基于數據挖掘的高脂血癥中醫處方用藥規律研究

吳嘉瑞 藺夢娟 張曉朦 張 冰 盛曉光

(北京中醫藥大學，北京，100102)

思路與方法

基于數據挖掘的高脂血癥中醫處方用藥規律研究

吳嘉瑞 藺夢娟 張曉朦 張 冰 盛曉光

(北京中醫藥大學，北京，100102)

目的：分析高脂血癥的中醫處方用藥規律。方法：收集治療高脂血癥的中醫處方，在建立處方數據庫的基礎上，采用關聯規則Apriori算法和復雜系統熵聚類等方法開展研究，確定處方中各種藥物的使用頻次及藥物之間的關聯規則等。結果：高頻次藥物包括澤瀉、山楂、丹參、決明子、茯苓等；高頻次藥物組合包括“山楂，澤瀉”“山楂，丹參”“丹參，澤瀉”等；置信度較高的關聯規則包括“何首烏→山楂”“丹參，何首烏→山楂”“何首烏，澤瀉→山楂”等；新處方包括“枳殼，延胡索，瓜蔞皮，青皮”“熟地黃，決明子，山藥，何首烏，大黃”等。結論：處方用藥多具健脾利濕化痰、活血化瘀清熱之功，體現了中醫痰瘀同治，標本兼顧的診療原則。

高脂血癥；用藥規律；關聯規則；熵聚類

高脂血癥是由于脂肪代謝或轉運異常使血漿中一種或幾種脂質高于正常范圍的一種常見病，以血清中的總膽固醇(TC)、三酰甘油(TG)、低密度脂蛋白膽固醇(LDL-C)的升高，高密度脂蛋白膽固醇(HDL-C)的降低為特征[1-2]。中醫認為，高脂血癥病因病機錯綜復雜，與飲食不節、先天稟賦不足、年老體衰或思慮過度、情志內傷等所致肝、脾、腎三臟功能失調、代謝障礙、水濕痰飲瘀血病理產物的形成關系密切，為本虛標實、虛實夾雜之證，肝、脾、腎三臟之虛為本，痰濁、瘀血為標[1，3-4]。本研究收集中醫治療高脂血癥處方98首，采用關聯規則、復雜系統熵聚類等方法，分析處方中藥物的使用頻次及藥物之間的關聯規則、處方規律，探討中醫治療高脂血癥的用藥特點和學術思想。

1 資料與方法

1.1 處方來源與篩選 本研究以溫武兵、劉鵬、李姝淳主編的《高脂血癥百家百方》(中國中醫藥出版社，2012年出版)[1]為處方來源，共遴選摘錄高脂血癥中醫處方98首。

1.2 分析軟件 本研究采用“中醫傳承輔助系統(V2.0)”軟件[5]，由中國中醫科學院中藥研究所提供。

1.3 處方的錄入與核對 將上述篩選出的處方錄入“中醫傳承輔助平臺(V2.0)”中，錄入完成后，由雙人負責數據的審核，以確保數據的準確性。

1.4 數據分析

1.4.1 藥物頻次統計分析 將98首高脂血癥中醫處方中每味中藥的出現頻次從高到低排序，并將統計結果列出。

1.4.2 組方規律分析 在支持度≥10%，置信度≥0.9條件下進行用藥模式和關聯規則分析，按照藥物組合出現頻次從高到低和藥物關聯規則置信度由高到低的順序進行排序，列出高頻次藥物組合和藥物組合關聯規則結果；并分別在支持度為10%、20%、30%，置信度≥0.9條件下進行高頻藥物組合網絡可視化展示[6-8]。

1.4.3 新方分析 依據處方數量，結合經驗判斷和不同參數提取數據的預讀，設置相關度為8，懲罰度為2，進行聚類分析(核心算法包括改進的互信息法和復雜系統熵聚類方法),分析獲得藥物間關聯度，并按關聯系數由高到低的順序列出結果，同時運算得核心組合與新處方，實現新處方的網絡可視化展示[6-9]。

表1 藥物頻次統計表

2 結果

2.1 用藥頻次統計 統計結果顯示，98首處方中共包含190味藥物，將藥物按使用頻次從高到低進行排序，前三位分別是澤瀉(66次)、山楂(61次)和丹參(46次)，出現頻次≥10次的中藥見表1。依據《中藥學》教材[10]對表1所示藥物藥性進行統計分析，結果顯示：1)四氣：寒(15.6%)，微寒(21.9%)，平(25.0%)，微溫(12.5%)，溫(21.9%)；2)五味：苦(56.3%)，甘(53.1%)，辛(31.3%)，酸(6.3%)，咸(6.3%)、淡(3.1%)；3)歸經：歸肝經(62.5%)，歸脾經(43.8%)，歸胃經(28.1%)，歸肺經(25.0%)，歸腎經(21.9%)，歸心經(15.6%)，歸膽經(15.6%)，歸心包經(12.5%)，歸大腸經(9.4%)，歸膀胱經(3.1%)。

表2處方中高頻次藥物組合(支持度≥10%，置信度≥0.9)

2.2 基于關聯規則[11]的組方規律分析 研究結果顯示，常用藥物組合65個，其中2味藥的組合有43個，3味藥的組合19個，4味藥的組合3個，出現頻次最高的3個藥物組合依次是“山楂、澤瀉”(45次)，“山楂、丹參”(34次)，“丹參、澤瀉”(33次)，具體見表2，關聯規則如表3，支持度分別為10%、20%、30%條件下的藥物組合網絡圖見圖1。

表3處方中高置信度關聯規則(支持度≥10%，置信度≥0.9)

表4 基于改進的互信息法的藥物間關聯度分析

圖1 處方關聯規則網絡圖

2.3 基于熵聚類的組方規律分析

2.3.1 基于改進的互信息法的藥物間關聯度分析 在相關度為8，懲罰度為2的條件[12]下，進行聚類分析，得到處方中兩兩藥物間的關聯度，將關聯系數0.025以上的藥對列表，見表4。

2.3.2 基于復雜系統熵聚類的藥物核心組合與新處方分析 以改進的互信息法的藥物間關聯度分析結果為基礎，按照相關度與懲罰度約束(相關度為8，懲罰度為2)，基于復雜系統熵聚類[13-14]，演化出3～4味藥物核心組合16個，具體見表5；在核心組合提取的基礎上，運用無監督熵層次聚類算法，得到8個新處方，具體見表6，新處方網絡圖見圖2。

表5 基于復雜系統熵聚類的藥物核心組合

表6 基于熵層次聚類的新處方

圖2 新方分析網絡展示圖

3 討論

本研究運用關聯規則和聚類算法分析了中醫治療高脂血癥處方的用藥規律。高頻次藥物包括澤瀉(66次)、山楂(61次)和丹參(46次)等。從功效角度分析，表1中所示藥物多具有活血化瘀(34.4%)、利濕化痰(37.5%)、補血益氣(37.5%)和疏肝理氣(34.4%)等[10]；從藥理角度分析，這些藥物多具有降血脂(62.5%)，抗凝血、預防血栓形成(40.6%)，降血壓(53.1%)，擴張冠脈、增加冠脈血流量、提高心肌耐缺氧能力(40.6%)，擴張腦動脈、增加腦血流量(18.8%)，保肝(43.8%)，利膽(25.0%)等作用[15]。這一結果表明，中醫在臨床實踐中，既注重中醫藥理論指導，又借鑒了現代醫藥的研究成果；另一方面，亦可見中醫藥治療高脂血癥能夠有效預防和治療其多種兼癥和繼發病癥，彰顯中醫藥整體觀念、辨證論治思想和中藥多器官、多靶點作用特點的獨特優勢。

關聯規則研究顯示，置信度為1的關聯規則有：“何首烏→山楂”“丹參，何首烏→山楂”“何首烏，澤瀉→山楂”“決明子，何首烏→山楂”“丹參，茯苓→澤瀉”等。如圖1所示，在支持度較低(10%)時，可全面展示藥物的使用狀況，在支持度上升到20%時，可清晰展示出高脂血癥中醫處方中的關鍵藥物及其關系，其中澤瀉主歸腎經，利水滲濕行痰飲，泄熱泄濁以升清陽；茯苓、白術，燥濕利水，健脾益氣，扶正祛邪，為生痰之源(脾)而設，三者協同，使濕無所聚，痰無由生；丹參、山楂歸肝經，活血祛瘀，通利血脈；山楂消食化積，決明子、何首烏潤腸通便，三者消降結合以通腑泄濁；諸藥合用，標本兼顧，痰瘀同治，泄濁升清，使濁脂濁膏無所由生，高脂血癥漸愈[10]。當支持度上升到30%時，可明確得出“澤瀉-山楂-丹參”的組合，此三味藥組合肝脾腎三臟共調，水濕痰飲瘀血同治，以治標為主。高脂血癥因虛致實而產生的水濕痰飲瘀血等病理產物反過來也會成為致病因素，甚至引發其他繼發病證，故患者無論處于高脂血癥哪一階段，治標是必須的，尤其處于高脂血癥初、中期，正氣尚足，以祛邪治標為主。

綜上所述，本研究運用關聯規則和聚類算法分析了中醫治療高脂血癥的用藥規律，希望本文對高脂血癥的臨床治療、實驗室研究、中藥降血脂活性成分的發現及新藥研發有一定的借鑒意義。當然，應用數據挖掘得到的組方規則、核心組合和新處方等還需進一步臨床驗證，數據挖掘方法也有其局限性，需結合中醫藥理論與臨床實踐綜合分析、評價。

[1]溫武兵,劉鵬,李姝淳.高脂血癥百家百方[M].北京:中國中醫藥出版社，2012.

[2]楊永磊,谷新順.血脂異常診斷與治療進展[J].中國誤診學雜志,2011,11(3):525-526.

[3]王喜福,祖曉麟,王成鋼，等.復方丹參滴丸對高脂血癥患者紅細胞變形性的影響及其機制分析[J].中國醫藥，2013,8(4):456.

[4]章賽月,朱曉嵐.中醫體質分型與高脂血癥患者血脂水平的相關性研究[J].中國中醫藥科技,2013,20(3):217,232.

[5]盧朋,李健,唐仕歡,等.中醫傳承輔助系統軟件開發與應用[J].中國實驗方劑學雜志,2012,18(9):1-4.

[6]吳嘉瑞,郭位先,張曉朦,等.基于數據挖掘的孟河名醫馬培之治療咳嗽用藥規律研究[J].中國中醫藥信息雜志，2014，21(1):13-16.

[7]吳嘉瑞,童有健,張曉朦,等.基于關聯規則和復雜系統熵聚類的鄧星伯治療肺系病證用藥規律研究[J].中國實驗方劑學雜志,2014,20(7):223-226.

[8]吳嘉瑞,張冰,楊冰,等.基于關聯規則和復雜系統熵聚類的顏正華教授治療呃逆用藥規律研究[J].中華中醫藥雜志,2013，28(11):3416-3419.

[9]唐仕歡,陳建新,楊洪軍,等.基于復雜系統熵聚類方法的中藥新藥處方發現研究思路[J].世界科學技術-中醫藥現代化，2009,11(2):225-228.

[10]高學敏.中藥學[M].2版.北京:中國中醫藥出版社,2007.

[11]劉亞波.關聯規則挖掘方法的研究及應用[D].長春：吉林大學,2005.

[12]楊洪軍,唐仕歡,盧朋.中醫傳承輔助平臺的開發與應用[M].福州:福建科學技術出版社,2013:47-49.

[13]楊洪軍,趙亞麗,劉艷驕,等.“熵”在中醫方證研究中的運用[J].中國中醫基礎醫學雜志,2004,10(9):16-19.

[14]吳嘉瑞,郭位先,張冰,等.基于關聯規則和復雜系統熵聚類的顏正華治療氣滯證用藥規律研究[J].中國中醫基礎醫學雜志,2013,19(9):1081-1083.

[15]彭成.中藥藥理學[M].3版.北京：中國中醫藥出版社,2012.

(2014-07-01收稿 責任編輯：徐穎)

Analysis on Medication Rules of TCM Prescriptions for Hyperlipidemia Based on Data Mining

Wu Jiarui,Lin Mengjuan,Zhang Xiaomeng,Zhang Bing,Sheng Xiaoguang

(BeijingUniversityofChineseMedicine,Beijing100102,China)

Objective: To analyze the medication rules of prescriptions for hyperlipidemia.Methods: Based on the database built by the prescriptions for hyperlipidemia,the methods of association rules with apriori algorithm and complex system entropy cluster were used to achieve the frequency of medicines,association rules between drugs and others.Results: The data-mining results indicated that the highest frequency used Chinese medicine were Alismatis Rhizoma,Crataegi Fructus,Salviae Miltiorrhizae Radix et Rhizoma,Cassiae Semen,and Poria.The most frequent drug combinations were “Crataegi Fructus,Alismatis Rhizoma”,“Crataegi Fructus,Salviae Miltiorrhizae Radix et Rhizoma”,and “Salviae Miltiorrhizae Radix et Rhizoma,Alismatis Rhizoma”.The drugs with a high degree confidence coefficient of association rules included “Polygoni Multiflori Radix -> Crataegi Fructus”,“Salviae Miltiorrhizae Radix et Rhizoma,Polygoni Multiflori Radix -> Crataegi Fructus”,and “Polygoni Multiflori Radix,Alismatis Rhizoma -> Crataegi Fructus”.The new prescriptions included “Aurantii Fructus,Corydalis Rhizoma,Trichosanthis Pericarpium,Citri Reticulatae Pericarpium Viride”,and “Rehmanniae Radix Praeparata,Cassiae Semen,Dioscoreae Rhizoma,Polygoni Multiflori Radix,Rhei Radix et Rhizoma”.Conclusion: The Chinese medicine applied in the prescriptions for hyperlipidemia mostly have the effects of invigorating the spleen,eliminating dampness,reducing phlegm,promoting blood circulation by removing blood stasis and clearing heat,which reflects the principles of synchronically treating phlegm and blood stasis,giving consideration to both the incidental and fundamental.

Hyperlipidemia; Medication rules; Association rules; Clustering algorithm

國家科技支撐計劃課題(編號：2007BAI10B01)；北京市中醫藥科技發展基金課題(編號：JJ-2010-70)；北京中醫藥大學科研創新團隊項目資助(編號：2011-CXTD-14)；北京中醫藥大學“重點學科”開放課題(編號：2013-ZDXKKF-19)

吳嘉瑞(1977.1—)，男，博士，副教授，碩士研究生導師，從事臨床中藥學研究，Tel：(010)84738662，E-mail:exogamy@163.com

張冰(1959.8—)，女，教授，博士，博士研究生導師，從事臨床中藥學研究，Tel：(010)84738662，E-mail:zhangbing@263.net

R289

A

10.3969/j.issn.1673-7202.2015.06.029