La cuantificación personal (o self-tracking) es la práctica de recoger datos sobre tu propio cuerpo y comportamiento para tomar mejores decisiones. Es la columna vertebral del biohacking: sin datos, estás optimizando a ciegas.
Pero hay un problema real: la mayoría de personas que se ponen un wearable acaban mirando los datos como si fueran el marcador de un partido de fútbol: con interés efímero, sin un sistema para actuar sobre ellos. En esta guía vamos a resolver eso.
Qué es la cuantificación personal (y qué no es)
La cuantificación personal tiene sus raíces en el movimiento Quantified Self fundado en 2007 por Kevin Kelly y Gary Wolf (editores de Wired). La idea central: "self knowledge through numbers". El conocimiento de uno mismo a través de los números.
No es obsesión por los datos. No es hipocondría con chip. Es usar la medición como feedback loop para experimentar con cambios de comportamiento y verificar si funcionan.
La diferencia entre un tracker amateur y uno efectivo no está en la cantidad de datos recogidos: está en si hay un proceso para convertir esos datos en decisiones.
Medir estado base → Implementar intervención → Medir 4-8 semanas después → ¿Mejoró el marcador? → Si sí: mantener. Si no: ajustar o descartar. Sin este ciclo, el tracking es entretenimiento, no optimización.
Las 7 métricas que más importan
Hay centenares de cosas que puedes medir. Aquí están las 7 con mayor relación señal/ruido para salud y rendimiento general:
| # | Métrica | Por qué importa | Cómo medirla |
|---|---|---|---|
| 1 | HRV (variabilidad cardíaca) | Estado del sistema nervioso autónomo; indicador de recuperación y estrés | Wearable, app HRV4Training |
| 2 | Sueño profundo (min/noche) | Reparación celular, hormona de crecimiento, memoria consolidada | Oura, Garmin, Withings |
| 3 | Glucosa en ayunas | Sensibilidad insulínica, salud metabólica | Analítica + CGM si es posible |
| 4 | VO2max estimado | La forma aeróbica es de lo que más se asocia a la mortalidad (Mandsager et al., 2018) | Garmin, Apple Watch, prueba de campo |
| 5 | Pasos y movimiento activo | Actividad NEAT, salud cardiovascular de base | Cualquier wearable o smartphone |
| 6 | Composición corporal | Masa muscular y grasa: dicen más que el peso solo | Báscula de bioimpedancia, DEXA anual |
| 7 | Presión arterial | Silencioso pero devastador si elevado; responde bien a estilo de vida | Tensiómetro de brazo validado |
Herramientas por nivel de inversión
Nivel 0: gratis
- Diario de papel o Notion: fecha, energía del 1-10, sueño estimado, estado de ánimo, síntomas notables
- Cámara del smartphone: registrar lo que comes (foto de platos) es sorprendentemente útil para identificar patrones
- App Cronometer (gratuita): tracking de macros y micronutrientes
- Google Fit / Samsung Health: pasos, actividad básica con el propio smartphone
Nivel 1: aparatos básicos
- Pulsera de actividad básica: pasos, FC, sueño básico, calorías activas
- Tensiómetro de brazo validado: presión arterial en casa. La guía europea de hipertensión (Stergiou et al., 2021) recomienda los de brazo; los de muñeca, solo si el de brazo no es posible.
- Báscula de bioimpedancia: peso más una estimación de grasa y músculo, poco precisa pero útil para tendencias
- Pulsioxímetro: saturación de oxígeno. Si sospechas apnea del sueño, lo que hace falta es un estudio del sueño
Nivel 2: wearables completos
- Anillo Oura / RingConn: HRV, sueño por fases (aproximado), temperatura corporal y FC en reposo
- Garmin Forerunner / Polar Pacer: VO2max estimado, zonas de frecuencia cardíaca, training load, TRIMP
- Apple Watch / Samsung Galaxy Watch: ECG, detección de caídas e integración con apps de salud
Nivel 3: protocolos avanzados
- CGM (Libre 3, Dexcom G7): glucosa continua 24/7. En personas sin diabetes enseña cómo responde tu glucosa a cada comida, pero no hay ensayos que demuestren que usarlo mejore la salud.
- Analítica de sangre trimestral completa: los biomarcadores clave que hemos visto
- Test de edad biológica epigenética: una vez al año o cada dos para medir si tus intervenciones están ralentizando el envejecimiento
Comparativa completa de wearables en nuestra guía de wearables para biohacking.
HRV: la métrica más útil y menos comprendida
La variabilidad de la frecuencia cardíaca (HRV) mide la variación en milisegundos entre latidos consecutivos. Parece contraintuitivo: ¿no quieres un latido regular? No: quieres un latido variable. Un corazón que late exactamente igual cada vez es un corazón que no puede adaptarse.
La HRV refleja el balance entre el sistema nervioso simpático (acelerador: estrés, ejercicio, amenaza) y el parasimpático (freno: descanso, recuperación, digestión). HRV alta = sistema nervioso flexible y adaptable. HRV baja = sistema bajo estrés, sobrecargado o mal recuperado.
Qué factores elevan la HRV:
- Sueño de calidad y suficiente cantidad
- Ejercicio regular (con recuperación adecuada)
- Meditación y respiración diafragmática
- Hidratación óptima
- Bajos niveles de estrés crónico
Qué la hunde:
- Alcohol: en el estudio de Pietilä et al. (2018), con más de 4.000 trabajadores finlandeses, bajó la recuperación nocturna medida por HRV incluso en dosis bajas, y más cuanto más se bebía
- Sueño insuficiente o fragmentado
- Sobreentrenamiento
- Estrés emocional agudo o crónico
- Enfermedad (la HRV baja antes de los síntomas)
Cómo usar tu HRV: no compares tu HRV con la de otros, compárala contigo mismo. Lo que importa es la tendencia de tu línea base. Si está claramente por debajo de tu media varios días seguidos, algo (estrés, una enfermedad que empieza, sobreentrenamiento) está cargando el sistema.
Métricas de sueño: qué mirar y qué ignorar
Los wearables modernos pueden estimar las fases de sueño (ligero, profundo/NREM3, REM) mediante acelerometría y fotopletismografía. La precisión no es perfecta, pero las tendencias son útiles.
Lo que vale la pena mirar:
- Tiempo total de sueño: objetivo 7-9h reales (no tiempo en cama)
- Sueño profundo (N3) y REM: no son objetivos. En el metaanálisis de Ohayon et al. (Sleep, 2004), con valores medidos en laboratorio, el sueño profundo baja con la edad de forma normal. Y los wearables estiman estas fases con bastante error, así que mira tendencias, no la cifra de una noche.
- FC durante el sueño: lo normal es que baje respecto a la del día; si sube varias noches, puede ser alcohol, cena tardía, enfermedad o estrés
- HRV durante el sueño: máxima durante la noche. Si no baja a mínimo durante el día, algo falla
Lo que no vale la pena obsesionarse:
- Duración exacta de cada fase (los wearables no son PSG clínico)
- Compararte con medias poblacionales en lugar de tu propia tendencia
- Revisar el sueño nada más levantarte (crea ansiedad que paradójicamente empeora el sueño)
Para optimizar el sueño profundo, lee nuestra guía de cómo mejorar el sueño profundo.
Monitorización continua de glucosa (CGM): el nivel avanzado
El CGM es probablemente la herramienta de cuantificación personal con mayor densidad informativa para alguien sin diabetes. Un sensor como el Libre 3 o el Dexcom G7, usado durante 2-4 semanas, revela:
- Cómo responde tu glucosa a cada tipo de alimento
- El impacto del estrés en la glucosa (la respuesta al cortisol puede subir la glucosa sin comer)
- Cómo el ejercicio modifica la glucosa pre y post
- Si tienes hipoglucemias nocturnas asintomáticas
- El efecto del sueño en la regulación glucémica del día siguiente
Para personas sin diabetes, usar un CGM unas semanas puede servir de curiosidad informada sobre cómo respondes a las comidas. No sustituye a una analítica ni hay ensayos que demuestren beneficio. Más en la guía de CGM.
Con diabetes tipo 1 llevo décadas monitorizando glucosa. El CGM me enseñó que el estrés de una reunión difícil sube mi glucosa tanto como un trozo de pan blanco. Que el sueño de 6h tiene efectos glucémicos al día siguiente. Que correr en Zona 2 la estabiliza mientras que el HIIT la dispara. Estos patrones son imposibles de detectar con una analítica anual.
Analíticas periódicas como eje del sistema
Los wearables dan datos continuos pero superficiales. Las analíticas dan datos puntuales pero profundos. Los dos se complementan.
El sistema que funciona:
- Wearable diario: tendencias de HRV, sueño, actividad, FC en reposo: para detectar cambios rápidos y guiar el día a día
- Analítica trimestral: si estás haciendo intervenciones activas: para verificar que los biomarcadores se mueven en la dirección correcta
- Analítica anual completa: cuando todo está estabilizado: para el mantenimiento y detección precoz
La lista completa de qué pedir en la analítica está en nuestra guía de biomarcadores de salud.
Cómo pasar de datos a decisiones
Este es el paso que la mayoría nunca da. Tienen montones de datos y cero sistema para actuar sobre ellos.
Mi sistema personal de revisión:
Revisión diaria (5 minutos, por la mañana)
- ¿Cómo está la HRV vs mi media de los últimos 30 días?
- ¿Cómo fue el sueño profundo?
- ¿Cómo me siento subjetivamente del 1-10?
Decisión resultante: si HRV baja + sueño pobre → entrenamiento suave o descanso activo ese día. Si HRV alta + buen sueño → día de entrenamiento exigente.
Revisión semanal (15 minutos, domingo)
- ¿Cuántos minutos de Zona 2 esta semana? (la OMS recomienda 150-300 minutos de actividad moderada a la semana)
- ¿Cuántos días con sueño >7h?
- ¿Media de pasos diarios?
- ¿Algún patrón notable esta semana?
Revisión mensual (30 minutos)
- Tendencia de HRV: ¿sube, baja o plana?
- Tendencia de sueño profundo
- VO2max estimado: ¿mejora?
- Presión arterial: ¿tendencia estable?
- Peso + composición corporal
Para el tracking numérico yo uso una hoja de cálculo simple en Google Sheets. Hay apps como Exist.io o Gyroscope que agregan datos de múltiples fuentes si prefieres automatizarlo.
Errores del self-tracker que hay que evitar
Error 1: Trackear demasiadas cosas a la vez
Si mides 20 variables al día y cambias múltiples hábitos a la vez, no sabes qué causó qué. Elige 3-5 métricas para empezar y deja el resto para después.
Error 2: Ignorar el contexto
La HRV de ayer fue baja. ¿Fue por el vino de la noche? ¿Por la discusión de trabajo? ¿Porque empiezas a enfermar? Los números sin contexto llevan a conclusiones erróneas. Anota el contexto junto con los datos.
Error 3: Compararte con otros
Una HRV de 65 ms puede ser alta para alguien de 55 años y baja para un atleta de 25. El único benchmark relevante eres tú mismo y tu propia tendencia temporal.
Error 4: Ortorexia cuantificada
Cuando el tracking se convierte en fuente de ansiedad ("mi sueño profundo fue solo 80 min, el día va a ser un desastre"), está haciendo más daño que bien. Los datos son información, no sentencias.
Error 5: Confundir correlación con causalidad
Los días que como más verduras mi HRV es más alta. ¿Las verduras mejoran la HRV? ¿O los días que me cuido en general también duermo mejor, estreso menos y eso eleva la HRV? Las correlaciones en N=1 son hipótesis, no pruebas. Trátalas como tal.
Tu sistema mínimo para empezar hoy
Si partes de cero:
- Semana 1: descarga la app de salud de tu smartphone (ya tiene acelerómetro para pasos y sueño básico). Durante una semana, solo observa sin intervenir. Esto es tu línea base.
- Semana 2-4: hazte la analítica de sangre básica (glucosa, HbA1c, vitamina D, lipidograma mínimo). Anota los resultados.
- Mes 2: si quieres profundizar, añade un wearable básico para HRV y sueño.
- Mes 3 en adelante: con datos de tres meses, ya tienes suficiente señal para tomar una decisión de intervención informada.
El sistema no tiene que ser complicado. Tiene que ser consistente. Un mes de datos simples vale más que un año de datos esporádicos.
No es "¿qué datos tengo?" sino "¿qué decisión voy a tomar diferente gracias a este dato?". Si no hay respuesta clara, o no necesitas ese dato o necesitas un sistema mejor para actuar sobre él.
Fuentes
- Mandsager K et al. Association of Cardiorespiratory Fitness With Long-term Mortality Among Adults Undergoing Exercise Treadmill Testing. JAMA Netw Open. 2018. PubMed 30646252
- Stergiou GS et al. 2021 European Society of Hypertension practice guidelines for office and out-of-office blood pressure measurement. J Hypertens. 2021. PubMed 33710173
- Pietilä J et al. Acute Effect of Alcohol Intake on Cardiovascular Autonomic Regulation During the First Hours of Sleep in a Large Real-World Sample of Finnish Employees: Observational Study. JMIR Ment Health. 2018. PubMed 29549064
- Ohayon MM et al. Meta-analysis of quantitative sleep parameters from childhood to old age in healthy individuals: developing normative sleep values across the human lifespan. Sleep. 2004. PubMed 15586779
- Bull FC et al. World Health Organization 2020 guidelines on physical activity and sedentary behaviour. Br J Sports Med. 2020. PubMed 33239350
