Las enfermedades crónicas representadas por enfermedades circulatorias se han convertido gradualmente en los principales tipos de enfermedades que afectan la salud de nuestra población. Establecer un modelo de predicción de enfermedades del sistema circulatorio para predecir la ocurrencia de enfermedades y controlarlas es de gran importancia para la salud de nuestra población. Este artículo se basa en los datos prospectivos de cohortes de población de enfermedades crónicas en China, y se utilizó el método de Kaplan-Meier para la selección de características, y se introdujo el modelo de análisis médico tradicional representado por el modelo de riesgos proporcionales de Cox y los métodos de investigación de máquinas de aprendizaje de máquinas de soporte vectorial para establecer modelos de predicción de enfermedades del sistema circulatorio. Este documento también intenta introducir la proporción de la variación de la explicación (PEV) y el factor de contracción para mejorar el modelo de riesgos proporcionales de Cox; y el uso del algoritmo de optimización de enjambre de partículas (PSO) para optimizar los parámetros del modelo SVM. Finalmente, se lleva a cabo la verificación experimental de los modelos de predicción anteriores. Este documento utiliza el tiempo de entrenamiento del modelo, la tasa de precisión (ACC), el área bajo la curva (AUC) de la curva característica del operador receptor (ROC) y otros indicadores de pronóstico. Los resultados experimentales muestran que el modelo de predicción de enfermedades PSO-SVM-CSDPC y el modelo de predicción de enfermedades del sistema circulatorio S-Cox-CSDPC tienen ventajas en velocidad de resolución del modelo, resultados de predicción precisos y capacidad de generalización sólida, lo que es útil para la intervención y control de enfermedades crónicas.