Antecedentes: La actividad electrodermal (EDA) sirve como una señal biológica prominente para evaluar la activación simpática en diversos escenarios. Investigaciones previas han sugerido una conexión entre la EDA y las fluctuaciones en la enfermedad de Parkinson (EP), pero su utilidad precisa para detectar de manera confiable estas fluctuaciones ha permanecido inexplorada. Este estudio tiene como objetivo evaluar la eficacia de análisis básicos y avanzados de cambios en la EDA para identificar la transición al estado ON después de la administración de medicamentos dopaminérgicos en individuos con EP. Métodos: En este estudio observacional, se inscribieron 19 individuos con EP. La EDA se registró continuamente utilizando el dispositivo Empatica E4, llevado en la muñeca, durante la transición del estado OFF al estado ON después de la ingesta de levodopa. La señal cruda de EDA se sometió a preprocesamiento y evaluación a través de tres enfoques distintos. Se construyó un modelo de regresión logística para evaluar la significancia de las variables que predicen el estado ON/OFF, y se desarrollaron modelos de máquina de vectores de soporte (SVM) junto con varias configuraciones de Redes Neuronales (NN) para una predicción precisa del estado. Resultados: Se identificaron diferencias entre los estados ON y OFF tanto en el dominio del tiempo como en el de la frecuencia, así como a través de la utilización de técnicas de optimización convexa. Los modelos SVM y NN demostraron resultados altamente prometedores para distinguir efectivamente entre los estados OFF y ON. Conclusiones: Evaluar los cambios en la activación simpática a través de medidas de EDA tiene un gran potencial para detectar fluctuaciones no motoras en la EP. El algoritmo SVM, en particular, arroja resultados precisos para predecir estos estados de fluctuación no motora.