La variabilidad se define como la propensión con la que es probable que cambie una señal dada. Hay muchas opciones para medir la variabilidad, y generalmente no se sabe cuáles ofrecen mejores propiedades. Este documento compara diferentes métricas de variabilidad aplicadas a series temporales muestreadas de manera irregular (no uniforme), que tienen importantes aplicaciones clínicas, especialmente en la atención de la salud mental. Utilizando tanto datos sintéticos como reales de pacientes, identificamos las medidas de variabilidad más robustas e interpretables de un conjunto de 21 candidatos. Algunos de estos candidatos también se proponen en este trabajo basándose en las pendientes absolutas de las series temporales. Un experimento adicional con datos sintéticos muestra que cuando la serie temporal completa es desconocida, como sucede con datos reales, existe un sesgo no despreciable a favor de métricas normalizadas y/o basadas en las observaciones en bruto de la serie. Por lo tanto, solo los resultados de los experimentos sintéticos, que tienen acceso a la serie completa, deben utilizarse para sacar conclusiones. En consecuencia, la desviación absoluta mediana del valor absoluto de las pendientes sucesivas de los datos es la mejor manera de medir la variabilidad para este tipo de series temporales.