Si confías en un reloj inteligente para vigilar tus datos de salud, no estás solo: en 2019, el 21% de los adultos estadounidenses afirmó usar un rastreador de actividad, según Pew Research Center, y es probable que esa cifra haya crecido desde entonces. Sin duda es conveniente medir tus pasos, calorías y ritmo cardíaco con un pequeño accesorio.
Pero, ¿cuán creíbles son realmente esas estadísticas?
Un nuevo estudio se suma a un creciente cuerpo de investigación que sugiere que los rastreadores de fitness probablemente no sean tan precisos como esperarías. Publicado en PLOS One, el estudio analizó la precisión de los datos de calorías generados por relojes inteligentes de cuatro marcas (Apple, Garmin, Samsung y Fitbit). Los investigadores encontraron que los dispositivos presentaban una tasa de error significativa, con estimaciones que se desviaban en promedio entre 15% y 25% respecto al gasto calórico real de los participantes. A través de las distintas marcas, la tasa de error aumentaba con el porcentaje de grasa corporal de los participantes.
“Si una tecnología va a utilizarse de forma amplia para la salud y el ejercicio, necesitamos saber no solo cuán precisa es en general, sino si funciona de manera similar entre diferentes personas,” dice Jason Kostrna, Ph.D., C.M.P.C., autor principal del estudio y profesor asociado de psicología del deporte y ejercicio y de kinesiología y ciencia del ejercicio en la Florida International University.
Pero no tires tu Fitbit todavía: los expertos dicen que los datos de los relojes inteligentes pueden seguir siendo útiles, siempre que se interpreten de la manera correcta. A continuación, los científicos desglosan los resultados y lo que significan para ti.
Conoce a los expertos: Jason Kostrna, Ph.D., C.M.P.C., autor principal del estudio y profesor asociado de psicología del deporte y del ejercicio y de kinesiología y ciencias del ejercicio en la Florida International University; Adam S. Lepley, Ph.D., A.T.C., director del PRIME Lab y profesor asistente en la Escuela de Kinesiología de la Universidad de Michigan; Amanda Velázquez, M.D., directora de medicina de la obesidad en Cedars-Sinai.
¿Qué encontró el estudio?
Los investigadores reclutaron a 58 adultos que realizaron ciclismo en una bicicleta reclinada mientras llevaban distintos relojes inteligentes. Durante el ejercicio, a los participantes se les conectó a equipos de laboratorio que miden el gasto energético exacto analizando los gases de la respiración. Luego, los investigadores compararon las estimaciones calóricas de los relojes con sus datos de laboratorio, midieron la diferencia y evaluaron si la precisión variaba según la composición corporal o el tono de piel. El proyecto fue una colaboración entre la Dra. Jessica Ramella-Roman, del Laboratorio de Fotónica Médica de FIU, y la Dra. Cristina Palacios, de la Facultad de Salud Pública y Trabajo Social Robert Stempel de FIU; la Dra. Ramella-Roman, en particular, “ha examinado cómo factores como la composición corporal y el tono de piel pueden influir en las señales ópticas utilizadas por los dispositivos vestibles,” explica Kostrna.
En última instancia, descubrieron que todos los dispositivos proporcionaban estimaciones inexactas, pero esta inexactitud variaba entre marcas. Apple fue la más precisa, Garmin y Samsung tendían a sobrestimar la quema de calorías, y Fitbit “mostró la mayor variabilidad, con valores atípicos extremos y datos ocasionalmente ausentes”, escriben los investigadores.
Aunque el porcentaje de error aumentaba con el porcentaje de grasa corporal de los participantes, el tono de piel no tuvo efecto. “Eso no significa que el tono de piel nunca pueda afectar la precisión de los wearables,” señala Kostrna. “Examinamos un rango específico de tonos de piel bajo una condición de ejercicio específica.”
¿Por qué podrían ser inexactos los datos de calorías de los relojes inteligentes?
Los relojes inteligentes nos proporcionan muchas métricas, muchas de las cuales no se miden directamente. “En su lugar, los relojes miden señales como movimiento, formas de pulso óptico o ubicación, y luego usan algoritmos propietarios para estimar cosas como calorías quemadas, VO2max, etapas del sueño o puntuaciones de recuperación,” dice Adam S. Lepley, Ph.D., A.T.C., director del PRIME Lab y profesor asistente en la Escuela de Kinesiología de la Universidad de Michigan. “El error puede introducirse en varios puntos a lo largo del camino, desde el ruido del sensor y cómo se coloca el dispositivo en la muñeca, hasta artefactos de movimiento, diferencias entre individuos y las suposiciones incorporadas en el algoritmo.”
Tomy González
Soy Tomy González, creador de Dietéticas Tomy. Escribo sobre comida saludable, productos de dietética, fitness y hábitos posibles, con una mirada simple y sin humo. Mi objetivo es ayudar a entender mejor qué comemos, qué compramos y cómo entrenamos, sin culpa ni promesas mágicas.