El objetivo de este estudio fue mejorar la capacidad diagnóstica de los clasificadores de riesgo de caídas utilizando un enfoque bayesiano y el algoritmo de Recocido Simulado (SA). Un total de 47 características de 181 registros (40 índices del Centro de Presión (CoP) y 7 variables descriptivas del paciente) fueron analizadas. Se aplicó el método de envoltura de selección de características utilizando el algoritmo SA para optimizar la función de coste basada en la diferencia de la media menos la desviación estándar del Área Bajo la Curva (AUC) de los clasificadores de riesgo de caídas a través de múltiples dimensiones. Se utilizó un método de retención estratificada 60-20-20% para conjuntos de entrenamiento, prueba y validación, respectivamente. Los resultados mostraron que aunque se observó el mejor rendimiento con 31 características (0.815 +/- 0.110), se logró una menor variabilidad y una mayor explicabilidad con solo 15 características (0.780 +/- 0.055). Estos hallazgos sugieren que el algoritmo SA es una herramienta valiosa para la selección de características para un diagnóstico aceptable del riesgo de caídas. Este método ofrece un recurso alternativo o complementario en situaciones donde las herramientas clínicas son difíciles de aplicar.