La satisfacción del paciente y la eficiencia operativa son críticas en el sector de la salud. Los largos tiempos de espera afectan negativamente la experiencia del paciente y el rendimiento del hospital. Abordar estos problemas requiere predicciones precisas del tiempo del sistema y estrategias accionables. Este documento presenta un marco híbrido que combina modelado predictivo y optimización para reducir los tiempos del sistema y mejorar la satisfacción, centrándose en el registro, signos vitales y consulta médica. Hemos evaluado tres modelos predictivos: regresión lineal múltiple (MLR), regresión con transformación logarítmica (LTMLR) y redes neuronales artificiales (ANN). El modelo MLR tuvo el mejor rendimiento, con un R2 de 0.93, un MAE de 7.29 min y un RMSE de 9.57 min. MLR fue elegido para la optimización debido a su precisión y eficiencia, haciéndolo ideal para la implementación. El marco híbrido combina el modelo MLR con un sistema de optimización basado en simulación para reducir los tiempos de espera y procesamiento, considerando restricciones de recursos como el personal y la carga de pacientes. Al simular varios escenarios, el marco identifica cuellos de botella clave y asigna recursos de manera efectiva. La reducción de los tiempos de espera en el registro y la consulta médica se identificaron como áreas principales de mejora. Los factores de eficiencia se aplicaron para optimizar los tiempos de espera y procesamiento. Estos factores incluyen aumentar el personal durante las horas pico, mejorar los flujos de trabajo y automatizar tareas. Como resultado, el tiempo de espera en el registro disminuyó un 15%, los signos vitales un 20% y la consulta médica un 25%. Los tiempos de procesamiento mejoraron un 10-15%, lo que llevó a una reducción promedio de 22.5 min en el tiempo total del sistema. Este documento presenta un sistema híbrido de apoyo a decisiones que integra análisis predictivo con mejoras operativas. Al combinar el modelo MLR con la simulación, los gestores de salud pueden predecir los tiempos de los pacientes y probar estrategias en un entorno simulado sin riesgos. Este enfoque permite la toma de decisiones en tiempo real y la exploración de escenarios sin interrumpir las operaciones. Esta metodología destaca cómo la reducción de los tiempos de espera tiene un impacto directo en la satisfacción del paciente y la eficiencia operativa del hospital, ofreciendo una solución aplicable que no requiere cambios estructurales significativos. Los resultados son prácticos e implementables en entornos de salud con recursos limitados, permitiendo una gestión optimizada del personal y del flujo de pacientes.