Entre las muchas tecnologías que compiten por el Internet de las Cosas (IoT), una de las tecnologías más prometedoras y de más rápido crecimiento en este ámbito es la Red de Área Amplia de Bajo Consumo de Energía (LPWAN). La cobertura de LoRa, una de las principales tecnologías LPWAN para IoT, ha sido estudiada previamente para entornos exteriores. Sin embargo, este artículo se centra en la propagación de extremo a extremo en un escenario exterior-interior. Este artículo investigará cómo se interpretan las métricas exteriores informadas y documentadas para un entorno interior. Además, para facilitar la planificación de redes y la predicción de cobertura, se ha desarrollado y examinado un novedoso método de estimación de propagación híbrida. Este modelo híbrido está compuesto por una red neuronal artificial (ANN) y un Modelo Multi-Paredes Optimizado (MWM). Posteriormente, se recopilaron mediciones del mundo real y se compararon con diferentes modelos de propagación. Para el benchmarking, se utilizaron los modelos de distancia logarítmica y COST231 debido a su simplicidad. Se observó y se concluyó que: (a) la propagación de la Red de Área Amplia LoRa (LoRaWAN) está limitada a un rango mucho más corto en este entorno investigado en comparación con los informes exteriores; (b) los modelos de distancia logarítmica y COST231 no proporcionan una estimación precisa de las características de propagación para escenarios exteriores-interiores; (c) esta falta de precisión puede abordarse ajustando el modelo COST231 para tener en cuenta la propagación exterior; (d) una red neuronal feedforward combinada con un modelo COST231 mejora la precisión de las predicciones. Este trabajo demuestra resultados prácticos y proporciona una visión de la propagación de LoRaWAN en escenarios similares. Esto podría facilitar la planificación de redes para entornos exteriores-interiores.