目的：本研究的目的是建立基于临床和血液学参数的免疫检查点抑制剂（immune checkpoint inhibitors,ICIs）治疗的恶性肿瘤患者的免疫相关不良事件（immune-related adverse effects,irAEs）预测模型，如果经过验证，这些标记物的优点是易于整合到临床使用中，成本低廉。方法：本研究是对2016年1月到2020年12月在天津医科大学肿瘤医院和山西白求恩医院接受至少一剂ICIs治疗的恶性肿瘤患者的回顾性研究。收集了基线特征、治疗细节和不良事件的数据。采用t检验、χ~2检验和Logistic回归等方法确定影响因素，建立预测模型。结果：任何级别和3级及以上的irAEs发生率分别为16.03%（76/474）和2.32%（11/474），其中最常见的分别为内分泌毒性37.1%（39/105）和肺炎7.6%（8/105）。多因素分析显示，2线治疗irAEs发生的风险更大[比值比（Odds Ratio,OR）=3.302]；球蛋白（OR=1.086）与irAEs的发生呈正相关，而直接胆红素（direct bilirubin,DBIL）（OR=0.723）与其呈负相关（P<0.05）。最终建立了基于“ICIs类型、治疗线数、球蛋白、DBIL和淋巴细胞/单核细胞比值（lymphocyte to monocyte ratio,LMR）”的预测模型，其受试者工作特征（receiver operating characteristic,ROC）曲线下面积（area under the curve,AUC）为0.775,95%CI:0.711～0.840,P<0.05，临界值为0.118，敏感度为92.5%，特异度为56.6%。结论：基于ICIs类型、治疗线数、球蛋白、DBIL和LMR的预测模型对单纯接受ICIs的恶性肿瘤患者的irAEs预测效果较好，其中治疗线数、球蛋白和DBIL是irAEs发生的独立预测因素。ICIs作为2线治疗以及治疗前高球蛋白和低DBIL的人群发生irAEs的风险较高。