La analítica predictiva utilizando datos de registros de salud electrónicos (EHR) ha avanzado rápidamente en la última década. Aunque las métricas de rendimiento de los modelos han mejorado considerablemente, las mejores prácticas para implementar modelos predictivos en entornos clínicos para la estratificación de riesgos en el punto de atención aún están evolucionando. Aquí, realizamos una revisión sistemática de artículos que describen modelos predictivos integrados en sistemas EHR y aplicados en la práctica clínica. Llevamos a cabo una búsqueda exhaustiva en bases de datos y extrajimos datos que abarcan múltiples facetas de la implementación. Evaluamos la calidad del estudio y el nivel de evidencia. Obtuvimos un conjunto inicial de 3393 artículos para su revisión, de los cuales se incluyó un conjunto final de 44 artículos para la extracción y análisis de datos. Los dominios clínicos más comunes de los modelos predictivos implementados estaban relacionados con trastornos trombóticos/anticoagulación (25%) y sepsis (16%). La mayoría de los estudios se realizaron en entornos académicos de pacientes hospitalizados. Los desafíos de implementación incluyeron fatiga por alertas, falta de capacitación y aumento de la carga de trabajo en el equipo de atención. De 32 estudios que informaron sobre efectos en los resultados clínicos, 22 (69%) demostraron mejora después de la implementación del modelo. En general, los modelos predictivos basados en EHR ofrecen resultados prometedores para mejorar los resultados clínicos, aunque persisten varias lagunas en la literatura y la mayoría de los diseños de estudio fueron observacionales. Estudios futuros utilizando ensayos controlados aleatorios pueden ayudar a mejorar la generalizabilidad de los hallazgos.