SDNN: qué mide esta métrica de HRV y qué no

¿Qué es el SDNN?

El SDNN es una de las medidas estándar de la variabilidad de la frecuencia cardíaca (HRV o VFC), la variación natural del tiempo entre latidos consecutivos. Los estándares de medición del campo lo definen con precisión. SDNN — la desviación estándar de los intervalos entre latidos normales [S1]. Las letras «NN» del nombre significan «de normal a normal»: solo cuentan los intervalos entre latidos normales, y los latidos anómalos se eliminan antes de calcular el estadístico [S2].

Dicho de forma sencilla: reúne todos los intervalos entre latidos normales adyacentes de un registro, mira cuánto se dispersan alrededor de su promedio y expresa esa dispersión en un único valor en milisegundos. Un valor mayor significa que, en conjunto, el ritmo varió más dentro de esa ventana.

Lo más habitual es compararlo con una segunda métrica del dominio del tiempo. RMSSD — la raíz cuadrada media de las diferencias sucesivas entre latidos [S1]. Las dos responden a preguntas distintas: el RMSSD aísla los cambios entre latidos adyacentes, mientras que el SDNN resume la dispersión de todo el registro. Esa diferencia es la razón por la que los números de SDNN y de RMSSD no se pueden comparar directamente, y también la razón por la que existen ambas métricas. La página del RMSSD trata la parte latido a latido de la pareja; esta página trata de la dispersión.

¿Cómo funciona el SDNN?

El SDNN es un estadístico de ventana: todo lo que mueve el ritmo cardíaco durante el registro contribuye a él. En un registro breve en reposo, la contribución dominante es la subida y bajada de la frecuencia cardíaca ligada a la respiración —la arritmia sinusal respiratoria—, así que una respiración lenta y tranquila durante la medición eleva visiblemente el valor [S2]. En registros más largos se suman ritmos más lentos: los cambios de carga, las respuestas condicionadas y el ciclo de sueño y vigilia añaden cada uno su propia contribución a la dispersión [S2].

Como tantas influencias se juntan en un solo número, el SDNN no separa las dos ramas del sistema nervioso autónomo: contribuyen ambas [S2]. Por eso tampoco puede leerse como una medida directa de ninguna de ellas. El encuadre importa. El tono vagal no puede medirse directamente; las medidas de HRV como el RMSSD reflejan cambios de la frecuencia cardíaca mediados por el vago [S2] [S7]. El RMSSD, al construirse a partir de diferencias entre latidos adyacentes, depende más que el SDNN de la vía parasimpática rápida [S2], una de las razones por las que las dos métricas pueden contar historias distintas sobre el mismo registro.

La versión larga de la métrica tiene un historial clínico: calculado sobre registros de ECG hospitalario de todo el día en pacientes cardiológicos, el SDNN es una medida de estratificación del riesgo [S2]. Esa evidencia pertenece a un régimen de medición —ECG clínico continuo en poblaciones de pacientes— que un reloj de consumo no reproduce, así que no debe proyectarse sobre un valor nocturno del reloj.

¿Cómo se mide el SDNN?

El cálculo es sencillo: se toman los intervalos entre latidos normales dentro de la ventana de registro y se calcula su desviación estándar [S1] [S2]. Todo lo que sabe el SDNN depende de la precisión de esos intervalos; por eso el método de registro importa más que la aritmética.

El método de referencia es el ECG, que detecta la huella eléctrica de cada latido. Los wearables, en cambio, estiman los intervalos a partir de la señal del pulso en la piel (fotopletismografía, PPG); el resultado suele llamarse variabilidad del pulso (PRV). La concordancia entre ambos depende de la métrica y de las condiciones —en general es mayor en reposo y con buena señal, y menor con movimiento o mal contacto— [S5] [S6], y la evidencia agrupada disponible hasta ahora no se extiende al sueño ni a la vida cotidiana [S5].

La duración del registro forma parte del significado del valor. Un registro breve de laboratorio, un ECG Holter de todo el día y las muestras que guarda un reloj son tres regímenes de medición distintos: el SDNN crece con la duración del registro, y los valores de esos regímenes no son intercambiables [S2]. Por la misma razón, las normas publicadas para registros de todo el día, de corta y de ultracorta duración se tratan como mundos separados [S2].

Aquí es donde entra Apple. Una consecuencia práctica para quienes usan Apple Watch: Apple Health registra la HRV como SDNN [S8]. Es una decisión de diseño, no un veredicto científico sobre qué métrica es mejor: el SDNN es el cálculo que HealthKit ha usado siempre, descrito en la documentación como la desviación estándar de los intervalos entre latidos normales, registrado automáticamente por el reloj [S8]. En el hardware reciente, Apple Watch Series 12 y Ultra 4 con watchOS 27 muestran dos variantes de HRV — Recovery HRV y Overall HRV — y miden la HRV con una frecuencia de hasta cada cinco minutos [S9]. Apple no ha explicado cómo se calcula Recovery HRV. Por otra parte, iOS y watchOS 27 añaden un tipo de dato RMSSD a Apple Health [S10], lo que permite a las apps leer en su lugar un valor de tipo RMSSD desde Apple Health: un paso hacia comparaciones más limpias entre dispositivos, aunque los valores ya recopilados siguen siendo SDNN.

Para ubicarlo en la práctica: la calculadora de HRV tiene un modo SDNN pensado para los números del Apple Watch; la explicación cotidiana de por qué los dispositivos no coinciden está en por qué tu HRV es distinta en cada dispositivo; y para que tus propias lecturas sean comparables, consulta cómo medir la HRV en condiciones comparables.

¿Qué influye en el SDNN?

• La duración del registro. Es el factor determinante de esta métrica: las ventanas más largas acumulan ritmos más lentos y valores mayores, así que una lectura breve y un registro de todo el día describen mundos distintos [S2].
• Las condiciones del registro. La duración del registro, el entorno —laboratorio o vida real—, la respiración y el método de análisis moldean el valor y el rigor de cualquier comparación [S7].
• La edad. En promedio, la variabilidad de la frecuencia cardíaca disminuye con la edad en adultos sanos [S4]; entre personas varía mucho, y los promedios poblacionales no son objetivos personales. Las tablas por grupos de edad están en la calculadora de HRV para los valores de SDNN del Apple Watch y en el artículo HRV normal por edad para el RMSSD nocturno.
• La respiración. La frecuencia y la profundidad de la respiración durante el registro cambian el valor, a través de la oscilación ligada a la respiración que dejan escrita en el ritmo [S2].
• La calidad de la señal. Los latidos omitidos o falsos distorsionan el valor, y los latidos anómalos pueden hacerse pasar por variabilidad [S2].
• Las condiciones cotidianas. Como ocurre con otras métricas de HRV, una sola lectura puede desviarse por motivos corrientes; trata esos cambios como observaciones, no como veredictos.

¿Qué muestra la evidencia?

Establecido. La definición, el cálculo y el papel del SDNN como medida de la variabilidad global proceden de los estándares de medición del campo [S1] y de revisiones metodológicas [S2] [S3]. Su dependencia de la duración del registro es una propiedad metodológica central, no un matiz [S2]. En cardiología clínica, el SDNN de todo el día obtenido con ECG continuo es una medida establecida de estratificación del riesgo en poblaciones de pacientes [S2]. En promedio, los valores disminuyen con la edad en adultos sanos, con una gran variación individual [S4].

Depende del contexto. Estimaciones de los wearables: los valores derivados de la PPG pueden seguir de cerca a la HRV derivada del ECG en condiciones controladas de reposo, pero la concordancia se debilita con el movimiento y una señal pobre, y las estimaciones agrupadas no se generalizan al sueño ni a la vida cotidiana [S5] [S6]. El ecosistema de Apple guarda la HRV como SDNN: un dato del dispositivo con su propio alcance, no una afirmación de salud [S8] [S9] [S10].

Guía / consenso de expertos. Las guías actuales recomiendan condiciones de registro constantes y una interpretación prudente y contextualizada de los valores aislados, también los de los wearables [S7]. Es consenso de expertos sobre cómo medir e interpretar, no datos experimentales directos sobre el SDNN en sí.

Lo que sigue sin estar claro: todavía se está estudiando hasta qué punto los valores nocturnos de tipo SDNN de los dispositivos de consumo siguen al SDNN derivado del ECG en las condiciones cotidianas —movimiento, tono de piel, ajuste del sensor, fases del sueño— [S5] [S6]. Y sigue abierta la cuestión de cuánto de la evidencia clínica de todo el día, construida con ECG continuo en pacientes, se traslada a los valores nocturnos de un reloj en usuarios sanos [S7].

Lo que el SDNN no te dice

• No es intercambiable con el RMSSD. Las dos métricas resumen propiedades distintas del mismo registro, y sus valores pertenecen a regímenes de registro distintos; el SDNN de un reloj y el RMSSD de un anillo no son dos dialectos del mismo número [S2] [S5].
• No es un medidor del tono vagal. El tono vagal no puede medirse directamente; las medidas de HRV como el RMSSD reflejan cambios de la frecuencia cardíaca mediados por el vago [S2] [S7]. El SDNN depende todavía menos que el RMSSD de la vía parasimpática rápida [S2].
• No es un diagnóstico ni una lectura de estrés. Una sola lectura baja de HRV no significa por sí misma que estés estresado o enfermo [S1].
• Más alto no es automáticamente mejor. Una dispersión mayor puede deberse a un ritmo más marcado, o a latidos anómalos y ruido, que se hacen pasar por variabilidad e inflan el número [S2].
• Los valores no son intercambiables entre dispositivos, apps y regímenes de medición [S5] [S7].
• Un solo valor dice poco. Las guías metodológicas consideran que las lecturas aisladas dependen del contexto y recomiendan una interpretación prudente y contextualizada [S7]; tus propias lecturas recientes en condiciones comparables son la comparación más informativa.

En ONDA

Las tablas de HRV por edad de ONDA son tablas de RMSSD nocturno, pero la calculadora de HRV tiene un modo SDNN aparte para los números del Apple Watch, con rangos procedentes de estudios de ECG breves en reposo en adultos sanos. La línea base personal nocturna de la propia app se construye con los valores de HRV guardados en Apple Health, ya sea desde el Apple Watch o desde otro dispositivo que sincronice allí los datos cardíacos. La documentación lo dice con claridad. Apple Health registra la HRV como SDNN [S8], así que esa señal de base se apoya en el SDNN y no en el RMSSD. La lectura en directo que se muestra durante una práctica es un sustituto calculado a partir de la desviación estándar de la frecuencia cardíaca, no SDNN ni RMSSD, y la cámara del teléfono da el pulso, no la HRV. ONDA describe y compara tus propios números; no diagnostica nada. Consulta qué mide ONDA.