¿Qué tan precisa es la puntuación de sueño profundo de tu wearable?

La puntuación de sueño profundo de tu wearable es una estimación, no una medición directa del tiempo que tu cerebro pasó realmente en sueño N3. Los relojes y anillos inteligentes suelen ser mejores para detectar si estás dormido que para identificar con precisión la fase del sueño. Por eso, una sola noche que muestre “43 minutos de sueño profundo” no debería interpretarse como si fuera un resultado de laboratorio del sueño.

La pregunta útil no es si un número aislado es perfectamente correcto. Lo importante es si el mismo dispositivo muestra un patrón estable y creíble con el tiempo y si ese patrón coincide con cómo te sientes. Esta guía actualizada explica el contexto del mercado, la cadena de señal óptica del seguimiento del sueño basado en PPG, la evidencia de los estudios de validación frente a PSG y la forma más adecuada de utilizar tus datos.

Por qué los datos de sueño de los wearables son cada vez más relevantes

El seguimiento del sueño ha pasado de ser una función de nicho a convertirse en un uso habitual de la electrónica de consumo. IDC estimó 537,9 millones de envíos de dispositivos wearables en todo el mundo en 2024, incluidos 156,5 millones de smartwatches, 35,2 millones de pulseras y 1,7 millones de anillos inteligentes. IDC también proyectó un crecimiento interanual del 88,4 % para los anillos en 2024, aunque el mercado absoluto de anillos seguía siendo mucho menor que el de relojes y dispositivos de audio inteligentes [1].

Las estimaciones comerciales del mercado varían porque algunos informes cuentan únicamente los wearables para seguimiento del sueño, mientras que otros incluyen colchones, aplicaciones, sensores y dispositivos clínicos. Grand View Research estimó el mercado mundial de wearables para el seguimiento del sueño en unos 13.400 millones de USD en 2023 y proyectó que alcanzaría aproximadamente 27.760 millones de USD en 2030, con una tasa de crecimiento anual compuesta del 10,8 % [2]. Estas cifras son estimaciones de mercado, no evidencia clínica, pero muestran por qué la precisión se ha vuelto una cuestión importante tanto comercialmente como para los usuarios.

La adopción también se refleja en los datos poblacionales. Un estudio representativo a nivel nacional en Estados Unidos, basado en tres ciclos de la Health Information National Trends Survey, encontró que la proporción de adultos que utilizaban un wearable para controlar su salud aumentó del 30,2 % en 2020 al 41,1 % en 2024; entre los usuarios, el 45,6 % declaró utilizarlo a diario en 2024 [3]. El seguimiento a largo plazo puede mostrar la regularidad de los horarios, cambios en la duración del sueño y relaciones con los hábitos diurnos, pero estos datos solo son útiles si el usuario entiende qué miden realmente los sensores.

Los datos longitudinales no equivalen a un diagnóstico clínico. Por ejemplo, el All of Us Research Program utilizó años de seguimiento con wearables comerciales para estudiar asociaciones entre patrones de sueño y riesgo de enfermedades crónicas. Sin embargo, una asociación observada en un gran conjunto de datos no demuestra que el wearable haya medido correctamente la arquitectura clínica del sueño ni que haya causado un determinado resultado [4].

¿Qué mide realmente tu wearable cuando indica sueño profundo?

En un laboratorio del sueño, el sueño N3 se identifica mediante polisomnografía (PSG). La PSG combina electroencefalografía (EEG) para registrar la actividad cerebral, electrooculografía para los movimientos oculares, electromiografía para el tono muscular y otras señales como el ritmo cardíaco, la respiración y la saturación de oxígeno. Un profesional entrenado clasifica el sueño en épocas estándar de 30 segundos.

La mayoría de los relojes y anillos inteligentes de consumo no registran EEG. Suelen combinar movimiento, fotopletismografía (PPG), frecuencia cardíaca, variabilidad de pulso a pulso y, en algunos casos, temperatura o señales relacionadas con el oxígeno. Un algoritmo propietario transforma esas señales periféricas en estimaciones de las fases del sueño.

La idea principal es sencilla: tu wearable no “ve” directamente el sueño profundo. Reconoce un patrón fisiológico que su algoritmo predice como N3. Una revisión sistemática de 2024 sobre wearables basados en EEG encontró una amplia variación en la precisión por épocas y destacó que muchos estudios de validación siguen utilizando muestras controladas de laboratorio en lugar de poblaciones diversas en condiciones reales de hogar [5].

De los fotones ópticos a los picos de pulso

La PPG es una medición óptica de los cambios pulsátiles en el volumen sanguíneo. Los diodos emisores de luz iluminan la piel y un fotodiodo registra cuánta luz se absorbe o se refleja. Con cada latido, el volumen de sangre arterial cambia ligeramente, lo que modifica la forma de onda óptica detectada. La luz verde se utiliza con frecuencia para medir el pulso en la muñeca porque puede ofrecer una señal pulsátil intensa; las longitudes de onda roja e infrarroja suelen utilizarse cuando se estima la saturación de oxígeno.

La diferencia técnica importante es que un sensor PPG no detecta directamente el pico R del ECG. El pico R del ECG es la señal eléctrica de la despolarización ventricular y se mide mediante electrodos. La forma de onda PPG aparece más tarde en el punto periférico porque la onda de presión viaja desde el corazón a través del sistema arterial. Por tanto, un algoritmo PPG detecta el inicio del pulso, el pico sistólico o un punto de referencia derivado matemáticamente, no el pico R eléctrico en sí [6].

Cuando un dispositivo también incorpora un electrodo ECG, puede detectar de forma más directa los picos R eléctricos. Cuando utiliza solo PPG, los términos más precisos son intervalo pulso a pulso y variabilidad de la frecuencia del pulso. En comunicación para consumidores puede ser aceptable llamar “HRV” a la variabilidad derivada de PPG, pero PRV y HRV derivada de ECG no son idénticas cuando hay movimiento, cambios vasculares o arritmias.

De los intervalos de pulso a la predicción de fases del sueño

Después de rechazar artefactos y compensar el movimiento, el dispositivo puede calcular características de frecuencia cardíaca y variabilidad en ventanas de tiempo cortas. Estas se combinan con actigrafía y, según el producto, temperatura, saturación de oxígeno o variables respiratorias. A continuación, un clasificador genera una probabilidad para cada fase del sueño, a menudo en épocas de 30 segundos. Por tanto, el sueño profundo es una inferencia algorítmica basada en patrones cardiovasculares y de movimiento, no una lectura directa de las ondas lentas corticales.

Esta diferencia explica por qué un sensor puede ser útil para observar tendencias y, al mismo tiempo, no reproducir exactamente la definición clínica de N3. La calidad de la señal puede disminuir por un ajuste flojo, una perfusión periférica baja, piel fría, una posición inusual de la muñeca, movimiento, condiciones de poca luz ambiental o arritmias. Los algoritmos también difieren en sus datos de entrenamiento, actualizaciones de software, umbrales y forma de gestionar épocas sin datos [7, 8].

¿Qué tan precisos son los wearables al medir el sueño profundo?

Detectar el sueño es más fácil que detectar la fase del sueño

Los wearables son bastante buenos para reconocer periodos prolongados de inactividad acompañados de un patrón característico de frecuencia cardíaca. En una comparación con PSG de 2025 de seis dispositivos de muñeca, todos detectaron más del 90 % de las épocas de sueño identificadas por PSG, pero la especificidad para la vigilia fue solo del 29,39 % al 52,15 % y la concordancia general fue de baja a moderada [9]. Detectar sueño es un problema binario; distinguir sueño ligero de N3 o REM es un problema multiclase con señales periféricas que se solapan.

La precisión del sueño profundo varía según el dispositivo y el estudio

Un estudio independiente de 2025 comparó seis dispositivos comerciales con PSG simultánea en 62 adultos que pasaron una noche en un laboratorio del sueño. La tabla muestra el porcentaje de épocas N3 según PSG que cada dispositivo clasificó correctamente como sueño profundo. Es un resultado específico de este estudio, no una clasificación permanente de marcas.

*En este estudio, Withings agrupó N3 y REM dentro de su categoría de sueño profundo, por lo que su valor no equivale exactamente a una estimación convencional de N3 en cuatro fases [9]. Los resultados pueden cambiar según la generación del dispositivo, el firmware, la versión del algoritmo, la población, los síntomas de trastornos del sueño, la composición corporal y el diseño del estudio. Un estudio multicéntrico de 2023 con 11 dispositivos encontró valores macro-F1 de 0,26 a 0,69, con variaciones según el IMC, la eficiencia del sueño y el índice de apnea-hipopnea [10].

El total de sueño profundo puede parecer correcto por razones equivocadas

Supongamos que la PSG registra 70 minutos de N3 y tu wearable informa de 72 minutos. Eso no demuestra que el dispositivo haya identificado N3 correctamente. Puede haber pasado por alto 25 minutos reales de N3 y haber clasificado erróneamente 27 minutos de otra fase como sueño profundo. Los totales son similares, pero el momento y la clasificación son incorrectos.

Por eso los estudios de validación informan de concordancia época por época, sensibilidad, especificidad, puntuación F1, kappa de Cohen y concordancia en medidas resumidas. En un estudio de Oura Gen3 de 2024, la sensibilidad sueño-vigilia fue de aproximadamente el 94 % y la precisión global del sueño de alrededor del 92 %, pero el REM siguió infravalorándose varios minutos a lo largo de 421.045 épocas [11]. En otro estudio, los tres dispositivos evaluados mostraron una correlación intraclase deficiente para los minutos de sueño profundo, aunque la sensibilidad sueño-vigilia superó el 95 % [12].

Trabajos recientes de IEEE llegan a una conclusión similar desde la perspectiva del algoritmo. SleepPPG-Net alcanzó una mediana de kappa de aproximadamente 0,75 en conjuntos de datos públicos etiquetados mediante PSG, mientras que un estudio externo de aprendizaje por transferencia con dispositivos de muñeca encontró menor concordancia para PPG de muñeca que para señales clínicas [13, 14]. Un estudio de anillo inteligente de 2025 con etiquetas PSG sincronizadas informó de un kappa de cuatro fases de 0,647 en solo nueve participantes sanos [15]. Son resultados técnicos prometedores, pero no demuestran que todas las puntuaciones comerciales sean clínicamente intercambiables con la PSG.

¿Qué significan las métricas de validación?

La precisión global por épocas puede parecer alta cuando la mayoría de las épocas corresponden a sueño y no a vigilia. Los estudios más informativos presentan resultados específicos por clase, intervalos de confianza, matrices de confusión, el método de puntuación PSG y la versión exacta del dispositivo y del software. Un wearable puede coincidir bien en el tiempo total de sueño y, aun así, clasificar incorrectamente fases concretas.

¿Qué hacer si tu wearable indica muy poco sueño profundo?

1. No juzgues una sola noche. Los viajes, el alcohol, el ejercicio a última hora, una enfermedad, el estrés, una habitación calurosa o un ajuste flojo pueden cambiar la estimación.

2. Comprueba primero el tiempo total de sueño. Dormir pocas horas, despertarse con frecuencia y mantener un horario irregular deja menos tiempo para todas las fases. Consulta también la guía relacionada sobre cuánto sueño profundo necesitas según la edad.

3. Observa las tendencias utilizando el mismo dispositivo. Compara varias semanas recogidas en condiciones de uso similares. No compares una noche de Apple Watch con una noche de Oura como si sus etiquetas de sueño profundo fueran equivalentes.

4. Compara el dato con cómo te sientes durante el día. El nivel de alerta, la concentración, la somnolencia y la sensación de recuperación aportan un contexto importante.

5. Da prioridad a los síntomas frente a la puntuación. Los ronquidos fuertes, los jadeos, las pausas respiratorias observadas, el insomnio persistente, los movimientos inusuales, la somnolencia diurna marcada o un deterioro del funcionamiento durante el día merecen valoración clínica. Un dispositivo de consumo no puede sustituir la PSG ni la evaluación de un profesional sanitario.

Algunas personas desarrollan ortosomnia: ven una mala puntuación en la aplicación, se preocupan por su sueño y cambian repetidamente su rutina para “corregir” el número del día siguiente. Utiliza la puntuación como una herramienta para detectar patrones, no como una nota nocturna [16].

¿Qué métricas de sueño de los wearables son más útiles que los minutos de sueño profundo?

Un “82” en Oura no representa la misma medición que un “82” en Fitbit, WHOOP o ZenoBand. Aunque dos marcas utilicen la misma etiqueta, pueden aplicar distintos umbrales, sensores y datos de entrenamiento. Un metaanálisis de 2025 de 24 estudios y 798 participantes encontró diferencias globales significativas entre los monitores de muñeca y la PSG en tiempo total de sueño, eficiencia del sueño, latencia de inicio del sueño y tiempo despierto después de conciliar el sueño [17].

¿Cómo deberías utilizar tu puntuación de sueño profundo?

Utilízala para plantearte preguntas prácticas: ¿cambió tu sueño al mantener una hora regular para acostarte? ¿Una nueva rutina coincide con una mayor duración del sueño y menos despertares? ¿El cambio se repite durante varias semanas? Son preguntas adecuadas en un contexto de bienestar.

No utilices una puntuación de sueño profundo para diagnosticar un trastorno del sueño, demostrar una cantidad exacta de N3, comparar marcas o sustituir los síntomas y las pruebas clínicas. Una revisión del estado de la ciencia de 2024 concluyó que los wearables de consumo pueden ser útiles para observar patrones de sueño-vigilia a largo plazo, pero la evidencia sigue concentrándose en adultos jóvenes y sanos en entornos controlados, y la precisión por fases varía ampliamente [7].

Si utilizas una rutina de bienestar conectada como ZenoWell taVNS junto con datos compatibles de wearables, puedes entender el proceso como Track, Understand, and Improve: registrar, comprender y mejorar. ZenoWell taVNS está diseñado para ofrecer estimulación transcutánea auricular del nervio vago de forma suave y no invasiva como parte de una rutina personalizada de relajación y bienestar del sueño. Los datos del wearable pueden ayudarte a seguir cambios en la duración del sueño, los despertares nocturnos, la frecuencia cardíaca en reposo y las tendencias de HRV/PRV, mientras que las sesiones de taVNS y los hábitos diarios aportan contexto para entender si esos patrones cambian de forma consistente.

El objetivo no es perseguir una puntuación más alta ni tratar la estimación de sueño profundo de una sola noche como una medición clínica. Utiliza datos repetidos para comprender cómo responde tu sueño a cambios de rutina, estrés, entrenamiento, regularidad de la hora de acostarte y prácticas de bienestar. Así se crea un ciclo de retroalimentación práctico: registrar el sueño y las tendencias fisiológicas, comprender los factores asociados con noches mejores o peores y mejorar gradualmente la rutina mediante ajustes constantes y personalizados. ZenoWell taVNS y los datos de wearables deben complementar, no sustituir, la evaluación clínica cuando existen problemas de sueño persistentes o síntomas preocupantes.

Preguntas frecuentes

¿Qué tan precisos son los wearables para medir el sueño profundo?

Por lo general, son menos fiables para determinar los minutos exactos de sueño profundo que para distinguir entre sueño y vigilia. La precisión depende del dispositivo, el algoritmo, la población, las condiciones del sueño y el método de validación.

¿Es precisa la medición de sueño profundo del Apple Watch?

El Apple Watch puede ofrecer tendencias personales útiles, pero su valor de sueño profundo es una estimación algorítmica. Un estudio PSG de 2024 encontró una alta sensibilidad para sueño-vigilia, pero una concordancia deficiente en los minutos de sueño profundo, por lo que una sola noche no debería interpretarse como un resultado de laboratorio.

¿Es precisa la medición de sueño profundo del Oura Ring?

Oura se ha validado frente a PSG en varias cohortes y puede ser útil para seguimiento longitudinal. Sin embargo, sus etiquetas de fases siguen siendo predicciones y el rendimiento de un modelo o versión de software no debe generalizarse automáticamente a versiones futuras.

¿Por qué mi wearable dice que casi no tengo sueño profundo?

El resultado puede reflejar un sueño corto o fragmentado, un horario poco habitual, un problema de ajuste o del sensor, variación normal de una noche a otra o un error de clasificación de fases. Si el patrón persiste y además tienes síntomas, coméntalo con un profesional sanitario.

¿Es más preciso un laboratorio del sueño?

Para evaluar la arquitectura del sueño y clasificar N3, sí. La PSG mide la actividad cerebral y otras señales fisiológicas utilizadas en la valoración clínica, por eso sigue siendo el método de referencia para validación y diagnóstico.

Conclusión

Los wearables hacen más visibles los patrones de sueño, pero no convierten un reloj o un anillo en un laboratorio del sueño portátil. Considera los minutos de sueño profundo como una estimación, da prioridad a las tendencias de varias noches y al tiempo total de sueño, y utiliza los síntomas, no una puntuación propietaria, para decidir cuándo buscar asesoramiento clínico.

Referencias

[1] International Data Corporation. (2024, September 26). IDC forecasts continued growth for wearables but growth will be uneven across product categories. https://s24.q4cdn.com/622300748/files/doc_news/IDC-Forecasts-Continued-Growth-for-Wearables-But-Growth-Will-Be-Uneven-Across-Product-Categories-2024.pdf

[2] Grand View Research. (2024). Wearable sleep trackers market to reach USD 27.76 billion by 2030. https://www.grandviewresearch.com/press-release/global-wearable-sleep-trackers-market

[3] Pedroso, A. F., Dhingra, L. S., Aminorroaya, A., & Khera, R. (2026). Wearable devices and data sharing in the US. JAMA Network Open, 9(6), e2617733. https://doi.org/10.1001/jamanetworkopen.2026.17733

[4] Zheng, N. S., Annis, J., Master, H., Han, L., Gleichauf, K., Ching, J. H., ... Brittain, E. L. (2024). Sleep patterns and risk of chronic disease as measured by long-term monitoring with commercial wearable devices in the All of Us Research Program. Nature Medicine, 30, 2648–2656. https://doi.org/10.1038/s41591-024-03155-8

[5] de Gans, C. J