El impacto negativo de la información falsa en las redes sociales está creciendo rápidamente. La investigación actual sobre el tema se centra en la detección de noticias falsas en un contexto o evento particular (como elecciones) o utilizando datos de un período corto de tiempo. Por lo tanto, falta una evaluación de las propuestas actuales en un escenario a largo plazo donde los temas discutidos pueden cambiar. En este trabajo, nos desviamos de los enfoques actuales del problema y en cambio nos enfocamos en una evaluación longitudinal utilizando publicaciones en redes sociales que abarcan un período de 18 meses. Evaluamos diferentes combinaciones de características y modelos supervisados en un escenario a largo plazo donde los datos de entrenamiento y prueba están ordenados cronológicamente, y así la robustez y estabilidad de los modelos pueden ser evaluadas a lo largo del tiempo. Experimentamos con 3 escenarios diferentes donde los modelos se entrenan con períodos de datos de 15, 30 y 60 días. Los resultados muestran que los modelos de detección entrenados con características de incrustación de palabras son los que tienen un mejor rendimiento y son menos propensos a ser afectados por el cambio de temas (por ejemplo, el surgimiento de teorías de conspiración sobre COVID-19). Además, los días adicionales de datos de entrenamiento también aumentan el rendimiento de las mejores combinaciones de características/modelo, aunque no de manera muy significativa (alrededor del 2%). Los resultados presentados en este documento sientan las bases para un enfoque más pragmático hacia la evaluación de modelos de detección de noticias falsas en redes sociales.