¿Cuánto tiene que cambiar sedentary min para que no sea ruido? El umbral medido en 712 noches

Los minutos sedentarios oscilan mucho de un día al siguiente. La pregunta no es si cambiaron: es si el cambio supera el nivel que el cuerpo genera solo, sin que hayas hecho nada diferente.

La respuesta directa: sobre una ventana de 28 noches, el cambio tiene que ser al menos 18.13% para salir del ruido. Con 56 noches, el umbral baja a 12.82%. Todo lo que quede por debajo es variabilidad propia de la métrica. Estos umbrales vienen de 712 noches de un solo cuerpo, medidas con el mismo aparato, sin cambiar de instrumento en ningún momento.

Por qué sedentary_min es difícil de leer

El coeficiente de variación (CV) de esta variable es 28.64%.

El CV mide cuánto oscila un dato alrededor de su propia mediana. La mediana registrada es 454 minutos sedentarios al día. Con un CV de 28.64%, la variable se mueve con fuerza incluso cuando la rutina no cambia. Una semana con más reuniones remotas, un día de trabajo en casa, un viaje de dos días: sedentary_min sube y baja sin que haya una causa distinguible detrás.

Esto tiene consecuencias concretas. Un día con más reuniones sentado, un desplazamiento en coche en lugar de a pie, una tarde de trabajo fuera del escritorio habitual: todos mueven el dato sin que haya un cambio sostenido en el fondo. La variable responde al entorno cotidiano con la misma intensidad que responde a cualquier modificación real del patrón de movimiento.

Ahí está el problema. Comparar el dato de hoy con el de ayer es comparar ruido con ruido.

La autocorrelación (rho) de esta variable es 0.187. Un valor tan cercano a cero dice que lo que pasó ayer apenas predice lo que ocurrirá hoy. Esta métrica no tiene memoria corta. Cada día es casi independiente del anterior en términos estadísticos.

Eso también implica que el dato de mañana no se predice de forma útil a partir del dato de hoy. Cada lectura es, en la práctica, un punto casi independiente: no existe un impulso acumulado que conecte una jornada con la siguiente.

Cómo se calcularon los umbrales

El valor de cambio de referencia (RCV) responde a una pregunta precisa: ¿cuánto tiene que moverse una lectura individual para que ese movimiento supere el margen combinado del instrumento y de la variabilidad biológica del propio sujeto?

Para una sola noche de sedentary_min, ese valor es 79.4%. Una lectura individual necesita alejarse 79.4% de la mediana para que el alejamiento no sea ruido de la variable. Ese número no sale de ninguna suposición: sale de 712 noches de un mismo cuerpo, con el mismo aparato, calculado de la misma forma que el resto de las 31 variables del dataset.

Cuando se trabaja con ventanas de tiempo, el ruido se promedia y el umbral cae. Con 28 noches, el umbral de señal confiable es 18.13%. Con 56 noches baja a 12.82%. Con 84 noches llega a 10.47%. Con 168 noches, a 7.4%.

La relación es directa: ventana más larga, umbral más bajo, señal más limpia.

La fila fuente

Indicador	Valor
Noches registradas	712
Mediana diaria	454 min
Coeficiente de variación (CV)	28.64%
Autocorrelación (rho)	0.187
Valor de cambio de referencia (RCV)	79.4%
Umbral 28 noches	18.13%
Umbral 56 noches	12.82%
Umbral 84 noches	10.47%
Umbral 168 noches	7.4%

Fuente: ruido.medido.json#sedentary_min. Un solo sujeto. Un solo aparato. 712 noches consecutivas.

Lo que el umbral cambia en la práctica

La mayoría de los wearables te muestran el dato del día. Algunos añaden un promedio semanal. Ninguno te dice cuánto tiene que cambiar ese promedio para que el cambio sea distinguible del ruido propio de la variable.

Sedentary_min tiene un CV de 28.64%. Eso es una oscilación propia, generada por el cuerpo y por la variación normal de la vida cotidiana. Un cambio por debajo del umbral de 18.13% en 28 noches puede ser un martes con más llamadas de pie, no el resultado de ningún cambio real en cómo te mueves.

El umbral no dice qué nivel de minutos sedentarios es adecuado. Dice cuándo el dato tiene suficiente señal para que valga la pena leerlo. Esa es una distinción que la aplicación del wearable no hace por ti.

Hay una forma directa de aplicar esto: comparar la mediana de las últimas 28 noches con la mediana de las 28 anteriores. Si la diferencia no alcanza 18.13%, el cambio no salió del ruido. Si en 56 noches la diferencia llega a 12.82%, la señal es más robusta.

La mediana, además, es menos sensible a los días atípicos que el promedio aritmético. Un día de viaje o de enfermedad eleva el promedio de toda la ventana, pero pesa igual que cualquier otro día en el cálculo de la mediana. Por eso la comparación de medianas de ventana a ventana es más resistente al ruido puntual que cualquier comparación de promedios simples.

El número que importa no es el del día. Es el desplazamiento sostenido de la mediana a lo largo del tiempo.

El límite

Este dataset cubre 712 noches de un solo cuerpo, con un solo aparato.

El CV de 28.64% pertenece a ese sujeto en ese período. No hay base para asumir que otro cuerpo produce el mismo coeficiente de variación para esta variable. Puede ser más alto, puede ser más bajo. Los umbrales calculados aquí no son normas universales: son la calibración de una sola línea base.

La autocorrelación de 0.187 también es específica de ese sujeto y ese período. Si la rutina cambia de forma sostenida —trabajo distinto, horarios distintos, ambiente distinto— el patrón de oscilación puede cambiar con ella. Los umbrales no son permanentes.

El RCV de 79.4% dice que una sola lectura no puede separar señal de ruido para esta variable. Esa es una propiedad del dato, no una limitación del aparato.

Hay un límite adicional que vale la pena mencionar: el dataset no incluye ningún cambio de aparato. Si el wearable se reemplaza, el error de instrumento puede modificarse, y los umbrales calculados sobre el aparato anterior no se transfieren automáticamente. La calibración tendría que rehacerse desde la nueva línea base.

Hay una pregunta que esta celda no responde: ¿qué ocurre cuando sedentary_min supera el umbral de forma sostenida durante 56 noches o más? Si hay un cambio real en el fondo, ¿qué otras variables del dataset se mueven junto con él? Eso es lo que el expediente abierto registra.

---

Fuente del dataset: hash publicado en corpus.huella.json · 18.483 mediciones · 31 variables · 712 noches · un solo sujeto.

• Trabajo Mental — todos los protocolos
• expediente relacionado: magnesium-for-sleep
• ciencia abierta — el dataset