目的 基于超声及血脂检验指标构建预测冠心病(coronary heart disease, CHD)发病的Nomogram模型，探究CHD患者风险因素，以实现对早期CHD风险的评估，为干预治疗提供科学依据。方法 采用回顾性研究设计，搜集2022年7月至2024年5月在安徽理工大学第一附属医院心内科住院的180例患者，其中90例经冠状动脉造影术确诊为CHD的患者为CHD组，经冠脉造影术检测阴性的患者90例为对照组，两组均行心脏超声检查。分析两组患者超声参数和血脂检验指标，进行多因素Logistic回归分析，并基于此构建Nomogram模型，利用受试者工作特征(receiver operating characteristic, ROC)曲线、校准曲线和决策曲线分析(decision curve analysis, DCA)对该模型的区分度、校准度及临床适用性进行验证。结果 (1)CHD组超声参数左房内径(left atrial diameter, LAD)和室间隔厚度(interventricular septal thickness, IVS)高于对照组(P<0.05),两组患者在左室舒张末容积(left ventricular end diastolic volume, LVEDV)及左室后壁厚度(left ventricular posterior wall thickness, LVPW)参数上差异无统计学意义(P>0.05)。(2)CHD组血脂指标包括总胆固醇(total cholesterol, TC)、甘油三酯(triglyceride, TG)、低密度脂蛋白(low density lipoprotein, LDL)与载脂蛋白B(apoli-poprotein B,ApoB)均高于对照组，而高密度脂蛋白(high density lipoprotein, HDL)与载脂蛋白A(apolipoprotein A,ApoA)均低于对照组(P<0.05)。(3)经多因素Logistic回归分析，LAD、IVS、TC、LDL升高和HDL降低均是CHD发病的独立危险因素(P<0.05)。(4)构建CHD Nomogram预测模型，该模型的ROC曲线显示曲线下面积(area under the curve, AUC)为0.894,表明其具有良好的区分度。(5)校准图显示预测值与实测值接近，证明了该模型的准确性。(6)DCA分析结果显示，该预测模型具有较高的临床应用价值。结论 本研究基于心脏超声参数和血脂检验指标，构建预测CHD风险的Nomogram模型，为CHD高风险患者早期干预治疗方案提供依据，在临床实践中具有较好的应用价值。