El monitoreo y control de la condición de las personas postradas puede ayudar a reducir los riesgos para la salud, ya que hábitos nocturnos inadecuados o una mala posición del cuerpo pueden agravar problemas como la apnea, el insomnio, los trastornos del sueño, los problemas de columna y las úlceras por presión. Las técnicas que utilizan mapas de presión de sensores colocados sobre el colchón, junto con algoritmos de aprendizaje automático (ML) para clasificar las principales posturas (boca abajo, boca arriba, lado izquierdo, lado derecho), han logrado hasta un 99% de precisión. Este estudio evaluó la viabilidad de utilizar una hoja de sensor colocada debajo del colchón para minimizar la incomodidad del paciente. Los experimentos con diez algoritmos de ML comúnmente utilizados lograron valores de precisión promedio que oscilan entre el 79.14% y el 98.93% utilizando validación cruzada K-Fold y entre el 80.03% y el 97.14% utilizando Leave-One-Group-Out (LOGO) para clasificar las cuatro principales posturas. La clasificación se amplió para incluir 28 variaciones de postura (7 variaciones para cada una de las 4 principales posturas), con el algoritmo SVM logrando una precisión del 65.18% en la validación K-Fold, marcando una mejora significativa con respecto a estudios anteriores, particularmente en lo que respecta al número de posturas consideradas. Las comparaciones con estudios anteriores que utilizaron sensores de presión colocados tanto debajo como sobre el colchón muestran que este enfoque logra una precisión comparable a otros métodos, superándolos con algunos algoritmos y alcanzando la mayor precisión promedio. En conclusión, el uso de sensores debajo del colchón es una alternativa efectiva y menos invasiva para la clasificación de posturas.