La ciencia de Balance

Aquí tienes un resumen de la ciencia que hay detrás de Feelmo, con sus fuentes. Los detalles finos de los algoritmos que componen tu puntuación no son públicos, pero las ideas en las que se apoyan descansan sobre investigación publicada y revisada por pares.

Esta página es donde intentamos contarte, con toda la honestidad de la que somos capaces, qué mide Feelmo y por qué lo mide así. Es un poco larga, así que siéntete libre de leer por encima solo los encabezados que te llamen la atención.

Tu latido no es un metrónomo

Un corazón sano no late con un ritmo fijo como un reloj. El intervalo entre un latido y el siguiente (el intervalo R-R) fluctúa constantemente de formas minúsculas, en respuesta a tu respiración, tu postura, el estrés y tu estado de recuperación. A estas fluctuaciones es a lo que llamamos HRV (variabilidad de la frecuencia cardíaca).

Por ejemplo, tu corazón se acelera ligeramente cuando inspiras y se relaja cuando espiras. Esta fluctuación rítmica, sincronizada con tu respiración, es una de las señales de que el sistema nervioso parasimpático (vagal), que gobierna el reposo, está funcionando correctamente. A la inversa, cuando la tensión o el estrés se prolongan, estas fluctuaciones tienden a encogerse y aplanarse.

Desde que un grupo de trabajo conjunto de la European Society of Cardiology y la North American Society of Pacing and Electrophysiology estandarizó cómo se mide e interpreta fisiológicamente la HRV (Task Force, 1996), la HRV se ha empleado en miles de estudios como una ventana para vislumbrar la función del sistema nervioso autónomo desde fuera del cuerpo (Shaffer & Ginsberg, 2017).

Qué observa Feelmo

La HRV tiene muchas métricas, pero la puntuación Balance de Feelmo no es la representación directa de ninguna métrica pública concreta. Resume múltiples pistas derivadas de la HRV, la calidad de la medición y el desplazamiento respecto a tu propia línea base.

Las perspectivas del dominio temporal capturan cuánto varían los intervalos latido a latido a lo largo de un periodo. Las del dominio de la frecuencia separan las fluctuaciones más rápidas, relacionadas con la respiración, de los patrones más lentos. Ambas son lentes científicas útiles (Task Force, 1996; Shaffer & Ginsberg, 2017; Laborde et al., 2017), pero ninguna lente por sí sola debería tomarse como respuesta directa a "¿cuánto estrés tengo?".

Feelmo usa estas ideas como trasfondo y luego compara tus señales con tu propia línea base y con la fiabilidad de la medición. La composición exacta, la ponderación y el método de conversión son la lógica de análisis propia de Feelmo y no se divulgan públicamente.

Por qué comparamos con "tu propia línea base"

El valor absoluto de la HRV varía enormemente según la edad, el sexo y la constitución. Datos a gran escala que abarcan nueve décadas de vida han mostrado que la HRV disminuye con la edad (Umetani et al., 1998). Dicho de otro modo, un mismo número puede significar algo completamente distinto de una persona a otra en cuanto a "si es alto o bajo para ese individuo".

Por eso Feelmo no se fija en cómo te comparas con los demás, sino en cómo cambias respecto a tu propia línea base. Que estés más alto o más bajo que la persona de al lado no es la cuestión; lo que importa es cómo te comparas con "tu yo de siempre".

Por eso el indicador de balance de la pantalla de inicio viene con un "aura" que representa tu desviación respecto a tu propia línea base. Más que el número de la puntuación en sí, nos importa mostrar con delicadeza "hacia qué lado te inclinas ahora mismo, comparado con tu yo habitual".

Traducir números en expresiones

La puntuación de balance es un número de 0 a 100, pero Feelmo no pone ese número en primer plano. En su lugar, traduce la puntuación a las expresiones de seis compañeros (Genki, Odayaka, Futsuu, Fuan, Panku y Tsukare) y las coloca discretamente junto a la puntuación.

Es nuestra manera de no declarar que una subida o bajada del número sea "buena" o "mala". En un día agitado pueden aparecer "Fuan" (inquieto) o "Tsukare" (cansado); en un día sereno, "Odayaka" (tranquilo) o "Genki" (animado) traducen tu estado actual en palabras suaves y observacionales. Es observación, nunca evaluación ni diagnóstico.

Cuándo medir: por qué valoramos el reposo y el sueño

Los sensores ópticos de muñeca son cómodos, pero tienen un punto débil: son vulnerables al movimiento del cuerpo. Los valores tomados mientras caminas o mueves los brazos tienen demasiado ruido para ser fiables. Por eso Feelmo da peso a las condiciones en las que la fluctuación puede leerse de forma estable: la medición a demanda estando sentado y quieto (medir en el momento cuando lo necesitas) y los datos tomados durante el sueño.

Hay varias razones por las que observamos de cerca el sueño.

• Durante el sueño, los factores externos que perturban la HRV —el ejercicio, la comida, la postura, la cafeína, etc.— están en su mínimo, lo que lo convierte en un momento en el que puedes comparar bajo condiciones casi idénticas cada día.
• Durante el sueño profundo no REM se ha demostrado que el sistema nervioso parasimpático predomina (Trinder et al., 2001), por lo que también es un momento en el que tienden a mostrarse las señales de recuperación.
• La relación entre el sueño y la HRV también ha quedado sistematizada en revisiones sistemáticas (Stein & Pu, 2012).

Estrés y balance

El vínculo entre el estrés psicológico y una HRV reducida se ha descrito repetidamente en metaanálisis (Kim et al., 2018). Además, un metaanálisis de estudios de neuroimagen ha propuesto un modelo en el que la vía vagal que conecta la corteza prefrontal (el cerebro que piensa) y el corazón es lo que hace de la HRV un marcador de estrés y salud (Thayer et al., 2012). Para profundizar en esta conexión cerebro-corazón, consulta La conexión cerebro-corazón.

Las visualizaciones del nivel de estrés y del estado en la pantalla de inicio se apoyan en este trasfondo de investigación. Dicho esto, se trata de "asociaciones" a nivel de grupo.

Por qué funciona respirar despacio

La razón por la que las sesiones de respiración de Feelmo (la pestaña Respiración) te guían hacia una respiración lenta (en torno a seis respiraciones por minuto) es que respirar a este ritmo se sabe que entra en resonancia con el barorreflejo (el reflejo que regula la presión arterial) y eleva temporalmente la HRV de forma notable (Lehrer & Gevirtz, 2014).

A unas seis respiraciones por minuto, el cambio de tu frecuencia cardíaca al inspirar y espirar se alinea exactamente con el ritmo del reflejo que regula la presión arterial. Cuando se produce esta "resonancia", la fluctuación se amplifica enormemente. Los efectos psicofisiológicos de la respiración lenta también se han descrito en revisiones sistemáticas, donde se asocian con un aumento de la actividad parasimpática y una mayor sensación de relajación (Zaccaro et al., 2018; Russo et al., 2017).

Tanto las sesiones para "calmarte" como las de "activarte" son empujones suaves construidos sobre esta fisiología de la respiración.

Sobre la luz y el movimiento

Hay un trasfondo tras el hecho de que el registro de hábitos de la pestaña Bienestar también contemple la luz solar y la actividad.

• La luz es uno de los factores ambientales más potentes que afectan a los ritmos circadianos humanos (el reloj biológico), al sueño y al estado de ánimo (Blume et al., 2019). Un registro de la luz solar de la mañana es una pequeña pista para construir un reloj biológico bien afinado.
• El ejercicio regular se ha descrito en metaanálisis como asociado a un aumento de la HRV (Sandercock et al., 2005). Los pasos acumulados también se convierten en una base que sostiene tu balance a largo plazo.

No son cuotas de lo que "deberías" hacer, sino pistas suaves para darte cuenta de la conexión entre tu balance y tu vida diaria.

Qué podemos decir sobre la puntuación

La puntuación Balance integra múltiples señales del cuerpo, incluidas pistas derivadas de la HRV, y las traduce en una única puntuación de 0 a 100.

• La estructura concreta y la ponderación de esta integración no se divulgan, por ser un secreto comercial.
• La puntuación se produce tras tener en cuenta también "con qué fiabilidad pudimos medir realmente esa noche o esa sesión (la calidad de la medición)".
• La validez del análisis se verifica de forma continua dentro de un proyecto de investigación conjunto con Keio University.

El principio de Feelmo es velar por tu balance en lugar de adivinar tus sentimientos. Más que juzgar la emoción en sí, aspiramos a velar con delicadeza por lo bien equilibrado que está tu sistema nervioso autónomo, según tu propia regla.

Qué significa medir en la muñeca

El Apple Watch lee tu onda de pulso con un sensor óptico y estima los intervalos R-R. En condiciones de reposo, la HRV derivada del Apple Watch se ha validado como bien concordante con la medición basada en ECG (Hernando et al., 2018).

Feelmo lee la HRV, la frecuencia cardíaca, el sueño y más desde el Apple Watch / HealthKit en el dispositivo. Como la precisión cae durante el movimiento corporal intenso, tiene sentido, también por esta razón, que demos peso a los datos tomados durante el reposo y el sueño.

Comprobarlo por ti mismo: la idea del n-of-1

Aunque se diga que algo "funciona" en la media de un grupo, eso no significa necesariamente que se aplique a ti. Por eso el análisis del impacto de los hábitos de Feelmo (Qué hábitos te ayudan, Feelmo Premium) se construye sobre la idea intraindividual del n-of-1: comprueba de manera individual si un hábito como la respiración mueve realmente tu propio balance.

Confirmar no que "le funciona a todo el mundo", sino que "te funciona a ti", usando tus propios datos: es una perspectiva que sitúa a cada individuo en el centro.

Los campos de estudio que hay detrás de Feelmo

Feelmo está diseñado integrando no una sola teoría, sino múltiples campos. Aquí ofrecemos una visión general de "sobre qué disciplinas se apoya". Ten en cuenta que los algoritmos concretos, los métodos de cálculo y los parámetros son tecnología propia de Feelmo y no se divulgan en esta página (solo presentamos los nombres de los campos y las ideas).

• Neurociencia autónoma y variabilidad de la frecuencia cardíaca — leer la tendencia del equilibrio entre reposo y tensión a partir del temblor de tu latido (ver la primera mitad de esta página para más detalles).
• Ciencia afectiva y psicofisiología — a partir de marcos psicológicos que capturan los estados a lo largo de múltiples ejes, expresamos tu estado actual en unas pocas categorías suaves (las seis expresiones).
• Procesamiento de señales y análisis de series temporales — distinguir con cuidado el ruido del cambio significativo en los datos del corazón tomados durante el sueño y el reposo. También consideramos "con qué fiabilidad pudimos medir en ese momento".
• Estadística y aprendizaje automático — adoptar la postura de que una puntuación debe entenderse no como un único punto, sino como un "rango", y tratar estadísticamente la distancia respecto a "tu propio estándar".
• Ciencia de la decisión — aprender poco a poco, a partir de tus datos, "la forma de reajuste que le conviene a esta persona, en esta situación".
• Inferencia causal — incorporar formas de pensar que distinguen con cuidado la "mera correlación" de "algo que parece estar genuinamente relacionado".
• Metodología de personalización (la idea del n-of-1) — fijarnos en "qué te conviene a ti", con cada individuo como protagonista y no la media del grupo.
• Cronobiología — un mismo número puede significar algo distinto según la hora del día o el día de la semana. Tenemos en cuenta los ritmos diarios y semanales.
• Ciencia del comportamiento — no te metemos prisa para que sigas. En lugar de cuotas o competición, ponemos en palabras, con discreción, los pequeños logros acumulados.
• Equilibrio y ética — nuestra redacción evita el diagnóstico y las afirmaciones categóricas, manteniéndose dentro del marco de las tendencias y el autocuidado. El aprendizaje y el análisis se completan en el dispositivo, y la propiedad de los datos te pertenece a ti.

Referencias

1. Task Force of the European Society of Cardiology and the North American Society of Pacing and Electrophysiology. Heart rate variability: standards of measurement, physiological interpretation and clinical use. Circulation. 1996;93(5):1043–1065.
2. Shaffer F, Ginsberg JP. An Overview of Heart Rate Variability Metrics and Norms. Frontiers in Public Health. 2017;5:258.
3. Laborde S, Mosley E, Thayer JF. Heart Rate Variability and Cardiac Vagal Tone in Psychophysiological Research – Recommendations for Experiment Planning, Data Analysis, and Data Reporting. Frontiers in Psychology. 2017;8:213.
4. Trinder J, Kleiman J, Carrington M, et al. Autonomic activity during human sleep as a function of time and sleep stage. Journal of Sleep Research. 2001;10(4):253–264.
5. Stein PK, Pu Y. Heart rate variability, sleep and sleep disorders. Sleep Medicine Reviews. 2012;16(1):47–66.
6. Kim HG, Cheon EJ, Bai DS, Lee YH, Koo BH. Stress and Heart Rate Variability: A Meta-Analysis and Review of the Literature. Psychiatry Investigation. 2018;15(3):235–245.
7. Thayer JF, Åhs F, Fredrikson M, Sollers JJ, Wager TD. A meta-analysis of heart rate variability and neuroimaging studies: implications for heart rate variability as a marker of stress and health. Neuroscience & Biobehavioral Reviews. 2012;36(2):747–756.
8. Lehrer PM, Gevirtz R. Heart rate variability biofeedback: how and why does it work? Frontiers in Psychology. 2014;5:756.
9. Zaccaro A, Piarulli A, Laurino M, et al. How Breath-Control Can Change Your Life: A Systematic Review on Psycho-Physiological Correlates of Slow Breathing. Frontiers in Human Neuroscience. 2018;12:353.
10. Russo MA, Santarelli DM, O'Rourke D. The physiological effects of slow breathing in the healthy human. Breathe (Sheffield). 2017;13(4):298–309.
11. Umetani K, Singer DH, McCraty R, Atkinson M. Twenty-four hour time domain heart rate variability and heart rate: relations to age and gender over nine decades. Journal of the American College of Cardiology. 1998;31(3):593–601.
12. Hernando D, Roca S, Sancho J, Alesanco Á, Bailón R. Validation of the Apple Watch for Heart Rate Variability Measurements during Relax and Mental Stress in Healthy Subjects. Sensors (Basel). 2018;18(8):2619.
13. Blume C, Garbazza C, Spitschan M. Effects of light on human circadian rhythms, sleep and mood. Somnologie. 2019;23(3):147–156.
14. Sandercock GR, Bromley PD, Brodie DA. Effects of exercise on heart rate variability: inferences from meta-analysis. Medicine & Science in Sports & Exercise. 2005;37(3):433–439.