引用本文： 劉曉冰, 劉付蓉, 陳澤宇, 徐光正, 邱海龍, 季爾超, 李曉華, 溫樹生, 劉濤, 莊建. Informed LASSO 機器學習方法在心上型完全性肺靜脈異位引流術后生存分析中的應用. 中國胸心血管外科臨床雜志, 2022, 29(7): 848-853. doi: 10.7507/1007-4848.202103125 復制
完全性肺靜脈異位引流（total anomalous pulmonary venous connection，TAPVC）是一種罕見的復雜先天性心臟病（congenital heart disease，CHD），發病率約占全部 CHD 的 2%[1]。TAPVC 包括心上型、心內型、心下型和混合（復合）型，其中心上型的主要特征是肺靜脈經由無名靜脈返回到上腔靜脈，是相對較為常見的一種亞型，約占全部 TAPVC 的 45%[2]。受樣本量的限制，國內外研究機構對單純心上型 TAPVC 的報道較少。
隨著醫療信息電子化和臨床信息增加，有效利用臨床大數據資源成為改進治療方式和精準化治療方案的關鍵之一，有利于減少手術死亡和改善預后[3-4]。在有限數據量的條件下，預后模型分析要面對兩個方面的挑戰。首先，隨著醫療技術的提高，臨床信息的維度不斷增加，但是模型復雜度也會因為病例樣本量的限制而受到影響（特征變量數大于樣本量，P>n問題）。分析模型通常對有限的多個變量同時進行分析，存在穩定性的問題。第二，小樣本量限制了模型分析的功效，提高了重要特征變量的假陰性率。
本文提出 Informed LASSO（Least Absolute Shrinkage and Selection Operator）[5]的分析方法。傳統 LASSO 方法采用 L1-正則化項對回歸模型的優化進行約束。L1-正則項可以增加模型稀疏性，剔除非關鍵特征（使非關鍵特征的模型系數/權重為0），最終達到模型特征選擇和解決“P>n”的問題。Informed LASSO 方法的核心是在 LASSO 的基礎上引入相關研究成果，以相關研究成果作為正則化項的約束“中心”來降低特征變量的假陰性率，從而減少小樣本量對分析功效的影響。
1 資料與方法
1.1 臨床資料
回顧性分析 2009—2019 年在廣東省人民醫院接受手術修復的 241 例心上型 TAPVC 患者的臨床資料，其中男 179 例、女 62 例，中位手術年齡 71（33，232）d。分析提取了患者的基本信息、心臟彩色超聲、心電圖、血生化檢查、外科手術資料、心臟重癥監護室資料、術后隨訪等臨床信息。主要終點事件為術后死亡。研究目的為克服有限樣本量和終點事件的影響，有效提取術后死亡的危險因素。分析側重模型可解釋性，采用 Cox 等比風險模型分析和量化術后死亡危險因素。
1.2 Cox 生存分析和模型約束
所有統計分析均在 R 語言 3.6.3 進行。Cox 模型是常用的多因素生存分析的方法[6]。在本 TAPVC 風險研究中，術后死亡時間標記為（
）。其中 
為最后的觀測時間，
為最后觀測的狀態（
代表死亡、0 代表生存）。Cox 模型設定死亡時間分布可以用如下等比模型來描述：
 |
其中 
是與死亡時間分布相關的 
-維特征變量，
是非參數基線風險函數，
是在取值 
條件下的風險函數。模型參數 
量化了特征 
與死亡時間的相關性，其中 
解釋為風險比值。
給定 
個數據樣本點
，模型參數 
可以采用最大部分似然或其對數進行估計：
 |
上式中 
代表在時間 
仍處于觀測中的樣本集。
為增加模型的魯棒性，同時避免發生過擬合現象，我們可以在 
的優化目標方程中加入正則化項。常用的正則化項包括參數的 L1-norm（范數）、L2-norm以及兩者的加權混合項，對應的模型優化方法為 LASSO、嶺回歸（ridge regression）和彈性網絡（elastic-net）。本文側重于 LASSO 方法，LASSO 的特點是可以使部分特征的模型系數完全為0，從而達到增加模型的稀疏性和篩選重要特征變量的目的。
對于 Cox 模型，LASSO 的目標估計方程為：
 |
其中模型參數的 L1 范數 
。LASSO 的目標方程等同于以下帶約束形式的凸優化問題：
 |
1.3 Informed LASSO 模型學習方法
新的臨床醫學研究往往基于已經發表的早期相關研究。本文著重研究華南地區（單中心）的心上型 TAPVC 患兒的術后死亡風險因素。我們分析了一些密切相關的文獻[2, 7-11]，其中本中心 2017 年合作發表的研究（以下簡稱 2017 年研究）[2]納入了 2005—2014 年共 768 例 TAPVC 患者，包括心下、心上、心內和混合 4 個亞型，為最大的多中心研究[2]。該研究表明，在對 TAPVC 亞型進行調整后，患者年齡（HR=1.11/年）、術前肺動脈梗阻（HR=2.006）、體外循環（cardiopulmonary bypass，CPB）時間（HR=1.009）和術后呼吸機輔助時間（HR=1.002）是與術后死亡相關的重要因素。這些臨床研究結果為后續研究提供了方向和重點。
臨床醫學研究是一個知識積累和遞進的過程。為解決罕見 CHD 研究中小樣本量的問題，本文提出了使用 Informed LASSO 統計模型優化方法。Informed LASSO 可以將已知的研究結果結合到現有的數據模型分析中：
 |
其中 
代表從已發表相關研究獲得的模型系數。對于新添加的特征變量，相對應的 
值可以設定為 0。Informed LASSO 是 LASSO 的延伸，LASSO 是 Informed LASSO 在 
全部為 0 條件下的特例情況。圖 1 描述了 Informed LASSO 與傳統 LASSO 方法在計算結果上的差別。Informed LASSO 的求解過程可以采用以下帶約束形式的凸優化問題來解決：
圖1
Cox 等比風險模型似然方程等高線與約束方程
a：LASSO 方法；b：Informed LASSO 方法；藍色菱形區域代表 L1 的約束區間：a：|（|
 |
1.4 與貝葉斯模型的聯系
與傳統 LASSO 方法類似，Informed LASSO 可以從貝葉斯（Bayesian）模型的角度進行解釋和計算[12]。Cox 等比風險模型是一個半參數模型。其中，對于非參數模型部分 
，可以對每個事件發生點設定一個風險參數，相應地設定一個獨立的 Gamma 先驗分布（prior distribution）。對于參數模型部分 
，可以采用均值為 
的 Laplace 先驗分布。每個時間點的事件發生似然方程可以用柏松（Poisson）分布近似。這個貝葉斯模型獲得的 
后驗眾數（posterior mode）在理論上與 Informed LASSO 結果一致。如果對 Laplace 先驗分布的均值參數全部取 0，得到的結果與傳統 LASSO 方法一致。
1.5 倫理審查
本研究已通過廣東省人民醫院醫學研究倫理委員會審批，批準號：2019338H（R2）。
2 結果
2.1 患者基本信息
56 例（23.2%）新生兒（出生<30 d），體重<2.5 kg患兒 5 例（2.1%）；擇期手術 157 例（65.1%）、急診手術 84 例（34.9%）；術前肺靜脈梗阻 51 例（21.2%）；術前呼吸機支持 45 例（18.7%），中位呼吸機輔助時間 31.0 h，平均呼吸機輔助時間（8.4±24.5）h；彩色超聲診斷為右側上行 56 例（23.2%）、左側 185 例（76.8%）；術中 CPB 時間（103±47.8）min、主動脈阻斷時間（53.8±25.0）min；結扎垂直靜脈 161 例（66.8%）、完全結扎 100 例（41.5%）；見表 1。
表1
241 例患者臨床資料統計［
/例（%）］
2.2 臨床重點事件和特征信息篩選
患者術后中位隨訪時間為 860（216，1246）d。其中 12 例（5.0%）患者術后死亡，全部死亡病例發生在術后 6 個月以內（范圍：0～130 d）。我們首先使用單變量 Cox 等比風險模型對患者的臨床數據進行初步篩選，保留P≤0.05 的潛在重要特征變量；見表 1。其中有統計學意義（P<0.001）的臨床變量包括：手術體重≤2.5 kg（HR=16.00）、主肺動脈內徑（HR=0.78）、CPB 時間（HR=1.21）、主動脈阻斷時間（HR=1.28）和術后呼吸機輔助時間（HR=1.13）。此外，2017 年研究表明術前肺靜脈梗阻是 TVPAC 患者的術后死亡危險因素，所以我們也將其納入特征變量列表 1中。
2.3 Informed LASSO 多因素分析
我們采用 Informed LASSO 方法將 2017 年研究的結果納入本研究中。Informed LASSO 模型參數軌跡線和 1SE 最優解見圖 2。分析表明術后死亡風險因素依次為：CPB 時間（aHR=1.308/30 min）、年齡（aHR=0.898）、術后呼吸機輔助時間（aHR=1.023/d）、體重≤2.5 kg（aHR=2.545）、右側垂直靜脈回流（aHR=1.977）、術前肺靜脈梗阻（aHR=1.633）和急診手術（aHR=1.383）；見表 1。其中，CPB 時間和手術年齡的風險估計與 2017 年研究的結果保持一致。術后呼吸機輔助時間和術前肺靜脈梗阻的影響分別修正為 aHR=1.023 和 aHR=1.633。本研究另外新發現低出生體重、急診手術和右側垂直靜脈回流為獨立死亡危險因素。
圖2
Informed LASSO 模型參數軌跡線和 1SE 最優解
a：Cox 模型系數 與 log（）關系圖；所有特征變量標準化為取值在［0，1］之間；軌跡線為不同 取值條件下相應變量的參數最優解：在最左邊 趨近于0時，得到系數解趨近于標準 Cox 模型系數估計 ；b：正則優化方程與 log（）交叉驗證關系圖；左側豎線為優化方程最小化的 log（）取值，右側豎線為最小化+1SE 的 log（）取值
3 討論
心上型 TAPVC 為一類罕見的復雜 CHD，與其它亞型（心下型、混合型）相比，其總體治療結果較好。本研究隊列整體手術效果良好，死亡率為 5.0%，與國內外機構相關報道[7, 13]一致。
本研究運用了 Informed LASSO 的機器學習方法進行危險因素分析。Informed LASSO 方法可以用貝葉斯模型解釋，是一種可以對以往研究結果（知識）進行積累的機器學習方法。其核心是在 LASSO 的基礎上，引入已知相關研究的信息到當前分析中，通過引入 L1 正則項，解決“P>n”問題。以相關研究的信息作為約束中心，減少小樣本量對分析功效和特征變量假陰性率的影響。本研究通過 Informed LASSO 分析，發現術前插管、低手術體重、手術年齡小、術前肺靜脈梗阻、CPB 時間長、急診手術等因素是術后死亡的危險因素。既往研究[14-15]認為低手術體重或手術年齡是否致使手術死亡率升高依然存在爭議，而本研究表明手術年齡和手術體重≤2.5 kg 是術后死亡率高的危險因素。手術體重較低也會造成術野較小，操作難度相對較大，因此 CPB 時間延長。術前診斷為肺靜脈梗阻的患兒更容易出現危重的臨床表現，如缺氧發作或心跳呼吸驟停等，急需立即心肺復蘇、急診手術或者術前啟用體外膜肺氧合輔助，這些都會增加術后死亡的風險[2, 10, 16-18]。
此外，本研究發現右側垂直靜脈回流為獨立死亡因素。過往關于右側垂直靜脈回流的研究報道很少，大多數是病例報道[19-21]。既往研究表明，除了 Darling 分型外，心上型 TAPVC 還可以根據垂直靜脈的回流路徑分為左側組（回流至左側上腔靜脈）和右側組（回流至右側上腔靜脈或右側無名靜脈），其中左側垂直靜脈回流占大多數，并且手術后療效令人滿意。但右側組術前臨床癥狀更重，且手術效果也比左側組差。我們的研究表明右側垂直靜脈回流約占心上型 TAPVC 的 23.2%，這種不典型的解剖條件決定了手術策略復雜性而且影響手術療效。與左側組相比，右側垂直靜脈回流患兒的術前肺靜脈梗阻發生率更高，而術前肺靜脈梗阻又是死亡的危險因素。其次，大部分的右側組患兒的共同靜脈干解剖異質性大，并且更細長且離左心房的空間位置遠，造成了手術難度更大，術后肺靜脈梗阻發生率高。
本研究仍存在一定的局限性。首先，本文是回顧性研究，是基于過去 10 年的臨床病例數據進行的統計分析，所有結論只能基于對術后死亡有相關性的風險因素進行討論，而不能對直接因果關系進行推論。此外，本研究是單中心臨床研究，研究結果的普遍性還有待于進一步探究。
綜上，Informed LASSO 利用既往研究結果可提高小樣本量的模型分析功效，將其用于分析本中心的 TAPVC 數據集，發現了 CPB 時間、手術年齡、術后呼吸機輔助時間、體重、右側垂直靜脈回流、術前肺靜脈梗阻和急診手術為心上型 TAPVC 術后死亡的風險因素。
利益沖突：無。
作者貢獻：劉曉冰負責論文設計和初稿撰寫；劉付蓉負責文獻檢索和初稿撰寫；陳澤宇、徐光正負責數據整理與分析；邱海龍、季爾超負責論文修改；李曉華、溫樹生負責內容指導；莊建、劉濤負責論文設計和全文審校。
完全性肺靜脈異位引流（total anomalous pulmonary venous connection，TAPVC）是一種罕見的復雜先天性心臟病（congenital heart disease，CHD），發病率約占全部 CHD 的 2%[1]。TAPVC 包括心上型、心內型、心下型和混合（復合）型，其中心上型的主要特征是肺靜脈經由無名靜脈返回到上腔靜脈，是相對較為常見的一種亞型，約占全部 TAPVC 的 45%[2]。受樣本量的限制，國內外研究機構對單純心上型 TAPVC 的報道較少。
隨著醫療信息電子化和臨床信息增加，有效利用臨床大數據資源成為改進治療方式和精準化治療方案的關鍵之一，有利于減少手術死亡和改善預后[3-4]。在有限數據量的條件下，預后模型分析要面對兩個方面的挑戰。首先，隨著醫療技術的提高，臨床信息的維度不斷增加，但是模型復雜度也會因為病例樣本量的限制而受到影響（特征變量數大于樣本量，P>n問題）。分析模型通常對有限的多個變量同時進行分析，存在穩定性的問題。第二，小樣本量限制了模型分析的功效，提高了重要特征變量的假陰性率。
本文提出 Informed LASSO（Least Absolute Shrinkage and Selection Operator）[5]的分析方法。傳統 LASSO 方法采用 L1-正則化項對回歸模型的優化進行約束。L1-正則項可以增加模型稀疏性，剔除非關鍵特征（使非關鍵特征的模型系數/權重為0），最終達到模型特征選擇和解決“P>n”的問題。Informed LASSO 方法的核心是在 LASSO 的基礎上引入相關研究成果，以相關研究成果作為正則化項的約束“中心”來降低特征變量的假陰性率，從而減少小樣本量對分析功效的影響。
1 資料與方法
1.1 臨床資料
回顧性分析 2009—2019 年在廣東省人民醫院接受手術修復的 241 例心上型 TAPVC 患者的臨床資料，其中男 179 例、女 62 例，中位手術年齡 71（33，232）d。分析提取了患者的基本信息、心臟彩色超聲、心電圖、血生化檢查、外科手術資料、心臟重癥監護室資料、術后隨訪等臨床信息。主要終點事件為術后死亡。研究目的為克服有限樣本量和終點事件的影響，有效提取術后死亡的危險因素。分析側重模型可解釋性，采用 Cox 等比風險模型分析和量化術后死亡危險因素。
1.2 Cox 生存分析和模型約束
所有統計分析均在 R 語言 3.6.3 進行。Cox 模型是常用的多因素生存分析的方法[6]。在本 TAPVC 風險研究中，術后死亡時間標記為（）。其中 為最后的觀測時間， 為最后觀測的狀態（ 代表死亡、0 代表生存）。Cox 模型設定死亡時間分布可以用如下等比模型來描述：
|
其中 是與死亡時間分布相關的 -維特征變量，是非參數基線風險函數，是在取值 條件下的風險函數。模型參數 量化了特征 與死亡時間的相關性，其中 解釋為風險比值。
給定 個數據樣本點，模型參數 可以采用最大部分似然或其對數進行估計：
|
上式中 代表在時間 仍處于觀測中的樣本集。
為增加模型的魯棒性，同時避免發生過擬合現象，我們可以在 的優化目標方程中加入正則化項。常用的正則化項包括參數的 L1-norm（范數）、L2-norm以及兩者的加權混合項，對應的模型優化方法為 LASSO、嶺回歸（ridge regression）和彈性網絡（elastic-net）。本文側重于 LASSO 方法，LASSO 的特點是可以使部分特征的模型系數完全為0，從而達到增加模型的稀疏性和篩選重要特征變量的目的。
對于 Cox 模型，LASSO 的目標估計方程為：
|
其中模型參數的 L1 范數 。LASSO 的目標方程等同于以下帶約束形式的凸優化問題：
|
1.3 Informed LASSO 模型學習方法
新的臨床醫學研究往往基于已經發表的早期相關研究。本文著重研究華南地區（單中心）的心上型 TAPVC 患兒的術后死亡風險因素。我們分析了一些密切相關的文獻[2, 7-11]，其中本中心 2017 年合作發表的研究（以下簡稱 2017 年研究）[2]納入了 2005—2014 年共 768 例 TAPVC 患者，包括心下、心上、心內和混合 4 個亞型，為最大的多中心研究[2]。該研究表明，在對 TAPVC 亞型進行調整后，患者年齡（HR=1.11/年）、術前肺動脈梗阻（HR=2.006）、體外循環（cardiopulmonary bypass，CPB）時間（HR=1.009）和術后呼吸機輔助時間（HR=1.002）是與術后死亡相關的重要因素。這些臨床研究結果為后續研究提供了方向和重點。
臨床醫學研究是一個知識積累和遞進的過程。為解決罕見 CHD 研究中小樣本量的問題，本文提出了使用 Informed LASSO 統計模型優化方法。Informed LASSO 可以將已知的研究結果結合到現有的數據模型分析中：
|
其中 代表從已發表相關研究獲得的模型系數。對于新添加的特征變量，相對應的 值可以設定為 0。Informed LASSO 是 LASSO 的延伸，LASSO 是 Informed LASSO 在 全部為 0 條件下的特例情況。圖 1 描述了 Informed LASSO 與傳統 LASSO 方法在計算結果上的差別。Informed LASSO 的求解過程可以采用以下帶約束形式的凸優化問題來解決：
圖1
Cox 等比風險模型似然方程等高線與約束方程
a：LASSO 方法；b：Informed LASSO 方法；藍色菱形區域代表 L1 的約束區間：a：|（|
|
1.4 與貝葉斯模型的聯系
與傳統 LASSO 方法類似，Informed LASSO 可以從貝葉斯（Bayesian）模型的角度進行解釋和計算[12]。Cox 等比風險模型是一個半參數模型。其中，對于非參數模型部分 ，可以對每個事件發生點設定一個風險參數，相應地設定一個獨立的 Gamma 先驗分布（prior distribution）。對于參數模型部分 ，可以采用均值為 的 Laplace 先驗分布。每個時間點的事件發生似然方程可以用柏松（Poisson）分布近似。這個貝葉斯模型獲得的 后驗眾數（posterior mode）在理論上與 Informed LASSO 結果一致。如果對 Laplace 先驗分布的均值參數全部取 0，得到的結果與傳統 LASSO 方法一致。
1.5 倫理審查
本研究已通過廣東省人民醫院醫學研究倫理委員會審批，批準號：2019338H（R2）。
2 結果
2.1 患者基本信息
56 例（23.2%）新生兒（出生<30 d），體重<2.5 kg患兒 5 例（2.1%）；擇期手術 157 例（65.1%）、急診手術 84 例（34.9%）；術前肺靜脈梗阻 51 例（21.2%）；術前呼吸機支持 45 例（18.7%），中位呼吸機輔助時間 31.0 h，平均呼吸機輔助時間（8.4±24.5）h；彩色超聲診斷為右側上行 56 例（23.2%）、左側 185 例（76.8%）；術中 CPB 時間（103±47.8）min、主動脈阻斷時間（53.8±25.0）min；結扎垂直靜脈 161 例（66.8%）、完全結扎 100 例（41.5%）；見表 1。
表1
241 例患者臨床資料統計［/例（%）］
2.2 臨床重點事件和特征信息篩選
患者術后中位隨訪時間為 860（216，1246）d。其中 12 例（5.0%）患者術后死亡，全部死亡病例發生在術后 6 個月以內（范圍：0～130 d）。我們首先使用單變量 Cox 等比風險模型對患者的臨床數據進行初步篩選，保留P≤0.05 的潛在重要特征變量；見表 1。其中有統計學意義（P<0.001）的臨床變量包括：手術體重≤2.5 kg（HR=16.00）、主肺動脈內徑（HR=0.78）、CPB 時間（HR=1.21）、主動脈阻斷時間（HR=1.28）和術后呼吸機輔助時間（HR=1.13）。此外，2017 年研究表明術前肺靜脈梗阻是 TVPAC 患者的術后死亡危險因素，所以我們也將其納入特征變量列表 1中。
2.3 Informed LASSO 多因素分析
我們采用 Informed LASSO 方法將 2017 年研究的結果納入本研究中。Informed LASSO 模型參數軌跡線和 1SE 最優解見圖 2。分析表明術后死亡風險因素依次為：CPB 時間（aHR=1.308/30 min）、年齡（aHR=0.898）、術后呼吸機輔助時間（aHR=1.023/d）、體重≤2.5 kg（aHR=2.545）、右側垂直靜脈回流（aHR=1.977）、術前肺靜脈梗阻（aHR=1.633）和急診手術（aHR=1.383）；見表 1。其中，CPB 時間和手術年齡的風險估計與 2017 年研究的結果保持一致。術后呼吸機輔助時間和術前肺靜脈梗阻的影響分別修正為 aHR=1.023 和 aHR=1.633。本研究另外新發現低出生體重、急診手術和右側垂直靜脈回流為獨立死亡危險因素。
圖2
Informed LASSO 模型參數軌跡線和 1SE 最優解
a：Cox 模型系數 與 log（）關系圖；所有特征變量標準化為取值在［0，1］之間；軌跡線為不同 取值條件下相應變量的參數最優解：在最左邊 趨近于0時，得到系數解趨近于標準 Cox 模型系數估計 ；b：正則優化方程與 log（）交叉驗證關系圖；左側豎線為優化方程最小化的 log（）取值，右側豎線為最小化+1SE 的 log（）取值
3 討論
心上型 TAPVC 為一類罕見的復雜 CHD，與其它亞型（心下型、混合型）相比，其總體治療結果較好。本研究隊列整體手術效果良好，死亡率為 5.0%，與國內外機構相關報道[7, 13]一致。
本研究運用了 Informed LASSO 的機器學習方法進行危險因素分析。Informed LASSO 方法可以用貝葉斯模型解釋，是一種可以對以往研究結果（知識）進行積累的機器學習方法。其核心是在 LASSO 的基礎上，引入已知相關研究的信息到當前分析中，通過引入 L1 正則項，解決“P>n”問題。以相關研究的信息作為約束中心，減少小樣本量對分析功效和特征變量假陰性率的影響。本研究通過 Informed LASSO 分析，發現術前插管、低手術體重、手術年齡小、術前肺靜脈梗阻、CPB 時間長、急診手術等因素是術后死亡的危險因素。既往研究[14-15]認為低手術體重或手術年齡是否致使手術死亡率升高依然存在爭議，而本研究表明手術年齡和手術體重≤2.5 kg 是術后死亡率高的危險因素。手術體重較低也會造成術野較小，操作難度相對較大，因此 CPB 時間延長。術前診斷為肺靜脈梗阻的患兒更容易出現危重的臨床表現，如缺氧發作或心跳呼吸驟停等，急需立即心肺復蘇、急診手術或者術前啟用體外膜肺氧合輔助，這些都會增加術后死亡的風險[2, 10, 16-18]。
此外，本研究發現右側垂直靜脈回流為獨立死亡因素。過往關于右側垂直靜脈回流的研究報道很少，大多數是病例報道[19-21]。既往研究表明，除了 Darling 分型外，心上型 TAPVC 還可以根據垂直靜脈的回流路徑分為左側組（回流至左側上腔靜脈）和右側組（回流至右側上腔靜脈或右側無名靜脈），其中左側垂直靜脈回流占大多數，并且手術后療效令人滿意。但右側組術前臨床癥狀更重，且手術效果也比左側組差。我們的研究表明右側垂直靜脈回流約占心上型 TAPVC 的 23.2%，這種不典型的解剖條件決定了手術策略復雜性而且影響手術療效。與左側組相比，右側垂直靜脈回流患兒的術前肺靜脈梗阻發生率更高，而術前肺靜脈梗阻又是死亡的危險因素。其次，大部分的右側組患兒的共同靜脈干解剖異質性大，并且更細長且離左心房的空間位置遠，造成了手術難度更大，術后肺靜脈梗阻發生率高。
本研究仍存在一定的局限性。首先，本文是回顧性研究，是基于過去 10 年的臨床病例數據進行的統計分析，所有結論只能基于對術后死亡有相關性的風險因素進行討論，而不能對直接因果關系進行推論。此外，本研究是單中心臨床研究，研究結果的普遍性還有待于進一步探究。
綜上，Informed LASSO 利用既往研究結果可提高小樣本量的模型分析功效，將其用于分析本中心的 TAPVC 數據集，發現了 CPB 時間、手術年齡、術后呼吸機輔助時間、體重、右側垂直靜脈回流、術前肺靜脈梗阻和急診手術為心上型 TAPVC 術后死亡的風險因素。
利益沖突：無。
作者貢獻：劉曉冰負責論文設計和初稿撰寫；劉付蓉負責文獻檢索和初稿撰寫；陳澤宇、徐光正負責數據整理與分析；邱海龍、季爾超負責論文修改；李曉華、溫樹生負責內容指導；莊建、劉濤負責論文設計和全文審校。
