⏱️ Lectura: 12 min
Dormir ocho horas cada noche no te protege tanto como acostarte y levantarte siempre a la misma hora. Un estudio prospectivo publicado en la revista Sleep, con datos de acelerómetro del UK Biobank, encontró que la regularidad del sueño predice mejor el riesgo de mortalidad que la duración total de horas dormidas.
📑 En este artículo
El hallazgo importa para cualquiera que trabaje con datos de salud o wearables: el equipo de Windred y colegas no midió opiniones ni encuestas, sino series temporales de acelerómetro procesadas con una métrica reproducible, el Sleep Regularity Index (SRI).
TL;DR
- El estudio de la revista Sleep (Windred et al., 2024) usó acelerómetros del UK Biobank para medir la regularidad del sueño.
- El Sleep Regularity Index (SRI) mide de -100 a 100 qué tan parecido es tu horario de sueño día a día.
- Hallazgo central: la regularidad del sueño predijo mortalidad mejor que la cantidad de horas dormidas.
- Es un estudio de cohorte prospectivo, no un ensayo controlado: muestra asociación, no causalidad probada.
- El SRI se puede calcular con datos de wearables como Fitbit, Apple Watch u Oura mediante Python.
- La irregularidad del sueño también se asoció con mayor mortalidad cardiometabólica y por cáncer.
- El paper completo está disponible en academic.oup.com, revista Sleep, volumen 47, número 1, enero 2024.
Introducción
La ciencia del sueño llevaba décadas obsesionada con un solo número: cuántas horas dormís por noche. El estudio Sleep regularity is a stronger predictor of mortality risk than sleep duration, publicado en enero de 2024 en la revista Sleep, le da vuelta a esa obsesión: lo importante no es cuánto dormís, sino si dormís siempre en el mismo horario.
El equipo, liderado por Daniel P. Windred del Turner Institute for Brain and Mental Health de la Universidad de Monash, junto con investigadores de Brigham and Women’s Hospital, el Broad Institute y la Universidad de Manchester, trabajó con datos objetivos de acelerómetro del UK Biobank, no con encuestas de autoreporte. Ese detalle metodológico es clave para cualquier desarrollador acostumbrado a desconfiar de datos que dependen de la memoria de un usuario.
Qué pasó
Los autores tomaron los registros de acelerómetro de muñeca de participantes del UK Biobank, un biobanco poblacional del Reino Unido que sigue a cientos de miles de personas durante años. A partir del movimiento captado minuto a minuto, clasificaron cada intervalo como sueño o vigilia y construyeron, para cada persona, un patrón de sueño y vigilia de varios días consecutivos.
Con ese patrón calcularon dos variables por separado: la duración total de sueño (el promedio de horas dormidas por noche) y la regularidad del sueño, medida con el Sleep Regularity Index (SRI). Después cruzaron ambas variables contra los registros de mortalidad durante el período de seguimiento. El resultado que le da título al paper: la regularidad predijo mortalidad por cualquier causa con mayor fuerza estadística que la duración, incluso después de ajustar por duración, edad, sexo y otros factores de confusión.
Contexto e historia
El SRI no lo inventó este equipo. La métrica viene de un paper anterior de Phillips y colegas, publicado en 2017 en Scientific Reports, donde se propuso como una forma de cuantificar qué tan parecido es tu horario de sueño de un día al siguiente. Antes del SRI, la variabilidad del sueño se medía con proxies más rudimentarios, como la desviación estándar de la hora de acostarse, que ignoran la estructura minuto a minuto del patrón.
La irregularidad del sueño ya se había vinculado antes con peor rendimiento académico y retraso del ritmo circadiano. Lo que aporta el estudio de 2024 es la escala: cruza el SRI, calculado sobre datos objetivos de acelerómetro, contra un desenlace tan duro como la mortalidad, en una cohorte lo bastante grande para tener poder estadístico real.
Detalles técnicos y rendimiento
La fórmula del SRI compara, minuto a minuto, si el estado de sueño o vigilia en el instante t es igual al estado en el instante t + 24 horas. Se calcula el porcentaje de coincidencias a lo largo de todo el registro y se reescala para que el resultado quede entre -100 y 100: cien significa un horario idéntico día tras día, cero equivale a un patrón aleatorio.
Podés reproducir la lógica central del SRI con un par de arrays de NumPy. Este primer bloque calcula el índice entre dos días consecutivos de un mismo usuario, usando etiquetas de sueño y vigilia por minuto (1 = dormido, 0 = despierto):
import numpy as np
def sri_par_de_dias(dia_1, dia_2):
"""dia_1 y dia_2: arrays de 1440 valores (uno por minuto), 1=dormido, 0=despierto"""
coincidencias = np.array(dia_1) == np.array(dia_2)
porcentaje_igual = coincidencias.mean()
return (200 * porcentaje_igual) - 100
sueno_lunes = np.array([1]*420 + [0]*1020) # durmió 7 horas seguidas
sueno_martes = np.array([1]*400 + [0]*1040) # durmió 6h40, horario similar
print(sri_par_de_dias(sueno_lunes, sueno_martes))Ese script devuelve un número cercano a 100 cuando el horario de ambos días coincide casi minuto a minuto, y cae hacia 0 cuando el solapamiento es azaroso. Un ejemplo más realista, con una serie de varios días de un dataset tipo Fitbit o Apple Health, calcula el SRI como el promedio de todas las comparaciones consecutivas:
import pandas as pd
import numpy as np
def sri_serie_completa(matriz_sueno):
"""matriz_sueno: DataFrame con una fila por día y 1440 columnas (minutos), 1=dormido, 0=despierto"""
dias = matriz_sueno.values
coincidencias_totales = []
for i in range(len(dias) - 1):
coincidencias = (dias[i] == dias[i + 1]).mean()
coincidencias_totales.append(coincidencias)
sri = (200 * np.mean(coincidencias_totales)) - 100
return round(sri, 1)
registros = pd.read_csv("sueno_wearable.csv") # una fila por día, columnas minuto_0..minuto_1439
print(f"SRI de los últimos {len(registros)} días: {sri_serie_completa(registros)}")| Métrica | Qué mide | Cómo se calcula | Qué predijo en el estudio |
|---|---|---|---|
| Duración del sueño | Cantidad total de horas dormidas por noche | Promedio de horas de sueño detectadas por el acelerómetro | Asociación con mortalidad, pero más débil que la regularidad |
| Sleep Regularity Index (SRI) | Qué tan parecido es el horario de sueño de un día a otro | Coincidencia minuto a minuto entre el patrón de hoy y el de 24 horas antes, reescalada de -100 a 100 | Predictor más fuerte de mortalidad por cualquier causa que la duración |
flowchart TD
A["Acelerómetro de muñeca"] --> B["Serie de movimiento por minuto"]
B --> C["Clasificador sueño/vigilia"]
C --> D["Matriz de días x 1440 minutos"]
D --> E["Cálculo del SRI"]
D --> F["Cálculo de duración promedio"]
E --> G[("Modelo de riesgo de mortalidad")]
F --> GCómo empezar a medir tu propia regularidad de sueño
No necesitás acceso al UK Biobank para calcular tu propio SRI. Si exportás los datos de tu Apple Watch, Fitbit u Oura Ring a un CSV con marcas de sueño y vigilia por minuto, podés correr el mismo cálculo en tu máquina. Primero instalá Python y las librerías necesarias:
# Windows (PowerShell)
winget install Python.Python.3.12
pip install pandas numpy
# macOS
brew install python
pip3 install pandas numpy
# Linux (Debian/Ubuntu)
sudo apt install python3 python3-pip
pip3 install pandas numpyCon las dependencias instaladas, el flujo es: exportar tu historial de sueño a CSV con una fila por día y una columna por minuto (0 o 1), cargarlo con pandas.read_csv y pasarlo por la función sri_serie_completa del bloque anterior. Cuantos más días consecutivos incluyas, más estable queda el promedio: los propios autores usaron múltiples días de registro continuo por participante, no una sola noche.
💡 Tip: si tu wearable no exporta datos minuto a minuto, podés aproximar el SRI con la hora de inicio y fin de cada sesión de sueño y comparar la superposición horaria entre noches consecutivas: pierde precisión, pero sirve como primera señal.
Para confirmar que tu implementación está bien armada, corré la función sobre dos días idénticos (el mismo array repetido): el resultado debe dar exactamente 100. Si le pasás un array aleatorio contra otro aleatorio de la misma longitud, el promedio debería rondar 0. Esa prueba de límites es la forma más simple de verificar que no hay errores de indexado:
dia_random_a = np.random.randint(0, 2, 1440)
dia_random_b = np.random.randint(0, 2, 1440)
print(sri_par_de_dias(dia_random_a, dia_random_a)) # debe dar 100.0
print(sri_par_de_dias(dia_random_a, dia_random_b)) # debe rondar 0Impacto y análisis
El hallazgo tiene consecuencias prácticas para quienes construyen productos de salud digital o wearables. Hoy la mayoría de las apps de sueño destacan un solo número en la pantalla principal: horas dormidas. Si la regularidad predice mortalidad con más fuerza, un dashboard que solo muestra duración está ocultando la señal más importante.
Para equipos de datos que trabajan con cohortes de salud, el estudio también es un recordatorio metodológico: usar sensores objetivos en lugar de autoreporte reduce el ruido de medición y permite detectar asociaciones que las encuestas de sueño no captan con la misma resolución temporal.
⚠️ Ojo: el estudio es un análisis de cohorte prospectivo, no un ensayo controlado aleatorizado. Muestra asociación estadística entre irregularidad y mortalidad, ajustada por varios factores de confusión, pero no prueba causalidad directa. Dormir horarios irregulares podría ser un marcador de otros problemas de salud o de trabajo por turnos, no necesariamente la causa directa de la muerte.
Otra limitación real: el UK Biobank tiene un sesgo de participación conocido hacia personas más sanas y de mayor nivel socioeconómico que la población general, lo que puede afectar qué tan bien generalizan estos resultados a otras poblaciones, incluida América Latina, donde los patrones de turnos laborales y transporte son distintos.
Qué sigue
Los propios autores señalan que el siguiente paso lógico es probar si intervenciones que mejoran la regularidad del sueño (horarios de trabajo más estables, terapia de luz, recordatorios de horario fijo) reducen el riesgo de mortalidad en ensayos controlados, no solo en estudios observacionales. Ese tipo de ensayo todavía no existe a la escala del UK Biobank.
Para el ecosistema de apps de salud, es esperable que más plataformas empiecen a exponer alguna versión del SRI o una métrica de regularidad junto a la duración total, siguiendo el mismo camino que ya recorrieron con la variabilidad de frecuencia cardíaca (HRV).
📖 Resumen en Telegram: Ver resumen
Probalo vos: corré sri_serie_completa sobre el CSV de sueño que exporta tu propio wearable y compará tu número contra la escala de -100 a 100 del paper.
Preguntas frecuentes
¿Qué es el Sleep Regularity Index (SRI)?
Es una métrica de -100 a 100 que compara, minuto a minuto, qué tan parecido es tu patrón de sueño y vigilia de un día respecto al día anterior. Cien equivale a un horario idéntico todos los días; cero, a un patrón completamente aleatorio.
¿La regularidad importa más que dormir 8 horas?
Según este estudio, sí: la regularidad del sueño predijo mortalidad por cualquier causa con más fuerza estadística que la duración total de horas dormidas, incluso después de ajustar por la duración misma.
¿Qué datos usó el estudio?
Registros de acelerómetro de muñeca de participantes del UK Biobank, cruzados contra los registros oficiales de mortalidad durante el período de seguimiento.
¿Esto significa que dormir horarios irregulares causa la muerte?
No de forma directa. Es un estudio observacional: muestra una asociación estadística ajustada por factores de confusión, no una relación causal probada por un ensayo controlado.
¿Puedo calcular mi propio SRI con un Apple Watch o Fitbit?
Sí, si exportás tus datos de sueño con resolución de minutos podés aplicar la misma fórmula descrita en este artículo con Python y pandas.
¿Dónde se publicó el estudio original?
En la revista Sleep, de Oxford Academic, volumen 47, número 1, en enero de 2024, bajo el título “Sleep regularity is a stronger predictor of mortality risk than sleep duration”.
Referencias
- Windred et al., 2024, revista Sleep: el estudio original con la metodología completa y los modelos de ajuste estadístico.
- Scientific Reports: revista donde Phillips y colegas publicaron en 2017 la definición original del Sleep Regularity Index.
- UK Biobank: descripción oficial del biobanco poblacional y su sub-estudio de acelerometría.
- Actigraphy, Wikipedia: contexto general sobre cómo funcionan los acelerómetros de muñeca para medir sueño.
📱 ¿Te gusta este contenido? Únete a nuestro canal de Telegram @programacion donde publicamos a diario lo más relevante de tecnología, IA y desarrollo. Resúmenes rápidos, contenido fresco todos los días.
0 Comentarios