En corto
Con información derivada del HRV, vincular una sección con otra del mismo registro entre 202 candidatos acertó el 30,7% en primera posición y el 55,4% dentro de las cinco primeras. Una selección aleatoria daría cerca del 0,5% y del 2,5%. Este análisis no revisado usó el mismo día, dispositivo y postura dentro de un conjunto cerrado de candidatos. No demuestra verificación de identidad entre días o dispositivos, ni una autenticación capaz de rechazar a una persona desconocida.
Puntos clave
- En 202 personas de un conjunto público, la información derivada del HRV vinculó dos secciones del registro de una misma persona
- Primera posición 30,7% (azar 0,5%); cinco primeras 55,4% (azar 2,5%)
- Prueba de permutación frente a una hipótesis nula fija con etiquetas aleatorias: p≤0,00005
- Pero es dentro de una sola sesión; no se demostró estabilidad entre días, dispositivos ni vigilia y sueño
- No es una evaluación del Apple Watch ni una medida de rendimiento de autenticación
Por qué lo probamos
El HRV resume de varias maneras la variación de los intervalos entre latidos. Influyen la postura, la respiración, la edad y las condiciones de medición, pero también puede contener patrones repetidos propios de la persona o rasgos compartidos por un mismo registro.
Para una app de salud, saber hasta qué punto pueden vincularse dos registros es relevante al evaluar los riesgos de almacenarlos, exportarlos o compartirlos.
Cómo se midió
Usar datos públicos
Del conjunto Autonomic Aging de PhysioNet usamos las 211 personas ya fijadas como partición reservada para prueba. De ellas, 202 cumplieron las condiciones.
Usar secciones separadas de cada registro
Se usaron secciones separadas y no solapadas del mismo registro como referencia y consulta. Las reglas exactas de segmentación no se publican.
Comparar información derivada del HRV
Un método de investigación comparó información derivada del HRV. El diseño de características, el preprocesamiento y el cálculo de similitud no se publican.
Comparar con el azar
Elegir al azar entre 202 da un 0,5% en primera posición. Esa es la línea base contra la que se mide la precisión obtenida.
Resultados
- Primera posición: 62/202 = 30,7% (IC 95% 24,7–37,4%; azar 0,495%)
- Cinco primeras: 112/202 = 55,4% (IC 95% 48,6–62,1%; azar 2,48%)
- Prueba de permutación (20.000 réplicas): p < 0,0001
- Al invertir la dirección de la comparación en un análisis de sensibilidad: primera 34,2%, cinco primeras 55,9%
Lo que este resultado no significa
Leído solo como números, esto parece «el HRV puede verificar identidad». No puede. La prueba tiene límites que conviene decir con claridad.
- Registro y consulta salen de la misma sesión: mismo día, mismo dispositivo, misma postura
- El conjunto de candidatos está cerrado en 202; no se midió la capacidad de rechazar a un desconocido
- No se demostró en absoluto la estabilidad entre días, dispositivos, o vigilia y sueño
- Artefactos de sesión, sensor o procesamiento propios de un registro pueden contribuir al enlace
- No es una evaluación del Apple Watch. La señal usada fue ECG clínico
Cómo se refleja esto en Feelmo
Por este resultado, Feelmo mantiene por norma en el dispositivo los datos y las puntuaciones derivados del HRV, sin envío automático a los servidores del proveedor. Solo cuando inicias una exportación o algo compartido, el contenido que elegiste va adonde lo mandes.
Este análisis no decide la categoría jurídica de los datos. Sí muestra que dos secciones separadas de un registro de la misma sesión pueden seguir siendo vinculables, por lo que aplicamos un diseño prudente.
Datos y transparencia
Los resultados agregados, los intervalos de incertidumbre, los hallazgos de sensibilidad y los límites anteriores se publican en JSON.
No se publican la información individual ni el diseño concreto de características, el preprocesamiento o el cálculo de enlace. Por ello, investigadores independientes todavía no pueden reproducir el análisis exacto, una limitación importante.