VO2max del reloj inteligente: ¿qué precisión tiene y se puede confiar en ella?

Para la mayoría de las personas que entrenan, eso basta para usar el valor del reloj como indicador aproximado de dirección: ¿sube o baja la forma tras unos meses de entrenamiento regular? El problema empieza cuando el número de la pantalla se trata como un resultado de examen: se compara con tablas de normas, con el resultado de un amigo en otra marca de reloj o se usa para evaluar el riesgo de salud. Entonces un error de varios, o incluso más de diez, ml/kg/min puede cambiar la categoría de 'media' a 'excelente' o al revés.

En este artículo explicamos paso a paso cómo funcionan los algoritmos que estiman la VO2max, qué mostraron los estudios independientes para Apple Watch, Garmin y Pixel Watch, de dónde vienen los errores y cómo sacar la máxima fiabilidad a un reloj. También mostramos cuándo vale la pena invertir en una prueba de laboratorio. Para un contexto más amplio, qué es la VO2max y cómo mejorarla, consulta nuestras fichas sobre VO2 max, entrenamiento en zona 2 y variabilidad de la frecuencia cardiaca (VFC).

La VO2max (consumo máximo de oxígeno) es la mayor cantidad de oxígeno que el organismo puede captar y utilizar por minuto durante un esfuerzo máximo, expresada casi siempre en mililitros por kilogramo de masa corporal por minuto (ml/kg/min). Abarca toda la cascada: ventilación pulmonar, difusión del oxígeno, gasto cardiaco, transporte de oxígeno en la sangre y su uso en los músculos. El patrón de oro de la medición es una prueba de esfuerzo hasta el agotamiento con análisis directo de los gases espirados (espiroergometría, CPET), es decir, con mascarilla o boquilla y un analizador metabólico.

Un reloj no tiene mascarilla ni analizador. En su lugar se apoya en una relación que la fisiología del ejercicio conoce desde hace tiempo: a un ritmo de carrera (o potencia) dado, la frecuencia cardiaca sube más cuanto menor es la forma física. El algoritmo compara entonces el registro de frecuencia cardiaca con la velocidad, normalmente del GPS y el acelerómetro, durante una carrera o una caminata rápida, tiene en cuenta edad, sexo, masa corporal y frecuencias cardiacas en reposo y máxima, y lo 'convierte' en VO2max. Es importante que el esfuerzo es submáximo, así que nadie tiene que agotarse. Como señala una revisión sistemática, la mayoría de los estudios se refieren a dispositivos Garmin con el algoritmo Firstbeat y a estimaciones de carreras submáximas al aire libre, comparadas con una prueba en cinta de laboratorio.

Los distintos fabricantes usan variantes propias de esta idea (algunos exigen cinta o carrera al aire libre con GPS, otros usan datos de varios días del uso cotidiano), pero la lógica es parecida: a partir de datos indirectos, la frecuencia cardiaca y el movimiento, se estima una magnitud que no se ve directamente. De ahí se sigue una consecuencia importante: cualquier error en los datos de entrada, en la frecuencia cardiaca, en el ritmo o en la suposición sobre la frecuencia cardiaca máxima, pasa al resultado.

Un error tan grande no es característica de un solo fabricante. En un estudio con 19 personas y un Garmin fenix 6, el error medio frente a los datos de laboratorio promediados en ventanas de 30 segundos fue del 7,05 % (coeficiente de concordancia de Lin 0,73), lo que cumplía los criterios de validación de los autores (MAPE inferior al 10 % y CCC superior a 0,7). En el mismo trabajo ese reloj falló al medir la saturación de oxígeno, lo que demuestra bien que 'funciona en una función' no significa 'funciona en todas'. A su vez, en un estudio con 24 personas sanas que comparó cinco pulseras y relojes distintos, todos los dispositivos evaluados tuvieron un error superior al 10 % salvo el Garmin Forerunner 920XT (7,3 %), que subestimaba significativamente la VO2max.

También llama la atención un trabajo sobre el Pixel Watch 3 (34 participantes): el sesgo sistemático medio fue pequeño (alrededor de -0,5 ml/kg/min, MAPE 8,65 %), pero los límites de concordancia iban de aproximadamente -12,6 a +11,5 ml/kg/min. Dicho de otro modo, el dispositivo como grupo no se equivoca en una dirección, pero en una persona concreta el error podía ser muy grande. Los autores valoraron que las estimaciones carecen de validez individual suficiente para uso clínico, aunque el sesgo sugiere utilidad para la vigilancia de la salud de la población.

La primera fuente de error es la suposición sobre la frecuencia cardiaca máxima. El algoritmo suele suponerla a partir de la edad (con una fórmula general) o de entrenamientos anteriores. Si tu frecuencia cardiaca máxima real se aparta mucho de la estimación, y en muchas personas la desviación es de una docena de latidos por minuto, el resultado se desplaza de forma sistemática. La segunda fuente es la calidad de la medición de la frecuencia cardiaca: los sensores ópticos de muñeca son menos precisos con esfuerzos que cambian rápido, con frío, con tatuajes o con la correa floja, por lo que los estudios suelen usar banda torácica.

La tercera es que la estimación es submáxima y se apoya en una relación 'típica' entre frecuencia cardiaca y velocidad. Si alguien tiene una economía de carrera atípica, corre cuesta arriba o contra el viento, está deshidratado, ha dormido poco, ha tomado café o está con calor, la frecuencia cardiaca a un ritmo dado subirá y el reloj 'concluirá' que la forma física es menor. La cuarta, revelada en los estudios, es la llamada regresión a la media: en personas de baja forma física las estimaciones tienden a ser demasiado altas y en personas muy en forma demasiado bajas, porque el algoritmo 'tira' del resultado hacia la población típica. Por eso un deportista de resistencia con una VO2max real de 65 puede ver en el reloj una cifra claramente inferior.

Por último está el desajuste de método. En el estudio del Apple Watch la referencia se midió en cicloergómetro mientras que el reloj se basaba en la carrera, y en toda validación las diferencias de protocolo, de promediado de datos y de población se suman al resultado. Para el usuario esto significa una cosa: comparar el número del reloj con una tabla de normas o con el resultado de un compañero en otro dispositivo tiene poco sentido. Compararlo con tu propio resultado de hace tres meses, del mismo reloj y en condiciones parecidas, está mucho más justificado.

Un estudio sobre el Garmin Forerunner 265 durante un programa de preparación de 12 semanas para una media maratón (20 personas) mostró un fenómeno que conviene conocer: el reloj sobrestimaba la VO2max en unos 2,5-2,9 ml/kg/min de media tanto antes como después del entrenamiento, pero el error era relativamente constante y el error porcentual medio se mantuvo por debajo del 10 %. Un error sistemático constante es mucho menos dañino para seguir una tendencia que un error aleatorio, porque no enmascara el cambio.

La capacidad aeróbica es uno de los predictores de supervivencia más fuertes que se conocen. En un gran estudio retrospectivo con 122 007 pacientes sometidos a una prueba de esfuerzo en cinta, la mortalidad por todas las causas disminuía al aumentar la forma física, y las personas del grupo más alto ('élite') tenían, tras el ajuste, un riesgo de muerte unas 5 veces menor que las del grupo más bajo (HR 0,20), sin que se observara un límite superior del beneficio. La American Heart Association, en una declaración científica, propone tratar la forma física como un 'signo vital' en la práctica clínica, porque puede ser un predictor de mortalidad más fuerte que el tabaquismo, la hipertensión o la diabetes.

Puesto que las diferencias entre categorías de forma física tienen tanto peso pronóstico, surge la pregunta de si un error de 4-9 ml/kg/min destruye la utilidad de un reloj. La respuesta tiene dos niveles. A escala de una persona, el error es demasiado grande para asignarse a una categoría normativa a partir de una sola lectura. A lo largo del tiempo (mismo reloj, varios meses, línea de tendencia ascendente o descendente), la información sobre la dirección del cambio sigue siendo útil, porque refleja un cambio de forma y no un valor absoluto. Solo hay que recordar que la tendencia de un reloj es una señal, no una prueba.

Si el resultado va a usarse para decisiones de salud, por ejemplo evaluar el riesgo cardiovascular, planificar un programa intenso tras una enfermedad o ajustar la carga en una persona mayor de 60 años, es mejor basarse en una prueba realizada bajo supervisión. Para personas sanas y activas que simplemente quieren saber si su forma mejora, un reloj suele bastar de sobra.

Lo más preciso es una prueba de espiroergometría (CPET), realizada en un laboratorio de medicina deportiva, cardiología o fisiología del ejercicio. El participante realiza un esfuerzo progresivamente creciente en cinta o cicloergómetro mientras un analizador mide el consumo de oxígeno y la producción de dióxido de carbono respiración a respiración; además se obtiene información sobre los umbrales ventilatorios, muy importantes para planificar las zonas de entrenamiento. La prueba es un esfuerzo máximo, por lo que debe realizarse bajo la supervisión de personal, y en personas con enfermedad cardiaca o factores de riesgo debe ir precedida de una valoración médica.

También existen pruebas de campo, más baratas y accesibles pero menos precisas: el test de Cooper (distancia recorrida en 12 minutos de carrera), la prueba de marcha de 1,6 km y ecuaciones que estiman la VO2max sin ejercicio a partir de la edad, la masa corporal y la frecuencia cardiaca en reposo. Su error puede ser comparable al del reloj y su ventaja es que son totalmente repetibles en condiciones idénticas (misma distancia, mismo recorrido, mismo ritmo de esfuerzo). Para quien quiere seguir su progreso sin laboratorio, un test de Cooper regular o una carrera de control repetible sobre la misma distancia suele dar una información tan útil como la estimación de un reloj.

Una buena analogía es una báscula de baño que se equivoca en 1-2 kg, pero de manera constante. Por la mañana, en la misma báscula, en condiciones parecidas, una bajada de 3 kg es una señal. La misma báscula para dos personas distintas ya no es una buena herramienta de comparación absoluta. La VO2max del reloj debe leerse igual: no supongas que un 52 tuyo significa más que un 49 de un amigo con otro dispositivo, pero fíjate si tu propio 49 de hace medio año ha pasado a 53.

Un reloj es una herramienta estupenda para recoger datos sobre tu propia actividad, y la VO2max que muestra es una pista útil siempre que no se le exija la precisión de un laboratorio. Si lo tratas como una brújula y no como un mapa, es muy provechoso: señala la dirección hacia la que va tu forma. Si lo tratas como un resultado de examen, te expones a conclusiones que los datos no justifican. Antes de una decisión importante de salud o de entrenamiento, y al menos una vez cada pocos años si lo que está en juego es la evaluación del riesgo cardiovascular, considera una prueba de esfuerzo real con análisis de gases.