Introdução: Os modelos multivariáveis de predição de eventos são ferramentas com elevada aplicação clínica. Recentemente, foram desenvolvidos modelos de previsão de perda de dentes em pacientes com periodontite. Devido à inexistência deste tipo de modelos clínicos para a população portuguesa, este estudo visou o desenvolvimento de um modelo de previsão de perda precoce de dentes após diagnóstico periodontal, numa população da Clínica Dentária Egas Moniz (CDEM). Materiais e métodos: Foram considerados 460 pacientes do Departamento de Periodontologia da CDEM, relativos ao período de Maio de 2015 a Maio de 2018. Após aplicação dos critérios de inclusão, 445 pacientes (9 377 dentes) foram incluídos no estudo. Os modelos utilizaram parâmetros do nível paciente e do nível dente. O modelo preditivo, ou seja, a capacidade de prever com exactidão a perda precoce do dente antes do tratamento periodontal não cirúrgico usando parâmetros de base, foi investigado a partir de uma abordagem multivariada. Resultados: O modelo multivariável desenvolvido é representado pela expressão: Log [Prob. (Ext.)/(1-Prob. (Ext.))] = -7.850 + 0.589 × TD(Incisivo) + 0.661 × PIC, com valores de odds ratio (OR) associados de 1.80 (IC 95%: 1.04-3.12) e 1.94 (IC 95%: 1.78- 2.10), para TD (Incisivo) e perda de inserção clínica (PIC), respectivamente. O modelo reduzido final explica 25.3% da variabilidade total e classifica corretamente 98.9% dos casos. Discussão: O modelo foi criado para um prognóstico dentário individual, devendo ter-se em consideração que o destino de um dente é influenciado pelo plano final do tratamento global. Posteriormente, é mandatório realizar um estudo de validação deste modelo numa população subsequente da CDEM e/ou numa outra população representativa. Conclusão: O modelo multivariável poderá ter relevância clínica na tomada de decisão da manutenção ou extração dentária após diagnóstico de periodontite. Este é o primeiro modelo preditivo periodontal desenvolvido para uma população portuguesa tendo apresentado uma elevada adequação à população estudada.