Los dispositivos de muñeca no muestran ninguna relación entre las métricas del sueño y la ansiedad en un metaanálisis de 44 estudios
Un metaanálisis de 44 estudios sobre dispositivos wearables no encontró ninguna relación entre el sueño y la ansiedad, mientras que una baja actividad física y una frecuencia cardíaca elevada se asociaron de forma débil con la ansiedad. Los dispositivos wearables funcionan mejor cuando se combinan con otros datos.
Resumen
Un grupo de investigadores combinó 44 estudios (42 artículos) que evaluaban si los datos de los dispositivos wearables de muñeca permiten rastrear la ansiedad en adultos. Los tamaños de muestra variaron entre 17 y 170 320 participantes. Los análisis agrupados de cuatro medidas del sueño (eficiencia del sueño, tiempo despierto tras el inicio del sueño, tiempo total de sueño y latencia de inicio del sueño) no encontraron una asociación significativa con la ansiedad. Las síntesis narrativas, basadas en menos estudios, sugirieron que una menor actividad física y una frecuencia cardíaca más alta se relacionan con síntomas de ansiedad más intensos. Los modelos de aprendizaje automático que utilizaban únicamente datos de wearables tuvieron un rendimiento irregular y mejoraron al combinarse con datos de autoinforme o datos clínicos. Los estudios inferenciales fueron, en su mayoría, de calidad aceptable y observacionales (transversales o longitudinales), por lo que no permiten establecer causalidad. Los wearables parecen más prometedores como una fuente de información entre varias que como herramientas independientes de detección de la ansiedad.
Resumen detallado
La ansiedad es el trastorno de salud mental más frecuente en el mundo: afectó a unos 301 millones de personas en 2019 y, en adultos mayores, se ha asociado con un mayor riesgo de demencia. La evaluación actual se basa en cuestionarios de autoinforme y entrevistas clínicas, que son retrospectivos, requieren muchos recursos y ofrecen solo instantáneas. Los datos pasivos y continuos de dispositivos portátiles de muñeca podrían, en principio, cubrir esa brecha, por lo que esta revisión se preguntó si los biomarcadores digitales derivados de dispositivos portátiles se asocian con la ansiedad.
Los autores buscaron en seis bases de datos, incluida la literatura gris, hasta septiembre de 2025 (PROSPERO CRD42023409995). Incluyeron estudios transversales o longitudinales en adultos que usaron dispositivos de muñeca de grado de investigación o de consumo, con la ansiedad medida mediante evaluaciones estandarizadas (cuestionarios de autoinforme o diagnósticos clínicos). Cumplieron los criterios cuarenta y cuatro estudios de 42 artículos: 36 utilizaron estadística inferencial (21 sobre sueño, 8 sobre actividad física, 2 sobre variabilidad de la frecuencia cardíaca y 5 sobre varios tipos) y 8 utilizaron aprendizaje automático. Los tamaños de muestra oscilaron entre 17 y 170 320.
Los cuatro metanálisis sobre el sueño fueron nulos. La eficiencia del sueño dio una z de Fisher de -0,07 (IC del 95 %: -0,14 a 0,002; P=0,06), la vigilia después del inicio del sueño z=0,13 (IC: -0,04 a 0,30; P=0,11), el tiempo total de sueño z=0,009 (IC: -0,01 a 0,03; P=0,28) y la latencia de inicio del sueño z=0,04 (IC: -0,07 a 0,15; P=0,08). Los intervalos de predicción fueron amplios (por ejemplo, de -0,19 a 0,05 para la eficiencia del sueño), lo que significa que un estudio futuro podría encontrar de forma plausible un efecto modesto en cualquier dirección. Se emplearon modelos de efectos aleatorios, con análisis de sensibilidad según el tipo de ansiedad (estado o rasgo) y el grupo de edad.
La actividad física y la frecuencia cardíaca no pudieron agruparse y se sintetizaron de forma narrativa. Una menor actividad física y una mayor frecuencia cardíaca se asociaron con más síntomas de ansiedad, aunque esto se apoya en pocos estudios. Los ocho estudios de aprendizaje automático mostraron un rendimiento variable al usar únicamente datos de dispositivos portátiles, y la predicción mejoró cuando estos datos se combinaron con otras fuentes, como el autoinforme y los datos clínicos.
El mensaje práctico es que un resultado nulo en cuatro métricas de sueño limita la afirmación de que las medidas de sueño de tipo actigrafía reflejan la ansiedad, pero no descarta las señales de actividad y frecuencia cardíaca, que siguen siendo plausibles y merecen evaluarse con mejores diseños. Los autores concluyen que los biomarcadores digitales probablemente resultan más útiles cuando se integran con otra información que cuando se usan solos como herramientas de cribado.
Las salvedades son considerables. La mayoría de los estudios inferenciales se calificaron como de calidad aceptable, los diseños fueron observacionales (transversales o longitudinales) y los análisis de sensibilidad debieron tener en cuenta la ansiedad de estado frente a la de rasgo. Los estudios que no pudieron agruparse se sintetizaron de forma narrativa, y la asociación no demuestra que los cambios en la actividad o en la frecuencia cardíaca causen o predigan la ansiedad. No existe una herramienta validada de evaluación de la calidad para estudios de aprendizaje automático, por lo que los autores adaptaron una versión modificada de QUADAS-2.
Hallazgos clave
- 44 studies from 42 articles met criteria: 36 inferential (21 sleep, 8 activity, 2 HRV, 5 multiple) and 8 machine learning; N ranged 17 to 170,320
- Sleep efficiency was not significantly associated with anxiety (Fisher z=-0.07, 95% CI -0.14 to 0.002, P=.06)
- Wake after sleep onset (z=0.13, P=.11), total sleep time (z=0.009, P=.28) and sleep onset latency (z=0.04, P=.08) were all null
- Narratively, lower physical activity and higher heart rate were associated with greater anxiety symptoms, based on limited studies and not pooled
- Machine learning on wearable data alone performed variably; performance improved when combined with self-report or clinical data
- Inferential studies were mostly of fair quality on the NHLBI tool; designs were cross-sectional or longitudinal
- Prior machine learning meta-analyses reported about 82% accuracy for anxiety classification, cited as context
Metodología
Revisión sistemática y metaanálisis conforme a PRISMA, registrados en PROSPERO, con búsqueda en 5 bases de datos, además de ProQuest y Google Scholar, hasta septiembre de 2025, y con cribado independiente por duplicado (concordancia entre evaluadores valorada mediante el kappa de Cohen). El riesgo de sesgo se evaluó con la herramienta del NHLBI para estudios inferenciales y con una versión modificada de QUADAS-2 para estudios de aprendizaje automático. Se realizaron metaanálisis de efectos aleatorios por cada biomarcador digital cuando fue posible, con indicación de los intervalos de predicción y análisis de sensibilidad según el tipo de ansiedad (estado o rasgo) y el grupo de edad. Los estudios de actividad, frecuencia cardíaca y aprendizaje automático se sintetizaron de forma narrativa.
Limitaciones del estudio
Los estudios inferenciales incluidos fueron, en su mayoría, de calidad aceptable y de carácter observacional (transversales o longitudinales), lo que limita la inferencia causal. Los estudios que no pudieron agruparse se sintetizaron de forma narrativa, y los hallazgos sobre actividad, frecuencia cardíaca y aprendizaje automático se basan en un número limitado de estudios. No existe una herramienta de calidad validada para los estudios de aprendizaje automático, por lo que se utilizó una versión modificada de QUADAS-2. En el texto proporcionado no se informó de ningún conflicto de intereses.
¿Te ha gustado este resumen?
Recibe la última investigación sobre longevidad en tu bandeja de entrada cada semana.
Introduce tu correo electrónico para suscribirte:
