連建偉教授痞滿病證治規律的數據挖掘研究

童宏選 連建偉 沈淑華

基金項目：浙江省中醫藥重點研究計劃（2013ZZ004）作者簡介：童宏選（1987.08—），男，博士，主治醫師，研究方向：中醫基礎理論、中醫藥療效機制、流行病學、生物信息學等方面的研究，E-mail：thongxuan1@163.com

摘要 目的：通過數據挖掘的方法對連建偉教授治療脾胃病中最常見的病癥——痞滿病的證治規律進行研究。方法：選取2010年8月至2014年6月連建偉教授的門診電子醫案，根據《中華人民共和國國家標準·中醫臨床診療術語》，規范并統一醫案中的各種癥狀;對證候要素以及中藥名稱的規范統一采用《中醫藥學名詞》當中的名稱;部分歧義術語則采用專家咨詢的方式。用SPSS 20.0統計軟件對醫案中痞滿病癥的癥狀、方劑、用藥進行頻數分析。結果：連建偉教授痞滿病門診醫案中最常見癥狀為：脘痛、泛惡、噯氣、口苦、便溏或者是便秘。舌苔最常見為淡紅舌和白膩苔，脈象最常見為右脈緩和左關弦。治療痞滿的主要方劑為補氣劑、調和肝脾劑、燥濕化痰劑、芳香化濕劑、消導化積劑。連建偉教授治療痞滿的中藥中依次為益氣藥、理氣藥、利水滲濕藥、化濕藥。結論：益氣健脾、兼以行氣祛濕消食是連建偉教授治療痞滿病的主要治則。

關鍵詞 醫案;痞滿;數據挖掘;關聯分析;頻數分析;藥對;證治規律; @ 連建偉

Study on Professor Lian Jianwei′s Therapeutic Principles in Treating the Syndrome of Stuffiness and Fullness Based on Data Mining

Tong Hongxuan1，Lian Jianwei2，Shen Shuhua3

Abstract Objective：To study Professor Lian Jianwei′s therapeutic principles in treating the most common disease and syndrome in the spleen and stomach disease，syndrome of stuffiness and fullness through data mining.Methods：From August 2010 to June 2014，Professor Lian Jianwei′s outpatient electronic medical records were selected to standardize and unify various symptoms in medical records in accordance with National Standards of the People′s Republic of China TCM Clinical Diagnosis and Treatment Terms; The standardization of the syndrome names and Chinese materia medica names used the names in the Nomenclature of Traditional Chinese Medicine; some ambiguous terms referred to expert consultation.The SPSS 20.0 software was used to conduct frequency analysis of the symptoms，prescriptions，and medications of syndrome of stuffiness and fullness in medical records.Results：The major symptoms of syndrome of stuffiness and fullness in Professor Lian Jianwei′s medical records were abdominal pain，nausea，belching，bitter mouth，diarrhea or constipation; The major tongue and pulse were light pink tongue，white and greasy fur，slow right pulse，wiry left pulse; The major formula were reinforcing qi prescription，regulating and harmonizing liver-spleen prescription，damp-drying and phlegm-resolving prescription，resolving dampness with aromatics prescription，abductive dispersion and transforming accumulations prescription; The major herbs were strengthening qi herbs，qi-regulating herbs，removing dampness and promoting diuresis herbs and resolving dampness herbs.Conclusion：Professor Lian Jianwei′s therapeutic principles in treating the syndrome of stuffiness and fullness are tonifying qi and invigorating the spleen，combined with promoting the circulation of qi，dispelling dampness and improving digestion.

Key Words Medical cases; Stuffiness and fullness; Data mining; Association analysis; Frequency analysis; Herb pairs; Therapeutic principles; Lian Jianwei

中圖分類號：R249文獻標識碼：Adoi：10.3969/j.issn.1673-7202.2019.11.056

目前關于中醫內科病癥，包括脾胃病的名醫醫案研究，都是一案一方，并通過定性的描述，然而其中很多概念非常模糊，往往造成只可意會而不可言傳的理解問題[1]。因此，可否運用現代數理統計分析方法，深入得研究、探索對名醫醫案的規律則尤為必要[2]。數據挖掘，又可稱為數據庫知識發現，即是在已提取的有效、新穎、可信的數據基礎上，通過各種分析方法從這些大量的、模糊的、隨機的、不完全的和有噪聲的數據中，得出最終可被人理解的結果的處理和分析過程，最終獲得隱含其中而不被人們事先所知，但又具有潛在價值的信息和知識，從而得出可信的高質量數據結果[3-5]。這當中，關聯規則分析作為數據挖掘重要的一種方法，通過兩階段頻繁項集的遞歸，屬于單層、一維布爾類分析方法[6]。作為首選挖掘模式，它通過挖掘，發現大量數據中的關聯聯系，從而揭示所研究的對象與任務之間關系[7]，被世界各衛生機構為食品、藥物治療及藥物不良反應提供依據[8-9]。痞滿是臨床多發病證，常見于現代醫學的慢性胃炎、功能性消化不良、胃下垂等消化系統疾病[10]。而連建偉教授精通脈理，依脈辨證，喜用經方，亦善用后世醫方，常常數方化裁相合，他對內科痞滿有豐富的治療經驗。因此，通過數據挖掘的方法對連教授治療痞滿病的證治規律進行挖掘分析具有十分重要的意義。

1 資料與方法

1.1 選擇醫案

1.1.1 醫案的來源 選擇2010年8月至2014年6月連建偉教授門診電子醫案。

1.1.2 納入標準 以“痞滿”作為關鍵詞，帥選相關醫案。

1.1.3 排除標準 1）胃鏡檢查：消化性潰瘍、胃癌等消化系統良惡性疾病者;2）充血性心力衰竭、慢性腎功能不全、糖尿病、甲狀腺功能亢進、硬皮病等非消化系統疾病引起的消化不良;3）嚴重原發心、肝、肺、腎、腦部位的疾病，以及內分泌、血液、免疫系統的疾病;4）由精神疾病引起相似癥狀者，比如精神分裂癥、焦慮癥、重度抑郁癥;5）不少于3個月口服非甾體類抗炎藥和/或選擇性環氧合酶II抑制劑;6）在2周內，曾有口服抗生素或鉀劑者。

1.2 數據挖掘

1.2.1 數據的規范化 依據《中華人民共和國國家標準·中醫臨床診療術語》[11]，首先是規范和統一醫案中的各類稱呼;同時依據《中醫藥學名詞》[12]，再規范和統一醫案中證候、中藥的稱呼;最后根據專家意見，規范和統一有歧義的術語和名稱。

1.2.2 頻數分析 采用SPSS 20.0對連建偉教授治療痞滿病醫案中的癥狀、用藥、用方進行統計比較。

1.2.3 關聯規則分析 采用Clementine 11數據分析軟件，運用當中的關聯規則，分析連建偉教授治療痞滿病時對癥用藥，常用藥對的關聯關系。其中分析對癥用藥關聯時置信度>50%和支持度>15%;分析藥對時設置置信度>80%和支持度>15%。

2 結果

2.1 納入研究的特點 經過排除不符合要求醫案后，共有500多篇醫案符合前述的納入標準，其中常用方三十六首，常用的中藥八十五味。

2.2 頻數分析 在連建偉教授醫案中，痞滿病最常伴隨癥狀為：脘痛、噯氣、口苦、泛惡、便溏或是便秘。舌苔最常見為淡紅舌和白膩苔，脈象最常見為右脈緩和左關弦。連建偉教授治療痞滿的常用方劑依次為：逍遙散、補中益氣湯、二陳湯、平胃散、香砂六君子湯、參苓白術散等。導師治療痞滿的中藥主要作用益氣、理氣、利水滲濕、化濕、消食。表1、2、3、4為具體的各類癥狀、舌脈、方劑、藥物頻率。

2.3 關聯規則分析

以看出：連建偉教授治療痞滿病時，不同的脈象往往對應不同的藥物，其中見右脈緩時，用炒白術、茯苓、陳皮、炙甘草;見右關虛大時，用黨參、生黃芪、炒白術、升麻、炒當歸、陳皮、炙甘草;見左關弦時，用柴胡、炒白芍、炒當歸、炒白術、茯苓、制香附、郁金、薄荷、陳皮、炙甘草;見右關大時，用制半夏、陳皮、茯苓、炙甘草、蒼術、制厚樸、焦山楂、焦神曲;見黃膩苔時，用藥制半夏、茯苓、陳皮、炒白術、炒薏苡仁、生薏苡仁、炙甘草;見白膩苔時，用炒白術、陳皮、茯苓、炙甘草。連建偉教授治療痞滿的常用藥對是：升麻-黃芪、炒白術-黃芪、黨參-炒白術、山藥-炒白術、山藥-芡實、炒扁豆-芡實、柴胡-炒白芍、柴胡-赤芍、柴胡-薄荷、制香附-郁金、制香附-佛手片、蒼術-制厚樸、蒼術-焦神曲、焦山楂-焦神曲。見表5、6。

3 討論

痞滿兩字所表述之意，最早的文字記載可以考據于《素問》，《黃帝內經》當中有“滿”“否塞”“否膈”等稱謂，與痞滿相似。并且在《素問》當中提出它們的病因、病機與飲食有關，如《素問·太陰陽明論》中提到“陰受之則入五臟……入五臟則月真滿閉塞”[13]。明朝葉文齡對痞滿病因病機作了非常深入的闡明，即“痞有虛實之殊，而又有濕、有熱、有痰、有郁、有風寒不消、有脾胃虛弱、有飲食過傷者，當求所因而分治之”[14]。至于對痞滿一證的治療，最早可見于張仲景的《傷寒雜病論》《名醫類案》中將痞滿證案例中分按虛、實及虛實兼雜三型進行治療[15-16]，隨后醫家，都有各自的發揮，豐富了痞滿的治療。

本研究通過對連建偉教授痞滿病醫案數據庫的頻數和關聯規則分析，發現連教授診治痞滿病的規律如下：主要從本病病位在脾、胃，與肝膽病位相關出發;主要病機是脾胃虛弱、肝脾不和、濕停食積;故而以補中益氣、解郁疏肝、醒脾化濕為主要法則，尚可輔以燥濕化痰、除滿行氣等法。在舌象上，皆根據熱像有無，濕象輕重酌情選藥，運用健脾化濕之品，如二陳湯以及炒白術和薏苡仁。在藥對上，主要是體現在常用方劑上的運用，如上提到的補中益氣湯、參苓白術散、逍遙散、二陳湯、柴胡疏肝散、平胃散、保和丸等。其中參苓白術散加芡實以增強健脾脾止瀉之效;柴胡疏肝散加郁金、香附、佛手增強疏肝行氣之效，而郁金香附對能行氣分和血分之郁滯，方中酌加效用亦彰，其中白芍、赤芍常根據血熱血瘀情況換用或合用;而藿香蔻仁對增強行氣化濕之效，神曲山楂對加強消食健脾之功。對于脈象，右脈緩，連老師認為這是脾胃虛弱不能化生氣血，脈管充盈鼓動無力，當補益脾胃;右關虛大時，此脾胃氣虛，陰火內生，灼傷陰血，使氣不能附于血而上浮于衛表，以東垣補中益氣方補氣斂火;連老師臨床左右關脈合參，重調肝脾，如見左關弦，右關脈大主胃氣實，連老師認為此乃肝氣郁滯、脾胃尚強，柴胡疏肝散疏肝理氣活血，加用廣郁金、佛手片助疏肝理氣之功[17]。

在本研究利用數據挖掘技術，根據連建偉教授痞滿病醫案，通過整合、校對、挖掘和分析，初步得出了連建偉教授診治痞滿病的癥狀、病機、治法、處方、用藥等證治規律，依托大數據分體為基礎，較傳統的醫案描述更具可信性與有效性。但由于本次研究中挖掘的數據數據較龐大，而未對方藥劑量等給予充分挖掘，有待后續完成。最后，數據挖掘雖然是一種很有效的發現名老中醫經驗的方法，但它并不總是能正確地發現所有規律[18]，因此數據挖掘的信息仍需同臨床經驗相結合，做到互補互用，從而更好的完成名老中醫經驗的傳承。

參考文獻

[1]楊銘，田雨，陳佳蕾，等.BK算法在中醫方劑“基本方”發現中的應用[J].中國中藥雜志，2013，37（21）：3323.

[2]陳連棟.Apriori算法在中醫脾胃病方劑方面的研究[J].黑龍江科技信息，2012，15（2）：91.

[3]Gudinova Z.On the application of elements of data mining（the detection of useful knowledge in databases）in hygienic research and social-hygiene monitoring[J].Gig Sanit，2012（5）：78-81.

[4]SCHONING V，HAMMANN F.How far have decision tree models come for data mining in drug discovery？[J].Expert Opin Drug Discov，2018，13（12）：1067-1069.

[5]YU P.Mining Association Rules between Sets of Items in Large Databases.ACM SIGMOD Digital Review，1999，1（3）：21-28.

[6]LI Q，ZHANG Y，KANG H，et al.Mining association rules between stroke risk factors based on the Apriori algorithm[J].Technology and health care：official journal of the European Society for Engineering and Medicine，2017，25（S1）：197-205.

[7]Zhou BZ，Li CF，Dai LL，et al.A method to enhance user experience of EMR based on mining association rules of incremental updating data[J].Zhougguo Yi Liao Qi Xie Za Zhi，2009，33（2）：83-86.

[8]DUGGIRALA H J，TONNING J M，SMITH E，et al.Use of data mining at the Food and Drug Administration[J].Journal of the American Medical Informatics Association，2016，23（2）：428-34.

[9]KUO M H，KUSHNIRUK A W，BORYCKI E M，et al.Application of the Apriori algorithm for adverse drug reaction detection[J].Studies in health technology and informatics，2009，148：95-101.

[10]陳毅菁.痞證的中醫藥研究進展[J].中醫藥通報，2013，12（6）：63-65.

[11]國家技術監督局.中華人民共和國國家標準·中醫臨床診療術語[M].北京：中國標準出版社，1997：1-217.

[12]中醫藥學名詞審定委員會.中醫藥學名詞[M].北京：科學出版社，2004：1-463.

[13]王洪圖.黃帝內經素問白話解[M].北京：人民衛生出版社，2004：207.

[14]周仲瑛.中醫內科學[M].北京：中國中醫出版社，2004：135.

[15]明·江瓘著，蘇禮等整理.名醫類案[M].北京：人民衛生出版社，2005：4-8.

[16]劉永.《名醫類案》痞滿案例證治特點分析[J].世界中醫藥，2011，6（3）：248-50.

[17]汪玲羽，張咩慶，施一春，等.連建偉教授從“關脈”辨治慢性萎縮性胃炎經驗拾萃[J].浙江中醫藥大學學報，2017，41（9）：738-740.

[18]FUKAZAWA C，HINOMURA Y，KANEKO M，et al.Significance of data mining in routine signal detection：Analysis based on the safety signals identified by the FDA[J].Pharmacoepidemiology and drug safety，2018，27（12）：1402-1408.

（2018-07-12收稿 責任編輯：徐穎）