Las fracturas de fémur son un problema frecuente en las personas mayores, y se ha demostrado que tratarlas con un camino de diagnóstico-terapéutico-asistencial dentro de las 48 h de ingreso al hospital reduce las complicaciones y acorta la duración de la estancia hospitalaria (LOS). En este documento, se utilizaron los datos preoperatorios de 1082 pacientes para ampliar aún más la investigación anterior y generar varios modelos capaces de predecir el LOS general: primero, el LOS, medido en días, se predijo a través de un análisis de regresión; luego, se agrupó por semanas y se predijo con un análisis de clasificación. La plataforma de análisis KNIME se aplicó para dividir el conjunto de datos para una validación cruzada de retención, realizar una regresión lineal múltiple e implementar algoritmos de aprendizaje automático. El mejor coeficiente de determinación (R) se logró con la máquina de vectores de soporte (R = 0.617), mientras que el error absoluto medio fue similar para todos los algoritmos, oscilando entre 2.00 y 2.11 días. En cuanto al análisis de clasificación, todos los algoritmos superaron el 80% de precisión, y el algoritmo más preciso fue la red de función de base radial, con un 83.5%. El uso de estas técnicas podría ser una herramienta de apoyo valiosa para que los médicos gestionen mejor los departamentos de ortopedia y todos sus recursos, lo que reduciría tanto el desperdicio como los costos en el contexto de la atención médica.