¿Puede la estimación de VO2max de tu dispositivo wearable reflejar tu condición física real?

La estimación de VO2max de tu dispositivo portátil probablemente contiene una señal real. El error es tratar el número que muestra como una medición de laboratorio. El mejor sistema de investigación en condiciones de vida libre estimó el VO2max con un error de 2,902 mL/kg/min, pero utilizó aproximadamente siete días de datos continuos de múltiples sensores y un modelo creado para investigación, no el software propietario de un reloj de consumo.

Esta diferencia importa porque la aptitud cardiorrespiratoria (ACR), medida habitualmente como VO2max, se asocia con resultados de salud que merecen atención. En pacientes con enfermedad cardiovascular establecida, un metaanálisis de 21 cohortes prospectivas que incluyó a 159.352 personas encontró que la categoría más alta frente a la más baja de ACR se asoció con menor mortalidad por todas las causas (hazard ratio 0,42, IC del 95 % 0,28–0,61) y mortalidad cardiovascular (0,27, IC del 95 % 0,16–0,48). Se trata de asociaciones, no de una prueba de que la puntuación de un reloj cambie el pronóstico de alguien, pero explican por qué el VO2max despierta tanto interés.

El mejor resultado procedió de un tipo de estudio con dispositivos portátiles muy diferente

La evidencia de validación más sólida procede del estudio de 2022 de Spathis et al. en la cohorte Fenland. Los investigadores recopilaron alrededor de siete días de acelerometría de muñeca en condiciones de vida libre, frecuencia cardíaca, variabilidad de la frecuencia cardíaca, actividad física de intensidad moderada a vigorosa, frecuencia cardíaca en reposo y datos antropométricos de 11.059 adultos del Reino Unido. Los participantes también realizaron ergometría ciclista supervisada en una clínica para medir el VO2max.

El equipo entrenó un modelo de red neuronal densa en 8.384 participantes y lo evaluó en un conjunto de prueba reservado de 2.675 personas. El modelo completo de múltiples sensores produjo un R² de 0,671, una correlación de 0,821 y un error cuadrático medio (RMSE) de 2,902 mL/kg/min (IC del 95 % 2,806–3,002). El RMSE describe la magnitud típica de los errores de predicción: cuanto menor, mejor.

La fisiología del ejercicio suele considerar que alrededor de 3,5 mL/kg/min —aproximadamente un equivalente metabólico, o MET— representa un cambio prácticamente significativo en la condición física. Es una convención, no un punto de corte diagnóstico. Aun así, un error cercano a 2,9 mL/kg/min sitúa este sistema de investigación cerca de un intervalo en el que las mediciones repetidas podrían resultar útiles.

El resultado también identifica qué hizo que funcionara el modelo. Los datos antropométricos por sí solos tuvieron un RMSE de 4,051 mL/kg/min, y la frecuencia cardíaca en reposo por sí sola tuvo un RMSE de 4,007. La combinación de datos antropométricos y frecuencia cardíaca en reposo mejoró el error a 3,159 mL/kg/min. El conjunto completo de sensores funcionó mejor porque captó más de cómo una persona realmente se mueve y se recupera en la vida diaria.

El modelado sofisticado ayudó menos que disponer de mejores datos de entrada. Un modelo lineal que utilizaba las mismas características tuvo un RMSE de 2,956 mL/kg/min, solo 0,054 superior al de la red neuronal. Las ecuaciones tradicionales sin ejercicio tuvieron un rendimiento mucho peor, con un R² de −3,2 y una correlación de 0,389. En este contexto, la fusión de sensores importó más que los fuegos artificiales algorítmicos.

Por qué eso no valida el número de tu muñeca

Una revisión sistemática y metaanálisis de 2026 de Dosis et al. revisó 18 estudios de estimación no supervisada de la ACR en condiciones de vida libre. Su conclusión contradice el marketing de los relojes de consumo: los dispositivos portátiles comercialmente disponibles producen un grado elevado de error para los individuos. La revisión atribuye gran parte de la brecha a la calibración. Los algoritmos comerciales se basan principalmente en períodos cortos de datos de ejercicio estructurado, mientras que el modelo Fenland utilizó una semana de monitorización continua en condiciones de vida libre y múltiples señales.

Estos enfoques responden a preguntas relacionadas, pero diferentes. Un reloj puede inferir la condición física a partir de una carrera registrada por GPS, el ritmo y la respuesta de la frecuencia cardíaca; otra estimación puede depender en gran medida de la frecuencia cardíaca en reposo cuando los datos de ejercicio son escasos. Ninguna de las dos configuraciones reproduce automáticamente el rendimiento de un modelo de investigación que combina movimiento, variabilidad de la frecuencia cardíaca, intensidad de la actividad, frecuencia cardíaca en reposo y mediciones corporales durante varios días.

La revisión también encontró que muchos estudios utilizaron únicamente validación interna. Los modelos suelen parecer mejores cuando se prueban en personas procedentes de la misma fuente de datos utilizada para crearlos. Por tanto, el conjunto de prueba reservado específico de Spathis et al. es más convincente que un modelo evaluado solo dentro de su muestra de desarrollo, aunque aún necesita replicarse en poblaciones más variadas.

Los estudios de dispositivos de consumo muestran señal, no una afirmación consolidada de exactitud

El hardware de consumo no es fisiológicamente ciego. Un estudio de cohorte comunitaria de 2024 de Zhang et al. encontró asociaciones entre medidas de frecuencia cardíaca y actividad física derivadas de relojes inteligentes y medidas de aptitud cardiorrespiratoria. Esto respalda la premisa básica de que los relojes captan información relacionada con la condición física. No establece que el VO2max mostrado de una persona determinada sea lo bastante exacto como para sustituir una prueba de laboratorio.

Un estudio de validación del Apple Watch de 2025 de Lambe et al. comparó las estimaciones de VO2max del Apple Watch con un estándar de laboratorio. La información disponible en el resumen no proporciona RMSE, error estándar de estimación ni límites de concordancia de Bland-Altman que puedan extraerse. Sin estas medidas de exactitud a nivel individual, el estudio no puede determinar cuán cercano es probablemente un valor de Apple Watch para una persona que lo lleve.

Esta distinción es fácil de pasar por alto. Un dispositivo puede correlacionarse con la condición física en un grupo y aun así cometer errores lo bastante grandes como para inducir a error a un individuo. La asociación a nivel poblacional es un punto de partida, no una autorización para tomar decisiones clínicas a partir de un panel de control.

¿Quiénes deberían ser especialmente cautelosos?

El resultado más exacto en condiciones de vida libre procedió de una cohorte relativamente sana de adultos del Reino Unido. La evidencia no establece una exactitud comparable en personas con VO2max superior a 55 mL/kg/min, obesidad grave, edad avanzada o diversas afecciones clínicas. Los modelos de predicción suelen tener dificultades en los extremos de la población utilizada para crearlos.

La eficiencia mecánica añade otro problema. Los métodos de estimación sin ejercicio a menudo suponen que las personas convierten el movimiento en trabajo con una eficiencia similar. La revisión de 2026 informa de que esta suposición puede fallar en personas mayores, frágiles o con alteraciones musculoesqueléticas y podría subestimar sistemáticamente el VO2max. Un estudio de seismocardiografía de 2024 ilustra por qué los investigadores continúan probando sensores alternativos, incluidas las señales de vibración torácica recogidas en reposo. Aún no ofrece una respuesta para los dispositivos portátiles de consumo.

El tiempo de uso es otra variable sin resolver. El resultado de Fenland dependió de aproximadamente siete días de recopilación continua. Ninguna evidencia aquí muestra que uno, dos o tres días converjan en la misma estimación. Una tendencia semanal basada en un comportamiento de uso inconsistente puede parecer más científica de lo que es.

La condición física importa; la estimación sigue siendo un problema de medición

La relevancia de la ACR va más allá del rendimiento de resistencia. Una revisión sistemática y metaanálisis de 2025 encontró que la condición física se asoció con el riesgo de mortalidad en todas las categorías de IMC. Un metaanálisis independiente en pacientes con enfermedad cardiovascular encontró menor mortalidad entre quienes tenían mayor aptitud medida mediante CPET. Estos hallazgos se refieren a la ACR medida y a resultados a largo plazo; no validan las estimaciones de dispositivos de consumo.

Otra evidencia observacional apunta en la misma dirección. Un estudio de cohorte de UK Biobank de 2026 de 54.418 adultos de 39 a 70 años sin diabetes al inicio asoció un VO2max estimado más alto con un menor riesgo de diabetes tipo 2 incidente y examinó el envejecimiento biológico como posible mediador. Un estudio de 2024 de adultos cognitivamente normales encontró correlaciones positivas entre el VO2max y la fracción de agua de mielina en varias regiones de la sustancia blanca. Ninguna de las dos asociaciones demuestra que aumentar la puntuación de un dispositivo portátil prevenga la diabetes o preserve la mielina cerebral, pero ambas refuerzan por qué sería útil realizar un seguimiento preciso de la condición física.

Cómo usar tu dispositivo portátil sin engañarte

• Sigue la tendencia durante meses. Si usas el mismo dispositivo de forma constante y tu estimación sube o baja junto con cambios en el entrenamiento, esa dirección puede ser más útil que el número absoluto.
• No interpretes en exceso un solo entrenamiento. La frecuencia cardíaca en reposo por sí sola tuvo alrededor de 4,0 mL/kg/min de RMSE en el análisis de Fenland, y las sesiones estructuradas cortas no equivalen a una semana de observación con múltiples sensores.
• Mantén el contexto junto a la métrica. Los cambios de peso, tipo de entrenamiento, enfermedad, calor, medicación y contacto imperfecto del sensor pueden afectar a los datos de entrada que usan los algoritmos.
• Utiliza pruebas de laboratorio cuando lo que está en juego sea clínico. La prueba de esfuerzo cardiopulmonar sigue siendo el método adecuado para la evaluación del riesgo cardíaco, las cuestiones diagnósticas o las decisiones que dependen de un VO2max preciso.

Un dispositivo portátil de consumo puede ser un instrumento útil para seguir la condición física a lo largo del tiempo. Aún no es un sustituto validado de una medición de laboratorio a nivel individual.

La conclusión defendible es moderadamente confiada y deliberadamente limitada: la estimación de VO2max de tu reloj probablemente refleja fisiología real, especialmente cuando cambia de forma consistente con el tiempo. El parámetro de referencia de investigación de 2,902 mL/kg/min muestra lo que puede lograrse con monitorización pasiva y de múltiples sensores en condiciones sólidas. No nos dice que tu Apple Watch, Garmin o Fitbit específico alcance ese parámetro de referencia. Hasta que estudios independientes de dispositivos de consumo informen sistemáticamente de errores individuales pequeños en poblaciones variadas, utiliza el número como una línea de tendencia, no como un diagnóstico.