目的:本研究旨在建立急性冠脉综合征（Acute Coronary Syndrome,ACS）患者住院期间主要不良心脑血管事件（Major Adverse Cardiovascular and Cerebrovascular Events,MACCE）发生的预测模型。方法:选取2014年11月至2019年10月收住入东南大学附属中大医院心血管内科的1053例ACS患者作为研究对象,将2018年之前入院的分入训练集（n=772）,2018年后入院的分入验证集（n=281）,收集患者的基线特征、既往史和辅助检查结果,建立了一个可以预测ACS患者的院内MACCE（全因死亡、非致死性心肌梗死、非致死性卒中、新发心力衰竭和计划外血管重建术）的模型。该模型基于患者的基线特征、既往病史和辅助检查。通过受试者工作特征曲线下面积（Area Under the Receiver Operating Characteristic Curve,AUC）、校正图和决策曲线分析（Decision Curve Analyses,DCA）来评估模型预测准确性和临床实用性。结果:150例（14.2%）患者在院内发生MACCE。最终预测模型由9个变量组成:年龄、心率、收缩压（Systolic Blood Pressure,SBP）、Killip分级、低密度脂蛋白胆固醇/高密度脂蛋白胆固醇（Low-density Lipoprotein Cholesterol to High-density Lipoprotein Cholesterol Ratio,LHR）、空腹血糖（Fasting Blood-glucose,FBG）、脑利钠肽（B-type Natriuretic Peptide,BNP）水平、入院前血管紧张素受体阻滞剂（Angiotensin Receptor Blocker,ARB）的使用和是否合并房颤。最终的模型由列线图形式展示。预测模型预测ACS患者住院期间发生MACCE的准确性优于全球急性冠状动脉事件登记（the Global Registry of Acute Coronary Events,GRACE）评分(AUC预测模型=0.862,AUCGRACE=0.816,P＜0.05),在验证集仍保持了良好的预测效能（AUC=0.780）,预测模型具有良好的区分度,且预测效能稳定。模型通过了校准度检验,证明其预测结局与实际发生结局具有一致性。决策曲线显示该预测模型具有临床应用效能。结论:新模型能有效预测ACS患者院内MACCE的发生,有助于在院期间早期识别高危人群并加以干预,进而减少不良事件的发生。