背景 2 型糖尿病周围神经病变 (DPN) 患病率高, 危害性大, 目前尚无有效的治疗方法. 目的探讨 DPN 的危险因素, 旨在建立并验证一种辅助临床预测 DPN 患者的可视化评价工具. 方法收集 2010—2019 年在新疆医科大学第一附属医院就诊的 15 020 例 2 型糖尿病 (T2DM) 患者, 按照 3∶ 1 的比例将患者随机分为训练组 (n= 11 265) 和验证组 (n= 3 755). 收集患者的一般资料和生化资料. 通过 Lasso 回归分析筛选独立预测因子, 在此基础上利用多因素 Logistic 回归分析进一步探讨并建立列线图预测模型, 并由验证组评估 DPN 列线图预测模型的可行性. 最后, 分别采用受试者工作特征 (ROC) 曲线下面积 (AUC), 校正曲线和决策曲线分析 (DCA) 对预测模型的鉴别能力, 准确性和临床实用性进行评估. 结果 15 020 例 T2DM 患者中, 无 DPN 患者 8 887 例, DPN 患者 6 133 例. Lasso 回归结合多因素 Logistic 回归分析结果显示, 年龄 [OR= 1.034, 95% CI (1.031, 1.039)], 糖尿病视网膜病变 (DR)[OR= 11.881, 95% CI (10.756, 13.135)], 糖尿病病程 [OR= 1.070, 95% CI (1.061, 1.078)], 糖化血红蛋白 (HbA1c)[OR= 1.237, 95% CI (1.209, 1.266)], 高密度脂蛋白 (HDL)[OR= 0.894, 95% CI (0.877, 0.901)] 是 T2DM 患者发生 DPN 的影响因素 (P< 0.05). 利用上述变量建立列线图预测模型. 训练组中列线图预测模型预测 DPN 发生的 AUC 为 0.858 [95% CI (0.851, 0.865)], 验证组中列线图预测模型预测 DPN 发生的 AUC 为 0.852 [95% CI (0.840, 0.865)]. Hosmer-Lemeshow 拟合优度检验显示出较好的拟合度 (P> 0.05). DCA 显示当患者的阈值概率为 0~ 0.9, 使用列线图预测模型预测 DPN 风险的净收益更高. 结论本研究成功建立并验证一种高精度的列线图预测模型 (预测变量包括年龄, DR, 糖尿病病程, HbA1c, HDL), 有助于提高 DPN 高危患者的早期识别和筛选能力.