← Data Science Signal over noise.

Which wearable metrics to trust (and which to question)

🌱 Seedling
#wearables#data-quality#hrv#everyday-adults#decisions
TL;DR

Steps and heart rate are accurate enough for most people. Energy expenditure, sleep stages, stress and 'readiness' scores are much softer, so read them as trends and not as verdicts. Knowing which number deserves a decision is half the job.

Context

Almost every active adult I work with arrives with data already. A watch, a ring, an app, an InBody. They rarely have too few numbers. The real problem is that they don’t know which number is worth a decision. The watch prints “recovery 42%” with the same confidence it prints step count, but those two numbers are not built on the same ground.

The concept

Some metrics sit on firmer ground than others.

Steps and heart rate during rest or steady effort are directly sensed and validated across many devices. For most people they are good enough to guide a decision. Energy expenditure, sleep stages, “stress” and proprietary “readiness” or “recovery” scores are a different story. They are estimates built on top of the sensors, so they mix real signal with assumptions and change from one brand to another.

The research agrees with this ranking. Reviews of wrist wearables find that heart rate and step counting hold up reasonably well, while energy expenditure and derived states carry much larger error. Trackers do raise physical activity, yet their effect on things like blood pressure, cholesterol, pain and quality of life tends to be small. The number moving is not the same as the person getting better.

In practice

The rule I give people is simple. One soft number never earns a change. A trend on firmer ground might.

Do not stop training because one morning “readiness” is red. Look at what the seven to ten day trend says, and whether it lines up with something firmer, like a resting heart rate that is drifting up, sleep that is dropping, or your own sense of energy. Proprietary scores are good to start a conversation, not to give an order. And always compare the person to their own pattern, not to the population. I develop that in [[n-of-1-personal-baseline]].

My take

Build a small “trust tier” inside ADAPTY that visually marks each metric as firm or soft, so the interface communicates the uncertainty instead of hiding it. An open question I keep coming back to: how many days before a personal trend is worth acting on? It probably depends on the metric. This note pairs well with a future one on reading an InBody, where weight stays flat while composition moves.

Contexto

Casi todo adulto activo con el que trabajo llega ya con datos. Un reloj, un anillo, una app, un InBody. Casi nunca es que tenga pocos números. El problema real es que no sabe cuál merece una decisión. El reloj imprime “recuperación 42%” con la misma seguridad con la que imprime los pasos, pero esos dos números no están hechos del mismo material.

El concepto

Algunas métricas están en terreno más firme que otras.

Los pasos y la frecuencia cardiaca en reposo o esfuerzo estable se miden directo y están validados en muchos dispositivos. Para la mayoría sirven para decidir. El gasto energético, las fases del sueño, el “estrés” y los scores propietarios de “readiness” o “recuperación” son otra cosa. Son estimaciones montadas sobre los sensores, mezclan señal real con supuestos y cambian entre marcas.

La evidencia respalda ese orden. Las revisiones de wearables de muñeca encuentran que la frecuencia cardiaca y los pasos aguantan bien, mientras que el gasto energético y los estados derivados cargan mucho más error. Los rastreadores sí aumentan la actividad física, pero su efecto sobre cosas como la presión arterial, el colesterol, el dolor y la calidad de vida suele ser pequeño. Que el número se mueva no es lo mismo que la persona mejore.

En la práctica

La regla que doy es simple. Un solo número blando nunca justifica un cambio. Una tendencia en terreno firme quizás sí.

No dejes de entrenar porque una mañana el “readiness” salió en rojo. Mira qué dice la tendencia de siete a diez días, y si coincide con algo más firme, como la frecuencia cardiaca en reposo subiendo, el sueño cayendo o tu propia sensación de energía. Los scores propietarios sirven para empezar una conversación, no para dar una orden. Y siempre compara a la persona con su propio patrón, no con la población. Eso lo desarrollo en [[n-of-1-personal-baseline]].

Mi lectura

Armar dentro de ADAPTY una pequeña “capa de confianza” que marque cada métrica como firme o blanda, para que la interfaz comunique la incertidumbre en vez de esconderla. Una pregunta abierta que me sigo haciendo: ¿cuántos días antes de que una tendencia personal valga la pena de actuar? Seguramente depende de la métrica. Esta nota se junta bien con una futura sobre cómo leer un InBody, donde el peso casi no se mueve mientras la composición sí cambia.

Sources

Related project ADAPTY →