一种基于机器学习的疾病负担预测与防控决策方法及系统

本发明提供了一种基于机器学习的疾病负担预测与防控决策方法及系统，涉及疾病预测和公共卫生决策技术领域，该方法包括：从权威数据库获取结核病及相关疾病流行病学数据，并对其进行预处理；分别训练XGBoost模型、RF模型和Prophet模型；采用Stacking融合策略，训练随机森林元模型，构建混合预测模型；计算RMSE、MAE、MAPE和R²指标评估模型性能；基于得到的混合预测模型；基于变量重要性分析结果和预测结果，量化关键自变量对结核病负担因变量的影响，模拟自变量变化对因变量的效应，生成结核病防控干预策略建议。本发明通过融合多源数据与混合建模技术，显著提升结核病预测精度，并首次将置信区间量化与防控策略联动，为全球结核病防控提供数据驱动的决策支持。