不同數據分析方法用于出血性中風證候分析的對比研究*

張琳婷，張根明

1.北京中醫藥大學，北京100029；2.北京中醫藥大學東直門醫院，北京100700

證候的研究一直是中醫的熱點和難點，包括對于各個疾病的證候研究［1-3］、證候研究的新思路［4］、證候的規范化研究［5-7］等。如何將中醫證候模糊語言敘述轉化為現代醫學所能理解的科學語言是證候研究中的重要問題。為此，近年來中醫證候研究中引入了越來越多的數據分析和挖掘的方法［8-11］。本研究采用了因子分析、聚類分析、Logistic回歸分析、Fisher判別分析4種方法對出血性中風證候進行分析研究。因子分析和聚類分析屬于無監督的數據分析方法，對原始數據信息依據樣本本身特征進行歸類，把具有相似特征的目標數據歸在同源的類別，并采用相應的可視化技術直觀地表達出來。Logistic回歸分析和Fisher判別分析屬于有監督的數據分析方法，利用先驗因素（專家經驗辨證）對數據進行辨識、歸類和預測。本研究從無監督和有監督的數據分析方法中各選取兩種，以探討不同方法在中醫證候分析與挖掘中的差異。

1 資料與方法

1.1 一般資料研究病例來源于“國家中醫藥管理局國家中醫臨床研究基地業務建設科研專項——出血性中風證候要素診斷量表編制研究”，2016年6月至2019年1月于北京中醫藥大學東直門醫院、太原市中醫院、長春中醫藥大學附屬醫院門診及住院收治的腦出血患者499例。

1.2 診斷標準西醫診斷標準：采用《中國腦出血診治指南（2014）》腦出血診斷標準［12］。①急性起病；②局灶神經功能缺損癥狀（少數為全面神經功能缺損），常伴有頭痛、嘔吐、血壓升高及不同程度意識障礙；③頭顱CT或MRI顯示出血灶；④排除非血管性腦部病因。

中醫診斷標準：采用1995年中國中醫學會內科學會腦病專業委員會提出的《中風病診斷與療效評定標準》［13］。

1.3 病例納入與排除標準納入標準：①符合腦出血診斷標準［12-13］的患者；②發病在90 d以內；③年齡＞18歲；④自愿參加本研究并簽署知情同意書。排除標準：①蛛網膜下腔出血、腦外傷引起的腦出血患者；②梗死后出血患者；③合并其他器官的嚴重疾病；④精神障礙或嚴重癡呆。

1.4 研究方法將出血性中風臨床常見的四診信息（包括癥狀、舌、脈）編制成統一的調查表。參照《中風病診斷與療效評定標準》，分為風、火、痰、血瘀、氣虛、陰虛、陽亢7個基本證候要素。分析2000年之后有關出血性中風的證候學相關研究，整理其中提到的證候要素出現頻率進行排序，將出現頻率≥10%的證候要素作為研究備選證候要素，增加濕、氣滯、陽虛3個證候要素。選擇有臨床經驗的中醫神經內科醫師，按統一要求填寫調查表格，記錄患者四診信息，同時由固定的3位臨床醫師背對背做出證候要素是否存在的判斷，每位患者允許同時存在多個證候要素。

1.5 統計學方法采用EpiData3.1數據庫錄入數據，采用SPSS 20.0進行統計分析處理。計量資料以均數±標準差（±s）表示；計數資料以頻數（百分比）表示。檢驗水準為雙側α＝0.05。主要統計方法包括：因子分析、聚類分析、Fisher判別分析、Logistic回歸分析。

2 結果

2.1 因子分析對217個四診信息進行頻率分析，保留頻率≥10%的89個變量用于進一步數據分析。進行KMO 檢驗和Bartlett球形檢驗，結果顯示KMO＝0.848，Bartlett球形檢驗P＝0.000，數據可以做因子分析。采用主成分分析法，最大方差法旋轉，保留因子載荷系數＞0.3的變量，因子分析結果見圖1、表1。

圖1 因子分析碎石圖

表1 因子分析

2.2 聚類分析對89個變量分別進行層次聚類分析和K-means聚類分析，K-means聚類過程中K值分別取4～10，K值為5時效果相對較好，聚類結果見圖2、表2。

2.3 Logistic回歸分析以89個四診信息為協變量，10個證候要素分別作為因變量，采用“向前：條件”方法做Logistic回歸分析，結果見表3。

2.4 Fisher判別分析以89個四診信息為自變量，10個證候要素分別作為分組變量，采用步進式方法做Fisher判別分析，結果見表4。

表2 K-means聚類分析

表3 Logistic回歸分析

表4 Fisher判別分析

圖2 層次分析樹狀圖

3 討論

本研究表明，因子分析更多的是基于出血性中風整個疾病的降維分析，代表了出血性中風出現頻次多的證候，而出現頻次少的證候則難以體現。公因子F1、F2的特征值及方差貢獻度遠大于其他的公因子，F1、F2中的變量數量都比較多，就其臨床意義而言并沒有代表單一證候要素，而是多個證候要素的組合，大體而言，F1代表了實證、F2代表了虛證。因子分析并沒有如我們所預期的出現多個相對大的且能被中醫理論解釋的公因子。從公因子F3以后，每個公因子中所含的變量數目急劇減少，其對總方差的貢獻度也很小，但某些公因子也仍然很有意義，例如公因子F7中的消瘦、瘦薄舌、脈細按中醫理論都是陰虛的表現，而僅就數據自身的特征也確實被分到同一公因子，代表了理論與實際的統一。

聚類分析效果不佳，層次聚類沒有很清晰地分為幾個大的類別，K-means聚類較層次聚類稍好一些。一個患者同時具有幾個證候要素兼夾，而層次聚類和K-means聚類的過程中都只能將1個患者分類到1個證候類型，導致每一個聚類組中可能有多個證候要素，而非單一的證候要素，使得每個聚類中的證候特征顯得并不明確。K-means聚類過程取K值＞5發現聚類組彼此會有明顯的重復和相似性，表明更多的分類可能是不合理的，將出血性中風證候分為10個證候要素可能分類過于細致。

Fisher判別分析、Logistic回歸分析在出血性中風的不同證候的表現類似，但不完全一致。兩者在內火證、痰證、濕證、血瘀證、陰虛證均表現較好，內風證、氣滯證、陽虛證、陽亢證均表現相對差一些，而在氣虛證Logistic回歸優于Fisher判別。在Fisher判別分析、Logistic回歸分析中，先驗因素（專家經驗辨證）對最終的結果影響會非常大。以內風證為例，不同專家對內風證的認識存在差異性，尤其在中風病中，有相當一部分專家認為急性起病、病情波動大符合風善行數變的特點，屬于風的表現。這就把風的概念擴大和類推，從而認為中風病必有風的存在，導致最終進入內風證的四診信息多種多樣且與傳統認識中的風證并不一致。此外，用這兩種分析方法得到的血瘀證的四診信息是一致的，但均見口唇淡白、氣短、神疲乏力這3個明顯為氣虛的癥狀，考慮在出血性中風中血瘀常伴見氣虛，從而難以將血瘀完全獨立出來。氣滯證、陽虛證、陽亢證在499例患者證候中出現頻率相對較少，且幾乎都兼夾內火證、痰證等，幾乎很少單獨出現，導致Fisher判別分析和Logistic回歸分析的結果相對差一些。

總體而言，有監督的數據分析方法比無監督的數據分析方法更有效率，更加符合傳統中醫的認識。無監督的數據分析方法則和傳統的認識有一定的差距，可能有以下幾個方面的原因：①無監督的方法需要更長時間、更多數據的訓練，僅憑499例患者的分析、訓練肯定是難以達到幾千年中醫認識的水平；②中醫的很多證候不完全是根據臨床經驗歸納而來的，融入了哲學的思維［14-16］，不僅是理性的思考，也是感性的認知；③證候具有動態時空、內實外虛、多維界面的特征［17］，證候的“內實”能夠在數據分析的過程中被歸為一類，但“外虛”可能反而與其他的證候關系更為緊密而歸到其他類別。但是，無監督的方法對于進一步發展中醫的理論是非常有益的，通過無監督的方法可能是驗證過去的已有的中醫理論，也可能是完善和修改已有的結論，也可能是發現潛在的未被認識到的證候規律；而有監督的方法則只能把我們現有的中醫認識通過數據分析方法規范化、清晰明了地展現出來。此外，有監督的數據分析方法也有其難以克服的缺陷，就是其受先驗因素（專家經驗辨證）的影響很大。目前，中醫證候研究缺乏統一的金標準。目前，證候研制往往以臨床醫師或專家判斷作為參考標準，依據個體的知識水平和臨床經驗，辨證結果必然存在差異，可靠性難以保證。本研究選用3位臨床醫師背對背做出證候要素是否存在的判斷也考慮到這方面的原因。在這種情況下，基于這種“金標準”進行有監督方法的數據分析、挖掘結果往往缺乏說服力，很難得到廣泛認可與應用，導致很多的證候研究會不夠客觀以及難以擺脫先入為主的經驗框架。

綜上所述，每種數據分析方法各有優勢，單一的數據分析方法不能同時滿足我們證候研究中的多種需求。在中醫證候研究的過程中，應當根據自己的研究實際選用多種數據分析方法，取其優勢，或者引入其他更復雜的數據分析方法。