HRV explicado: qué es la variabilidad de la frecuencia cardíaca y por qué importa

Pregunta a diez personas qué es un «buen HRV» y la mayoría describirá un número que su dispositivo les mostró esta mañana, normalmente sin tener muy claro por qué se suele considerar que cuanto más alto, mejor, por qué el mismo número exacto significa algo distinto para un corredor de maratón que para alguien que se está recuperando de la gripe, o por qué la lectura varía tanto de una noche a otra. La variabilidad de la frecuencia cardíaca (HRV) se ha convertido en una de las cifras más visibles de la tecnología de salud de consumo: aparece en la pantalla principal junto a una puntuación de sueño y un anillo de preparación, pero la explicación sencilla de qué mide realmente rara vez llega a la propia aplicación. Este artículo es esa explicación: parte del territorio de clima y síntomas cubierto en sensibilidad al clima: qué dice la ciencia hacia una señal que muchos lectores ya llevan en la muñeca. Una nota antes de empezar: este es material informativo, no un consejo médico. El HRV es una señal de bienestar, no una prueba diagnóstica, y un síntoma realmente preocupante —dolor en el pecho, un desmayo, una frecuencia cardíaca en reposo que de repente parece anómala— es un asunto para hablar con un médico, no con una app.

Dos interruptores del sistema nervioso, un solo número

Tu corazón no late como un metrónomo, ni siquiera en reposo. El intervalo entre un latido y el siguiente varía ligeramente, latido a latido, y esa fluctuación es la variabilidad de la frecuencia cardíaca. Existe porque el sistema nervioso autónomo controla el corazón mediante dos ramas que trabajan en un diálogo constante y en capas, en lugar de funcionar como un simple interruptor de encendido/apagado: la rama simpática, que acelera el corazón y prepara al cuerpo para el esfuerzo o el estrés, y la rama parasimpática (vagal), que lo frena durante el descanso y la recuperación. El documento fundacional de estándares de 1996, elaborado por el Grupo de Trabajo de la Sociedad Europea de Cardiología y la Sociedad Norteamericana de Estimulación Cardíaca y Electrofisiología —todavía el punto de referencia con el que se mide todo el campo—, describe el HRV como la ventana que esta fluctuación latido a latido abre hacia esa interacción (Task Force, 1996).

Dos métricas hacen la mayor parte del trabajo, tanto en los dispositivos de consumo como en la investigación. El SDNN, la desviación estándar de los intervalos entre latidos normales durante un período de registro, capta la variabilidad global en la escala temporal en la que se mide. El RMSSD, calculado a partir de las diferencias entre intervalos sucesivos, está más específicamente ligado a cambios rápidos y mediados por el vago —la influencia momento a momento de la rama parasimpática sobre el corazón— (Shaffer & Ginsberg, 2017). Apple Watch reporta el SDNN. La versión corta que vale la pena recordar: una lectura más alta generalmente refleja más influencia parasimpática en relación con el impulso simpático en el momento de la medición, y una más baja refleja lo contrario: el sistema nervioso inclinándose hacia el «estado de alerta» en lugar del «estado de calma».

Qué refleja realmente una tendencia al alza o a la baja

En la ciencia del deporte, donde el seguimiento del HRV tiene la trayectoria más larga, el HRV en reposo —normalmente medido a primera hora de la mañana— se usa como uno de los indicadores de cuánto se ha recuperado el cuerpo del entrenamiento reciente, el sueño y el estrés cotidiano, junto con la simple frecuencia cardíaca en reposo. Una revisión de 2014 ampliamente citada sobre el seguimiento basado en la frecuencia cardíaca en deportistas describe el RMSSD nocturno como uno de los indicadores más útiles disponibles para esto, pero viene con una advertencia importante que rara vez sobrevive a la traducción al marketing de consumo: las lecturas de un solo día son lo bastante ruidosas como para que las correlaciones significativas con los resultados del entrenamiento solo aparecieran cuando los datos se promediaban durante tres o cuatro días consecutivos, y no al leerlos de una sola mañana aislada (Buchheit, 2014). Es una afirmación concreta y refutable que vale la pena tomar en serio: una única lectura inusualmente baja está más cerca del ruido que de una noticia, y la recomendación práctica de la misma revisión —registrar en condiciones consistentes, la mayoría de las mañanas, y leer la tendencia en vez del día— describe exactamente cómo está pensado usarse el HRV, no una aproximación tosca de ello.

Cómo lo estima un dispositivo wearable, y hasta qué punto confiar en el número

Apple Watch estima el HRV de forma óptica, usando su sensor de fotopletismografía (PPG) en la muñeca para detectar el pulso en los vasos sanguíneos, en lugar de la señal eléctrica del corazón, como hace una banda pectoral o un ECG clínico. Esa distinción importa más de lo que podría parecer: una revisión metodológica de 2017 informó que los métodos PPG y ECG coincidían dentro de aproximadamente un 6% para la mayoría de las medidas de HRV, aunque una métrica concreta (pNN50) divergía casi un 30% —un recordatorio de que el método de detección importa en los márgenes, incluso antes de que entre en juego la ingeniería específica del dispositivo— (Shaffer & Ginsberg, 2017). La medida que Apple Watch efectivamente reporta, el SDNN, está entre las que siguen de cerca al ECG, y no entre las atípicas. La validación directa del propio Apple Watch frente a una referencia adecuada es más escasa de lo que cabría esperar para una función tan usada, pero existe: un estudio de 2018 hizo que 20 adultos sanos llevaran un Apple Watch junto con un monitor de banda pectoral Polar H7 validado durante un período de relajación y una tarea de estrés mental leve. En reposo, la concordancia entre ambos dispositivos en las medidas de HRV en el dominio del tiempo —la familia SDNN/RMSSD— fue muy buena, y el Apple Watch seguía captando el cambio autonómico provocado por la tarea de estrés, aunque la concordancia se relajaba algo en cuanto entraban en juego el estrés y pequeños movimientos, y las breves pérdidas de datos perjudicaban más a las medidas en el dominio de la frecuencia, más sensibles, que a las más simples del dominio del tiempo (Hernando et al., 2018). El resumen honesto: una lectura nocturna tomada mientras estás quieto es el uso más fiable de un sensor óptico de muñeca para el HRV; una lectura tomada mientras caminas, hablas o estás en mitad de un entrenamiento es la menos fiable, y esa brecha es una propiedad de la detección PPG en general, no un defecto específico de una marca de reloj en particular.

Qué mueve realmente tu número, día a día

Un puñado de factores cotidianos aparece de forma constante en esta investigación como causas que bajan el HRV, al menos temporalmente, y vale la pena ser específicos en vez de vagos al respecto. El alcohol es el mejor cuantificado: un estudio observacional de 2018 siguió a 4.098 empleados finlandeses a través de 12.411 registros nocturnos y encontró un efecto dependiente de la dosis en las primeras tres horas de sueño —una dosis baja redujo una medida compuesta de recuperación derivada del HRV en aproximadamente 9 puntos porcentuales de media, una dosis moderada en aproximadamente 24, y una dosis alta en aproximadamente 39, con la frecuencia cardíaca en reposo durante el sueño subiendo de forma correspondiente (alrededor de 1,4, 4,0 y 8,7 latidos por minuto con consumo bajo, moderado y alto)— (Pietilä et al., 2018). La propia falta de sueño deja una huella similar, aunque menor: una revisión sistemática de 2025 que agrupó cuatro estudios controlados encontró que la privación de sueño reducía significativamente el RMSSD, coherente con una menor actividad vagal y un desplazamiento hacia el predominio simpático, aunque el mismo análisis no encontró un efecto significativo específicamente en el SDNN —un recordatorio de que el «HRV» no es un solo número, y las distintas métricas no siempre se mueven juntas (Zhang et al., 2025). La carga de entrenamiento actúa en la misma dirección: los tramos de entrenamiento más duros o con menor recuperación son precisamente el contexto cotidiano en torno al cual la literatura de ciencia del deporte construyó desde el principio sus protocolos de HRV matutino (Buchheit, 2014). Y la simple enfermedad encaja en el mismo patrón desde el lado contrario, en sentido inverso a la buena forma física: la misma revisión que definió el SDNN y el RMSSD también señala que, mientras la aptitud aeróbica tiende a elevar las medidas de HRV en el dominio del tiempo a lo largo de meses de entrenamiento, la enfermedad en general tiende a reducirlas (Shaffer & Ginsberg, 2017). Nada de esto se suma a un diagnóstico a partir de un número: se suma a una breve lista de razones ordinarias y comprobables por las que una lectura se movió, la mayoría de las cuales una persona ya conoce sobre su propio día antes de que el reloj lo confirme.

Por qué no existe un HRV «bueno» universal

Aquí es donde buena parte del contenido informal sobre HRV induce a error sin darse cuenta, normalmente citando un umbral clínico fuera de contexto. El mismo documento de estándares de 1996 a veces se cita como fuente de una regla general según la cual un SDNN de 24 horas por debajo de 50 ms sugiere mala salud cardiovascular y por encima de 100 ms sugiere buena salud, pero esas cifras proceden de una monitorización ECG ambulatoria de todo el día, usada para estratificar el riesgo en poblaciones clínicas, a menudo tras un evento cardíaco, no de una lectura óptica de cinco minutos o nocturna en la muñeca de un adulto sano. Aplicar un umbral clínico de ECG de 24 horas a una medición puntual de un wearable compara dos cosas distintas, medidas de dos formas distintas, a lo largo de dos escalas temporales distintas, y la revisión de 2017 es explícita al afirmar que los valores de HRV a corto plazo y de 24 horas «no son intercambiables» precisamente por este motivo (Shaffer & Ginsberg, 2017). Además, la misma revisión documenta que el HRV normal varía según la edad (las medidas en el dominio del tiempo generalmente disminuyen con la edad, y algunas métricas siguen una curva más complicada que una línea recta), según el sexo (las mujeres tienden a mostrar un SDNN más bajo y una variabilidad de la frecuencia cardíaca más alta en algunas medidas de frecuencia que los hombres en reposo) y según la forma física de base —diferencias lo bastante grandes como para que un número considerado normal para una persona pueda parecer inusualmente alto o bajo para otra, sin que ninguna de las dos lecturas sea errónea. La consecuencia práctica es sencilla: no existe una cifra única con la que comparar tu propia lectura y aprender algo útil. El número solo se vuelve informativo una vez que tienes suficiente historial propio para saber qué es típico en tu caso.

HRV · RELATIVE TO YOUR OWN BASELINE · NO ABSOLUTE MS

DAY_1DAY_14 →

• ┈tu propia base
• ●lectura diaria — ruidosa
• ▬tendencia de 3–4 días

FIG.07 · HRV DAILY vs 3-4d TREND · ILLUSTRATIVE · BUCHHEIT_2014

Qué hacer con el número, en la práctica

Dado todo esto, el hábito útil no es comparar el HRV de hoy con una tabla o con el número de un amigo: es construir una línea base personal y vigilar cambios reales y sostenidos respecto a ella, en condiciones al menos aproximadamente consistentes (hora similar, posición corporal similar, procurando no moverte durante la medición). Una sola mañana baja tras una noche larga o un entrenamiento duro es exactamente el tipo de ruido que, según la investigación anterior, cabe esperar e ignorar en su mayor parte; una deriva descendente de varios días que coincide con mal sueño, más consumo de alcohol, entrenamientos más duros o encontrarte mal es el patrón al que realmente vale la pena prestar atención. Esto es también, en concreto, lo que la sección de Estrés de MeteoHealth está diseñada para hacer con los datos de HRV de Apple Health que tu Watch ya recopila: convierte tu lectura nocturna de HRV en una puntuación de estrés de 0 a 100, junto con ejercicios de respiración guiada, y —dado que el motor de correlaciones de la app funciona enteramente en el dispositivo— puede mostrar esa puntuación junto a tus propios registros de síntomas, el sueño y el clima local, de modo que el patrón detrás de un cambio en tu número es algo que puedes ver realmente en tus propios datos, en lugar de adivinarlo a partir de una sola lectura. No diagnostica ni predice nada sobre tu salud; te muestra tus propios números, junto al contexto que podría explicarlos, sin que ninguno de esos datos salga de tu teléfono.

Hay un corolario de «el número solo se vuelve informativo cuando tienes suficiente historial propio», y se aplica a la app tanto como a ti: mientras ese historial no exista, una puntuación no tiene con qué compararte, así que cualquier cifra que mostrara sería una cifra sobre nada. Una puntuación de estrés construida sobre la distancia z respecto a tu línea base personal no tiene, el primer día, línea base contra la que medir: con un puñado de lecturas no hay suficiente dispersión en tus propios valores para decir qué significa «inusual» para ti, así que cualquier número sería un número sobre nada. La puntuación de estrés de MeteoHealth ahora espera alrededor de una semana de lecturas válidas antes de mostrar una cifra, y hasta entonces dice cuántas faltan; si la lectura más reciente está vieja — un día sin el reloj, por ejemplo — lo dice, en lugar de recalcular la puntuación en silencio a partir de una medición que no es de hoy. La misma regla recorre las puntuaciones compuestas: cuando demasiadas de sus entradas no están realmente medidas, devuelven nada en vez de un número a mitad de escala, porque una puntuación construida con una sola entrada disponible y un montón de supuestos aterriza cerca del medio por construcción y luego se lee como si se hubiera medido. Un hueco donde iría un número es menos satisfactorio que una cifra, y es lo que los datos disponibles realmente sostienen — un intercambio que conviene conocer en cualquier app que te puntúe, no solo en esta.

En resumen

El HRV es una ventana real y bien estudiada al equilibrio entre tu sistema nervioso simpático y parasimpático, y una tendencia descendente es una de las señales cotidianas más útiles disponibles para detectar fatiga acumulada, mal sueño, consumo excesivo de alcohol o una enfermedad que se avecina, antes de que se anuncie de otra manera. Pero es una tendencia que hay que leer a lo largo de varios días, no una puntuación que haya que comparar con el número de otra persona o con un umbral clínico construido para una medición completamente distinta: el HRV normal difiere según la edad, el sexo, la forma física y el dispositivo que hace la medición, y hasta un wearable bien validado es más fiable de noche y en reposo que en movimiento. El uso honesto del número es la misma lección a la que vuelve siempre esta serie de contenidos: es una señal que vale la pena seguir en relación con tu propia línea base y tu propio contexto, no un veredicto que valga la pena comparar con el de nadie más.