama alta desde el Fenix 6 no tienen validación independiente en ninguna métrica de esta lista.
- Muestras pequeñas. El estudio de HRV tuvo 13 personas (536 noches). El de Amberes, 62 personas, 1 noche cada una.
- El sesgo medio es la métrica equivocada. Un sesgo cercano a cero puede significar que las sobrestimaciones y las subestimaciones se anularon entre sí. Mira el error y los límites de concordancia.
- Todo es una estimación. Ninguno es un dispositivo médico (salvo las funciones autorizadas de la lista). Los datos sirven para orientar, no para diagnosticar.
- Variación individual. La precisión cambia con el tono de piel, los tatuajes, el IMC, el ajuste en la muñeca y el tipo de actividad. La mayoría de los estudios tiene participantes predominantemente blancos, un vacío conocido.
- La PSG tampoco es perfecta. El patrón de referencia del sueño tiene una concordancia entre evaluadores de cerca de κ=0,75, o sea, hasta las personas expertas discrepan cerca de una cuarta parte de las veces.
- Un fallo que todos comparten. Los aparatos tienden a clasificar la vigilia, el sueño profundo y el REM como sueño ligero, lo que infla el total de sueño ligero.
Por qué importa esta precisión (mi mirada como médico)
Si intentas entender cómo tu sueño, tu recuperación o tu energía responden a lo que haces, la precisión del dato es la base de todo. Cuando el error de medida es alto, los patrones reales (entre lo que comes, cómo entrenas y cómo responde tu cuerpo) quedan enterrados en el ruido. Cuando la medida es buena, ves relaciones que nunca notarías a simple vista.
Justo por eso, en la consulta, no trato a nadie solo por el número del reloj. El wearable es una buena señal de tendencia, no un examen. Para decisiones serias sobre composición corporal y gasto energético, medimos con los métodos adecuados (bioimpedancia, calorimetría) y usamos el wearable como complemento, sabiendo dónde acierta y dónde falla cada uno. Que es, en el fondo, lo que te dio todo este post: un mapa de dónde confiar en cada aparato.
¿Se pueden usar varios aparatos juntos?
Se puede, y mucha gente lo hace: un anillo para el sueño y un reloj para el entrenamiento, por ejemplo, aprovechando lo mejor de cada uno. El reto es que los datos se hablen entre sí, porque cada plataforma vive en su propia caja. Pero, para empezar, elegir UN aparato bueno en la métrica que más te importa ya resuelve la mayor parte.
¡Un abrazo y hasta la próxima!
Médico responsable: Dr. Gilberto Nering Junior, CRM-SP 160822, RQE 142486 (Medicina Deportiva, Brasil). Este texto es informativo, se basa en estudios publicados y no reemplaza la evaluación individual.
Preguntas rápidas
¿Qué wearable es el más preciso para el sueño?
Depende del estudio y de la población. En el estudio financiado por Oura (Brigham, 2024, personas adultas sanas), lideró el Oura (κ=0,65). En el independiente de Amberes (2025, personas sanas), el Apple Watch lideró en general (κ=0,53) y el WHOOP en sueño profundo (69,6%). En el coreano independiente (2023, personas con quejas de sueño), lideró el Fitbit Sense 2 (κ=0,42). El Fitbit es el más constante entre poblaciones; el Apple es el mejor en personas adultas sanas.
¿La HRV del Oura es precisa de verdad?
El Oura Ring 4 tuvo una concordancia de 0,99 con una banda con ECG en un estudio independiente de 536 noches (Dial, 2025), la mayor precisión de HRV entre los aparatos probados. Eso es la HRV nocturna; la FC diurna del Oura dio un 15% de error en otra prueba. El Oura Ring 5 todavía no se ha validado.
¿El WHOOP sirve para la HRV?
El WHOOP 4.0 tuvo un CCC de 0,94 y un MAPE de 8,17% en HRV nocturna (Dial, 2025), una clasificación moderada. El 99,7% del marketing sale de un estudio de una noche con el WHOOP 3.0 y no describe la precisión durante el día, donde el WHOOP 4.0 dio un 8,5% de error.
¿El tono de piel afecta la precisión?
Sí. El sensor óptico (PPG) se ve afectado por la pigmentación de la piel, y la mayoría de los estudios tiene participantes predominantemente blancos, un vacío conocido. Los datos pueden no valer igual para todos los tonos de piel.
¿Las calorías del wearable son fiables?
No con precisión. En el estudio de Stanford, el error de calorías fue del 27% al 93%. La mejor cifra diaria publicada es la del Oura, con un 13% de error en la vida real; el Apple Watch anda cerca del 28%. Tómalo todo como una estimación aproximada, sobre todo en ejercicio intenso.
¿Por qué estudios distintos muestran rankings distintos?
El financiamiento, el tamaño de la muestra, el perfil de la población, la versión del firmware, el número de noches probadas y el protocolo de la PSG cambian el resultado. Por eso aquí junto varios estudios y señalo la fuente de financiamiento todo el tiempo.
Referencias
- Robbins R, et al. (2024). Accuracy of Three Commercial Wearable Devices for Sleep Tracking in Healthy Adults. Sensors, 24(20), 6532. Financiado por Oura Ring Inc.
- Schyvens AM, et al. (2025). Performance of six consumer sleep trackers in comparison with polysomnography in healthy adults. Sleep Advances, 6(2), zpaf021. Independiente (VLAIO).
- Lee T, et al. (2023). Accuracy of 11 Wearable, Nearable, and Airable Consumer Sleep Trackers. JMIR mHealth and uHealth, 11, e50983. Independiente; muestra clínica.
- Herberger S, et al. (2025). Oura Ring Gen 3 in sleep-clinic patients. Scientific Reports, 15, 9461. Independiente.
- Khan S, et al. (2025). Oura Ring sleep meta-analysis, 6 estudios, N=388. OTO Open, 9, e70181. Independiente.
- Dial MB, et al. (2025). Validation of nocturnal resting heart rate and heart rate variability in consumer wearables. Physiological Reports, 13(16), e70527.
- Gielen W, et al. (2026). Ten-device wrist heart rate validation. JMIR Formative Research, e85186. KU Leuven.
- Van Oost L, et al. (2025). Five consumer wearables versus 12-lead ECG. Sensors, 25(20), 6319.
- Kim J, et al. (2023). Apple Watch 7 and Galaxy Watch 4 versus 12-lead ECG. Annals of Rehabilitation Medicine.
- Shcherbina A, et al. (2017). Accuracy in wrist-worn, sensor-based measurements of heart rate and energy expenditure. Journal of Personalized Medicine, 7(2), 3.
- Choe J, Kang M (2025). Apple Watch accuracy meta-analysis, 56 estudios. Physiological Measurement.
- Chevance G, et al. (2022). Accuracy and precision of energy expenditure, heart rate, and steps measured by Fitbit. JMIR mHealth and uHealth, 10(4), e35626.
- Kristiansson E, et al. (2023). Validation of Oura ring energy expenditure and steps. BMC Medical Research Methodology (con corrección).
- Niela-Vilén H, et al. (2022). Oura ring versus ActiGraph in free living. CIN, 40(12), 856-862.
- Miwa M, et al. (2026). Apple Watch Series 6 and Fitbit Sense step counts over three weeks. PLOS ONE.
- Kim, et al. (2024). Apple Watch Series 6 free-living step count versus ActivPAL. Sensors.
- Rowe, et al. (2025). Apple Watch Series 5 step count at slow and shuffle walking speeds. PLOS ONE.
- de Leon, et al. (2026). Garmin Vivoactive 4 treadmill step count and heart rate. Applied Sciences, 16(3), 1286.
- Rider BC, et al. (2025). Four sports watches in laboratory and field. J Meas Phys Behav, 8(1).
- Cheung YS, et al. (2025). Validity of Fitbit Inspire 2 in step count. Physiotherapy Practice and Research, 46(2), 95-102.
- Parak J, et al. (2017). Energy expenditure estimation with a wrist device. JMIR mHealth and uHealth.
- Molina-García P, et al. (2022). INTERLIVE systematic review and meta-analysis, VO2 max. Sports Medicine, 52(7).
- Carrier B, et al. (2025). Aerobic capacity and pulse oximetry in wearable technology. Sensors, 25(1), 275.
- Carrier B, et al. (2023). Aerobic capacity and lactate threshold in wearable technology. Technologies, 11(3), 71.
- Engel FA, et al. (2026). VO2max from the Forerunner 245. European Journal of Applied Physiology, 126, 591-603.
- Caserman P, et al. (2024). VO2 max with Apple Watch Series 7. JMIR Biomedical Engineering, 9, e59459.
- Lambe R, et al. (2025). Accuracy of Apple Watch VO2 max. PLOS ONE, 20(5), e0323741.
- Apple Watch Series 10 VO2 max validation (2026). Mayo Clinic Proceedings: Digital Health.
- Freeberg KA, et al. (2019). Fitbit Charge 2 VO2max. mHealth, 5, 39. / Klepin K, et al. (2019). MSSE, 51(11), 2251-2256.
- Neudorfer, et al. (2025). Polar VO2 max versus cardiopulmonary exercise testing.
- Christakis, et al. (2025). Consumer-grade wearables in cardiovascular clinical care. npj Cardiovascular Health, 2, 82.
- Oura Internal Validation (2024). Temperature sensor validation. 16 participantes, 93 571 puntos de datos.
- Maijala A, et al. (2019). Nocturnal finger skin temperature in menstrual cycle tracking. BMC Women’s Health, 19, 150.
- Lanfranchi, et al. (2024). Samsung Galaxy Watch SpO2 validation. Journal of Clinical Sleep Medicine.
