基于本中心肺动脉闭锁合并室间隔缺损和粗大主肺侧支血管（PA-VSD-MAPCAs）病例的术前真实世界数据，利用机器学习模型筛选有效的预测因子，并建立根治预测模型和生存分析。

纳入2010年1月至2018年10月在本中心被诊断为PA-VSD-MAPCAs且首次接受外科手术的患者（经过纳排标准筛选后入组70例），统计基本情况、实验室检查、心脏超声和CT等指标；将70例数据随机分为训练组（40例）和测试组（30例）；使用LASSO logistic回归进行特征选择，利用4种机器学习模型建立根治预测模型，包括逻辑回归（LR），支持向量机（SVM），朴素贝叶斯（NB）和随机森林（RF）。

对于根治预测，使用LASSO logistic回归筛选出了2个预测因子，红细胞比容（HCT）和右固有肺动脉直径（d_RPA）。在根治组中，HCT更小，d_RPA更大。结果显示，LR在训练组和测试组的综合表现最好，AUC分别为0.887（95% CI : 0.783-0.992）和0.790（95% CI : 0.633-0.947），SVM次之，NB排第三，RF在训练组的表现呈现出明显的过拟合，导致其在测试组的表现最差。对于生存分析，使用预测根治结局的风险评分对生存进行预测，首先使用最大选择等级统计法确定最佳分界值，然后基于该阈值将患者分为高分组和低分组。K-M曲线分析发现，高分组比低分组的预后明显更好的预后（五年生存率，100% vs 77.6%，log-rank检验p=0.046）。

基于HCT和d_RPA的风险评分是可以有效预测PA-VSD-MAPCAs患者的根治与术后生存，HCT越低和d_RPA越大，根治和术后生存的可能性越大。基于LR模型建立的预测模型综合性能最好，可以作为辅助工具，为医师术前决策和预后评估提供了一定的参考价值。