La enfermedad de Parkinson (EP) es un trastorno neurológico que afecta gravemente la función motora, especialmente la marcha, lo que requiere instrumentos de diagnóstico y evaluación precisos. Este estudio presenta la Entropía de Muestra Multiescalar Densa (DM-SamEn) como un método innovador para disminuir las dimensiones de las características mientras se mantiene la singularidad de las características de la señal. DM-SamEn emplea un mecanismo de ponderación que considera las propiedades dinámicas de la señal, reduciendo así la redundancia y mejorando la distintividad de las características extraídas de las señales de fuerza de reacción vertical del suelo (VGRF) en pacientes con enfermedad de Parkinson. Posteriormente al proceso de extracción, la selección de características basada en correlación (CFS) y la selección hacia atrás secuencial (SBS) refinan los conjuntos de características, mejorando la precisión algorítmica. Para validar la etapa de extracción y selección de características, se emplearon tres clasificadores: K-Vecinos más Cercanos Ponderados Adaptativos (AW-KNN), Máquina de Soporte de Función de Base Radial (RBF-SVM) y Perceptrón Multicapa (MLP) para evaluar la eficacia de clasificación y determinar el rendimiento óptimo a través de estrategias de selección, incluyendo CFS, SBS y el enfoque híbrido SBS-CFS. Se utilizó la validación cruzada K-fold para proporcionar una evaluación mejorada del rendimiento del modelo al evaluar el modelo en varios subconjuntos de datos, mitigando así el riesgo de sobreajuste y aumentando la robustez de los resultados. Como resultado, el modelo demostró una capacidad significativa para diferenciar entre pacientes con EP y controles sanos, con una precisión de clasificación reportada como ACC [CI 95%: 97.82-98.5%] para la identificación de la enfermedad y ACC [CI 95%: 96.3-97.3%] para la evaluación de la gravedad. El rendimiento óptimo se logró principalmente a través de conjuntos de características elegidos utilizando los métodos SBS y SBS-CFS integrados. Los hallazgos destacan el potencial del modelo como un instrumento efectivo para diagnosticar la EP y evaluar su gravedad, contribuyendo a los avances en la gestión clínica de la condición.