背景：COVID-19大流行迅速发展，对最易感染的患者进行分层的能力至关重要。然而，常规使用的严重程度评分系统在诊断上往往很低，即使在非幸存者中也是如此。因此，迫切需要建立临床死亡率预测模型。方法：利用武汉同济医院299例COVID-19阳性患者的临床资料，建立多变量logistic回归模型并进行内部验证。外部验证采用武汉市金银滩医院的回顾性队列研究（145例）。在这些急性环境中通常测量的9个变量被考虑用于模型开发，包括年龄、生物标记物和共病。逆向逐步选择和bootstrap重采样用于模型开发和内部验证。我们通过C统计量来评估判别，并在大的、校准斜率和曲线图中使用校准进行校准。结果：最终模型包括年龄、淋巴细胞计数、乳酸脱氢酶和血氧饱和度作为死亡率的独立预测因子。该模型在内部（c=0.89）和外部（c=0.98）验证中均具有良好的鉴别能力。内部校准非常好（校准斜率=1）。外部验证显示，在重新校准之前，低风险个体的风险预测过高，而高风险个体的风险预测过低。对截距和斜率的重新校准使模型在独立数据中具有良好的性能。解释：COVID-19是一种新的疾病，其表现与常见的危重病不同。本研究提供了一个新的预测模型来识别致死COVID-19患者。它对常用参数的实际依赖应提高有限医疗资源的利用率和患者生存率。
