基于《中國方劑數據庫》挖掘便秘組方配伍規律

盛野 呂曉東 龐立健

摘要 目的：分析《中國方劑數據庫》收錄治療便秘方劑組方用藥配伍規律，為臨床治療便秘提供研究依據。方法：選取并篩選《中國方劑數據庫》收錄治療便秘方劑，采用頻次分析、因子分析、系統聚類、關聯規則分析等數據挖掘方法對篩選方劑組方用藥進行分析。結果：共篩選287首治療便秘的方劑，涉及中藥211味，出現頻數最高的單味藥為甘草（109次），其次為大黃（103次）;因子分析可提取出25個主成分;聚類數目為5類時較好，常用藥物有大黃、黃芩、當歸、芍藥、陳皮、木香、地黃、人參等，演化得到核心組合10個;關聯分析顯示：大黃配伍黃芩、梔子;大黃配伍芒硝;甘草配伍梔子、黃芩;大黃配伍黃連為常用藥對。結論：《中國方劑數據庫》收錄治療便秘方劑藥類以補虛、解表、清熱、理氣、瀉下以及化痰平喘為主。而大黃→檳榔;當歸→地黃;甘草→陳皮;羌活→防風;芍藥→當歸值得進一步討論。

關鍵詞 數據挖掘;便秘;配伍規律;系統聚類分析;關聯規則分析

Abstract Objective：To analyze the compatibility rule of Chinese Prescription Database in the treatment of constipation，and to provide basis for clinical treatment of constipation.Methods：Based on the screening of formula in the treatment of constipation in the Chinese Prescription Database，we collected and analyzed the prescription by frequency analysis，factor analysis，system clustering，association rule analysis and other data mining methods.Results：A total of 287 prescriptions for constipation were screened，involving 211 Chinese herbs，and the most frequent one was Radix Glycyrrhizae（109 times），followed by Radix et Rhizoma Rhei（103 times）.Factor analysis can extract 25 principal components.The cluster number of 5 kinds was good，and commonly used drugs were Radix et Rhizoma Rhei，Radix Scutellariae，Radix Angelicae Sinensis，Paeonia Lactiflora，Pericarpium Citri Reticulatae，Radix Aucklandiae，Radix Rehmanniae Recens，Radix Ginseng，etc.，and 10 core combinations were obtained.The correlation analysis showed that Radix et Rhizoma Rhei combined with Radix Scutellariae and Fructus Gardeniae; Radix et Rhizoma Rhei with Natrii Sulfas; Radix Glycyrrhizae with Fructus Gardeniae and Radix Scutellariae; Radix et Rhizoma Rhei with Rhizoma Coptidis were known drug pair.Conclusion：The drugs of formula for constipation in Chinese Prescription Database were mainly tonifying deficiency，relieving superficies，clearing away heat，regulating qi，purging purgation and eliminating phlegm and relieving wheezing.And Radix et Rhizoma Rhei→ Semen Arecae; Radix Angelicae Sinensis→ Radix Rehmanniae Recens; Radix Glycyrrhizae→ Pericarpium Citri Reticulatae; Rhizoma et Radix Notopterygii→ Radix Saposhnikoviae; Paeonia Lactiflora→Radix Angelicae Sinensis are worthy of further discussion，which will provide some reference for the research and development of new drugs of TCM for constipation.

Key Words Data mining; Constipation; Formulating rules; Hierarchical clustering; Association rules

中圖分類號：R243;R574文獻標識碼：Adoi：10.3969/j.issn.1673-7202.2019.08.054

便秘是指大腸傳導功能失常，導致大便秘結，排便周期延長;或周期不長，但糞質干結，排便困難;或糞質不硬，雖有便意，但排出不暢的病證[1]?！饵S帝內經》首載便秘之癥，稱其為“后不利”“大便難”。漢·張仲景《傷寒雜病論》中將便秘稱為“脾約”。劉完素首倡實秘、虛秘之別，《素問病機氣宜保命集·瀉痢論》載：“凡臟腑之秘，不可一例治療，有虛秘，有實秘，胃實而秘者，能飲食小便赤……胃虛而秘者，不能飲食，小便清利”。而便秘一名首見于清代沈金鏊的著作《雜病源流犀燭》中，并沿用至今。絡脈從經脈分出后，逐級細分為別絡至纏絡、系絡直至其末端孫絡。隨著絡脈分支愈加細窄遷曲，絡中氣血的運行漸趨緩慢，一旦邪客絡脈，絡中氣血的輸布環流將受到影響，易致絡脈瘀滯狀態。氣化功能失常，絡氣郁滯，或絡氣虛乏推運無力而滯，氣化不利則津凝為痰，氣失流暢則血行澀滯，痰瘀阻滯，絡脈由滯到瘀，氣血瘀塞不通。痰瘀阻絡進一步影響氣的升降出入運動而加重氣滯。大腸傳化功能的正常運行以及大便的通暢調合依賴于氣機運行的調暢。例如肺主一身之氣，與大腸相表里，若肺氣失宜，壅滯不降，大腸傳導阻滯則發為便秘。中藥方劑是中醫治療的主要手段，基于博大而深厚的傳統理論，其組成配伍規律龐雜多變。目前，基于數據挖掘技術對中醫藥方劑的研究主要集中于藥證結合、中藥組合、方劑配伍以及核心方藥的發現方面。

基于絡病理論，我們以國家人口與健康科學數據共享平臺和中國中醫科學院中醫藥信息研究所提供的《中國方劑數據庫》為檢索數據庫，應用頻數分析、因子分析[2]、系統算法聚類分析[3]以及Apriori算法關聯規則分析[4]等數據挖掘技術對治療便秘方劑進行中藥組方用藥配伍規律分析，篩選所有便秘方劑中涉及的高頻中藥并從其藥性、四氣五味、歸經配伍特點等方面加以探討和研究，以期為治療便秘方劑的理論知識及臨床治療便秘的組方用藥提供思路，進而提高臨床治療效果。

1 資料與方法

1.1 數據來源

選取國家人口與健康科學數據共享平臺和中國中醫科學院中醫藥信息研究所提供的《中國方劑數據庫》中的方劑專題服務數據，包括方劑名稱、藥物組成、功效、主治。

1.2 數據篩選

以《中國方劑數據庫》中的方劑專題服務數據為檢索數據庫，以方劑的主治、功效為依據，主治中明確載有脾約、閉、陰結、陽結、虛秘、氣秘、風秘、熱密、寒秘、大便不利、大便不通等字樣者，或證候表現具有便秘癥狀者均在收錄之列。對于方劑主治過于龐雜且組方用藥對便秘缺乏針對性的條目，原則上不予以收錄。

1.3 中藥名稱規范

參照《中藥別名速查大辭典》[5]對中藥別名及俗稱予以規范;參照全國高等中醫藥院?！笆濉币巹澖滩摹吨兴帉W》[6]《中藥大辭典》[7]內容予以規范，并對其中藥功效進行歸類。具體包括以下幾個方面：1）中藥別名和俗稱：如樸硝歸為芒硝，錦紋歸為大黃等;2）中藥合寫或出現方劑名：如三白湯、三黃湯、梔子豉湯、六一散等將其補全;3）中藥炮制或產地名稱：如茅蒼術、北蒼術歸為蒼術，漢防己歸為防己，南木香歸為木香，川柴胡歸為柴胡等;4）藥名書寫不規范或方劑組成相同：如將訶子歸為訶梨勒等。中藥名稱規范化處理見附表1。

1.4 數據錄入

將所納入方劑按照表1格式進行錄入，如果該方劑內含有此味中藥則記錄為“1”，反之，沒有此味中藥則為“0”。進行關聯規則分析時，須將表1的數據格式進行轉換，即將“1”“0”分別用“T”“F”替代并保存。

1.5 數據分析

應用頻數及高頻藥物頻率進行數據挖掘分析便秘方劑所有組成中藥的構成情況，出現頻數按照從高到低的順序排序;應用因子分析挖掘高頻藥物的特征值、貢獻率和綜合得分;采用聚類分析中的系統聚類算法挖掘治療便秘方劑的常用中藥;采用關聯規則分析中的Apriori算法挖掘高頻中藥藥對之間的配伍關系。

2 結果

2.1 藥物使用頻次、頻率分析

按照上述標準篩選后，得到明確可用于治療便秘的方劑共287首，其中涉及中藥211味，藥物使用總頻數達2 535次。通過頻數頻率統計，單味藥中使用頻率最高的是甘草，共使用109次，使用頻率為4.30%;大黃次之，共使用103次，使用頻率為4.06%。使用頻率排列前10位的中藥依次為：甘草、大黃、黃芩、當歸、芍藥、陳皮、木香、地黃、桂枝、枳實。以單味藥使用頻數≥平均頻數（使用頻數≥12次）的69味中藥為本次數據挖掘的高頻藥物。見表2。

2.2 高頻藥物性味、歸經分析

按照《中藥學》與《中藥大辭典》統計高頻藥物四氣、五味及歸經的頻數頻率。見表4、表5、表6。其中，溫性藥物使用頻率最高，達26.64%;寒性藥物次之，達20.87%。五味屬性中，辛味、苦味、甘味藥物使用頻數最高，均大于500次，其使用頻率依次為33.38%，31.79%，21.58%，累計頻率超過80%。歸經屬性中排列前5位的為脾經、肺經、胃經、肝經、心經。

2.3 高頻藥類使用頻數、頻率分析

將高頻藥物按照《中藥學》與《中藥大辭典》的藥物分類標準進行分類，共得到藥物類別16項，總頻數為1 958次。見表3。由表3可見，補虛藥使用頻數最高，達331次，占總使用頻數的17.50%;解表藥次之，使用頻數達305次，占總使用頻數的16.13%;清熱藥使用頻數達295次，占總使用頻數的15.60%，位居第3位。使用頻率排列前6的藥類依次為：補虛藥、解表藥、清熱藥、理氣藥、化痰止咳平喘藥、瀉下藥，在高頻藥物的累計頻率中高達79.00%，可見歷代治療便秘的方劑涉及的藥物種類、數量均較廣泛，具體用藥則較為集中。

2.4 因子分析結果

運用SPSS 19.0統計軟件對高頻藥物進行因子分析，首先進行KMO和Bartlett的檢驗。見表7。KMO統計量為0.715（>0.5），Bartlett球形檢驗P=0.000（<≈0.05），說明藥物間相關程度較好，適合做因子分析。前25個公因子累計方差貢獻率達71.141%，說明可以用該25個公因子進行代替。見表8。運用最大方差法（即具有Kaiser標準化的正交旋轉法）進行旋轉，旋轉在25次迭代后收斂，得到相對較好效果，提取出各公因子中載荷量>0.4者，若提出的變量在多個公因子中同時出現，說明其不能作為公因子代表，宜排除，得出結果：黃連（0.694）、梔子（0.685）、黃柏（0.679）、天花粉（0.664）、連翹（0.565）、玄參（0.514）在第一因子P1上有較高的載荷;白僵蠶（0.824）、天麻（0.784）、麝香（0.574）在第二因子P2上有較高的載荷;荊芥（0.729）、蒼術（0.643）、葛根（0.632）在第三因子P3上有較高的載荷，以此類推，詳見附表3。由旋轉成分矩陣可寫出每個成分的因子表達式，BX1=0.334×F1+0.111×F2+0.238×F3-0.173×F4-0.076×F5+……+0.180×F21+0.029×F22+0.182×F23+0.029×F24-0.211×F25。以此類推，可以得到其余BX2～BX69的表達式。依據個體因子F1中每個指標所對應的系數，得到個體因子F1的表達式，F1=-0.058×BX1+0.072×BF2+0.105×BX3+0.056×BX4-0.073×BX5+……+0.214×BX64-0.057×BX65-0.016×BX66-0.001×BX67-0.051×BX68+0.073×BX69。以此類推，可以得到其余F2～F25的表達式。碎石圖見圖1，旋轉載荷見圖2。

2.5 系統聚類分析結果

運用SPSS 19.0統計軟件對高頻藥物進行系統聚類分析，聚類方法為Ward法，變量間距離定義使用平方Euclidean距離，聚類結果見圖3。將結果聚為5大類較為合理，分別是第1類：大黃、甘草;第2類：1組：當歸、地黃、芍藥;2組：人參、白術、茯苓;3組：羌活、防風、川芎、桂枝;第3類：1組：黃連、黃柏;2組：梔子，桔梗，柴胡;3組：黃芩;第4類：1組：陳皮、木香;2組：香附、沉香、青皮、枳實、檳榔、厚樸;3組：枳殼、半夏;第五類：1組：芒硝、麥冬;2組：其他。演化得到10個核心組合結果見表9。

2.6 關聯規則分析結果

運用SPSS 14.2統計軟件進行高頻藥物的關聯規則分析，設置參數：最低條件支持度=10%，最小規則置信度=55%，最終得到藥物組合共32組，并據此分析結果進一步繪制出關聯網絡圖。見表10和圖4。分析可知，在2味藥的關聯規則中，甘草→黃芩和大黃→黃芩的支持度均為23.34%，并列第1位，其中甘草→黃芩的置信度更高，為58.21%，大黃→黃芩的置信度相對稍低，為56.72%;甘草→芍藥的支持度為18.47%，置信度為67.92%，排列第3位。在3味藥的關聯規則中，大黃→黃芩、甘草的支持度最高，達18.47%，其置信度為67.92%;梔子→黃芩、大黃的支持度次之，達13.24%，其置信度為65.79%。

3 討論

《蘭室秘藏·大便結燥門》載：“若饑飽失節，勞役過度，損傷胃氣，及食辛熱味厚之物，而助火邪，伏于血中，耗散真陰，津液虧少，故大便結燥”;《扁鵲心書·便秘》載：“老人氣虛，及婦人產后血少，致津液不行，不得通流，故大便常結”。《名醫雜著》載：“證屬形氣病，形氣俱不足，脾胃虛弱，津血枯涸而大便難爾”。由此可見陰陽氣血不足均是導致便秘的內在基礎，感受外邪是便秘發生的外在條件，熱結、氣滯、寒凝、津液耗傷為其病因根本，病位首在大腸，并同時與肺、脾、胃、肝、腎等臟腑關系密切。本研究依據國家人口與健康科學數據共享平臺提供的方劑專題服務數據，篩選出與便秘相關的287首方劑，采用頻數分析、因子分析、系統聚類、關聯規則分析等數據挖掘方法，運用SPSS 19.0統計軟件與SPSS 14.2統計軟件等數據挖掘軟件總結出治療便秘的方劑用藥及配伍規律，以期為便秘的臨床治療提供思路。

3.1 中藥頻數分析

通過對治療便秘287首方劑所涉及到的69味高頻藥物用藥分析可見，方劑中所涉及到的藥物分類主要以補虛藥、瀉下藥、理氣藥、解表藥化痰平喘藥以及活血化瘀藥等為主。單味藥使用頻數≥50的藥物有甘草、大黃、黃芩、當歸、芍藥以及陳皮。上述藥物分類以及單味藥的使用基本能夠體現歷代醫家對便秘相關用藥規律的認識。飲食不節、勞役過度、脾胃氣虛等導致大腸通降失調，造成傳導不利是便秘的基本病機。在便秘的發展過程中，熱盛津傷占有主要影響地位[8]。此外，胃腸虛寒和肺臟功能失調亦是導致便秘的原因之一。因此，便秘治療時以潤腸清熱為基本原則，又可根據病性的虛實，分別予以瀉熱、溫散、通導、益氣溫陽或是滋陰養血之法。通過對287首治療便秘方劑用藥規律的研究顯示，其結果恰如《景岳全書·秘結》曰：“陽結證，必因邪火有余，以致津液干燥。大腸熱盛，燥屎內結。瀉下熱結，熱去結散便通”。用藥多以補陰藥、瀉下藥為主。又如《傷寒名案選新注》載李士材醫案：“治吳君明，傷寒六日，譫語狂笑，頭痛有汗，大便不通，小便自利。方今仲冬，宜與桂枝湯……明日大便自通”巧用解表藥治療便秘[9]。清·陳士鐸《石室秘錄·大便閉結》云：“大便閉結者，人以為大腸燥甚，誰知是肺氣燥乎？肺燥則清肅之氣不能下行于大腸”[10]。明確指出便秘與肺有關，用藥多以化痰平喘藥與理氣藥等為主，契合便秘的治療理念。就使用頻數較高的藥類分析來看，補虛藥使用頻次最高，其中以補氣、補血藥為主，代表藥為當歸、芍藥、人參、白術、甘草等。解表藥緊隨其次，以桂枝、羌活和柴胡等藥物為主。瀉下藥以大黃和芒硝等攻下藥為主。清熱藥、理氣藥、化痰止咳平喘藥、利水滲濕藥以及活血化瘀藥的使用頻率也較高，具有一定的研究意義。因此便秘治療總以扶正祛邪，恢復大腸傳導功能為主。在便秘治療中，補虛藥與解表藥占有重要地位，常配伍清熱藥，輔以理氣、化痰、瀉下藥使用。

3.2 因子分析

因子分析的目標是通過發掘隱藏在數據下的一組較少的、更為基本的無法觀測的變量，來解釋一組可觀測變量的相關性。這些虛擬的、無法觀測的變量稱作因子（每個因子被認為可解釋多個觀測變量間共有的方差，因此準確來說，他們應該稱作公共因子）[11]。利用因子分析的意義在于比較分析治療便秘方劑中的藥物組方規律，通過因子載荷系數篩選出在治療便秘中發揮功效的主要中藥類別及單味中藥。本研究顯示，KMO統計量=0.715（滿足>0.5的檢測標準），由于提取主成分過多導致前25個主成分（F1～F25）對應的特征根介于1.273與3.760之間，彼此區別不是很大，不能很好的解釋原始變量，概其原由是治療便秘方劑過于龐雜所致。參照附表3，對25個主成分初步提取，例如黃連（0.694）、梔子（0.685）、黃柏（0.679）、天花粉（0.664）、連翹（0.565）、玄參（0.514）在F1上有較高的載荷;白僵蠶（0.824）、天麻（0.784）、麝香（0.574）在F2上有較高的載荷;荊芥（0.729）、蒼術（0.643）、葛根（0.632）在F3上有較高的載荷;陳皮（0.758）、青皮（0.718）在F5上有較高載荷。從藥類使用上分析，基本契合治療便秘的常用藥類，即以解表藥、祛風濕藥、補虛藥、理氣藥、活血化瘀藥、清熱藥、平肝熄風藥、化痰止咳平喘藥以及溫里藥等為主。因此，作為一種數學計算方法，因子分析在治療便秘方劑的客觀的定量評價方面具有優勢，從另一個側面為中醫藥治療便秘提供了一個新的嘗試性研究方法，為便秘方劑的臨床應用提供了參考性指標。

3.3 系統聚類分析

系統聚類是實際工作中使用的最多的一種聚類方法，它具有十分明顯的優點：可以對樣品聚類，也可以對變量聚類。通過將n個樣品或變量看成不同的n類，然后將距離接近（針對樣品聚類）或性質接近（針對變量聚類）的兩類合并為一類;再從這n-1類中找到最接近的2個類合并，以此類推，直到所有的樣品或變量被合為一類。整個過程可以繪成聚類圖，按圖和具體問題來決定分類[12]。本研究運用系統聚類分析法，在通過對治療便秘方劑數據的多次聚類后，結合治療便秘方劑的藥物組成分析，系統聚類模型顯示，治療便秘方劑比較好的聚類數目為5類。分析可見，第1類方劑主要由大黃、甘草等藥物組成，聚一類以瀉下藥與補虛藥相配伍，主要針對熱結下焦與脾胃氣虛兩類病理因素;第2類方劑組成有當歸、地黃、芍藥均為補血藥，針對陰血虛，潤澤榮養不足所致便秘;人參、白術、茯苓為補氣藥與利水滲濕藥的組合，針對氣虛水停，溫煦傳送無力所致便秘;羌活、防風、桂枝、川芎為發散風寒藥與活血化瘀藥組合，主要針對外感寒邪與瘀血停滯兩類病理因素;第3類方劑主要組成有黃連與黃柏清熱燥濕藥配伍，針對濕熱雍滯，氣機內停所致便秘;梔子，桔梗，柴胡為清熱瀉火藥、清化熱痰藥與發散風熱藥組合，針對熱盛津傷所致便秘;第4類方劑組成為陳皮、木香為理氣藥組合，針對情志失調，氣機郁滯的病理因素;香附、沉香、青皮、枳實、厚樸、檳榔為理氣藥與化濕藥組合，針對濕氣瘀滯，氣機不通所致便秘;枳實、半夏為理氣藥與溫化寒痰藥組合，針對寒凝氣滯，痰飲內停兩類病理因素;第5類中藥聚類相效果不理想，但其中芒硝與麥冬為攻下藥與補陰藥的組合，針對津液虧損，大腸失潤所致便秘。結果顯示系統聚類聚為5類時，5類治療便秘方劑中主要藥物組成雖有很多相似之處，但第1、2類方劑的藥物組成以常用藥物為主，而第3、4類方劑的藥物組成中除了常用藥物還有許多特殊藥物。經與相關中醫傳統理論及其他相似研究對比，可以認為由系統聚類算法所確定的5類藥物組成與已有的理論研究及臨床研究結果之間符合度較好，不存在明顯矛盾，并且在進行數據挖掘時還總結出治療便秘的特殊藥物有陳皮、香附、桔梗、半夏、麝香、郁金、烏頭、三棱、吳茱萸等，對治療便秘方劑的理論與實踐研究具有一定的推動作用。其次，基于聚類分析，本研究演化得到治療便秘的核心組合10個，分別為大黃、甘草;當歸、地黃、芍藥;人參、白術、茯苓;羌活、防風、川芎、桂枝;黃連、黃柏;梔子、桔梗、柴胡;陳皮、木香;青皮、枳實、厚樸、沉香;枳實、半夏;細辛、白芷、生姜，這10個核心組合同樣印證飲食不節、情志失調、年老體虛、感受外邪會造成熱結、氣滯、寒凝、氣血陰陽虧虛，對便秘的發生發展不容忽視。

3.4 關聯規則分析

關聯規則又稱關聯挖掘，能夠反映兩藥之間的配伍緊密程度，、相關性或因果結構，依賴關系網絡分析可以發現某些屬性同時出現的規律和模式，進而發現核心藥物，兩者結合則可以發現核心藥組[13]。本研究為探索治療便秘運用Apriori算法對高頻藥物進行關聯規則分析，為探索治療便秘方劑中新的組方規律，本研究將設置參數調為支持度≥10%，置信度≥55%，共得出32條二元矩陣的藥對與藥組關聯規則。見表10。結果分析可見，大黃→黃芩、梔子;大黃→芒硝;甘草→梔子、黃芩;大黃→黃連;黃芩→梔子;大黃→甘草;黃芩→甘草為已知治療便秘常用藥對[14]。由此，我們更進一步將設置參數調為支持度≥10%，置信度≥60%，共得出17條藥對與藥組關聯規則，支持度較高的藥物組合有大黃→梔子;甘草→黃芩;甘草→大黃;甘草→川芎。這些藥對與藥組主要是補虛藥、活血化瘀藥、清熱藥、瀉下藥的不同組合，如瀉下藥→清熱藥（大黃→梔子）;補虛藥→清熱藥（甘草→黃芩）;補虛藥→活血化瘀藥（甘草→川芎）;補虛藥→瀉下藥（甘草→大黃）。上述結果體現了治療便秘的瀉熱、溫散、通導、益氣溫陽與滋陰養血等治法。大黃→檳榔;當歸→地黃;甘草→陳皮;羌活→防風;芍藥→當歸是現今尚未總結的隱性結論，值得進行進一步討論。

3.5 創新點與研究不足

3.5.1 創新點分析

由治療便秘組方為切入點，對《中國方劑數據庫》相關內容進行了系統梳理并建立治療便秘的2次數據庫，綜合運用Excel 2016、SPSS 19.0統計軟件與SPSS 14.2統計軟件等數據挖掘軟件，運用因子分析、頻數統計、系統聚類分析及關聯規則分析等手段，依據藥物類別→單味藥→藥對或藥組→方劑的順序，從局部到整體的不同角度進行研究治療便秘組方的藥類分析和用藥規律，探討其功效、主治、藥對配伍等相關理論，驗證部分中藥在治療便秘方劑配伍研究中的合理性與可行性，為發揮中醫藥治療優勢，提高便秘的臨床治療效果提供可靠的數據支持。此外，通過聚類分析結果顯示，治療便秘的核心類別有10類，分別為大黃、甘草;當歸、地黃、芍藥;人參、白術、茯苓;羌活、防風、川芎、桂枝;黃連、黃柏;梔子、桔梗、柴胡;陳皮、木香;青皮、枳實、厚樸、沉香;枳實、半夏;細辛、白芷、生姜，同時也印證了補虛藥、解表藥、瀉下藥以及理氣藥對于便秘治療的有效性。

3.5.2 研究不足分析

本研究的數據受國家人口與健康科學數據共享平臺提供的《中國方劑數據庫》支持，其中共收錄了萬余首方劑數據，符合數據挖掘技術對數據源數據量大的基本要求。在研究過程中，我們發現了存在兩首方劑的名稱相同的情況。通過查閱古籍發現，方劑數據庫錄入的主治與古籍記載不完全一致等情況，因此可能會對數據挖掘研究造成偏倚，從而影響結論的可靠性。其次，從數據挖掘角度考慮，如果能收集到更多治療便秘的方劑信息并做好規范化數據處理，對治療便秘方劑的數據挖掘就能更加全面、更加準確。此次對治療便秘方劑的數據挖掘主要選擇了頻數分析、因子分析、系統聚類分析、關聯規則分析等數據挖掘方法，對于發現頻率較高的隱含數據信息效果較好，但無法研究出現頻率較低的信息。由此可見，臨床實踐上由醫家對某方面的獨特認識而產生的一些特殊的數據項，盡管其出現頻率不高，但確實重要，不能被忽視。基于關聯規則分析，我們雖然也試圖通過降低最小支持度來減小算法本身的缺陷，但不可否認的是這依然是目前所存在的一大難題。

4 小結

本研究通過對方劑專題服務數據中治療便秘方劑進行篩選，得到二次數據庫，采用頻數分析、因子分析、系統聚類分析和關聯規則分析等數據挖掘方法，對治療便秘的方劑進行數據挖掘分析。

結果顯示，補虛藥、瀉下藥、理氣藥、解表藥化痰平喘藥以及活血化瘀藥在便秘的使用中占有較大比重。便秘治療總以扶正祛邪，恢復大腸傳導功能為主。治療時以潤腸清熱為基本原則，又可根據病性的虛實，分別予以瀉熱、溫散、通導、益氣溫陽或是滋陰養血之法。進行數據挖掘時還總結出治療便秘的特殊藥物有陳皮、香附、桔梗、半夏、麝香、郁金、烏頭、三棱、吳茱萸等。大黃→檳榔;當歸→地黃;甘草→陳皮;羌活→防風;芍藥→當歸是現今尚未總結的隱性結論，值得進行進一步討論。數據挖掘適用于治療便秘方劑的研究，我們通過數據挖掘技術，量化地挖掘出便秘常用藥物、特殊藥物以及藥對，以期通過直觀數據的形式為治療便秘提供臨床參考，也可為科研提供研究思路。

5 致謝

本組全體成員對提供此次比賽機會的主辦方國家科技基礎條件平臺中心表示由衷的感謝，同時，感謝國家人口與健康科學數據共享平臺和中國中醫科學院中醫藥信息研究所提供的中國方劑數據庫，感謝CNKI提供的文獻查詢支持，感謝本組此次比賽中所引用書籍、文獻的主編及作者，感謝各位評委老師對本組作品的悉心評閱，感謝學校給予濃厚的學術氛圍。最后，再一次真誠的感謝我們的父母以及關心、幫助過我們的老師和同學，他們寶貴的意見是我們靈感和動力的源泉。

參考文獻

[1]吳勉華，王新月.中醫內科學[M].北京：中國中醫藥出版社，2012.

[2]李佳麗，顏立志，季田，等.主成分分析古醫籍中肝癌類證候組方規律[J].中國中西醫結合外科雜志，2016，22（6）：523-528.

[3]許仲寧.系統聚類關聯分析大腸癌放射性腸炎組方規律[J].光明中醫，2018，33（5）：753-754，后插1，封3.

[4]滿達，吳超群，艷紅，等.基于關聯分析的蒙醫薩病方劑組方規律研究[J].中國民族醫藥雜志，2017，23（7）：46-47.

[5]李順保.中藥別名速查大辭典[M].北京：學苑出版社，1997：65.

[6]陳蔚文.中藥學[M].2版.北京：人民衛生出版社，2013：73.

[7]江蘇新醫學院.中藥大辭典[M].上海：上海人民出版社，1977：87.

[8]李霞，朱思敏，李防棟.劉紹能主任治療便秘經驗[J].醫學信息，2015，28（41）：362-362.

[9]張磊.舒芬太尼麻醉用于心血管手術的多中心臨床研究[J].中國衛生產業，2014，12（3）：108-109.

[10]陽婷婷，唐軼洋，張興安.舒芬太尼與瑞芬太尼復合丙泊酚全憑靜脈麻醉用于神經外科手術效果與安全性的系統評價[J].中國循證醫學雜志，2013，13（12）：1492-1499.

[11]吳化宇，丁婕，雒朝君，等.基于驗證性因子分析的中醫工作滿意度量表研制[J].中國衛生統計，2019，36（1）：92-95.

[12]潘發明.SPSS統計分析大全[M].北京：清華大學出版社，2014：328-329.

[13]陳文莉，李文林，史勤，等.基于關聯規則及復雜網絡分析古醫籍中乳腺癌的用藥規律[J].南京中醫藥大學學報，2018，34（6）：625-629.

[14]石強.基于數據挖掘對柴胡類方方證規律的研究[D].北京：北京中醫藥大學，2012.

（2018-10-30收稿 責任編輯：楊覺雄）