目的：冠心病患者因疾病管理不当经常需要再次住院。预测模型在早期发现可能的再入院情况中起着至关重要的作用。本系统评价进行统一评估，旨在为加强预测模型和制定预防策略奠定基础。

方法：通过对五个数据库（PubMed、Web of Science、EBSCOhost、Embase、知网），自建库至2023年9月的所有文章进行检索，为本系统评价确定了有关冠心病患者再入院预测模型的研究。两位独立审稿人使用CHARMS核对表进行数据提取，并使用PROBAST工具进行偏倚评估。

结果：从12,457条记录中筛选出15项研究，这些研究提供了30个模型，主要针对中国、美国和加拿大的不同冠心病患者群体（AMI、CABG、ACS）。模型采用了逻辑回归和机器学习等多种方法，主要通过c指数来衡量性能。主要预测因素包括年龄、性别和住院时间。研究中的再入院率从4.8%到45.1%不等。尽管各模型之间存在较高的偏差风险，但仍有几个模型显示出显著的准确性和校准性。

结论：未来的相关研究应加强外部验证，并参考PROBAST工具来减少预测冠心病患者再入院模型的偏移。