Co mierzy wearable: Readiness — anatomia gotowości

Budzisz się rano, sięgasz po telefon i sprawdzasz aplikację swojego smartringu lub zegarka. Widzisz komunikat: „Twoja gotowość wynosi dziś 47%”. Zastanawiasz się, czy to sygnał, by odpuścić trening, czy może błąd algorytmu. Ta „magiczna liczba” to Readiness lub Recovery Score, czyli próba zamknięcia skomplikowanej biologii w jednym, przystępnym wskaźniku.

Czym jest "score gotowości" i kto go liczy

Większość nowoczesnych wearables oferuje dziś własną interpretację gotowości organizmu. Każdy producent stara się uprościć miliony danych do jednej, czytelnej wartości:

• Oura Ring — „Readiness Score" w skali 0-100
• WHOOP — „Recovery Score" z kolorami zielony, żółty, czerwony
• Garmin — „Body Battery" i „Training Readiness" (obie skala 0-100)
• Samsung Galaxy Watch (od modelu 7, 2024) — „Energy Score" w skali 0-100

Na tle tych marek Apple świadomie wybiera inną filozofię. Apple Watch z watchOS 11+ ma aplikację Vitals, która pokazuje pięć metryk (tętno, oddech, temperatura nadgarstka, SpO2, długość snu) jako „typical" lub „outlier" względem Twojej bazy — bez jednego zagregowanego wyniku. Osobno dostajesz „Training Load" (bilans 7 dni vs 28 dni: well below / below / steady / above / well above). Apple nie wrzuci Cię w czerwone jak WHOOP ani nie każe odpocząć jak Oura — daje surowe sygnały i zakłada, że resztę wykombinujesz sam.

Warto jednak wiedzieć, że każdy taki algorytm jest zamknięty (proprietary). Oznacza to, że firmy nie ujawniają dokładnych wag poszczególnych parametrów. Walidacja opublikowana w Physiological Reports w 2025 roku przez zespół Diala podkreśla, że producenci podają jedynie ogólne ramy tego, co wchodzi w skład wyniku. To czarna skrzynka, której musimy zaufać, choć nauka powoli zagląda do jej wnętrza.

Wskaźniki te mają na celu ocenę Twojej zdolności do podjęcia wysiłku fizycznego i psychicznego. Nie są one jednak wyrocznią, a raczej syntezą trendów z ostatnich dni i nocy. Zrozumienie, co faktycznie składa się na tę jedną liczbę, pozwala lepiej zarządzać procesem, jakim jest regeneracja. Bez tej wiedzy łatwo wpaść w pułapkę ślepego podążania za technologią, ignorując własne ciało.

Z czego się składa — anatomia jednej liczby

Najlepiej udokumentowany jest algorytm Oura Ring. Producent oficjalnie wymienia sześć głównych kontrybutorów, które budują poranny wynik:

• HRV Balance — Twoja średnia HRV z ostatnich 14 dni vs baza z 3 miesięcy (ostatnie dni ważą więcej)
• Resting Heart Rate — nocne tętno spoczynkowe; wyższy puls = niższy wynik
• Body Temperature — odchyłka od osobistej bazy (normal: 35,5-37,4°C), patrz temperatura ciała
• Recovery Index — jak szybko puls wrócił do spoczynkowego po położeniu się
• Sleep Balance — bilans jakości snu z kilku ostatnich nocy
• Activity Balance — czy poziom ruchu z ostatnich dni był optymalny

Wszystkie dane są mielone przez algorytm, by rano pokazać jedną liczbę. Temperatura może sygnalizować infekcję lub zaburzony rytm okołodobowy.

„Wskaźniki gotowości to dane pomocnicze, które powinny wspierać proces decyzyjny, a nie być sztywnym nakazem pomijania treningu mimo świetnego samopoczucia”.

Jak dokładne są dane pod spodem

Zanim ocenimy sam „score”, musimy zapytać o jakość surowych danych. Walidacja opublikowana w Physiological Reports w 2025 roku (Dial i wsp.) dostarcza tu twardych dowodów. Badacze porównali cztery urządzenia z medycznym EKG (elektrokardiogramem). Wyniki dla Oura Gen 4 w zakresie tętna spoczynkowego (RHR) są imponujące: CCC = 0,98, co uznaje się za wynik doskonały.

Wyjaśnijmy te skróty: CCC (concordance correlation coefficient) to współczynnik zgodności — im bliżej 1,0, tym lepiej. MAPE (mean absolute percentage error), czyli średni błąd procentowy dla Oura Gen 4 wyniósł zaledwie 1,94 ± 2,51%. W przypadku HRV — zmienność rytmu serca, Oura Gen 4 osiągnęła CCC = 0,99 przy MAPE na poziomie 5,96 ± 5,12%. To dane najwyższej próby.

Dla porównania, WHOOP w tym samym badaniu wypadł nieco słabiej, choć wciąż solidnie. Jego RHR oceniono na CCC = 0,91 (poziom umiarkowany), a MAPE wyniosło 3,00 ± 2,15%. W przypadku HRV współczynnik CCC wyniósł 0,94, ale średni błąd procentowy był wyższy i wyniósł 8,17 ± 10,49%. Wniosek? Same fundamenty, na których budowane są wskaźniki gotowości, są dziś bardzo dokładne.

Problem zamkniętych algorytmów

Choć surowe dane są precyzyjne, interpretacja tych danych przez algorytmy bywa problematyczna. Garmin Body Battery czy Stress Score to funkcje, które cieszą się dużą popularnością, ale brakuje im formalnej specyfikacji dokładności. Badania z przełomu 2025 i 2026 roku sugerują, że wskaźniki te bywają zbyt optymistyczne lub pesymistyczne w zależności od warunków dnia.

W badaniu z 2026 roku na grupie 62 osób porównano pomiary Garmina z klinicznym EKG. Okazało się, że pomiary HRV Garmina były znacząco niedokładne w warunkach aktywności dziennej. Dlatego eksperci sugerują, by Body Battery traktować wyłącznie jako trend, a nie jako konkretną, niezmienną liczbę. Jeśli widzisz trzy kolejne niskie poranne wyniki, to dopiero wtedy masz wiarygodny sygnał zmęczenia.

Problem polega na tym, że algorytmy ML (machine learning — uczenie maszynowe) często nie radzą sobie ze stresem, który nie jest fizyczny. Badania pokazują, że „stress score” słabo koreluje z subiektywnie raportowanym stresem psychicznym. Urządzenie widzi Twoją fizjologię, ale nie wie, że właśnie kłócisz się z szefem lub stoisz w korku, co zmienia Twoją interpretację tych sygnałów.

Score vs własne samopoczucie

Najważniejszy wniosek z nowego przeglądu MDPI Sensors z 2026 roku jest jasny: metryki fizjologiczne i subiektywne odczucia powinny być monitorowane jednocześnie. Same liczby nie oddają stresorów psychospołecznych, takich jak emocje czy problemy rodzinne. Dynamiczne narzędzie decyzyjne powstaje dopiero wtedy, gdy połączysz HRV z kwestionariuszem nastroju i zmęczenia.

Badania na pływakach (PubMed 30208575) pokazały ciekawą zależność. Wskaźnik LnRMSSD (logarytm RMSSD — root mean square of successive differences, czyli miara HRV) był wyższy, gdy sportowcy deklarowali lepsze samopoczucie. Potwierdzono to u 15 z 17 badanych osób. Oznacza to, że Twoja intuicja często idzie w parze z biologią, nawet jeśli algorytm twierdzi inaczej.

Nowoczesne modele hybrydowe, wykorzystujące deep learning, potrafią już łączyć HRV, VO2 i dane psychologiczne. W badaniu na 480 uczestnikach z 2024 roku taki model osiągnął R² = 0,90 (współczynnik determinacji) w przewidywaniu osiągów sportowych. To pokazuje, że przyszłość należy do systemów, które „pytają” użytkownika o zdanie, zamiast tylko na niego „patrzeć”.

„Obiektywne i subiektywne miary nie powinny być ze sobą porównywane w celu wyłonienia lepszej, lecz monitorowane w pełnej harmonii jako jeden system”.

Jak interpretować wynik w praktyce

Badanie jakościowe z 2024 roku (PubMed 38668986) ujawniło ciekawą pułapkę. Użytkownicy wearables często dostosowywali plany treningowe do „czerwonego” wyniku gotowości, ignorując fakt, że czuli się świetnie. Prowadziło to do niepotrzebnego opuszczania sesji i zaburzało proces, jakim jest adaptacja treningowa. To lekcja dla nas wszystkich.

Jak zatem czytać te liczby na co dzień? Kilka praktycznych zasad:

• Jeden niski wynik — najczęściej szum statystyczny, można zignorować
• Trzy niskie z rzędu — realny sygnał nagromadzonego zmęczenia, przetrenowania lub zbliżającej się choroby
• Zielony score przy złym samopoczuciu — słuchaj siebie, nie algorytmu
• Wysoki po wieczornym alkoholu — nie dał się nabrać, trend z kolejnych dni pokaże prawdę
• Trendy tygodniowe/miesięczne — najbardziej wartościowe, ignoruj pojedyncze odchyłki

Pamiętaj, że zielony score przy złym samopoczuciu to znak, by słuchać siebie, a nie zegarka. Wearables świetnie wyłapują trendy tygodniowe i miesięczne, ale nie są narzędziami medycznymi. Traktuj je jako kompas, a nie jako kierownicę swojego życia. Twoje ciało wysyła sygnały znacznie bogatsze niż to, co jest w stanie przeliczyć jakikolwiek dzisiejszy procesor.

Podsumowanie

Readiness Score to fascynujące narzędzie, które sprowadza setki nocnych parametrów do jednej liczby. Choć dane takie jak nocne tętno czy zmienność rytmu serca są zbierane z ogromną precyzją, ich interpretacja przez algorytmy pozostaje pewnym uproszczeniem. Korzystaj z tych wskazówek, by lepiej rozumieć swoje ciało, ale nigdy nie oddawaj im pełnej kontroli nad swoimi decyzjami.

W kolejnym odcinku cyklu przyjrzymy się tematowi, który spędza sen z powiek ambitnym amatorom. W części #9 weźmiemy na warsztat „Training load” i wyjaśnimy, co kryje się pod skrótami ATL, CTL oraz TSB. Dowiesz się, jak Twój zegarek mierzy obciążenie treningowe i dlaczego balansowanie na krawędzi formy wymaga czegoś więcej niż tylko patrzenia na wykresy.