(1) Antecedentes: Un modelo de predicción de enfermedades derivado de datos del mundo real es una herramienta importante para el manejo de la diabetes mellitus tipo 2 (DM2). Sin embargo, aún no se ha desarrollado un modelo de predicción apropiado para la población asiática con DM2. Por lo tanto, este estudio describió los detalles de la construcción del modelo de Cuidado Holístico de la DM2 mediante la estimación de la probabilidad de complicaciones relacionadas con la diabetes y el tiempo hasta la ocurrencia a partir de una base de datos poblacional. (2) Métodos: El modelo se basó en la base de datos de un esquema de reembolso por rendimiento en Taiwán para la DM2 entre noviembre de 2002 y julio de 2017. Se aplicó un modelo de Markov no homogéneo para simular la probabilidad de transición multistado (7 complicaciones principales y muerte) después de considerar las dificultades secuenciales y repetidas. (3) Resultados: El modelo de Markov se construyó a partir de información de atención clínica de 163,452 pacientes con DM2, con un tiempo medio de seguimiento de 5.5 años. Después de simular una cohorte de 100,000 pacientes hipotéticos durante un horizonte temporal de 10 años basado en características seleccionadas de los pacientes en la línea de base, se validaron buenas tasas de complicaciones y mortalidad predichas con un pequeño rango de error absoluto (0.3-3.2%) en la cohorte original. Se confirmaron mejores y óptimas predictividades en comparación con el modelo de resultados del UKPDS y se aplicó el modelo a otras poblaciones asiáticas, respectivamente. (4) Contribución: El estudio proporciona evidencia bien elucidada para aplicar datos del mundo real a la estimación de la ocurrencia y el punto temporal de las principales complicaciones relacionadas con la diabetes a lo largo de la vida de un paciente. Se fomentan más aplicaciones en la ciencia de la decisión en salud.