La catástrofe financiera resultante de los pagos de su bolsillo necesarios para acceder y utilizar los sistemas de atención médica ha sido ampliamente estudiada en la literatura. El objetivo de este trabajo es predecir el impacto de la catástrofe financiera que enfrentará un hogar como resultado de los pagos de su bolsillo en la atención a largo plazo en España. Estas predicciones se realizaron utilizando técnicas de aprendizaje automático como la regresión penalizada LASSO (Least Absolute Shrinkage and Selection Operator) y elastic-net, así como algoritmos como vecinos más cercanos (KNN), MARS (Splines de Regresión Adaptativa Multivariable), bosque aleatorio, árboles potenciados y SVM (Máquina de Vectores de Soporte). Los resultados revelan que todos los métodos de clasificación funcionaron bien, con los modelos complejos teniendo un mejor rendimiento que los más simples y no mostrando evidencia de sobreajuste. Detectar y definir los perfiles de individuos y familias más propensos a sufrir una catástrofe financiera es crucial para permitir el diseño de políticas financieras dirigidas a proteger a los grupos vulnerables.