简介：摘要目的建立预测2型糖尿病（T2DM）外周血管疾病（PAD）发病风险的列线图模型。方法回顾性收集2017年12月至2020年8月于石家庄市第二医院就诊的1 851例T2DM患者，采用简单随机抽样方法按3∶1比例分为训练集（1 389例）和验证集（462例）。收集受试者的一般资料、体格检查指标、生化指标。收集的资料用于评估T2DM合并PAD的风险。通过运行RStudio软件，使用LASSO回归分析以及交叉验证，来筛选最佳预测因子，采用多因素logistic回归建立预测模型，引入从LASSO回归筛选出的预测因子，进而构建预测T2DM患者PAD风险列线图模型，采用受试者工作特征（ROC）曲线、校正及决策曲线评估模型的效能。结果在训练集中，LASSO结合logistic回归分析结果显示，年龄（OR=1.034，95%CI 1.020~1.047）、吸烟（OR=2.363，95%CI 1.720~2.804）、饮酒（OR=3.692，95%CI 2.618~5.230）、糖尿病病程（OR=1.040，95%CI 1.006~1.076）、收缩压（OR=1.026，95%CI 1.014~1.039）、高密度脂蛋白胆固醇（OR=0.467，95%CI 0.276~0.779）、低密度脂蛋白胆固醇（OR=1.459，95%CI 1.239~1.721）、白细胞计数（OR=1.137，95%CI 1.027~1.260）、血小板分布宽度（OR=1.285，95%CI 1.202~1.375）、大血小板比率（OR=0.911，95%CI 0.890~0.931）和降压药使用（OR=0.422，95%CI 0.322~0.551）是T2DM合并PAD的影响因素，差异均具有统计学意义（P<0.001）。训练集和验证集预测T2DM患者PAD发病风险的AUC、灵敏度、特异度分别为0.819（95%CI 0.796~0.842，P<0.001）、70.5%、82.9%和0.821（95%CI 0.779~0.862，P<0.001）、78.3%、75.4%。临床决策曲线显示，在训练集和验证集中，当PAD风险阈值概率分别在31%~81%和37%~94%之间时，预测T2DM患者PAD发病风险的净收益更高。结论本研究成功构建一种准确性高、性能优良的预测T2DM患者PAD发病风险的实用列线图模型。