目的：利用经济有效且易于获得的患者特征和临床生物标志物，建立一个精确的糖尿病视网膜病变（diabetic retinopathy，DR）风险预测模型。
方法：研究共收集 18,904 例 2 型糖尿病（diabetes mellitus type 2，T2DM）患者的临床资料，在排除缺失数据和异常数据后，最终纳入 13,980 例患者。采用最小绝对收缩与选择算子模型（Lasso 回归）结合多因素 Logistic 回归分析筛选预测变量并建立预测模型。最后在训练组和验证组中分别使用 AUC/Harrell's C 统计值、校准曲线和决策曲线分析对预测模型的区分度、校准度和临床有效性进行评估。
结果：通过 Lasso 回归结合多因素 Logistic 回归分析选择候选预测变量。最后，候选预测变量包括糖尿病周围神经病变、年龄、中性粒细胞、高密度脂蛋白、糖化血红蛋、糖尿病持续时间和糖化血清蛋白用于建立发生 DR 风险的列线图模型。在训练组中，受试者工作特征曲线下面积（AUC）为 0.882（95%CI：0.875-0.888）。验证组的 AUC 为 0.870（95%CI：0.856-0.881）。同时，开发组和验证组的 C 统计值分别为 0.878 和 0.867。决策曲线分析表明，列线图在临床上是有效的。
结论：我们构建并验证了能够精准预测 2 型糖尿病患者发生 DR 风险的列线图，可用于预测新疆 DR 患者的个性化风险。
关键词：糖尿病周围神经病变、危险因素、预测模型、列线图