Tenemos una cantidad absurda de datos al alcance de la mano.
Una balanza te entrega el peso con un decimal. Un reloj registra frecuencia cardíaca, pasos, sueño, gasto energético estimado y, dependiendo del modelo, hasta una estimación de VO₂max. En el gimnasio puedes guardar cada serie, cada repetición y cada kilo movido. Si quieres seguir, puedes medir perímetros, composición corporal, velocidad, potencia, HRV y prácticamente cualquier cosa que venga con una aplicación y un gráfico bonito.
El problema es que medir más no significa entender más.
Puedes conocer tu peso, porcentaje estimado de grasa, frecuencia cardíaca en reposo, pasos diarios, horas de sueño y VO₂max estimado y seguir sin tener idea de qué deberías cambiar en tu entrenamiento.
Ahí está el problema que me interesa.
No conseguir datos.
Saber qué significan y qué hacer con ellos.
Primero: ¿qué estás intentando averiguar?
Parece una pregunta demasiado básica, pero muchas veces se salta.
Supongamos que alguien quiere mejorar su condición física.
Podríamos medir fuerza, resistencia, composición corporal, movilidad, actividad diaria, frecuencia cardíaca, sueño y media docena de cosas más.
Perfecto.
¿Para qué?
Si queremos saber si el peso está bajando durante varias semanas, una balanza puede hacer bastante bien ese trabajo si miramos la tendencia y no nos volvemos locos con cada variación diaria.
Si queremos saber si alguien está ganando fuerza, necesitamos observar alguna expresión de fuerza.
Si una persona se fatiga a los pocos minutos corriendo, saber que tiene 23% de grasa corporal puede aportar contexto. No nos dice, por sí solo, por qué se está fatigando.
La pregunta debería venir antes que el instrumento.
En la práctica muchas veces hacemos exactamente lo contrario: medimos porque tenemos la herramienta, obtenemos el número y después nos preguntamos qué demonios hacer con él.
Así terminamos con dashboards llenos y decisiones pobres.
El número no es la realidad
Hay algo que conviene asumir desde el principio: toda medición tiene error.
Eso no significa que el instrumento esté roto.
Significa simplemente que medir es imperfecto.
Tu peso puede cambiar por agua, glucógeno, comida que todavía está en el sistema digestivo o por cuándo fuiste al baño.
Tu rendimiento en una prueba puede cambiar porque dormiste mal, porque llegaste fatigado, porque calentaste distinto, porque conocías mejor el test o porque ese día estabas más motivado.
Incluso repitiendo exactamente la misma prueba en condiciones razonablemente parecidas, probablemente no obtendrás exactamente el mismo resultado.
Eso es normal.
Por eso, cuando una cifra cambia, no basta con decir: “mejoré”.
Hay que preguntarse cuánto del cambio puede ser real y cuánto puede pertenecer al ruido propio de la medición.
La confiabilidad y el error de medición existen precisamente para estudiar ese problema.
No necesitas ser especialista en psicometría o metrología para trabajar con una idea mucho más simple:
una medición es una estimación de algo, no el organismo desnudo frente a ti.
El decimal engaña
La composición corporal es probablemente uno de los mejores ejemplos.
Te subes a una balanza de bioimpedancia y aparece:
21,7% de grasa corporal.
Ese decimal da una sensación brutal de precisión.
Pero una cosa es que el aparato muestre 21,7 y otra muy distinta es que realmente sepamos tu porcentaje de grasa con una precisión de una décima.
Una revisión sistemática publicada en 2026 comparó dispositivos de bioimpedancia con modelos de cuatro compartimentos en adultos sanos. En algunos estudios, el error promedio parecía relativamente pequeño. Cuando se miraba el acuerdo para personas individuales, la historia podía cambiar bastante. En porcentaje de grasa corporal, los límites de acuerdo podían abarcar rangos muy amplios. [4]
Eso no significa que la bioimpedancia sea basura.
Sería una conclusión floja.
Significa que tenemos que dejar de tratar un número con decimales como si fuera una verdad de laboratorio.
Un método puede comportarse aceptablemente a nivel de grupo y aun así tener bastante incertidumbre para un individuo concreto.
La pregunta importante es otra:
¿es suficientemente bueno para lo que quiero hacer con ese dato?
Ahí cambia todo.
Con los wearables pasa algo parecido
También me hace ruido cuando alguien pregunta:
“¿Mi reloj es preciso?”
¿Preciso para qué?
No es lo mismo medir frecuencia cardíaca que sueño.
No es lo mismo contar pasos que estimar gasto energético.
No es lo mismo registrar una señal directamente que inferir una variable mediante un algoritmo.
Una revisión paraguas publicada en Sports Medicine analizó revisiones sistemáticas sobre wearables de consumo y encontró justamente eso: el rendimiento cambia según la variable, el dispositivo y el contexto. [3]
Entonces, decir que “el reloj es bueno” o “el reloj es malo” sirve de poco.
Hay que mirar qué variable quieres usar y para qué.
Para algunas cosas puede ser perfectamente útil.
Para otras, bastante menos.
Y para algunas probablemente convenga no tomarse demasiado en serio el número que aparece en pantalla.
Un dato puede servir aunque no cambie el entrenamiento
También quiero evitar otro extremo.
He repetido muchas veces que medir debería ayudar a decidir, pero eso no significa que cada medición tenga que provocar inmediatamente un cambio en el programa.
Puedes medir para establecer una línea base.
Para describir dónde estás.
Para observar una tendencia.
Para comprobar si algo parece estable.
Para generar una hipótesis.
O para darte cuenta de que todavía no tienes información suficiente.
Eso también tiene valor.
La regla que me parece más sensata es otra:
cuanto más cuesta medir, más claro debería estar para qué lo estás haciendo.
Y “costar” no significa sólo dinero.
También cuesta tiempo.
Atención.
Energía.
Interpretación.
A veces ansiedad.
Pesarte tarda veinte segundos.
Registrar diez variables cada mañana durante seis meses es otra historia.
Si vas a asumir ese costo, al menos conviene saber qué problema estás intentando resolver.
Puedes ahogarte en datos
Imaginemos a alguien que quiere perder grasa sin destrozar su rendimiento.
Podríamos registrar:
- peso;
- cintura;
- fotografías;
- bioimpedancia;
- calorías;
- pasos;
- sueño;
- frecuencia cardíaca;
- HRV;
- rendimiento en el gimnasio;
- hambre;
- percepción de fatiga.
Seguro que podríamos agregar cinco cosas más.
¿Necesitamos todo eso desde el primer día?
Probablemente no.
Para saber si el peso está bajando, podemos mirar la tendencia.
Para ver qué pasa con la cintura, podemos medirla de forma consistente.
Para comprobar si el rendimiento se está sosteniendo, miramos el entrenamiento.
Si sospechamos que la persona está reduciendo mucho su actividad diaria sin darse cuenta, ahí sí puede tener sentido prestar más atención al movimiento.
La evaluación puede crecer cuando aparece una pregunta nueva.
No hace falta empezar con un interrogatorio fisiológico completo.
De hecho, demasiados datos pueden empeorar la situación porque ahora tienes veinte cosas que mirar y ninguna jerarquía clara.
Tres preguntas que uso bastante
Antes de agregar otra métrica, me parecen útiles estas tres:
¿Qué quiero saber?
¿Puedo medirlo suficientemente bien para este propósito?
¿Qué podría hacer distinto con esa información?
La tercera es importante.
A veces la respuesta será cambiar algo.
A veces será no tocar nada.
A veces será repetir la prueba.
Y a veces será simplemente admitir:
“Todavía no sé.”
Eso es bastante más serio que inventar una explicación porque tenemos un número delante.
También medimos para no decidir
Esta parte me interesa especialmente porque ocurre mucho.
A veces seguimos midiendo porque todavía no queremos actuar.
Parece que siempre falta un dato.
Otra prueba.
Otra semana.
Otro wearable.
Otra medición.
Otra opinión.
Y sí, hay situaciones donde hace falta más información.
Pero también hay momentos donde ya sabemos suficiente para hacer algo razonable.
Una persona que lleva seis meses sin entrenar fuerza probablemente necesita antecedentes, cierta evaluación inicial y sentido común.
No necesariamente necesita una batería de veinte pruebas antes de volver a levantar cargas progresivamente.
En algún punto, empezar a entrenar también genera información.
Ves qué tolera.
Qué no tolera.
Dónde aparecen dificultades.
Cómo responde.
Qué cambia.
Puedes aprender mucho observando una intervención bien planteada.
Seguir midiendo eternamente puede convertirse en una forma bastante sofisticada de postergar la decisión.
Y eso ya no es rigor.
Es indecisión disfrazada de rigor.
Tampoco creo en medir lo mínimo por principio
Sería fácil convertir todo esto en otra doctrina:
“menos datos siempre es mejor”.
No.
Eso también sería simplificar demasiado.
El rendimiento humano es complejo.
Hay problemas donde una sola variable no alcanza.
A veces necesitas varias fuentes de información.
A veces necesitas mejores métodos.
A veces necesitas repetir una medición.
A veces necesitas a otro profesional porque la pregunta ya salió de tu área.
No existe un número correcto de métricas.
Lo importante es poder justificar por qué están ahí.
Si no puedes hacerlo, probablemente estás midiendo por costumbre, curiosidad o porque la tecnología lo permite.
Y ninguna de esas razones es necesariamente mala.
Sólo hay que reconocerlas.
El orden que me hace sentido
Cuando pienso en medición aplicada al entrenamiento, el orden que más me convence es este:
pregunta → medición → interpretación → decisión
No porque la realidad siempre sea así de ordenada.
No lo es.
Pero el orden importa.
Primero necesito saber qué quiero entender.
Después elijo cómo observarlo.
Luego interpreto el resultado conociendo las limitaciones del método, el contexto y la variabilidad.
Y recién ahí decido qué hacer.
A veces cambiaré el entrenamiento.
A veces esperaré.
A veces necesitaré otro dato.
Y a veces la mejor decisión será dejar todo exactamente como está.
Para mí, ahí está la diferencia entre medir y simplemente coleccionar números.
La próxima vez que tu reloj, una balanza o una prueba te entregue otra cifra, antes de preguntarte si es buena o mala, prueba con algo más básico:
¿qué quería saber cuando decidí medir esto?
Si no tienes una respuesta clara, quizá el problema no sea el número.
Referencias
-
Mokkink LB, Herbelet S, Terwee CB, Boers M. At the core of measurement – What do you want to measure? And how do you want to measure it? A COSMIN perspective. Journal of Clinical Epidemiology. 2025;184:111836. doi:10.1016/j.jclinepi.2025.111836.
-
Mokkink LB, Eekhout I. The measurement properties reliability and measurement error explained – a COSMIN perspective. Journal of Clinical Epidemiology. 2026;190:112058. doi:10.1016/j.jclinepi.2025.112058.
-
Doherty C, Baldwin M, Keogh A, Caulfield B, Argent R. Keeping Pace with Wearables: A Living Umbrella Review of Systematic Reviews Evaluating the Accuracy of Consumer Wearable Technologies in Health Measurement. Sports Medicine. 2024;54(11):2907–2926. doi:10.1007/s40279-024-02077-2.
-
Oliver CJ, Del Vecchio L, Minehan M, et al. The Validity of Bioelectrical Impedance Analysis Compared to a Four-Compartment Model in Healthy Adults: A Systematic Review. Journal of Functional Morphology and Kinesiology. 2026;11(1):65. doi:10.3390/jfmk11010065.