Training for Life Scientific Observatory — Weekly Brief

Questa settimana il segnale più interessante non viene da un nuovo “biomarker della longevità”, ma da qualcosa di molto più TFL: misurare la persona nel suo ambiente reale e capire come i sistemi fisiologici si comportano insieme. Emergono tre temi forti: luce notturna e rischio cardiovascolare misurati con sensore indossabile; esercizio come intervento cardiovascolare anche in popolazioni molto fragili; passaggio dall’analisi dei singoli parametri alla fisiologia integrata durante lo sforzo.

Il paper della settimana: la notte entra nella cardiologia preventiva

Dai J, Dai W, Heianza Y, Qi L. “Nighttime light exposure and cardiac structure and function.” European Heart Journal, 9 settembre 2026.

È uno dei lavori che porterei immediatamente dentro Training for Life. Più di 11.000 partecipanti UK Biobank hanno indossato per sette giorni un sensore al polso capace di misurare l’esposizione luminosa; circa tre anni dopo sono stati studiati con risonanza magnetica cardiaca. L’esposizione notturna >3 lux si associava a maggiore massa e spessore del ventricolo sinistro, peggiore myocardial contraction fraction e alterazioni dello strain. Su una coorte più ampia, 73.286 persone, l’esposizione elevata era inoltre associata durante 8–10 anni di follow-up a +29% di scompenso, +15% di FA, +24% di infarto, +33% di stroke e +26% di mortalità cardiovascolare. Una parte dell’associazione, ma non tutta, era mediata dalla riduzione del sonno.

Qualità: grande studio osservazionale, fenotipizzazione strumentale interessante, CMR e follow-up clinico. Limite: non dimostra causalità; luce notturna può essere anche marker di lavoro notturno, comportamento, ambiente e stato sociale. Per TFL: sonno e ambiente smettono di essere semplicemente “wellness”. Il wearable può misurare esposizioni ambientali che entrano nel fenotipo cardiovascolare.

Io comincerei quasi a parlare di un quarto asse TFL:

Exercise is Medicine: qui diventa davvero Training for Life

Una meta-analisi pubblicata su BMJ Open il 9 settembre ha raccolto 14 RCT, 934 pazienti in emodialisi, valutando esercizio intradialitico. Si osservano piccoli ma significativi miglioramenti della FE (+2,21%), della pulse-wave velocity (−1,36 m/s), della pressione diastolica (−4,54 mmHg) e soprattutto un aumento medio del VO₂peak di circa 2,76 ml/kg/min. L’eterogeneità è elevata per alcuni endpoint e la qualità dell’evidenza varia da moderata a bassa.

Non mi interessa tanto l’emodialisi in sé quanto il principio: anche una popolazione clinicamente fragile può essere trattata attraverso la funzione, con una dose di esercizio progettata e verificata. Questo è esattamente il passaggio da Exercise is Medicine a Training for Life: non “consigliare movimento”, ma prescrivere, misurare la risposta e adattare.

Una fisiologia che mi piace moltissimo: cuore, polmone e muscolo come rete

Garcia-Retortillo e colleghi hanno pubblicato l’8 settembre su European Journal of Applied Physiology un piccolo ma concettualmente elegante studio su 26 giovani sottoposti a CPET incrementale in bicicletta. Hanno registrato contemporaneamente ECG, respirazione ed EMG e studiato il coupling fra i sistemi. Con l’aumentare della fatica diminuisce il predominio delle gambe e cresce l’integrazione fra muscoli del tronco, cuore e respirazione: il corpo si riorganizza come rete fisiologica integrata.

Qualità sperimentale interessante ma campione minuscolo, giovane e sano: non è ancora clinica. Però concettualmente è molto TFL. Noi misuriamo VO₂, VCO₂, VE, FC, watt, eventualmente pressione, EMG. Il passo successivo potrebbe non essere trovare un altro valore isolato, ma descrivere come cambiano le relazioni tra i sistemi durante lo sforzo.

Questa idea mi convince sempre più:

Wearable & Cardiology Watch

È interessante uno studio pubblicato il 10 settembre su JMIR Cardio sull’uso reale di ECG mobile monoderivazione AliveCor KardiaMobile. In 237 pazienti ≥65 anni, in ospedale e medicina generale, l’algoritmo riusciva a produrre un’interpretazione automatica nell’85,6% degli ospedalizzati e 95,3% degli ambulatoriali; 4 persone senza precedente diagnosi furono segnalate come possibile nuova FA. Ma soltanto una ebbe conferma ECG a 12 derivazioni nello stesso giorno. Gli stessi autori sottolineano quindi il problema centrale: detection non significa diagnosi, e diagnosi non significa beneficio clinico.

Per il nostro capitolo wearable io fisserei definitivamente questa gerarchia:

Finché non arriviamo all’ultimo passaggio, non dobbiamo confondere una bella tecnologia con buona medicina.

Longevity: questa settimana meno molecole, più comportamento

Molto interessante, anche se non causale, uno studio JMIR Aging pubblicato il 9 settembre su 280 anziani, età media 72,5 anni, inseriti in un programma comunitario di exergaming. Dopo otto settimane aumentavano motivazione intrinseca, forza dell’abitudine e benessere psicologico; alcuni segnali persistevano anche quando veniva ridotta la supervisione. Lo studio è osservazionale e senza controllo, quindi non dimostra efficacia. Ma il dettaglio che mi interessa è un altro: accesso, routine, facilitazione e partecipazione sociale sembravano importanti nel sostenere l’attività.

È un punto enorme per TFL. Prescrivere l’allenamento perfetto e poi ottenere un’aderenza del 30% serve poco. Il problema della longevity reale è anche creare le condizioni perché una persona continui a fare.

CrossFit, functional training, ciclismo e running

Sul ciclismo, invece, il lavoro sulla network physiology durante CPET incrementale è secondo me più interessante di molti paper specificamente ciclistici: il carico crescente modifica progressivamente il coordinamento muscolo–cuore–respirazione.

Per Training for Life questo rafforza l’idea di utilizzare il ciclismo non solo come esercizio, ma come strumento sperimentale estremamente controllabile: watt esterni precisi, FC, ventilazione, VO₂/VCO₂, pressione e recupero. È probabilmente uno dei migliori laboratori possibili per studiare l’adattamento umano.

IA in medicina: meno demo, più sorveglianza dopo l’installazione

Questa settimana non vedo un nuovo grande RCT cardiovascolare di IA che cambi la pratica. Trovo invece particolarmente pertinente il messaggio dell’American College of Cardiology del 10 settembre: dopo l’implementazione, un algoritmo deve essere monitorato nel mondo reale, valutando integrità del sistema, performance nel tempo, impatto sul workflow e criteri per modificarlo o persino ritirarlo.

È quasi esattamente quello che stiamo dicendo per TFL. Non basta:

Dobbiamo sapere:

Questa per me è la vera auditability clinica.

Interessante inoltre il nuovo trial AI-ECG preoperatorio appena partito in Corea: previsto arruolamento di 3.200 pazienti, confronto randomizzato fra stratificazione preoperatoria guidata da AI-ECG e usual care, con MACE a 30 giorni. Non abbiamo risultati, quindi non è una novità clinica; è però un segnale di maturazione del settore: finalmente l’AI viene testata contro outcome e decisioni, non soltanto contro AUC.

Il quadro della settimana

A me questa settimana racconta una cosa precisa.

Stiamo passando da:

La luce notturna diventa esposizione cardiovascolare misurabile.
Il VO₂peak diventa outcome terapeutico anche nell’emodializzato.
Cuore, polmoni e muscoli possono essere studiati come rete.
Il wearable non vale per il dato che produce, ma per la decisione che permette.
L’AI non vale per il benchmark, ma per quello che succede dopo che entra nella clinica.

Questo è molto vicino a dove sta andando Training for Life.

Training for Life Scientific Observatory — Weekly Brief

Questa settimana vedo quattro temi che meritano davvero di entrare nel radar TFL. Il primo è molto vicino a noi: Huawei Watch D3 porta la pressione arteriosa wearable dentro l’esercizio, anche se non ancora nel beat-to-beat. Il secondo è metodologicamente forse ancora più importante: un nuovo modello permette di ricavare una stima della CRF da test di esercizio molto diversi senza trattare ingenuamente FC e workload come se fossero sempre in steady state. Il terzo è la convergenza muscolo–forza–rischio cardiometabolico–longevità. Il quarto è che sonno e dinamiche degli stadi del sonno cominciano a diventare veri fenotipi digitali cardiovascolari.

🥇 Paper della settimana: stimare la fitness senza fingere che tutti i test siano uguali

Il lavoro che metterei al primo posto è “A framework for estimating cardiorespiratory fitness from diverse exercise tests”, pubblicato il 1° settembre su npj Exercise Medicine and Health.

Gli autori affrontano un problema enorme: stimare il VO₂max da step test, cammino, treadmill, cicloergometro o test submassimali usando equazioni statiche introduce errori perché la FC ha una cinetica propria e segue il carico con ritardo.

Il nuovo modello descrive dinamicamente FC e costo metabolico individuale. È stato sviluppato su test diversi e confrontato con VO₂max direttamente misurato in 911 adulti: bias medio circa +1,5 ml/kg/min, correlazione r = 0,80. Applicato successivamente a 11.307 persone dello studio Fenland, il VO₂max così stimato mostrava associazioni più forti con glicemia, insulina e HDL rispetto ai metodi convenzionali.

Ancora più interessante: limitando i dati a FC <85% della massima prevista, la correlazione rimaneva r = 0,76.

Questo paper mi piace moltissimo perché va nella direzione che stiamo cercando:

Potremmo immaginare una gerarchia:

Ma l’ultimo passaggio non è ancora validato dal paper: gli stessi autori lo indicano come possibile sviluppo futuro e sottolineano i problemi dei dati consumer in free living. È uno dei lavori metodologici più TFL che abbiamo visto negli ultimi mesi.

🥈 Exercise + nutrizione negli ipertesi anziani

Un piccolo ma molto pertinente RCT pragmatico, pubblicato il 3 settembre sul Journal of Human Hypertension, ha randomizzato 32 soggetti tra 50 e 80 anni con ipertensione a esercizio (cammino/jogging + calistenica, 60 min × 2/settimana) oppure esercizio + counselling nutrizionale, con attenzione alla qualità alimentare e riduzione degli ultra-processati, senza restrizione calorica prescritta.

Dopo 12 settimane, il gruppo esercizio + nutrizione aveva una glicemia a digiuno 10 mg/dL inferiore rispetto all’esercizio solo. La PAS diminuiva di circa 10 mmHg all’interno del gruppo combinato, ma la differenza pressoria tra gruppi non raggiungeva significatività statistica. Nessuna differenza significativa per composizione corporea o CRF.

Qualità: RCT pragmatico, quindi concettualmente interessante. Limite enorme: 32 soggetti, 29 completers. Non trasformerei −10 mmHg in una prova dell’efficacia aggiuntiva della dieta sulla pressione.

Per TFL rafforza però un principio:

🥉 Muscolo, CKM e mortalità: qui il segnale è forte

Studio pubblicato il 5 settembre: 6.601 soggetti ≥50 anni con cardiovascular-kidney-metabolic syndrome, follow-up medio quasi nove anni.

La sarcopenia era associata a circa il doppio della mortalità: HR 2,10. Ma il dato che interessa ancora di più è questo: ogni kg aggiuntivo di handgrip strength → circa −4,2% di rischio di morte, mentre l’indice di massa muscolare appendicolare non rimaneva significativamente associato alla mortalità dopo aggiustamento completo.

È osservazionale: non possiamo dire che aumentare la grip di 5 kg provochi automaticamente una riduzione del rischio del 20%. Però il concetto è potentissimo:

Non dobbiamo chiedere soltanto “quanta massa muscolare possiede?”, ma “che cosa sa fare con quella massa?” — forza, potenza, velocità di produzione della forza, equilibrio, mobilità. Qui Training for Life comincia davvero a distinguersi dalla normale valutazione di composizione corporea.

🔴 Huawei Watch D3 — la novità wearable della settimana

Il 2 settembre Huawei ha lanciato ufficialmente a Monaco il Watch D3, dopo averlo mostrato all’ESC. La cosa fondamentale è confermata ora dalla documentazione ufficiale Huawei: non stiamo parlando di una stima della PA da PPG.

Il D3 utilizza una micro-pompa con airbag gonfiabile nel cinturino, quindi misura la PA mediante principio oscillometrico al polso. Supporta misura singola della PA, ABPM 24 h, PA prima e dopo esercizio. Il nuovo device è spesso 11,3 mm, pesa circa 40 g senza cinturino e l’airbag è stato ristretto per renderlo più indossabile.

Huawei specifica adesso qualcosa che nel brief precedente ancora non avevamo: la misura post-esercizio deve essere effettuata entro due minuti dalla cessazione dell’esercizio, ed è prevista esplicitamente per running, walking e cycling, sia indoor sia outdoor.

Non abbiamo PA beat-to-beat durante lo sforzo. Abbiamo però potenzialmente:

Per Training for Life potrebbe già essere molto interessante. Ma c’è una cosa che non sappiamo ancora: non trovo una pubblicazione peer-reviewed completa di validazione specifica del D3. È stato completato nel 2026 uno studio su 158 adulti con il modello RIV-B10, associato al D3, confrontato con sfigmomanometro a mercurio secondo ISO 81060-2, ma i risultati pubblici non risultano ancora disponibili.

Quindi distinguerei nettamente: CE-MDR sì, meccanismo oscillometrico sì, funzione pre/post exercise sì, validazione peer-reviewed del D3 durante alta FC/post-esercizio ancora da vedere. Questo ultimo punto è decisivo.

La mia classificazione attuale: Huawei D3, priorità TFL = ALTISSIMA. Non perché sostituisca Finapres/Portapres, ma perché può aprire una categoria nuova:

Huawei ha anche annunciato Terve Research, piattaforma europea attraverso cui istituzioni scientifiche possono organizzare studi e reclutare utenti di smartwatch: potrebbe diventare interessante qualora volessimo sviluppare una validazione accademica indipendente.

Gli altri wearable: Apple, Fitbit/Google, Garmin, WHOOP e Oura

Apple Watch: nessun nuovo studio clinico pubblicato questa settimana abbastanza forte da modificare il giudizio. Il quadro rimane quello già definito: Apple è oggi soprattutto molto forte su ECG/ritmo e detection della FA, mentre per la pressione la strategia è diversa da Huawei.

Fitbit / Google: nessuna nuova pubblicazione cardiologica della settimana sufficientemente robusta. Resta però importante il percorso Google sulla pressione: la piattaforma Fitbit/Pixel sta cercando di ricavare segnali longitudinali compatibili con ipertensione da sensori ottici e dati multimodali, un approccio sostanzialmente diverso da Huawei. Per ora lo considererei screening/inference contro Huawei measurement: sono due problemi differenti.

Garmin: nessun nuovo paper cardiologico significativo della settimana. Per TFL Garmin rimane però un oggetto particolare perché non è principalmente un “medical wearable”: è la sorgente più ricca per costruire il fenotipo longitudinale dell’esercizio (power + FC + HRV + training load + durata + recovery + sonno + attività + GPS). Ed è proprio il nuovo paper sul VO₂max dinamico a far pensare che quei dati, se acquisiti bene, potrebbero un giorno essere utilizzati per una stima dinamica della capacità, non semplicemente per leggere il VO₂max Garmin.

WHOOP e Oura: non emergono questa settimana nuovi studi cardiovascolari peer-reviewed che ritenga necessario portare in pratica.

Sonno e rischio cardiovascolare: un fenotipo digitale che merita attenzione

Un lavoro del 2 settembre utilizza dati dello Sleep Heart Health Study, selezionando 2.579 persone senza precedenti eventi cardiovascolari e seguendole per oltre dieci anni.

Usando architettura e transizioni fra stadi del sonno, più fattori di rischio convenzionali, il modello identificava sleep-disordered breathing moderato/severo con AUROC 0,761, pur senza utilizzare direttamente i segnali respiratori. Ancora più interessante: la dinamica del sonno prediceva futuri eventi cardiovascolari con C-index 0,733, e il modello manteneva informazioni prognostiche anche senza AHI.

Limite importante: il dataset nasce da polisonnografia, non da Oura/Whoop/Garmin. Gli stadi del sonno consumer sono inferiti e meno accurati. Ma apre una direzione formidabile: non soltanto “quanto hai dormito?”, ma “come è organizzato il tuo sonno?”. Potremmo arrivare al concetto di sleep phenotype.

Resistenza, stretching e recupero autonomico

Un piccolo randomized crossover trial su 27 uomini sani ha confrontato resistance training, RT + static stretching e controllo. Dopo il solo resistance training, la flow-mediated dilation diminuiva immediatamente e rimaneva ridotta a 30 minuti; con stretching post-allenamento questa riduzione non veniva osservata. Anche RMSSD e HF recuperavano più rapidamente nel gruppo stretching.

Interessante, ma non cambierei ancora alcuna prescrizione TFL: 27 giovani maschi, due esercizi per parte superiore del corpo e outcome acuti. Lo terrei nella categoria: plausibile, elegante, da seguire.

Nutrizione, inflammaging e metabolismo

Un lavoro meccanicistico del 5 settembre collega sodio, potassio, NLRP3 e insulin resistance. In 60 soggetti, età maggiore si associava a NLRP3, IL-1β e HOMA-IR maggiori; sodio urinario correlava positivamente, potassio negativamente. Gli esperimenti causali successivi sono però nel topo: una dieta ricca di sale peggiorava l’insulino-resistenza associata all’età, mentre supplementazione di potassio la migliorava attraverso una via dipendente dall’inflammasoma NLRP3.

È molto interessante per l’asse nutrizione → inflammaging → metabolismo. Ma attenzione alla traduzione: non è uno studio che dimostra che dobbiamo dare integratori di potassio agli anziani. Il messaggio più ragionevole rimane alimentare: bilancio sodio/potassio e qualità della dieta meritano più attenzione del semplice conteggio delle calorie.

Longevità: Sears, Ricordi, Scapagnini

Nelle ricerche della settimana non trovo un nuovo paper importante direttamente firmato da Barry Sears, Camillo Ricordi o Giovanni Scapagnini.

Ciclismo e running

Questa settimana non trovo un nuovo trial specificamente ciclistico o running abbastanza forte da meritare una modifica di allenamento. Però il paper sulla stima dinamica della CRF è direttamente applicabile concettualmente al ciclismo: abbiamo potenza esterna precisa + FC battito-battito + età + antropometria + eventualmente VO₂ misurato in laboratorio — un dataset migliore di quello disponibile in molti studi epidemiologici.

La domanda che viene immediatamente è: possiamo costruire per ciascuna persona una relazione dinamica FC–potenza–VO₂ e seguirne lo spostamento nel tempo? Non il generico VO₂max dell’orologio. Una firma fisiologica individuale. Qui vedo un progetto TFL reale.

CrossFit e functional training

Nessun nuovo RCT CrossFit della settimana che superi la soglia che ci siamo imposti. Segnalerei invece indirettamente il lavoro sulla sarcopenia: se la forza predice il rischio meglio della sola massa muscolare, il razionale per introdurre sistematicamente resistance/functional training nei programmi longevity diventa ancora più forte. Il prossimo passo è però passare da forza a potenza: è proprio qui che secondo me abbiamo ancora un buco enorme nella letteratura clinica dell’aging.

IA in medicina

Non trovo questa settimana un nuovo grande RCT di IA cardiovascolare che meriti di superare quelli discussi nei brief precedenti. Segnalo invece un paper del 4 settembre che propone di estendere la governance dell’EU AI Act dai modelli alle interazioni cliniche dei foundation models in cardiologia.

Può sembrare meno eccitante di un nuovo algoritmo, ma per TFL è importante. Noi stiamo pensando:

Il rischio non risiede soltanto nel modello. Risiede nel ciclo decisionale. Quindi dovremo poter ricostruire: quale dato è entrato → quale suggerimento ha prodotto l’AI → che cosa ha modificato il medico → che cosa è stato prescritto → quale risposta si è verificata. Questa è vera auditability clinica.

Il quadro che emerge

Se metto insieme i quattro lavori più importanti della settimana — CRF dinamica, grip strength e mortalità, sleep dynamics e rischio cardiovascolare, Huawei D3 e pressione intorno all’esercizio — vedo apparire sempre più chiaramente il modello TFL: non descrivere una persona attraverso diagnosi e valori isolati. Descriverla attraverso funzioni dinamiche.

Questo è molto più interessante della “biological age”.

Age well. Keep doing.

Training for Life Scientific Observatory — Weekly Brief

Questa settimana vedo soprattutto tre segnali forti per Training for Life: l’IA che passa dalla promessa alla sperimentazione randomizzata nella prevenzione cardiovascolare; un lavoro di Nature Medicine che rimette ordine nel caos delle “età biologiche”; e un’ulteriore convergenza fra attività fisica, alimentazione e inflammaging. Molto meno convincente, invece, ciò che emerge sul fronte degli integratori miracolosi e delle scorciatoie di longevità.

Il paper della settimana: quali “orologi biologici” possiamo davvero usare?

Il lavoro che conserverei per primo è “Responsiveness of epigenetic aging biomarkers to longevity interventions in humans”, pubblicato su Nature Medicine il 21 agosto 2026.

È importante perché affronta una domanda che ci siamo posti più volte: se faccio allenamento, modifico l’alimentazione o somministro un intervento farmacologico, posso utilizzare l’età epigenetica come outcome?

Gli autori hanno costruito TranslAGE, armonizzando 51 studi longitudinali d’intervento e calcolando sugli stessi dataset 16 importanti epigenetic clocks più 94 ulteriori biomarcatori DNAm. Il risultato più netto è che gli orologi non sono equivalenti: quelli di seconda generazione, costruiti per predire mortalità o pace of aging, risultano molto più responsivi degli orologi che cercano semplicemente di indovinare l’età anagrafica. DunedinPACE emerge come particolarmente sensibile agli interventi lifestyle; GrimAgeV2 e PCGrimAge sembrano più sensibili agli interventi farmacologici.

C’è un secondo risultato che per me è ancora più interessante: due differenti interventi di dieta mediterranea hanno modificato in direzione coerente subset simili degli orologi di seconda generazione, mentre gli studi sui senolitici hanno mostrato risposte molto meno coerenti, talvolta addirittura discordanti fra diversi clocks.

Conseguenza per Training for Life

Per un eventuale progetto TFL longitudinalmente controllato considererei oggi:

Molto meno interessante, da solo, un numero tipo “hai biologicamente 57 anni”.

Cardiologia preventiva e IA: qui c’è qualcosa di concreto

Il secondo lavoro della settimana è un RCT, pubblicato su BMC Medicine il 18 agosto, su 1.100 pazienti con cardiopatia coronarica, che ha valutato un sistema di management della prevenzione secondaria potenziato dall’IA.

A tre mesi l’intervento ha prodotto LDL-C leggermente ma significativamente inferiore rispetto alla usual care: differenza aggiustata −3,2 mg/dL. Il dato isolato non impressiona; molto più interessante è che il raggiungimento del target LDL è salito dal 64% al 71%, quello pressorio dal 35% al 45%, e il follow-up ambulatoriale dall’72,6% all’86,4%. Ben il 75,4% delle 24.601 registrazioni di outcome è stato acquisito automaticamente.

Non sono invece migliorati significativamente BMI, HbA1c, aderenza farmacologica o l’endpoint cardiovascolare composito, e tre mesi sono ovviamente troppo pochi per parlare seriamente di eventi.

Qui c’è un concetto TFL molto forte:

Esattamente il nostro:

IA che prescrive esercizio cardiologico

Sempre il 18 agosto è uscito uno studio italiano molto vicino a ciò che stiamo costruendo. Due esperti di riabilitazione cardiologica hanno valutato programmi di esercizio generati da DeepSeek per cinque scenari simulati: IMA recente, IMA pregresso, fibrillazione atriale, HFrEF e HFpEF.

I punteggi medi degli esperti sono stati 4,5/5 per aderenza alle linee guida, 5/5 per sicurezza e 4,3/5 per plausibilità clinica; non sono state identificate prescrizioni manifestamente pericolose.

Però metterei un enorme asterisco: cinque pazienti finti, due valutatori e nessun outcome reale. Gli stessi autori sottolineano che lo studio non dimostra efficacia né sicurezza nell’impiego clinico.

Per TFL è comunque un segnale notevole. Non immagino l’IA che sostituisce chi prescrive l’allenamento. Immagino:

Quello è già tecnicamente molto vicino.

Nutrizione, attività fisica e inflammaging

Un prospective cohort pubblicato il 19 agosto ha analizzato 6.468 soggetti ≥65 anni del Chinese Longitudinal Healthy Longevity Survey.

L’esercizio regolare era associato a una mortalità inferiore rispetto all’attività irregolare (HR 0,74). Ancora più interessante per il modello TFL: dieta con maggiore profilo antinfiammatorio associata ad attività regolare corrispondeva a una riduzione del rischio di mortalità del 27%, e combinata con elevata attività ricreativa del 39%.

È osservazionale, l’attività fisica è autoriferita e rimane possibile confondimento residuo. Quindi non trasformerei gli hazard ratio in prescrizioni. Il messaggio importante è un altro:

Questo è molto Sears, molto Scapagnini e molto Training for Life.

Longevità: una settimana che ridimensiona le scorciatoie

Un curioso lavoro su npj Aging, pubblicato il 15 agosto, mostra che il gemfibrozil può prolungare la vita in modelli sperimentali attraverso una limitazione dell’assorbimento di aminoacidi mediata dal trasportatore PEPT1. È biologicamente interessante, soprattutto per il collegamento fra nutrient sensing, aminoacidi e longevità, ma siamo lontanissimi dal trasformare un vecchio fibrato in farmaco anti-aging umano.

Un altro studio associa concentrazioni plasmatiche maggiori di glicina a una minore accelerazione dell’invecchiamento biologico, con una possibile mediazione attraverso infiammazione e stress ossidativo. Ancora una volta, però: associazione metabolica non significa che ingerire glicina produca lo stesso effetto. Questa distinzione va continuamente martellata nel capitolo longevità:

Barry Sears e Peter Attia

La domanda interessante continua a essere quella sulla resolution physiology: non genericamente “ridurre l’infiammazione”, ma favorire un corretto passaggio dalla risposta infiammatoria alla risoluzione. Qui restano importanti omega-3, SPM e rapporto fra composizione della dieta e infiammazione.

Peter Attia: il nuovo episodio del 17 agosto è dedicato soprattutto alla psichiatria, ma con un’impostazione che ci interessa: metabolismo, infiammazione, ormoni, ritmo circadiano e salute mentale vengono trattati come parti dello stesso sistema, invece del semplice modello “neurotrasmettitore → sintomo”. È sorprendentemente vicino al quinto pilastro TFL, equilibrio.

Ciclismo e running

È appena stato accettato un lavoro sul cross-training running/cycling. Non è uno studio fisiologico controllato ma un survey di 55 atleti e allenatori, quindi lo prenderei come descrizione della pratica, non come prova.

Il risultato è però intuitivamente interessante: la sostituzione non viene percepita come 1:1. Per sostituire una seduta di running con ciclismo viene stimata mediamente una durata circa 1,76 volte maggiore; nell’altra direzione circa 0,54. E soprattutto il trasferimento viene giudicato molto migliore per il lavoro a bassa intensità che per soglia/VO₂max. La conseguenza pratica è giusta:

Per il master è particolarmente interessante: ciclismo/e-bike possono permettere un grande volume aerobico riducendo il costo muscolo-scheletrico della corsa, ma non possono sostituire completamente gli adattamenti specifici del running.

CrossFit e allenamento funzionale

Segnalerei il filone dell’High-Intensity Functional Training: una meta-analisi di cinque RCT pubblicata nel numero di agosto di Science & Sports esamina gli effetti su composizione corporea e metabolismo glucido-lipidico nei soggetti sovrappeso/obesi. Il numero di studi è ancora piccolo, quindi il segnale è interessante più che definitivo. Il messaggio TFL rimane:

Wearable intelligence

La novità concettuale più importante non è un nuovo sensore. È il modo in cui stiamo cominciando a utilizzare ciò che il sensore registra.

Una review di agosto sulla rilevazione della fibrillazione atriale attraverso smartwatch sottolinea un punto fondamentale: le prove sono forti sulla capacità del wearable di rilevare e notificare, ma diventano progressivamente più deboli procedendo verso diagnosi, trattamento e soprattutto miglioramento degli outcome. È lo stesso problema di quasi tutta la digital health.

Per TFL il wearable deve quindi attraversare quattro livelli:

Se rimane al primo è un gadget.

Training for Life Scientific Observatory — Weekly Brief

Questa settimana non vedo un singolo trial clinico capace di cambiare domani le linee guida su esercizio, nutrizione o longevità. Vedo però due segnali molto interessanti per Training for Life: il wearable che comincia a trasformarsi da semplice registratore in produttore di biomarcatori cardiovascolari, e l’IA che comincia a trasformare masse di dati clinici in informazione strutturata e verificabile.

Il paper della settimana: dal PPG all’”età cardiovascolare”

Il lavoro che metterei in cima è Smartwatch Photoplethysmography-Derived Heart Age via ECG-Guided Cross-Modal Pretraining as a Digital Biomarker of Vascular Aging, pubblicato come preprint il 3 agosto. Gli autori hanno lavorato su tre coorti OPPO per complessivi 581.804 soggetti e oltre 7,45 milioni di registrazioni. Il modello viene addestrato sfruttando contemporaneamente ECG e PPG, ma una volta addestrato richiede soltanto il PPG dello smartwatch.

La cosa interessante non è tanto l’ennesima “biological age”. È che l’heart-age gap ottenuto dal PPG si associa alla pulse-wave velocity e all’ipertensione: per ogni deviazione standard di incremento dell’heart-age gap, OR 1,72 per ipertensione prevalente; quartile più alto contro più basso, OR 4,25.

Per TFL questo è importante. La direzione che abbiamo immaginato è diventata tecnicamente realistica:

Ma attenzione: siamo ancora davanti a un preprint, con associazione soprattutto cross-sectional e non a una dimostrazione che modificare quell’indice riduca gli eventi. Quindi non lo chiamerei ancora “età biologica cardiovascolare” in senso clinico. Lo chiamerei digital cardiovascular phenotype. È molto più serio.

IA in cardiologia: un’altra cosa che ci interessa direttamente

Un secondo preprint della settimana applica un sistema multi-agent all’estrazione e costruzione automatica di caratteristiche cliniche dalle cartelle dello scompenso cardiaco. Il sistema produce feature strutturate mantenendo la provenienza dell’informazione e, aggiungendole al modello, l’AUROC per identificare HFrEF passa da 0,895 a 0,963, mentre per HFpEF passa da 0,870 a 0,910.

È ancora sperimentale e richiede validazione esterna. L’IA interessante non è quella che costringe il medico a compilare un’altra schermata. È quella che prende:

e restituisce al medico informazione già organizzata, tracciabile e controllabile. In altre parole: deve produrre Net Clinical Time positivo.

Exercise / cardiologia preventiva

Questa settimana non emerge, nelle ricerche che ho effettuato, un grande RCT nuovo che modifichi il paradigma dell’Exercise is Medicine. E forse questa assenza è essa stessa interessante. La frontiera sta spostandosi da:

È esattamente il passaggio da Exercise is Medicine a Training for Life. TFL non deve quindi limitarsi alla prescrizione FITT. Deve chiudere il ciclo:

Wearable intelligence: il problema non è più raccogliere dati

Un altro lavoro pubblicato come preprint il 4 agosto prova a combinare dati wearable, annotazioni personali e visualizzazione per interpretare lo stress quotidiano. È uno studio pilota minuscolo — appena sette partecipanti — quindi non prenderei sul serio le dimensioni degli effetti riportati. Prenderei invece molto sul serio il problema che pone.

Una FC di 120 bpm può significare: salita in bicicletta, ansia, caldo, caffè, infezione, rapporto sessuale, riunione stressante. Il dato fisiologico senza contesto è ambiguo.

Questo significa che la prossima generazione TFL non dovrebbe limitarsi a importare Garmin. Dovrebbe poter associare:

Questa è vera wearable intelligence.

Longevità: attenzione alle “biological ages”

È uscito inoltre un interessante lavoro metodologico sulla presunta decelerazione dell’aumento della longevità umana. Utilizzando un’analisi bayesiana dei change-point su quasi due secoli, gli autori sostengono che l’apparente appiattimento dei record di aspettativa di vita non dimostri necessariamente l’avvicinamento a un limite biologico: potrebbe riflettere una riduzione della varianza dei progressi annuali piuttosto che una riduzione del loro valore medio.

Non dimostra affatto che vivremo 150 anni. Dimostra una cosa più modesta e più interessante:

Per TFL rimane quindi molto più interessante l’healthspan che il lifespan massimo.

Peter Attia, David Sinclair

Nessun risultato della settimana che mi faccia modificare il nostro quadro. Anzi, la distinzione diventa sempre più utile:

Per Training for Life oggi il primo asse è molto più immediatamente traducibile nella pratica clinica. Il secondo rimane scientificamente affascinante, ma molto più lontano dalla prescrizione quotidiana.

Training for Life Scientific Observatory — Weekly Brief

Questa settimana è dominata dall’ESC Congress di Monaco, iniziato il 28 agosto, con un’enfasi esplicita su IA, digital health, prevenzione e riabilitazione. Il segnale complessivo è chiaro: si passa dal wearable che “misura qualcosa” a sistemi che cercano di modificare realmente la gestione clinica, e dalla riabilitazione come luogo fisico alla riabilitazione come processo ibrido.

1. Remote Exercise SWEDEHEART: il risultato che non è arrivato facile

Il trial presentato all’ESC ha coinvolto 3.112 pazienti post-infarto in 23 centri svedesi. Offrire anche la riabilitazione supervisionata da remoto non ha aumentato significativamente il numero di sedute completate rispetto alla sola riabilitazione tradizionale: completamento circa 13,8% vs 13,6%.

Però, quando l’opzione remota era disponibile, il 38% delle sedute veniva effettivamente svolto da remoto; la capacità fisica migliorava in modo simile nei due gruppi e gli eventi avversi seri legati all’esercizio erano molto rari.

Qualità dell’evidenza: alta rispetto alla maggior parte della digital rehabilitation — studio pragmatico, cluster-randomized crossover, multicentrico. Limite: non dimostra che la tele-riabilitazione aumenti automaticamente l’aderenza.

Per Training for Life: TFL non deve diventare “cardiac rehab via app”. Il digitale deve offrire modalità diverse alla stessa persona, ma restano determinanti motivazione, comorbidità, competenza digitale, contesto sociale e personalizzazione.

2. Sprint interval training e “molecular signalling”

Il lavoro di Olsen e colleghi su Cell Reports Medicine confronta 6 × 30 s all-out con 90 minuti di ciclismo continuo intorno al 90–100% di LT1 in piccoli gruppi di uomini giovani e allenati.

La differenza molecolare immediata è impressionante: lo sprint ha modificato circa un quarto delle 2.884 proteine plasmatiche analizzate, oltre a più di 200 metaboliti; il moderate exercise ne modificava pochissime. Gli autori hanno collegato parte di queste proteine a fenotipi cardiometabolici nella UK Biobank.

Non dimostra che tre minuti di sprint “valgano più” di 90 minuti di endurance — outcome molecolari, campioni piccoli, popolazione selezionata. Ma cambia una cosa concettuale importante.

Per TFL rafforza una distinzione fondamentale: volume aerobico, soglia, VO₂max, forza e sprint non sono modi intercambiabili di consumare calorie. Sono segnali fisiologici differenti.

3. L’IA entra finalmente negli RCT di prevenzione

Due trial randomizzati presentati all’ESC: ELFIE-HYPERTENSION, mHealth internazionale con IA e gamification, e MICArdiac, gestione pressoria via app AI-enhanced e wearable. Risultati completi non ancora disponibili — non se ne anticipano conclusioni.

Il fatto metodologicamente importante è che non si valida più soltanto un algoritmo, ma si chiede: l’algoritmo modifica la pressione? migliora l’aderenza? cambia il rischio? È il livello di evidenza da pretendere anche per l’IA di Training for Life.

Wearable & Cardiology Watch

Distinzione netta fra scienza rilevante e novità commerciali. Apple Watch: nessun nuovo grande paper; il riferimento resta EQUAL (PPG+ECG identifica FA di nuova insorgenza più della usual care negli over 65 a rischio). Messaggio: ottimo per intercettare FA parossistica, non ancora dimostrazione che lo screening migliori outcome duri.

Fitbit/Google: nessuno studio clinico forte; da segnalare il nuovo Luffu Link degli ex-fondatori Fitbit, wearable screenless per il “family health monitoring” — non ancora evidenza clinica. Garmin: nessun trial cardiologico rilevante; per TFL resta una longitudinal performance/physiology platform più che un diagnostic wearable. WHOOP: nuova fascia Meridian, nessun paper che cambi il giudizio clinico. Oura: discussione sulla stima degli sleep stages, inferiti da segnali periferici e non da EEG.

FC → misurata. RR → misurato/inferito. HRV → calcolata. Sleep stage → algoritmo. Recovery score → algoritmo proprietario.

Da guardare con attenzione: sessione ESC sulla validazione clinica di un dispositivo ad anello per la pressione cuffless — dati ancora incompleti, ma frontiera più interessante dell’ennesimo recovery score. Presentato anche un proof-of-concept sulla rilevazione dell’arresto cardiaco da wearable: interessantissimo tecnologicamente, non ancora pronto clinicamente.

Cardiologia preventiva, nutrizione e metabolismo

La prevenzione cardiovascolare ESC 2026 converge su lipidi + obesità/metabolismo + IA + personalizzazione; risultati a 12 mesi di SHASTA-3/4 (plozasiran) attesi nel prossimo brief.

Un crossover randomizzato su beetroot juice in ipossia mostra un segnale sull’attenuazione della deossigenazione muscolare, ma non abbastanza forte da modificare una prescrizione. Più interessante concettualmente un lavoro che mostra come lattosio e saccarosio possano entrambi stimolare la de novo lipogenesis epatica — il significato dipende comunque da dose, bilancio energetico e contesto metabolico.

Longevità

Il dato più serio della settimana: uno studio su JAMA Network Open conferma che la longevità eccezionale dei genitori si associa nei discendenti a maggiore sopravvivenza e ritardo nell’insorgenza di morbilità. Non un “gene della longevità”, ma una componente di resilienza biologica familiare.

Un linguaggio più fertile della semplice “età biologica”. Su Sinclair: nessun nuovo paper clinico questa settimana; continua a spingere su rigenerazione e ringiovanimento tissutale, incluso il ruolo dell’involuzione timica nell’immunosenescenza — ancora lontano dalla prescrizione clinica corrente.

CrossFit, ciclismo e running

Nessun nuovo RCT abbastanza solido da cambiare l’approccio CrossFit. Per TFL conta il fenotipo dell’allenamento: forza + potenza + movimenti complessi + elevata intensità metabolica + competenza neuromuscolare.

Il paper sullo sprint interessa molto il ciclismo: 6 × 30 s all-out, recupero 4 min. La potenza massima può rappresentare uno stimolo molecolare distinto dal lavoro continuo intorno a LT1 — senza sostituire la lunga endurance.

IA in medicina

Il Congresso ESC 2026 ha scelto l’IA come tema centrale — ECG, imaging, risk prediction, digital prevention, gestione clinica. Interessa soprattutto che iniziano ad apparire trial nei quali AI + app + wearable → comportamento/intervento → outcome clinico misurabile: questa settimana MICArdiac ed ELFIE.

Training for Life non deve scegliere tra alta tecnologia e rapporto umano: deve usare la tecnologia per rendere il rapporto umano più informato, continuo ed efficace. E il dato SWEDEHEART è forse la lezione migliore — la tecnologia amplia le possibilità, non sostituisce il motivo per cui una persona decide davvero di allenarsi.

Training for Life Scientific Observatory — Monthly Report

Agosto è stato un mese particolarmente interessante per Training for Life perché convergono tre linee finora trattate quasi separatamente: fitness come biomarcatore clinico, esercizio come terapia vera e propria, e wearable/IA come infrastruttura per personalizzare e seguire l’intervento. L’ESC Congress di Monaco, concluso il 31 agosto, ha rafforzato questa direzione con lo spotlight 2026 sull’IA in cardiologia.

1. Cardiologia preventiva: dalla malattia alla “riserva funzionale”

Il lavoro che rappresenta meglio il mese è pubblicato su JAMA Network Open su 13.423 soggetti ≥65 anni: misura realmente fitness cardiorespiratorio, forza, equilibrio, agilità e flessibilità. Al follow-up di circa 7 anni, il quintile con migliore fitness composita aveva un rischio di mortalità globale significativamente inferiore, con HR aggiustato 0,39 rispetto al quintile peggiore.

Quasi una legittimazione epidemiologica del concetto TFL: non basta conoscere diagnosi, colesterolo, pressione e farmaci — bisogna sapere cosa la persona è ancora capace di fare.

Sempre dall’ESC, STAREE: quasi 5.000 adulti >70 anni senza storia cardiovascolare, diabete o demenza — atorvastatina 40 mg ha ridotto di circa il 30% gli eventi cardiovascolari maggiori, ma non ha prolungato la sopravvivenza libera da disabilità.

Per TFL: proporrei formalmente un Functional Health Score nella valutazione iniziale — CPET o test submassimale quando disponibile, forza arti inferiori, equilibrio/agilità, composizione corporea e una misura di autonomia funzionale.

2. Esercizio fisico come terapia: dati difficili da ignorare

Il segnale più forte viene dalla cardiologia clinica: un trial randomizzato pubblicato sull’European Heart Journal mostra che l’esercizio aerobico iniziato precocemente dopo infarto può migliorare fitness e attenuare la fibrosi peri-infartuale.

Al congresso ESC, il NEXAF trial — un programma di esercizio personalizzato di un anno, inizialmente supervisionato e poi domiciliare — ha ridotto il burden di fibrillazione atriale, migliorato il fitness cardiorespiratorio e ridotto le ospedalizzazioni rispetto alla usual care. Interessante anche il follow-up di Generation 100 su HIIT e mortalità a 10 anni negli anziani.

Un RCT su 60 anziani fragili randomizzati a 24 settimane di bodyweight interval training ha aumentato nettamente la probabilità di passare a categorie di minore fragilità (odds ratio 15,24).

3. Longevità: la funzione batte l’anagrafe

Il lavoro di Wu e colleghi sulla fitness nell’anziano è forse il paper di longevità più importante del mese: chi mantiene forza, agilità, equilibrio e fitness cardiorespiratorio vive più a lungo — un messaggio più robusto di molti biomarcatori commerciali di “biological age”.

Dal gruppo di Valter Longo, su Cell Metabolism, una dieta sperimentale in cui la modulazione della metionina induce modificazioni di GH, GLP-1 e FGF21 e riduce la fragilità nei modelli studiati — biologicamente interessante, ma lontana dalla prescrizione clinica umana. Continua anche l’esplorazione della time-restricted eating oltre la perdita di peso.

4. CrossFit e allenamento funzionale

La letteratura specificamente “CrossFit” resta meno robusta di quella su HIFT, interval training e resistance training, ma il quadro si fa interessante: un RCT su anziani fragili mostra che l’interval training a corpo libero può modificare lo stato di fragilità; un altro studio mostra che isometrici + elastici migliorano fitness funzionale e composizione corporea in donne ≥70 anni.

CrossFit non va difeso come marchio o protocollo; va interpretato come espressione avanzata del functional training, scalabile dall’atleta all’anziano. Per TFL: functional foundations → functional strength → high-intensity functional training, con la differenza data da capacità, rischio e adattabilità individuale, non dall’età.

5. Ciclismo e running: intensità, carboidrati e caldo

Uno studio randomizzato conferma l’interesse crescente per la distribuzione dell’intensità più che per “quanta intensità” — per TFL, LT1/LT2 diventano ancora più utili. Sul fueling, il glucosio migliora la prestazione rispetto al fruttosio isolato durante esercizio di endurance.

Il caldo resta centrale: una sostituzione idrica insufficiente peggiora la prestazione a cronometro indipendentemente dalla natremia; un breve protocollo di acclimatazione al caldo con circuit training può migliorare capacità intermittente e funzione neuromuscolare. Nel running, 31 giorni di chetoni esogeni e un RCT su probiotici multiceppo non mostrano benefici significativi.

Traduzione: prima di integratori sofisticati vengono allenamento, carboidrati, idratazione, termoregolazione e recupero.

6. Nutrizione e metabolismo: gli omega-3 “con precisione”

Una meta-analisi aggiornata di 35 RCT, 114.592 persone mostra che l’aumento di fibrillazione atriale non è genericamente associato agli omega-3: il segnale emerge nei soggetti ad alto rischio cardiovascolare con >1.500 mg/die di EPA+DHA (OR 1,43, incremento assoluto ~0,8%). Alle dosi inferiori il rischio non risultava significativamente aumentato.

Focus Barry Sears: nuovo intervento divulgativo, “Metabolic Engineering: How Diet Reprograms Your Metabolism at the Cellular Level” — evoluzione del linguaggio dalla “Zone Diet” alla metabolic engineering. Scapagnini è coautore di una review su PQQ e metabolismo del NAD+ nel glaucoma, con importanti lacune di biodisponibilità e validazione clinica ancora aperte.

7. Wearable intelligence: agosto potrebbe essere un mese di svolta

Un lavoro su JAHA ha validato un sistema PPG digitale cuffless al dito in 1.173 persone, rispettando i criteri di validazione previsti in sette condizioni, incluso l’esercizio, con errori medi ≤5 mmHg e SD ≤8 mmHg. Time-in-target e variabilità pressoria erano associati a marker di danno d’organo.

All’ESC il tema è stato discusso esplicitamente, incluso un Great Debate su cuffless BP + AI + chatbot nella gestione dell’ipertensione. Un grande preprint su oltre 580.000 soggetti usa PPG da smartwatch per stimare una “heart age” associata a PWV e ipertensione — impressionante per scala, ma resta un preprint.

8. IA in medicina: non il medico artificiale, ma il sistema che integra

L’ESC 2026 descrive l’IA come co-pilot, con applicazioni su ECG, imaging, risk prediction e workflow clinico. Un’umbrella review sull’AI-based exercise prescription nelle malattie croniche, accettata in agosto, segnala che il campo è ormai abbastanza maturo da richiedere revisioni delle revisioni.

Qui wearable e IA diventano un sistema adattativo, non un gadget.

Sarcopenia e attività fisica: cosa dice l’ESC

Il fascicolo di settembre 2026 dell’European Journal of Preventive Cardiology è un Focus Issue interamente dedicato a salute muscolare e attività fisica in prevenzione cardiovascolare. Nel suo insieme, il numero costituisce una conferma autorevole (ESC/EAPC) di diversi pilastri su cui è costruito il metodo Training for Life: valutazione funzionale non solo aerobica, prescrizione individualizzata per rischio, integrazione di forza e nutrizione, monitoraggio longitudinale.

La sarcopenia come bersaglio terapeutico strutturato

Lo Scientific Statement dell’EAPC (Cornelissen et al.) tratta per la prima volta la sarcopenia in cardiopatia come bersaglio da trattare in modo sistematico, non come reperto accessorio. L’indicazione centrale è la stessa combinazione su cui è costruito il Cardiometabolic Lab: allenamento di resistenza associato all’aerobico, con supporto nutrizionale mirato. Due analisi post-hoc su registri di scompenso cardiaco (SONIC-HF, FRAGILE-HF) confermano il valore prognostico della sarcopenia, inclusa quella respiratoria, negli anziani con scompenso.

Oltre la mortalità: le metriche di healthspan

Il Position Paper di Bahls e colleghi propone di superare la sola sopravvivenza come esito e orientare la valutazione dell’attività fisica verso metriche di healthspan: funzione, qualità di vita, invecchiamento in salute. È la cornice concettuale più vicina a quella del Longevity Lab: non solo vivere più a lungo, ma vivere meglio più a lungo.

Basta con il “one-size-fits-all”

Lo studio di coorte UK Biobank di Yuan e colleghi, su quasi 73.000 soggetti, mostra che il pattern ottimale di attività fisica (volume, intensità, sedentarietà) differisce in base al rischio cardiovascolare individuale. È la prova epidemiologica più diretta a supporto della prescrizione individualizzata per livello di rischio che il metodo applica nella fase Prescrivere, e l’editoriale di accompagnamento lo dichiara esplicitamente: le raccomandazioni generiche vanno superate.

Quando conta il pattern, non solo il volume

Nei pazienti cardiopatici il pattern “weekend warrior” (attività concentrata in 1-2 giorni, almeno 150 minuti settimanali) mostra benefici di sopravvivenza sovrapponibili a quelli dell’attività distribuita su più giorni. Una revisione sistematica con meta-analisi (Vanherle et al.) individua inoltre quali caratteristiche di frequenza, durata e intensità rendono i brevi bout di attività più efficaci nell’interrompere la sedentarietà per la salute cardiometabolica — basi pratiche per i micro-bout (“exercise snack”) già discussi nel Cardiometabolic Lab.

Il quadro che emerge

Messi insieme, questi lavori raccontano la stessa direzione: fitness non aerobica, forza e capacità funzionale meritano lo stesso peso clinico della fitness cardiorespiratoria, e la prescrizione deve essere costruita sul rischio individuale, non su una soglia unica per tutti.

La prescrizione dell’esercizio fisico in ambito cardiologico

A quasi vent’anni dalla prima edizione (2006), la Società Italiana di Cardiologia dello Sport (SIC Sport) e la Federazione Medico Sportiva Italiana (FMSI), in collaborazione con ANMCO e SIC, hanno pubblicato la seconda edizione del Documento di Consenso intersocietario sulla prescrizione dell’esercizio fisico in ambito cardiologico. Il documento — presentato nell’luglio 2025 all’Aula dei Gruppi Parlamentari di Roma — rappresenta il più aggiornato e autorevole riferimento italiano per la prescrizione dell’esercizio fisico in presenza di fattori di rischio e patologie cardiovascolari.

Il contesto epidemiologico: perché questo documento è necessario

Le malattie cardiovascolari (MCV) rappresentano la prima causa di morbilità e mortalità nel mondo e, in Italia, sono responsabili del 30,8% di tutti i decessi (ISTAT 2021). La cardiopatia ischemica da sola è responsabile dell’8,4% di tutte le morti.

A fronte di questa epidemia, circa il 40% della popolazione italiana ed europea risulta sedentaria — nonostante l’esercizio fisico regolare sia oggi riconosciuto come lo strumento preventivo e terapeutico più efficace, sicuro, fisiologico e a basso costo disponibile nella medicina moderna.

L’esercizio fisico come atto medico: il cambio culturale richiesto

Il messaggio centrale del documento è chiaro e ripetuto con forza: l’esercizio fisico strutturato deve essere considerato al pari di un qualsiasi farmaco — da prescrivere con appropriatezza e competenza, nella giusta dose, in maniera individualizzata, da parte del medico specialista in medicina dello sport e dell’esercizio fisico.

Non si tratta di un semplice invito a “muoversi di più”. Si tratta di riconoscere formalmente — anche in sede istituzionale e parlamentare — che la prescrizione dell’esercizio fisico è un atto medico strutturato, con una valutazione preliminare, una dose precisa, un monitoraggio e un follow-up programmato.

I meccanismi biologici dell’esercizio cardiovascolare

Il documento dedica ampio spazio ai meccanismi biologici attraverso cui l’esercizio fisico produce i suoi effetti benefici sul sistema cardiovascolare:

L’esercizio fisico influenza positivamente la biogenesi e la funzionalità mitocondriale, l’ossidazione degli acidi grassi, la dilatazione vascolare e la neo-capillarizzazione, garantendo una migliore perfusione miocardica. Riduce la cascata infiammatoria contrastando lo sviluppo dell’aterosclerosi attraverso il rilascio di miochine dal muscolo scheletrico. Agisce sulla modulazione dell’innervazione nervosa autonomica e ottimizza l’assorbimento del glucosio migliorando la secrezione e la sensibilità all’insulina.

La valutazione iniziale e la stratificazione del rischio

Prima di intraprendere un programma di esercizio fisico strutturato (EFS), il documento sottolinea l’importanza di una valutazione medica preventiva finalizzata a identificare i soggetti a rischio di eventi avversi cardiovascolari maggiori (MACEs), primo fra tutti la morte improvvisa e le sindromi coronariche acute.

Il documento distingue chiaramente tra la tradizione statunitense — basata su un semplice screening anamnestico — e la visione europea e italiana, che pone l’accento sull’aggiunta dell’elettrocardiogramma a riposo (ECG) interpretato da occhi esperti, con un significativo miglioramento dell’efficacia a fronte di un limitato impatto sui costi.

Il CPET: gold standard per la prescrizione individualizzata

Il Test Cardiopolmonare (CPET, CardioPolmonary Exercise Test) è identificato come lo strumento gold standard per la prescrizione individualizzata dell’esercizio fisico. Attraverso l’identificazione delle due soglie ventilatorie — VT1 e VT2 (equivalenti fisiologici delle soglie lattacide LT1 e LT2) — permette di determinare le zone di intensità personalizzate su cui costruire qualsiasi programma di allenamento, dalla riabilitazione cardiologica alla preparazione agonistica.

Il documento chiarisce esplicitamente che questo approccio è superiore rispetto all’utilizzo di parametri indiretti o soggettivi (frequenza cardiaca, carico di lavoro, scala RPE) derivati da altri test — una posizione di rilievo che conferma la necessità di una valutazione funzionale oggettiva come punto di partenza obbligato per una prescrizione appropriata.

Le patologie cardiovascolari trattate: una panoramica completa

La terza sezione del documento — la più estesa — affronta sistematicamente la prescrizione dell’esercizio fisico per ciascuna delle principali patologie cardiovascolari:

HIIT, esercizio di forza e differenze di genere

Il documento dedica spazio all’HIIT (High Intensity Interval Training), confermandone la sicurezza ed efficacia in pazienti selezionati, e ribadisce che il ruolo dell’allenamento di forza non deve essere trascurato: si è dimostrato fattibile ed efficace nella maggior parte delle MCV, anche come contrasto alla degenerazione sarcopenica degli anziani.

Una novità rilevante rispetto alla prima edizione è la presenza di un capitolo dedicato alle differenze di genere nella risposta all’esercizio fisico e alla prescrizione nelle diverse età della vita — riconoscendo che la donna presenta caratteristiche fisiologiche e cliniche proprie che richiedono un approccio specifico.

Gli aspetti organizzativi e medico-legali

La quarta sezione affronta temi di grande rilevanza pratica: l’approccio multidisciplinare alla prescrizione, il consenso informato e la responsabilità professionale. Il documento chiarisce che la prescrizione dell’esercizio fisico strutturato, in ambito cardiologico, è un atto medico con implicazioni medico-legali precise — un aspetto spesso sottovalutato nella pratica clinica.

Dal 2006 al 2025: cosa è cambiato

Il confronto con la prima edizione del 2006 — firmata da una task force multisocietaria che includeva anche ANCE e GICR, con Franco Giada e Alessandro Biffi come chairmen — evidenzia i progressi compiuti in quasi vent’anni:

L’edizione 2025 integra le più recenti evidenze scientifiche sull’HIIT, sull’allenamento della forza, sulla cardio-oncologia (assente nel 2006), sulle differenze di genere, sulla pre-riabilitazione e sul monitoraggio con tecnologie digitali e wearables. Riflette anche l’evoluzione delle linee guida ESC, in particolare le ESC 2020 sulla Cardiologia dello Sport, e aggiorna la stratificazione del rischio con le nuove carte SCORE2.

Nutrizione e metabolismo: cosa ci dice la letteratura recente

Negli ultimi anni la nutrizione è uscita dallo schema riduttivo “calorie e macronutrienti” ed è entrata in una fase più interessante: qualità degli alimenti, timing dei pasti, risposta glicemica individuale, massa muscolare, infiammazione, microbiota, sonno ed esercizio fisico vanno considerati come parti dello stesso sistema metabolico.

Il punto centrale è semplice: il metabolismo non è una caldaia passiva. È un sistema dinamico, adattativo, influenzato da ciò che mangiamo, da quando lo mangiamo, da quanto ci muoviamo e da come recuperiamo.

1. La qualità del cibo conta: il problema degli ultraprocessati

Una delle aree più solide della letteratura recente riguarda gli alimenti ultraprocessati. Le revisioni del 2025 confermano l’associazione tra elevato consumo di ultraprocessati e rischio cardiometabolico: obesità, insulino-resistenza, diabete tipo 2, dislipidemia, ipertensione e malattie cardiovascolari. Il problema non è solo “troppo zucchero” o “troppi grassi”: contano densità energetica, bassa sazietà, additivi, palatabilità, velocità di consumo e sostituzione di alimenti naturalmente ricchi di fibra, micronutrienti e composti bioattivi.

Un dato importante: anche quando una dieta ultraprocessata cerca di rispettare linee guida nutrizionali generali, una dieta basata su alimenti minimamente processati sembra favorire maggiore perdita di peso e migliore controllo dell’introito energetico.

2. Carboidrati: non “buoni o cattivi”, ma funzione-dipendenti

La letteratura sportiva resta chiara: nelle attività di endurance e negli esercizi a intensità moderata-alta, i carboidrati sono carburante strategico. Le position stand ISSN sul nutrient timing sottolineano che il glicogeno muscolare ed epatico è centrale per sostenere intensità elevate, e che l’assunzione di carboidrati durante esercizio prolungato aiuta a mantenere glicemia e performance.

Al contrario, le diete chetogeniche possono aumentare molto l’ossidazione dei grassi, ma la position stand ISSN 2024 conclude che, per la performance atletica, hanno effetti in genere neutri o sfavorevoli rispetto a diete più ricche di carboidrati, soprattutto quando serve produrre energia ad alta intensità.

3. Proteine e massa muscolare: il metabolismo passa dal muscolo

Il muscolo è un organo metabolico. Non serve solo a generare forza: è deposito di glicogeno, regolatore della sensibilità insulinica, tessuto endocrino e riserva funzionale per l’invecchiamento.

La position stand ISSN sulle proteine indica, per soggetti fisicamente attivi, un apporto indicativo di 1,4–2,0 g/kg/die per sostenere massa muscolare e adattamenti all’esercizio. Nei soggetti anziani o inattivi, una revisione del 2025 conferma l’interesse della supplementazione proteica per preservare massa e funzione, anche se l’esercizio resta lo stimolo principale.

4. Timing dei pasti e time-restricted eating

Il time-restricted eating, cioè concentrare l’assunzione di cibo in una finestra temporale limitata, è molto studiato. Le meta-analisi recenti indicano effetti favorevoli ma generalmente modesti su peso e composizione corporea, soprattutto quando associato a restrizione energetica o miglioramento della qualità della dieta.

Il punto più interessante non è il digiuno “eroico”, ma la crononutrizione: mangiare in modo coerente con ritmo sonno-veglia, attività fisica e sensibilità insulinica giornaliera. In pratica: evitare grandi carichi calorici serali, distribuire bene le proteine e adattare i carboidrati ai momenti di maggiore richiesta energetica.

5. CGM e risposta glicemica individuale

Il monitoraggio continuo della glicemia apre scenari interessanti anche nei soggetti non diabetici, ma va interpretato con prudenza. La risposta glicemica post-prandiale varia tra individui e dipende da alimento, ordine dei nutrienti, sonno, stress, attività fisica precedente, microbiota e sensibilità insulinica. Le applicazioni più promettenti non sono “vietare il cibo che fa picco”, ma costruire un profilo metabolico dinamico, integrando glicemia, movimento, sonno e timing dei pasti.

6. Infiammazione, omega-3 e recupero

La nutrizione influenza anche infiammazione e recupero. Gli omega-3, in particolare EPA e DHA, restano tra i nutrienti più interessanti per modulazione infiammatoria, salute cardiovascolare e potenziale supporto al recupero. La letteratura recente in ambito sportivo suggerisce effetti favorevoli su marker di infiammazione, danno muscolare e DOMS, ma il messaggio più equilibrato resta: prima dieta di qualità, poi eventuale supplementazione mirata.

La nutrizione metabolica moderna non è una dieta. È una forma di regolazione biologica.

Nel modello Training for Life, mangiare bene significa creare le condizioni perché esercizio, metabolismo, sonno, composizione corporea e salute cardiovascolare si rinforzino reciprocamente.

La direzione è chiara:

• meno ultraprocessati, più alimenti reali;
• carboidrati proporzionati al lavoro;
• proteine adeguate per proteggere il muscolo;
• timing coerente con ritmo circadiano e allenamento;
• uso intelligente dei dati, senza feticismo tecnologico.

In sintesi: non si tratta di inseguire la dieta perfetta, ma di costruire un metabolismo più flessibile, più efficiente e più resiliente.

Longevità e prevenzione: dal rischio di malattia alla riserva funzionale

La longevità non dovrebbe essere intesa come semplice estensione della durata della vita, ma come capacità di mantenere nel tempo funzione, autonomia, lucidità, forza, metabolismo efficiente e relazioni sociali significative. In altre parole: non solo vivere più a lungo, ma vivere più a lungo in buone condizioni.

La letteratura recente conferma un punto centrale: la prevenzione più efficace non è fatta da un singolo intervento, ma da una strategia multidimensionale. Attività fisica, alimentazione, sonno, controllo dei fattori di rischio, salute psico-emotiva e partecipazione sociale agiscono insieme, influenzando rischio cardiovascolare, fragilità, declino cognitivo e qualità della vita.

1. Fitness cardiorespiratorio: il più potente indicatore funzionale

Tra tutti i parametri modificabili, il fitness cardiorespiratorio rimane uno dei più forti predittori di sopravvivenza. Una revisione sistematica e meta-analisi pubblicata sul British Journal of Sports Medicine nel 2025 ha analizzato il rapporto tra fitness, BMI e mortalità, confermando che la capacità cardiorespiratoria pesa in modo sostanziale sul rischio cardiovascolare e sulla mortalità totale.

Questo ha una conseguenza pratica enorme: la prevenzione non può limitarsi a misurare peso, colesterolo, glicemia e pressione. Deve misurare anche la capacità funzionale.

Nel modello Training for Life, il VO₂max, la soglia aerobica, la forza muscolare, la mobilità e la capacità di recupero diventano veri biomarcatori clinico-funzionali.

2. La prevenzione cardiovascolare resta la base della longevità

Le malattie cardiovascolari continuano a rappresentare uno dei principali bersagli della prevenzione. L’American Heart Association sintetizza la salute cardiovascolare nei “Life’s Essential 8”: alimentazione, attività fisica, assenza di fumo, sonno, peso, lipidi, glicemia e pressione arteriosa.

Questo schema è molto vicino al concetto Training for Life: non si tratta di correggere un singolo numero, ma di costruire un ambiente biologico favorevole. Pressione, LDL, glicemia, sonno, esercizio e composizione corporea non sono capitoli separati: sono parti dello stesso sistema.

3. Muscolo, forza e autonomia

La longevità passa dal muscolo. La massa muscolare non è solo estetica o prestazione: è riserva metabolica, protezione dalla fragilità, capacità di alzarsi, camminare, reagire a uno stress, sopportare una malattia.

Le evidenze più recenti sulla prevenzione del declino funzionale e cognitivo mostrano che gli interventi multidominio, cioè quelli che combinano esercizio, alimentazione e stimolazione cognitiva/sociale, sono più promettenti rispetto agli interventi isolati. Una network meta-analysis pubblicata su The Lancet Healthy Longevity nel 2025 ha valutato interventi singoli e multidominio per prevenire il declino cognitivo negli anziani cognitivamente sani.

La direzione è chiara: la prevenzione moderna deve allenare corpo e cervello insieme.

4. Invecchiamento biologico: promettente, ma da interpretare con prudenza

Negli ultimi anni si parla molto di età biologica, orologi epigenetici e biomarcatori dell’invecchiamento. Uno studio del 2025 su Nature Aging, basato sul trial DO-HEALTH, ha valutato vitamina D, omega-3 ed esercizio su 777 anziani, mostrando un piccolo effetto favorevole degli omega-3 su alcuni orologi epigenetici e un effetto additivo della combinazione omega-3, vitamina D ed esercizio su PhenoAge. L’effetto stimato era nell’ordine di pochi mesi su tre anni, quindi interessante ma non miracoloso.

5. Sonno, stress e dimensione psicosociale

La prevenzione fallisce spesso non perché manchino le informazioni, ma perché è difficile mantenere nel tempo i comportamenti corretti. Una scoping review del 2025 su BMC Public Health ha sottolineato il ruolo dei fattori psicosociali nell’aderenza agli interventi di prevenzione cardiovascolare primaria.

Questo è un punto decisivo: non basta prescrivere esercizio e dieta. Bisogna costruire sostenibilità, motivazione, contesto, relazioni e senso.

Nel modello Training for Life, il benessere psico-emotivo non è un’aggiunta “soft”: è una componente biologica della prevenzione.

6. Longevità come resilienza sistemica

La vera prevenzione non è solo evitare la malattia. È aumentare la riserva funzionale.

• Riserva cardiaca.
• Riserva muscolare.
• Riserva metabolica.
• Riserva cognitiva.
• Riserva emotiva.
• Riserva sociale.

Questa è la differenza tra una medicina che aspetta la malattia e una medicina che allena l’organismo a restare efficiente.

La longevità non nasce da un integratore, da un test genetico o da un singolo biomarcatore. Nasce dalla coerenza quotidiana tra movimento, nutrizione, sonno, controllo dello stress, relazioni e prevenzione clinica.

Il messaggio centrale è semplice:

non basta aggiungere anni alla vita; bisogna aggiungere funzione agli anni.

Intelligenza Artificiale e Medicina

Dalla diagnosi alla prevenzione personalizzata

L’intelligenza artificiale (IA) è entrata nella medicina molto più rapidamente di quanto sia avvenuto per molte innovazioni precedenti. In pochi anni è passata dall’essere uno strumento sperimentale per ricercatori e data scientist a una tecnologia capace di supportare diagnosi, interpretare immagini, analizzare dati biologici e assistere il medico nella gestione del paziente.

Come spesso accade, l’entusiasmo è accompagnato da aspettative talvolta irrealistiche e da timori altrettanto eccessivi.

La domanda più interessante non è se l’intelligenza artificiale sostituirà il medico.

La domanda corretta è:

come può l’intelligenza artificiale aumentare le capacità del medico e migliorare la salute delle persone?

Dall’arte medica alla medicina dei dati

Per secoli la medicina si è basata principalmente sull’osservazione clinica.

• Negli ultimi decenni si sono aggiunti:
• esami di laboratorio
• diagnostica per immagini
• genomica
• cartella clinica elettronica
• wearable devices
• monitoraggio remoto

Ogni paziente genera oggi una quantità di dati impensabile solo vent’anni fa.

Il problema non è raccogliere i dati.

Il problema è interpretarli.

L’intelligenza artificiale nasce proprio per questo: individuare pattern complessi all’interno di enormi quantità di informazioni.

• Dove l’IA sta già cambiando la medicina
• Diagnostica per immagini

Radiologia, cardiologia e dermatologia rappresentano probabilmente gli esempi più avanzati.

Gli algoritmi di deep learning possono identificare alterazioni in:

• TAC
• risonanze magnetiche
• radiografie
• immagini retiniche
• lesioni cutanee

In alcuni ambiti le prestazioni raggiungono livelli comparabili a quelli degli specialisti esperti.

L’obiettivo, tuttavia, non è sostituire il medico ma aumentare sensibilità, velocità e standardizzazione.

Cardiologia

La cardiologia è uno dei campi maggiormente coinvolti.

• L’IA viene utilizzata per:
• interpretazione dell’ECG
• riconoscimento di aritmie
• analisi ecocardiografica
• valutazione del rischio cardiovascolare
• previsione di ricoveri e riacutizzazioni

Particolarmente interessante è la capacità di riconoscere segnali invisibili all’occhio umano.

Alcuni algoritmi sono in grado di stimare il rischio di fibrillazione atriale futura partendo da un ECG apparentemente normale.

Wearable e monitoraggio continuo

Forse il settore con il maggiore potenziale per la prevenzione è quello dei dispositivi indossabili.

Orologi, sensori e monitor permettono di raccogliere continuamente informazioni su:

• frequenza cardiaca
• HRV
• attività fisica
• sonno
• glicemia
• temperatura corporea
• saturazione di ossigeno

L’intelligenza artificiale può integrare questi dati e trasformarli in informazioni clinicamente utili.

Qui emerge una nuova visione della medicina:

non più misurazioni occasionali, ma monitoraggio continuo dello stato funzionale dell’organismo.

È una prospettiva particolarmente coerente con il modello Training for Life.

Dalla medicina delle malattie alla medicina delle traiettorie

Tradizionalmente la medicina interviene quando compare un sintomo.

L’IA apre la possibilità di identificare deviazioni precoci dalla normalità.

Non si tratta soltanto di prevedere una malattia.

Si tratta di riconoscere cambiamenti nella traiettoria biologica di una persona.

• Ad esempio:
• riduzione progressiva del fitness cardiorespiratorio
• peggioramento della qualità del sonno
• aumento dello stress fisiologico
• alterazioni del controllo glicemico
• diminuzione della capacità di recupero

Molto prima che compaia una diagnosi.

Medicina personalizzata

La medicina del XX secolo era basata sulla media.

La medicina del XXI secolo cerca di essere personalizzata.

• L’intelligenza artificiale consente di integrare:
• dati clinici
• dati biologici
• genetica
• stile di vita
• attività fisica
• nutrizione

per costruire modelli sempre più individuali.

Due persone con la stessa età e lo stesso colesterolo possono avere profili di rischio molto diversi.

I limiti dell’intelligenza artificiale

L’IA non è onnisciente.

• I suoi limiti sono numerosi:
• qualità dei dati
• bias degli algoritmi
• scarsa rappresentatività di alcune popolazioni
• problemi di privacy
• scarsa interpretabilità di alcuni modelli

Soprattutto, l’IA non comprende il significato umano della malattia.

Può riconoscere pattern.

• Non può sostituire:
• ascolto
• empatia
• giudizio clinico
• relazione medico-paziente
• Il futuro: l’intelligenza aumentata

Probabilmente il termine più corretto non è intelligenza artificiale.

È intelligenza aumentata.

L’obiettivo non è sostituire il professionista.

L’obiettivo è permettere al professionista di prendere decisioni migliori.

Come lo stetoscopio non ha sostituito il medico, così l’intelligenza artificiale non sostituirà il medico competente.

Renderà però il medico competente molto più efficace.

L’intelligenza artificiale rappresenta una delle più grandi opportunità della medicina moderna.

La sua applicazione più promettente non è probabilmente la diagnosi di malattia, ma la promozione della salute.

L’integrazione tra medicina, wearable technology, nutrizione, esercizio fisico e analisi avanzata dei dati potrebbe consentire il passaggio da una medicina reattiva a una medicina preventiva, personalizzata e continua.

In questa prospettiva, il medico del futuro non sarà soltanto il professionista che cura la malattia.

Sarà il professionista che aiuta le persone a mantenere nel tempo la propria capacità di adattamento.

• La vera sfida non è costruire macchine più intelligenti.
• È utilizzare l’intelligenza artificiale per aiutare gli esseri umani a vivere più a lungo, in salute e con maggiore autonomia.

Wearable e monitoraggio della salute: cosa offrono oggi i dispositivi indossabili

I dispositivi wearable hanno smesso di contare solo i passi. Oggi raccolgono in modo continuativo decine di biomarker — variabilità della frequenza cardiaca (HRV), temperatura cutanea, saturazione di ossigeno, attività elettrodermica, frequenza respiratoria — e li combinano in punteggi compositi come Body Battery, Readiness Score, Recovery, Energy Score. Vale la pena capire cosa c’è dietro questi numeri, e cosa la letteratura scientifica dice sulla loro affidabilità.

Monitoraggio del sonno: cosa misurano davvero

Tutti i principali wearable stimano le fasi del sonno (leggero, profondo/slow-wave, REM, veglia) attraverso fotopletismografia (PPG) e accelerometria. I modelli più avanzati aggiungono temperatura cutanea e SpO₂. La domanda rilevante è: quanto sono accurati rispetto alla polisonnografia (PSG), lo standard clinico?

Gli studi indipendenti più recenti (SLEEP Advances 2025; Brigham & Women’s 2024) misurano la concordanza con la PSG usando il coefficiente kappa di Cohen. Oura Ring Gen 4 ottiene il valore più alto testato (kappa 0.65), seguito da Apple Watch (0.53–0.60), Fitbit/Pixel Watch (0.41–0.55), WHOOP (0.37), Withings ScanWatch (0.22) e Garmin (0.21). Un kappa di 0.4–0.6 corrisponde ad «accordo moderato»: nessun wearable raggiunge l’accuratezza di un laboratorio del sonno, ma alcuni ci si avvicinano utilmente per il monitoraggio di tendenza.

Uno studio del 2025 (Physiological Society) ha certificato Oura Ring Gen 4 come il wearable con la migliore accuratezza per HRV e frequenza cardiaca a riposo notturna (coefficiente di correlazione concordanza = 0.99 vs ECG di riferimento). WHOOP ottiene CCC 0.94. L’HRV notturna continua — il parametro più importante per valutare il recupero autonomico — è il punto di forza di Oura e WHOOP; Apple Watch registra invece misurazioni spot-check a intervalli, limitando l’utilità per il monitoraggio fine.

Stress: cosa rilevano i wearable e cosa non rilevano

Nessun wearable misura lo stress direttamente. Misura la risposta fisiologica allo stress: l’attivazione del sistema nervoso autonomo simpatico. I segnali usati sono HRV (riduzione = predominanza simpatica), attività elettrodermica (EDA — segnale più diretto per i picchi acuti), temperatura cutanea (diminuisce sotto stress per vasocostrizione) e frequenza respiratoria. I dispositivi che usano EDA in modo continuo sono Fitbit Sense 2, Google Pixel Watch 2+ e Amazfit Helio Ring. Gli altri si basano solo su HRV.

Punteggi di energia e recupero: utili, ma non validati

Ogni brand ha il suo score composito: Body Battery (Garmin, scala 5–100), Readiness Score (Oura, 0–100), Recovery Score (WHOOP, 0–100%), Daily Readiness (Fitbit/Google), Energy Score (Samsung), Nightly Recharge (Polar), BioCharge (Amazfit). Tutti sintetizzano HRV, frequenza cardiaca a riposo, sonno e attività recente in un numero unico.

La review sistematica più importante su questo tema (Altini & Doherty, Translational Exercise Biomedicine 2025) ha analizzato 14 score compositi di 10 produttori e ha concluso che nessun produttore ha reso pubblico l’algoritmo esatto, pochi hanno fornito validazione empirica peer-reviewed, e la validità clinica rimane non dimostrata. Il Body Battery di Garmin ha mostrato una correlazione di −0.082 con l’energia soggettiva percepita in uno studio indipendente — sostanzialmente trascurabile.

Salute cardiaca: ECG, HRV e SpO₂

Sul piano della salute cardiaca alcune funzioni hanno una validazione clinica solida. L’ECG a singola derivazione per la rilevazione della fibrillazione atriale è oggi disponibile su Apple Watch (FDA cleared), Samsung Galaxy Watch 7 (FDA authorized), Withings ScanWatch 2 (CE Medical + FDA, sensibilità 96.3%) e Fitbit Sense 2 / Pixel Watch. Il monitoraggio SpO₂ notturno per la rilevazione di disturbi respiratori (apnea) è stato approvato FDA su Apple Watch Series 9+, Samsung Galaxy Watch 7 e Withings ScanWatch 2. La temperatura cutanea notturna — presente su Oura, Apple Watch, Samsung, Garmin (modelli selezionati), WHOOP e Withings — è uno dei biomarker più utili per rilevare precocemente variazioni dello stato di salute e per il tracciamento del ciclo mestruale.

Panoramica per brand

Garmin (Fenix, Forerunner, Venu): ecosistema più completo per atleti endurance. GPS avanzato, VO₂max, Training Load, Body Battery, HRV Status, Morning Report, Health Status (confronto 5 biomarker notturni con baseline personale). Nessun abbonamento.

Oura Ring Gen 4: miglior accuratezza HRV e sleep staging tra i wearable testati. Readiness Score, temperatura notturna, SpO₂, rilevazione disturbi respiratori. Abbonamento mensile per le funzionalità avanzate.

WHOOP 5.0: orientato al recupero e alla performance. Sleep Coach, Recovery Score, Strain Score, HRV continua. Novità 2025: Healthspan Score e WHOOP Age. AI Coach (GPT-4). Abbonamento obbligatorio, nessuno schermo.

Apple Watch Series 11: ECG FDA, rilevazione apnea notturna FDA, temperatura, Sleep Score (watchOS 26). HRV non continua durante la notte. Ottima integrazione con Apple Health.

Samsung Galaxy Watch 7: unico con BIA (bioimpedenza) per composizione corporea, ECG FDA, rilevazione apnea, Energy Score con Galaxy AI.

Fitbit Sense 2 / Google Pixel Watch 2+: unici con EDA continua (cEDA), rilevamento più diretto dei picchi di stress simpatico. Daily Readiness, sleep staging, ECG FDA. Google Health Coach powered by Gemini.

Polar (Vantage V3, Ignite 3): Nightly Recharge basato su ANS Charge (HRV notturna) e Sleep Charge. Forte tradizione nella fisiologia dell’esercizio.

Withings ScanWatch 2: design ibrido classico, 35 giorni di batteria, ECG con validazione CE Medical (sensibilità AFib 96.3%), SpO₂ notturna, rilevazione apnea FDA, HRV notturna. Ideale per chi cerca strumenti clinicamente validati in un formato discreto.

Amazfit Helio Ring: anello smart con EDA + HRV + temperatura, BioCharge readiness score, nessun abbonamento.

Come leggere i dati dei wearable