Recovery score, HRV, tempi di recupero. App e wearable trasformano in numeri ciò che fino a pochi anni fa restava invisibile. La maggior parte degli sportivi però usa quei dati come un ordine. In questo articolo vediamo cosa misurano davvero, dove sbagliano e come leggerli senza farsi governare.
Indice
Quando device e gambe dicono cose diverse Cosa misurano davvero app e wearable HRV: cosa è e perché è diventato l'indicatore di recupero più discusso Come app e wearable trasformano l'HRV in un recovery score Il punto cieco: cosa l'HRV non può vedere Limiti dell'hardware: il dato grezzo non sempre è preciso Il gap fisiologico: l'HRV non vede il muscolo Variabili che gli algoritmi ignorano del tutto Formula 220 − età: l'errore a monte che pesa sul recupero Come usare i dati senza farsi governare In sintesi FAQ Bibliografia
Quando device e gambe dicono cose diverse
Apri l'app appena sveglio. Recovery score: 86%. Esci a correre con la testa leggera. Al quarto chilometro le gambe rispondono con un no secco, il passo cala e non sai bene il perché. Ti era già capitato. Ti ricapiterà.
Il problema è che tu e il tuo wearable non state guardando la stessa cosa.
In questi anni i parametri fisiologici sono diventati un linguaggio quotidiano per chi fa sport. Frequenza cardiaca, HRV, tempi di recupero, training load. Numeri che sembrano oggettivi, e che la maggior parte degli sportivi prende per buoni senza verificare. HRV e parametri cardiovascolari sono indicatori utili, ma hanno un punto cieco preciso. Quando l'algoritmo lo ignora, il "recupero" che ti viene consigliato può essere fuori bersaglio. Capire dove smette di funzionare il dato è quello che separa chi raccoglie numeri da chi li sa usare.
Cosa misurano davvero app e wearable
I parametri che vedi nella tua app sono lettura di segnali fisiologici precisi: frequenza cardiaca durante l'allenamento, FC media e massima, heart rate recovery dopo lo sforzo, FC a riposo notturna, HRV (di solito espressa come rMSSD), una stima del carico di allenamento, durata e fasi del sonno. Tutti dati che derivano dal sistema cardiovascolare e dal sistema nervoso autonomo. Restano segnali da interpretare, non risposte già pronte.
C'è un dettaglio tecnico che pesa più di quanto si pensi: ogni device calcola questi parametri in modo diverso. Alcuni mediano l'HRV sull'intera notte, altri si concentrano su specifiche fasi del sonno (per esempio sul sonno profondo, la fase più ristoratrice della notte). Stessa persona, stessa notte, recovery score diversi a seconda del dispositivo che porti al polso o al dito (Esco et al., 2025).
Il device non misura il muscolo. Misura il cuore e il sistema nervoso che lo regola. Sono cose diverse.
HRV: cosa è e perché è diventato l'indicatore di recupero più discusso
HRV sta per Heart Rate Variability, variabilità della frequenza cardiaca: la variazione nel tempo tra battiti consecutivi. Tradotto: il tuo cuore non batte come un metronomo, e la quantità di micro-variazioni tra un battito e l'altro racconta come stanno dialogando le due branche del sistema nervoso autonomo. Il sistema simpatico è quello dello stress e dell'attivazione, il parasimpatico quello del recupero e del riposo. HRV alta vuol dire che prevale il parasimpatico, segno di ripristino in corso. HRV bassa vuol dire che prevale il simpatico, segnale di stress fisiologico.
L'HRV può essere espressa in più modi statistici. Quello che vedi nella tua app è quasi sempre l'rMSSD (root Mean Square of Successive Differences): un singolo numero, espresso in millisecondi, che riassume quanto varia la distanza tra battiti consecutivi nel periodo osservato. È diventata la metrica standard per il monitoraggio HRV nello sport perché resta affidabile anche su misurazioni brevi (Esco et al., 2025).
Una cosa importante che gli algoritmi consumer fanno fatica a comunicare è che l'HRV non ha un range "normale" universale. Conta il trend rispetto alla tua baseline personale, non il numero in assoluto. Confrontare i tuoi 45 ms di rMSSD con i 70 ms del tuo compagno di allenamento non significa nulla. Confrontare il tuo 45 ms di oggi con la tua media degli ultimi 30 giorni significa molto.
C'è poi una distinzione che le app raramente mostrano in modo esplicito. Quello che ti serve davvero non è il valore giornaliero, ma due informazioni diverse: come si sta muovendo la tua media nelle ultime settimane (in letteratura si chiama rMSSD weekly mean, e ti dice se ti stai adattando bene al carico), e quanto i valori giornalieri stanno oscillando attorno a quella media (ovvero il coefficiente di variazione settimanale dell'HRV, che ti dice se nelle ultime 48-72 ore qualcosa ha disturbato il tuo equilibrio: stress, una sessione troppo dura, una notte storta). La maggior parte dei device consumer ti mostra solo il valore giornaliero, ed è la lettura meno informativa di tutte. Se la tua app ti permette di vedere il grafico delle ultime 4 settimane, parti da lì (Esco et al., 2025).
Come app e wearable trasformano l'HRV in un recovery score
I device prendono l'HRV, la combinano con la FC notturna, la qualità del sonno e una stima del carico di allenamento, fanno girare il tutto in un algoritmo proprietario e ti restituiscono un numero.
Recovery score 78%.
Ore di recupero consigliate: 18.
Allenamento previsto: leggero.
Semaforo: giallo.
Sembra una misura oggettiva, in realtà è un'interpretazione.
Il recovery score è una metrica costruita, non una misura biologica diretta. Non esiste un gold standard condiviso per il "recupero" come grandezza oggettiva: ogni produttore implementa il proprio algoritmo, e i numeri di app diverse non sono direttamente confrontabili tra loro. Le differenze nei segnali grezzi vengono ulteriormente amplificate dalle scelte algoritmiche di pulizia, filtraggio e pesatura dei dati (Dial et al., 2025). Quello che il tuo device chiama "recupero" è la sua interpretazione di alcuni segnali autonomici e del sonno, non una radiografia del muscolo che ieri hai stressato.
Il punto cieco: cosa l'HRV non può vedere
Capire questa parte cambia il modo in cui leggerai i dati del tuo wearable da qui in avanti.
Limiti dell'hardware: il dato grezzo non sempre è preciso
Prima del problema fisiologico c'è un problema tecnico. I sensori PPG (quelli ottici al polso o al dito, che misurano le variazioni di flusso sanguigno) sono sensibili al movimento, all'aderenza, alla temperatura della pelle, al sudore. Nelle migliori condizioni d'uso (riposo notturno, polso fermo, contatto stabile) lavorano bene. Fuori da quelle condizioni, meno.
Quanto bene? Una validazione del 2025 condotta su 5 wearable consumer confrontati con un ECG come gold standard, su 536 notti di registrazione, ha mostrato che la concordanza varia in modo significativo tra dispositivi. Per la frequenza cardiaca a riposo, i migliori raggiungono una concordanza pressoché perfetta (CCC = 0.98, errore medio sotto il 2%), i peggiori scendono a CCC = 0.86. Per l'HRV il range è ancora più ampio: dai dispositivi migliori (CCC = 0.99, errore medio del 6%) ai peggiori (CCC = 0.82, errore medio del 16%). Uno dei device è stato addirittura escluso dall'analisi della frequenza cardiaca a riposo per inconsistenze metodologiche (Dial et al., 2025).
Quindi: se il dato grezzo che entra nell'algoritmo è impreciso, il recovery score costruito su quel dato è impreciso a cascata. E tu non hai modo di saperlo guardando lo schermo.
Il gap fisiologico: l'HRV non vede il muscolo
L'HRV riflette lo stato del sistema nervoso autonomo, non quello del muscolo.
Quando ti alleni duramente succedono cose che l'HRV non registra: micro-lacerazioni nelle fibre, infiammazione localizzata, accumulo di sottoprodotti del lavoro muscolare, aumento della creatina chinasi (CK, il marker classico del danno muscolare), gonfiore intorno ai tessuti sollecitati. Il muscolo può essere in piena fase di rigenerazione mentre l'HRV è "nella norma", e può succedere il contrario.
Un trial randomizzato cross-over su soggetti allenati alla forza ha confrontato le variazioni di HRV con quelle di forza isometrica massimale e creatina chinasi dopo due protocolli di allenamento diversi. Conclusione degli autori: nessuna associazione netta tra le variazioni di HRV e quelle di MVC o CK (Thamm et al., 2019). I due piani, autonomico e muscolare, possono recuperare con tempi diversi. L'HRV ti racconta uno dei due, e il recovery score eredita lo stesso punto cieco.
C'è di più. La risposta dell'HRV all'esercizio dipende fortemente dall'intensità: dopo allenamenti a bassa o media intensità l'HRV torna ai livelli normali in fretta; dopo sessioni sopra la soglia ventilatoria (gli allenamenti tirati, dove respiri di gola e non riesci a parlare) il rientro è molto più lento (Michael, Graham e Davis, 2017). L'algoritmo del tuo device non sempre distingue tra una sessione di intervalli al limite e un fondo lento, e quando non distingue interpreta in modo grossolano.
Variabili che gli algoritmi ignorano del tutto
Ci sono poi cose che il device non vede proprio:
- Lo stress psicologico e il carico mentale accumulato (un litigio, una scadenza, un periodo difficile pesano sull'HRV ma non vengono attribuiti correttamente).
- L'alimentazione e l'idratazione (un atleta in deficit calorico cronico può presentare HRV apparentemente ottimale mentre il corpo è in soppressione metabolica).
- Il ciclo ormonale.
- Una malattia in incubazione, dove l'HRV scende prima ancora che tu te ne accorga.
Risultato: una HRV bassa dopo un allenamento duro non significa per forza sovrallenamento, e una HRV alta non significa per forza che sei pronto. L'algoritmo, che non sa distinguere il contesto, può tradurla comunque in "giorno di riposo" o "via libera".
IL PUNTO CHIAVE
L'HRV è un buon indicatore di stato del sistema nervoso autonomo, ma non vede il danno muscolare, l'infiammazione locale, l'alimentazione, lo stress mentale o una malattia in arrivo. Il recovery score eredita questi punti ciechi e li ripresenta sotto forma di un numero che sembra dare un quadro completo ma non lo è.
Formula 220 − età: l'errore a monte che pesa sul recupero
C'è un altro punto della catena che produce errori, ed è a monte rispetto all'HRV. Sta nel modo in cui le app stimano la tua frequenza cardiaca massima.
Quasi tutte le app sportive partono dalla formula “220 − età” per costruire le tue zone di intensità. Il problema è che quella formula è una stima statistica di popolazione, non una misura individuale. Era un'approssimazione utile quando non c'era altro, ma sui numeri reali non regge bene. Lo studio cardine pubblicato sul Journal of the American College of Cardiology nel 2001 ha rianalizzato la formula su una meta-analisi di 351 studi (oltre 18.000 soggetti) più una validazione di laboratorio su 514 persone. La conclusione: la formula “220 − età” sottostima sistematicamente la FCmax negli over 40, e l'equazione che meglio approssima i dati reali è 208 − 0.7 × età (Tanaka, Monahan e Seals, 2001). Ricerche successive hanno confermato che anche la Tanaka funziona bene sulle popolazioni generali ma può deviare in modo significativo sugli atleti specifici, dove l'unico dato veramente affidabile è quello misurato direttamente (con un test a sforzo massimale, lo stesso usato nelle visite di medicina sportiva) (Nikolaidis et al., 2018).
Cosa significa per il recupero? Tantissimo, anche se non è immediato accorgersene. Le zone di intensità che usi (Z1, Z2, Z3, Z4, Z5) sono percentuali della FCmax. Se la tua FCmax è stimata 175 ma quella reale è 185, tutte le tue zone risultano spostate verso il basso di una decina di battiti. Quando corri a 160 battiti il tuo device pensa che tu sia in piena Zona 4 (lavoro duro), mentre la tua Zona 4 reale parte da 168 e a 160 stai facendo qualcosa di più morbido. L'algoritmo legge ogni allenamento come più intenso di quanto sia, sovrastima il carico settimanale, e di conseguenza ti consiglia un tempo di recupero più lungo del necessario. L'errore non sta nell'HRV ma nella calibrazione a monte.
Soluzione pratica: usa la formula 220 − età con cautela, soprattutto se hai più di 40 anni. Una FCmax misurata realmente (test a sforzo massimale, ripetute al limite con cardio attendibile) o quanto meno l'equazione di Tanaka cambiano sensibilmente la qualità delle zone su cui il device costruisce tutto il resto.
Come usare i dati senza farsi governare
Niente di tutto questo significa buttare il wearable nel cassetto. I parametri fisiologici restano uno strumento prezioso, accessibile come non lo è mai stato. Significa imparare a leggerli, non solo a riceverli.
Cinque pratiche concrete:
- Costruisci una baseline personale. Quattro-sei settimane di monitoraggio in condizioni normali, senza cambiare allenamento o abitudini. Prima di quella finestra, qualsiasi numero è un punto isolato senza contesto.
- Guarda i trend, non i singoli valori. Una HRV bassa oggi non dice niente. Una HRV in calo costante per 7-10 giorni dice tantissimo. La regola: lavora sulle finestre, non sulle giornate.
- Leggi due metriche, non una. Se l'app te lo permette, separa la rMSSD media settimanale (come ti stai adattando nel medio periodo) dal coefficiente di variazione settimanale (se c'è una perturbazione acuta nelle ultime 48-72 ore). Sono informazioni complementari che il recovery score singolo non esprime (Esco et al., 2025).
- Integra sempre il segnale soggettivo. Qualità del risveglio, mobilità nei primi minuti dopo il risveglio, motivazione, percezione dello sforzo nei primi mille metri di riscaldamento. Dati che non vedrai mai sul polso e che valgono quanto e più dei numeri.
- Quando device e corpo dicono cose opposte, ascolta il corpo. È la regola più importante. Il device è un aiuto nella lettura. Se l'app ti dà il via libera ma le gambe ti dicono che oggi non ci sei, le gambe stanno raccogliendo informazioni che nessun algoritmo sa ancora processare.
IL PUNTO CHIAVE
Il valore dei dati cresce con la tua capacità di interpretarli. Baseline di almeno un mese, lettura per trend, due metriche invece di una, integrazione con il segnale soggettivo, priorità al corpo quando il numero non torna.
In sintesi
I parametri fisiologici misurati dai wearable sono informazioni preziose, ma sono materia grezza, non verdetti. Il collegamento automatico tra HRV e "recupero necessario" è un'interpretazione algoritmica spesso troppo meccanica: l'accuratezza varia tra device, l'HRV non vede il danno muscolare, e variabili importanti come stress, alimentazione e calibrazione delle zone vengono ignorate.
L'HRV è una finestra sul sistema nervoso autonomo, niente di più. Usata bene, con baseline personale, lettura per trend e integrazione con la propria sensibilità, diventa uno strumento serio per la programmazione. Usata come un ordine, finisce per allenare la dipendenza dal numero invece dell'ascolto del corpo.
Il miglior sensore resta ancora chi indossa il device, quando impara a usare i dati come una mappa invece che come un GPS che decide al posto suo.
Se vuoi continuare a leggere contenuti come questo, iscriviti alla newsletter di 3Power Sport
FAQ
Cosa misura esattamente l'HRV e perché cambia ogni giorno?
L'HRV (heart rate variability) è la variazione del tempo tra battiti cardiaci consecutivi. Riflette l'equilibrio tra sistema nervoso simpatico (stress, attivazione) e parasimpatico (recupero, riposo). La metrica standard usata dai wearable consumer è la rMSSD, espressa in millisecondi. È normale che cambi ogni giorno: stress, qualità del sonno, alimentazione, alcol, idratazione, ciclo ormonale e carico di allenamento dei giorni precedenti la influenzano tutti. Per questo il singolo valore giornaliero conta poco e va sempre letto rispetto alla tua baseline personale e al trend degli ultimi 7-14 giorni.
Perché il recovery score è alto ma mi sento ancora stanco?
Perché il recovery score guarda quasi solo al sistema nervoso autonomo (HRV, FC notturna, sonno) e non vede cosa sta succedendo nel muscolo. Se ieri hai fatto un lungo che ha lasciato micro-infiammazione nelle gambe, l'HRV può essersi normalizzata mentre il muscolo è ancora in fase di rigenerazione. La ricerca conferma che le variazioni di HRV non sono associate in modo netto ai marker di danno muscolare come la creatina chinasi. Il tuo "verde" sull'app racconta come sta il sistema cardiovascolare, non come stanno i quadricipiti. La sensazione fisica concreta è informazione complementare, non rumore.
Recovery score alto ma gambe pesanti: cosa posso fare?
Tre leve, in ordine di importanza.
La prima: ascolta il corpo prima del numero. Se le gambe non rispondono, una sessione di scarico o un giorno di riposo attivo vale più di un allenamento forzato.
La seconda: cura il segnale soggettivo nelle ore successive. Idratazione, qualità del sonno, alimentazione completa nelle 24 ore post-sforzo sono il primo livello di intervento.
La terza: agisci sul piano locale, dove l'app non arriva. Una crema topica specifica per il recupero muscolare aiuta a lenire le aree affaticate e a favorire la microcircolazione nella zona sollecitata. 3Power Sport Crema, per esempio, è stata progettata per supportare il recupero muscolare dopo lo sforzo, agendo proprio dove l'HRV non vede.
Quanto peso devo dare al recovery score nella programmazione dell'allenamento?
Trattalo come uno dei segnali, non come l'unico. Tre regole pratiche.
Primo: prima di usarlo, costruisci una baseline personale di almeno 4-6 settimane in condizioni normali, altrimenti il numero non ha contesto.
Secondo: lavora sui trend di 7-14 giorni, non sui valori singoli.
Terzo: confrontalo sempre con il segnale soggettivo (qualità del risveglio, mobilità mattutina, percezione dello sforzo nelle prime ripetute).
Quando numero e corpo concordano, la programmazione è più affidabile. Quando si contraddicono, è il corpo a guidare.
Un sensore al polso è affidabile quanto una fascia toracica per misurare l'HRV?
Per il riposo notturno e le misurazioni passive, i sensori ottici al polso o al dito (tecnologia PPG) di buona qualità lavorano bene e raggiungono concordanze elevate con l'ECG di riferimento. Ci sono però differenze significative tra dispositivi: alcuni sono molto accurati, altri molto meno, e dal display non hai modo di sapere a quale categoria appartiene il tuo. Per misurazioni in movimento o ad alta intensità, la fascia toracica resta più affidabile perché legge direttamente l'attività elettrica del cuore. In pratica: HRV notturna al polso o al dito va bene con un device di qualità ben aderente; in allenamento, la fascia toracica è ancora superiore.
La formula 220 − età per la FCmax è ancora valida?
È largamente usata ma è una stima statistica di popolazione, non una misura individuale. Tende a sottostimare la frequenza cardiaca massima, soprattutto sopra i 40 anni, ed è stata superata in letteratura da formule più accurate (la più nota è 208 − 0.7 × età). Se imposti il tuo wearable con la 220 − età e hai 45 anni o più, c'è una buona probabilità che le tue zone di intensità siano tarate troppo basse: l'app finisce per leggere ogni allenamento come più intenso del reale e a quel punto sovrastima il carico, allungando il tempo di recupero che ti viene consigliato. La soluzione migliore è misurare la FCmax con un test a sforzo realmente massimale. In alternativa, l'equazione di Tanaka è più affidabile della formula classica.
Bibliografia
Dial M.B., Hollander M.E., Vatne E.A., Emerson A.M., Edwards N.A., Hagen J.A. (2025). Validation of nocturnal resting heart rate and heart rate variability in consumer wearables. Physiological Reports, 13(16):e70527. DOI: 10.14814/phy2.70527
Esco M.R., Fields A.D., Mohammadnabi M.A., Kliszczewicz B.M. (2025). Monitoring Training Adaptation and Recovery Status in Athletes Using Heart Rate Variability via Mobile Devices: A Narrative Review. Sensors, 26(1):3. DOI: 10.3390/s26010003
Michael S., Graham K.S., Davis G.M. (2017). Cardiac Autonomic Responses during Exercise and Post-exercise Recovery Using Heart Rate Variability and Systolic Time Intervals: A Review. Frontiers in Physiology, 8:301. DOI: 10.3389/fphys.2017.00301
Thamm A., Freitag N., Figueiredo P., Doma K., Rottensteiner C., Bloch W., Schumann M. (2019). Can Heart Rate Variability Determine Recovery Following Distinct Strength Loadings? A Randomized Cross-Over Trial. International Journal of Environmental Research and Public Health, 16(22):4353. DOI: 10.3390/ijerph16224353
Tanaka H., Monahan K.D., Seals D.R. (2001). Age-predicted maximal heart rate revisited. Journal of the American College of Cardiology, 37(1):153-156. DOI: 10.1016/S0735-1097(00)01054-8
Nikolaidis P.T., Rosemann T., Knechtle B. (2018). Age-Predicted Maximal Heart Rate in Recreational Marathon Runners: A Cross-Sectional Study on Fox's and Tanaka's Equations. Frontiers in Physiology, 9:226. DOI: 10.3389/fphys.2018.00226
Spedizione in 2-4 giorni lavorativi