基于文獻計量學的中醫遣方用藥經驗數據挖掘研究現狀分析

田少磊，李敬華，童元元，朱玲，于琦，田野，王映輝

基于文獻計量學的中醫遣方用藥經驗數據挖掘研究現狀分析

田少磊，李敬華，童元元，朱玲，于琦，田野，王映輝

中國中醫科學院中醫藥信息研究所，北京 100700

探討中醫遣方用藥經驗數據挖掘研究現狀、熱點及存在問題，為今后相關研究提供借鑒。以中國生物醫學文獻數據庫（CBM）、中國知識資源總庫（CNKI）、中國學術期刊數據庫（萬方數據）、中文科技期刊數據庫（維普網）收錄的中醫遣方用藥經驗數據挖掘論文為統計來源，采用描述性統計和共現分析方法對文獻發表年代、作者、機構、期刊、關鍵詞分布與共現情況進行總結分析。共納入文獻1830篇，分布于194種期刊，文獻數量呈逐年上升趨勢；形成7個研究團隊，三大研究機構合作群；研究疾病廣泛；挖掘對象為具有名望的中醫臨床大家；研究方法多為關聯規則、聚類分析、復雜網絡、頻數分析、因子分析；挖掘內容主要集中在藥對、組方規律、配伍規律、用藥規律。數據挖掘技術在中醫遣方用藥經驗研究領域的應用愈發廣泛，逐漸被中醫界接受和認可。

遣方用藥；數據挖掘；研究現狀；文獻計量學

遣方用藥是中醫辨證論治的重要環節，對其進行研究和總結可發現有效的中藥配伍規律，是中醫傳承的關鍵部分。近20年來，國內外學者將現代計算機技術與現代數學相結合，利用數據挖掘技術在中醫遣方用藥經驗傳承領域進行了一系列有益探索[1]。本文采用文獻計量學方法，對中醫遣方用藥經驗數據挖掘研究文獻的發表年代、作者、機構、期刊及關鍵詞進行分析，歸納其研究現狀、熱點及不足，以期為今后相關研究提供借鑒。

1 資料與方法

1.1 數據來源

檢索中國生物醫學文獻數據庫（CBM）、中國知識資源總庫（CNKI）、中國學術期刊數據庫（萬方數據）、中文科技期刊數據庫（維普網）。以“（數據挖掘or文本挖掘or信息挖掘or關聯or聚類or復雜網絡）and（中醫or名醫or國醫or處方or用藥or藥對）”為檢索策略，檢索途徑為題名或關鍵詞。檢索時間范圍不限，檢索日期2019年5月24日。

1.2 納入與排除標準

納入以挖掘中醫遣方用藥經驗為主題的研究論文。經前期文獻調研發現，學位、會議論文對中醫遣方用藥經驗數據挖掘研究分析結果有較大意義，故納入。排除綜述、理論探索、方法研究、內容信息不全、報刊、專利論文。合并重復發表的論文，保留優先級為期刊論文＞學位論文＞會議論文。

1.3 研究方法

1.3.1 描述性統計

突突突，突突突……底柱身后三挺馬克沁突然怒吼起來，不到最后時刻，底柱是不動用高處這座碉堡內機槍的，這是五連的底牌，輕易不肯暴露目標。

分屬主題6“北歐國家數學史”的大會報告是西挪威大學Andreas Christiansen的“第一批挪威數學教科書——一個獨立和爭議的故事”．他介紹了第一批挪威數學教科書的作者伯恩特·邁克爾·霍姆伯（Bernt Michael Holmboe，1795—1850）及成書背景，這些教科書在當時受到了很大爭議．Christiansen試著從成書的歷史時期及政治和社會背景去理解這些教科書，同時闡述了諸如教科書的靈感從何而來、今天又能從這些教科書中學到什么等問題．

按文獻發表年度統計文獻的發表時間分布狀況（見圖1、表1）。結果顯示，中醫遣方用藥經驗數據挖掘研究相關論文首見于2000年[3]。2000－2008年，中醫遣方用藥經驗數據挖掘研究類文獻發表量較少，2001、2002、2004年無文獻發表；2009－2013年，研究發文量逐年穩步增長；2014－2017年進入快速增長時期，年文獻發表量均≥136篇。2017、2018年文獻發表量分別為371、373篇。因2019年文獻未能反映全年文獻發表量，故未予展示。

控制單位面積上玉米穗的合理數量就是合理密植。土壤肥力、水肥條件等因素都決定著玉米的適宜種植密度，調整好玉米的種植密度可以增強整個地塊的玉米長勢，植株健康生長，玉米的優質高產才能得到保障。不同玉米品種的合理種植密度各不相同，自然條件以及土壤條件也影響著玉米種植密度。針對一些早熟的玉米品種，因為其發育期相對較短，植株相對矮小，所以可以適當密植，每畝以4000株左右為宜。在降雨條件或者灌溉條件良好的地塊也可以適當密植，但是干旱地塊的種植密度相對稀疏。

運用描述性統計方法對納入文獻的收錄期刊進行統計（見表4）。1830篇文獻分別來自于194種期刊，發文量≥13篇的期刊共32種，發文量＞40篇的期刊共6種，分別為《中國實驗方劑學雜志》《中國中醫藥信息雜志》《中華中醫藥雜志》《遼寧中醫雜志》《中國中藥雜志》《世界科學技術－中醫藥現代化》。

采用Excel2010進行描述性統計，展示中醫遣方用藥經驗數據挖掘研究的文獻發表時間、作者、機構、期刊的一般分布情況。

整理文獻關鍵詞，將表達內容相同但表述不一致者合并，如將中醫傳承輔助平臺、中醫輔助傳承系統合并為中醫傳承輔助系統；聚類、聚類算法合并為聚類分析。運用Gephi軟件繪制文獻關鍵詞共現網絡圖（見圖4）。圖中包括當前中醫遣方用藥數據挖掘研究領域涉及的挖掘方法及軟件、西醫疾病、中醫疾病等。由圖4可知，當前中醫遣方用藥數據挖掘研究領域的挖掘方法主要包括關聯規則、聚類分析、復雜網絡、頻數分析、因子分析，西醫疾病主要包括高血壓病、類風濕關節炎、慢性胃炎、冠心病、糖尿病、肺癌等，中醫疾病主要包括失眠、痤瘡、頭痛、哮喘、咳嗽、崩漏等，中醫名家包括顏正華、周仲瑛、汪受傳、葉天士等，所采用的主要挖掘軟件為中醫傳承輔助系統，挖掘的主要內容包括藥對、組方規律、配伍規律、用藥規律、證治規律等。見表5。

“共現”指文獻的特征項描述信息共同出現的現象，特征項包括文獻外部和內部特征，如題名、作者、關鍵詞、機構等。采用共現分析法對共現現象進行定量研究，可揭示信息的內容關聯和特征項所隱含的知識。

2 結果與分析

2.1 文獻數據

共檢出11 769篇文獻，CBM、CNKI、萬方數據、維普網分別為1768、2872、4636、2493篇，篩選后得到有效文獻1830篇。

2.2 文獻發表時間分布

1.3.2 共現分析

圖1 2000－2018年中醫遣方用藥經驗數據挖掘研究文獻發表情況

表1 2000－2018年中醫遣方用藥經驗數據挖掘研究文獻類型分布（篇）

年份總量期刊論文學位論文會議論文 2018年373294 77 2 2017年371266100 5 2016年310202 9612 2015年222159 5310 2014年136 93 36 7 2013年114 89 21 4 2012年 83 56 24 3 2011年 57 34 21 2 2010年 36 21 12 3 2009年 21 15 6 0 2008年 6 4 2 0 2007年 7 5 2 0 2006年 7 6 1 0 2005年 3 3 0 0 2003年 1 1 0 0 2000年 1 1 0 0

2.3 文獻作者及機構分析

采用描述性統計方法，統計納入文獻的作者及機構的分布情況（見表2、表3）。運用Gephi軟件繪制文獻發表作者、機構的共現網絡圖（見圖2、圖3）。由表2得知，中醫遣方用藥數據挖掘研究類發文量≥10篇共31人，發文量≥30篇共6人，分別為吳嘉瑞、張冰、張曉朦、呂愛平、鄭光、郭位先。由圖2可知，中醫遣方用藥數據挖掘研究形成的研究團隊有7個，分別為吳嘉瑞、張冰團隊，呂愛平、鄭光、楊靜團隊，李艷、郭錦晨、黃旦團隊，潘建科、謝輝、劉軍團隊，李娟、唐東昕、楊柱、王鏡輝團隊，孟祥梅、王瑋鑫、潘靜琳團隊，張寅、陳亮團隊。

由表3得知，中醫遣方用藥數據挖掘研究類發文量≥20篇共26家機構，發文量＞100篇共3家機構，分別為北京中醫藥大學、山東中醫藥大學、廣州中醫藥大學。由圖3可知，該領域形成了以北京中醫藥大學、中國中醫科學院臨床基礎醫學研究所、廣州中醫藥大學為核心的三大機構合作群。北京中醫藥大學與中國中醫科學院臨床基礎醫學研究所的合作群聯系較為密切。圍繞在此兩大核心節點周圍的機構主要有北京中醫藥大學基礎醫學院、北京中醫藥大學東直門醫院、中國中醫科學院廣安門醫院、中國中醫科學院中醫藥信息研究所、中國中醫科學院中醫基礎理論研究所等。圍繞在廣州中醫藥大學核心節點周圍的機構主要包括廣州中醫藥大學第二臨床醫院、廣州中醫藥大學第一附屬醫院等。

表2 中醫遣方用藥經驗數據挖掘研究文獻作者分布（發文量≥10）

序號 作者發文量/篇 序號 作者發文量/篇 1吳嘉瑞61 17黃旦14 2張冰59 18楊柱14 3張曉朦41 19唐東昕14 4呂愛平36 20洪坤豪14 5鄭光36 21王鏡輝13 6郭位先30 22譚勇13 7楊冰27 23周巧12 8李廷保26 24謝輝12 9忻凌25 25楊靜12 10郭錦晨24 26陳麗平10 11姜淼24 27莊逸洋10 12劉軍23 28李艷10 13郭洪濤23 29張天嵩10 14潘建科22 30羅莉10 15劉健17 31龍奉璽10 16宋倩14

表3 中醫遣方用藥經驗數據挖掘研究文獻機構分布（前30位）

序號機構名稱發文量/篇 1北京中醫藥大學181 2山東中醫藥大學120 3廣州中醫藥大學118 4南京中醫藥大學 55 5中國中醫科學院中醫臨床基礎醫學研究所 52 6湖南中醫藥大學 45 7遼寧中醫藥大學 41 8廣州中醫藥大學第二臨床醫學院 37 9中國中醫科學院 36 10安徽中醫藥大學 36 11天津中醫藥大學 35 12浙江中醫藥大學 34 13成都中醫藥大學 34 14中國中醫科學院廣安門醫院 33 15甘肅中醫藥大學 33 16長春中醫藥大學 30 17上海中醫藥大學 30 18廣州中醫藥大學第一附屬醫院 29 19廣東省中醫院 29 20湖北中醫藥大學 26 21貴陽中醫藥大學 26 22山東中醫藥大學附屬醫院 25 23廣州中醫藥大學第一臨床醫學院 24 24安徽中醫藥大學第一附屬醫院 24 25中國中醫科學院中醫藥信息研究所 20 26北京中醫藥大學東直門醫院 20 27遼寧中醫藥大學附屬醫院 19 28湖南中醫藥大學第一附屬醫院 18 29天津中醫藥大學第一附屬醫院 17 30河南中醫藥大學 17

注：節點度≥12，節點數45，邊條數65

注：節點度≥8，節點數38，邊條數93

2.4 期刊分析

1.3.3 復雜網絡可視化分析

當絲木棉花王在新址長出嫩芽，在花王原址也移植來絲木棉長出嫩葉。我堅信，六七年后，絲木棉花王的英姿又將重現，它遇土而生、頑強生長的精神將深入人心。它們長了又滅，滅了又長，無不昭示著能屈能伸、生生不息的力量。最重要的是，它每一次綻放、凋零、重生，都在我的記憶里。或許，絲木棉的生長，本身就是一種力量，一種精神的延續。

2.5 關鍵詞分析

Gephi為復雜網絡可視化分析軟件，可用于探索性數據分析、鏈接分析、社交網絡分析和生物網絡分析等[2]。本研究選用Gephi中文版0.8.2version，對納入文獻的作者、機構、關鍵詞進行共現分析。根據本研究目的，選擇Force Atlas布局，節點顏色為軟件默認設置，調節參數后繪制中醫遣方用藥經驗數據挖掘研究的作者、機構、關鍵詞共現知識圖譜。節點代表作者、機構、關鍵詞，節點大小與節點度成正比，節點越大表明該作者、機構、關鍵詞在其研究領域所發揮的作用越大。節點之間的連線代表作者、機構、關鍵詞的聯系，線條越粗表明關聯越緊密。

表4 中醫遣方用藥經驗數據挖掘研究文獻發表期刊分布（前32位，篇）

序號期刊發文量 序號期刊發文量 序號期刊發文量 序號期刊發文量 1中國實驗方劑學雜志70 9中華中醫藥學刊37 17世界中西醫結合雜志19 25中醫藥學報13 2中國中醫藥信息雜志65 10中國中醫基礎醫學雜志37 18北京中醫藥17 26中國中西醫結合雜志13 3中華中醫藥雜志64 11世界中醫藥31 19中西醫結合心腦血管病雜志16 27中國醫藥導報13 4遼寧中醫雜志56 12遼寧中醫藥大學學報30 20西部中醫藥16 28中國民族民間醫藥13 5中國中藥雜志46 13中醫雜志27 21湖南中醫藥大學學報16 29浙江中醫藥大學學報13 6世界科學技術－中醫藥現代化45 14中國中醫急癥20 22中醫研究15 30山東中醫雜志13 7中醫藥導報39 15新中醫20 23山東中醫藥大學學報15 31吉林中醫藥13 8時珍國醫國藥38 16國際中醫中藥雜志20 24河南中醫14 32湖南中醫雜志13

注：節點度≥20，節點數53，邊條數380

表5 中醫遣方用藥經驗數據挖掘研究文獻關鍵詞共現詞表

共現詞類別共現詞 數據挖掘方法關聯規則、聚類分析、復雜網絡、頻數分析、因子分析 西醫疾病高血壓病、類風濕關節炎、慢性胃炎、冠心病、糖尿病、肺癌 中醫疾病失眠、痤瘡、頭痛、哮喘、咳嗽、崩漏 中醫名家顏正華、周仲瑛、汪受傳、葉天士 數據挖掘軟件中醫傳承輔助系統 經驗總結內容藥對、組方規律、配伍規律、用藥規律、證治規律

3 討論

2009－2013年，中醫遣方用藥經驗數據挖掘研究發文量逐年穩步增長。2014－2017年進入快速增長期。2017、2018年文獻發表量已超過370篇。采用數據挖掘手段能發現隱藏在中醫藥數據中的規律[4]，利用數據挖掘方法發現中醫遣方用藥經驗的研究逐年增多，在一定程度上說明數據挖掘技術在中醫遣方用藥經驗研究的領域應用愈發廣泛，對發現中醫遣方用藥經驗所發揮的作用逐漸增加。

文獻發表作者、機構分析顯示，目前中醫遣方用藥數據挖掘研究領域形成了7個研究團隊、三大研究機構合作群。該領域主要發文機構為北京中醫藥大學、山東中醫藥大學、廣州中醫藥大學，這三家機構的發文量均高出排名第四的1倍以上。上述研究團隊及機構的研究內容及其動態變化可作為該領域研究者的重點關注內容。從發文作者的共現狀況可知，各研究團隊內部成員聯系緊密，形成了穩定的合作關系，而各研究團隊間的合作有待進一步加強。從發文機構所屬地域及院所可知，北京、廣東為該研究領域的核心地帶，同一院所系統內部的機構共現現象明顯（如廣州中醫藥大學與其所屬二級單位），而不同院所系統間的機構聯系相對較少，提示各研究團隊及機構應打破自身壁壘，增強交流學習，協力促進中醫遣方用藥數據挖掘研究領域的發展進步。從發文機構所屬類別可知，中醫藥行業的研究機構為該領域研究的中堅力量，計算機、數學、工程等行業的研究機構參與相對較少。在今后的研究中，應注重不同類別機構間的合作，尤其要加強與計算機、數學專業研究機構合作，以推動該領域的進一步發展。

期刊分析顯示，6種期刊發文量＞40篇，應受到同行關注。中醫遣方用藥數據挖掘研究類論文目前已刊登在方劑、信息、中藥等多種研究主題的中醫藥類核心期刊上，說明中醫遣方用藥數據挖掘研究逐漸被中醫界接受和認可。

對經營者的考核機制必須講究科學性、靈活性。一些國有企業的經營者為了完成經營目標采用減員增效的辦法，結果出現員工下崗、社會不穩。一位領導對經濟形式的判斷必須基于科學，在金融危機的背景下提出經濟指標實現開門紅顯然不切實際，結果只會導致下面造假蒙騙上面。

文獻關鍵詞分析顯示，該領域研究的疾病廣泛，涉及西醫的循環、呼吸、消化系統疾病及中醫的心、肝、肺系等疾病；中醫名家為其挖掘的主要對象；研究方法多為關聯規則、聚類分析、復雜網絡、頻數分析、因子分析等，總結的經驗集中在藥對、組方規律、配伍規律、用藥規律等方面。作者通過查閱歷年此類文獻后發現，近10年中醫遣方用藥經驗數據挖掘領域所采用的方法和經驗總結的內容未發生明顯變化，提示該領域研究者應不斷開拓思路，創新研究模式，協同計算機及數學領域研究者將新興數據挖掘技術引入中醫遣方用藥經驗挖掘中，探索發現疾病診治規律，助力中醫的傳承與發展。

[1] 王映輝,姜在旸,閆英杰,等.基于信息和數據挖掘技術的名老中醫臨床診療經驗研究思路[J].世界科學技術－中醫藥現代化,2005,7(1)：98-105.

[2] 鄧君,馬曉君,畢強.社會網絡分析工具Ucinet和Gephi的比較研究[J].情報理論與實踐,2014,37(8)：133-138.

[3] 唐文彥,趙曉紅.古今治療糖尿病用藥規律的聚類分析研究[J].承德醫學院學報,2000,17(4)：135-138.

[4] 周雯靜,金周慧,劉靈力.數據挖掘在中醫藥研究中的應用述評[J].中國中醫藥信息雜志,2014,21(10)：131-133.

Analysis on Research Status of Data Mining of TCM Prescription and Medication Experience Based on Literature Metrology

TIAN Shaolei, LI Jinghua, TONG Yuanyuan, ZHU Ling, YU Qi, TIAN Ye, WANG Yinghui

To discuss the present situation, hot spots and existing problems of data mining of TCM prescription and medication experience; To provide references for future research.Literature about data mining of TCM prescription and medication experience collected by China Biomedical Literature Database (CBM), China Knowledge Resources Database (CNKI), China Academic Journals Database (Wanfang Data), and Chinese Science and Technology Periodicals Database (VIP) was set as statistical resources. Descriptive statistics and co-occurrence analysis were used to summarize the publication date, author, institution, journal, keyword distribution, and co-occurrence.Totally 1830 articles were included, distributed in 194 journals, the number of published articles was increasing year by year, and 7 research teams and 3 cooperation groups of research institutions were formed; Diseases under study were extensive; Mining objects were prestigious TCM masters; Research methods were mostly association rules, cluster analysis, complex networks, frequency analysis, and factor analysis; The mining content mainly focused on the medicinal pairs, prescription rules, compatibility rules, and medication rules.Data mining technology is increasingly widely used in the field of TCM prescription medication experience, and is gradually known and recognized by the TCM community.

prescription and medication; data mining; research status; bibliometrics

R2-05

A

1005-5304(2020)05-0097-05

10.3969/j.issn.1005-5304.201905431

中國中醫科學院中醫藥“一帶一路”合作專項（GH2017-08）；中國中醫科學院基本科研業務費自主選題項目（ZZ120305）

王映輝，E-mail：wyh0wyh@139.com

（2019-05-30）

（2019-06-20；編輯：季巍巍）