基于数据挖掘的中医治疗风湿病组方规律分析

摘要
图/表
参考文献(22)
相关文章 (1)

全文: PDF (787 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要目的探讨中医治疗风湿病的组方用药规律。方法收集中医治疗风湿病的处方，基于中医传承辅助平台软件构建数据库，采用关联规则和复杂系统熵聚类算法，确定处方中各药物及药物组合的使用频次，挖掘药物之间的关联规则等。结果高频次药物包括当归、甘草、白芍、黄芪、羌活、丹参等；高频次药物组合包括“当归，白芍”“甘草，当归”“川芎，当归”等。置信度为0.7以上的关联规则包括“香附->当归”“鸡血藤->当归”“川芎->当归”。结论风湿病的治疗处方多采用补气血、祛风湿、活血化瘀类药物，体现中医标本兼顾、辨证论治的治疗原则。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	张林华1
	2 吴嘉瑞1 姜迪2

关键词 ：风湿病, 数据挖掘, 关联规则, 熵聚类

Abstract：Objective To explore the medication rules of Chinese medicine in the treatment of rheumatic diseases. Methods The traditional Chinese medicine prescriptions for the treatment of rheumatism were collected and the related database was built based on Traditional Chinese Medicine Inheritance Support System (TCMISS), then the data were analyzed by Apriori algorithm and complex system entropy clustering algorithm in TCMISS to acquire the frequency of single medicine, the frequency of drug combinations, the association rules, etc. Results The highest frequency drugs included Angelicae Sinensis Radix, Glycyrrhizae Radix et Rhizoma, Paeoniae Radix Alba, Astragali Radix, Notopterygii Rhizoma et Radix, Salviae Miltiorrhizae Radix et Rhizoma, etc. The most frequent drug combinations included “Angelicae Sinensis Radix, Paeoniae Radix Alba” “Glycyrrhizae Radix et Rhizoma, Angelicae Sinensis Radix” “Chuanxiong Rhizoma, Angelicae Sinensis Radix”, etc. The association rules with confidence coefficient more than 0.7 were “CyperiRhizoma->Angelicae Sinensis Radix” “Spatholobi Caulis->Angelicae Sinensis Radix” “Chuanxiong Rhizoma->AngelicaeSinensis Radix”, etc. Conclusion The traditional Chinese medicine prescriptions for rheumatism mostly contained the drugs with the effects of benefiting Qi, nourishing blood, dispelling pathogenic wind, removing dampness, promoting blood circulation and removing blood stasis, which demonstrated the therapeutic principle of looking into both roots cause and symptoms, and treatment based on syndrome differentiation.

Key words： Rheumatism Data mining Association rules Entropy clustering

基金资助:国家自然科学基金项目（81473547、81673829）。

通讯作者: 吴嘉瑞（1977.1-），男，博士，教授，硕士研究生导师，主要从事临床中药学研究。

引用本文:

张林华1,2 吴嘉瑞1 姜迪2. 基于数据挖掘的中医治疗风湿病组方规律分析[J]. 中国医药导报, 2017, 14(33): 143-146.
ZHANG Linhua1,2 WUJiarui1 JIANG Di2. Analysis on medication rules of traditional Chinese medicine prescriptions for rheumatism based on data mining. 中国医药导报, 2017, 14(33): 143-146.

链接本文:

http://www.yiyaodaobao.com.cn/CN/ 或 http://www.yiyaodaobao.com.cn/CN/Y2017/V14/I33/143

[1] 娄玉钤，李满意.风湿病的病名源流[J].风湿病与关节炎，2013，2（1）：37-41.
[2] 杨扬.中医治疗风湿痹症的研究进展[J].中国医药指南，2012，10（18）：71-72.
[3] 屈广敏.中医治疗风湿痹痛的常用药物分析[J].当代医药论丛，2014，12（12）：46.
[4] 唐仕欢，申丹，卢朋，等.中医传承辅助平台应用评述[J].中华中医药杂志，2015，30（2）：329-331.
[5] 石衍梅，张庆蕊，段佳均，等.基于中医传承辅助平台（V2.5）软件的《伤寒论》方剂组方用药规律分析[J].中国药房，2016，27（16）：2296-2298.
[6] 王兵，侯炜.基于中医传承辅助系统分析《临证指南医案》治疗虚劳用药经验[J].中国实验方剂学杂志，2013， 19（3）：310-314.
[7] 刘恭喜，邓来军，李有杰，等.基于中医传承辅助系统的治疗胃癌方剂组方规律分析[J].山东中医药大学学报，2016，40（1）：6-10.
[8] 吴嘉瑞，金燕萍，张晓朦，等.基于关联规则与熵聚类的清热类中成药组方规律研究[J].世界中医药，2015，10（3）：434-437.
[9] 宋京美，吴嘉瑞，姜迪，等.基于数据挖掘的中医治疗肝病处方用药规律分析[J].中国实验方剂学杂志，2015，21（22）：218-221.
[10] 吴嘉瑞，郭位先，张冰，等.基于关联规则和复杂系统熵聚类的颜正华教授治疗风湿痹证用药规律研究[J].中华中医药杂志，2014，29（3）：696-699.
[11] 高日阳.读经典学名方系列—风湿病名方[M].北京：中国医药科技出版社，2013.
[12] 左振素，朱孟铸，李宝惠.风湿病治疗名方验方[M].北京：人民卫生出版社，2014.
[13] 罗启盛.古今名医临证实录丛书—痹证[M].北京：中国医药科技出版社，2013.
[14] 娄多峰.娄多峰痹证治验[M].2版.北京：中国医药科技出版社，2013.
[15] 袁立霞，肖炜等.风湿病良方验方[M].北京：北京化工出版社，2016.
[16] 汪德芬.名中医吉海旺中医风湿病诊治辑要[M].西安：西安交通大学出版社，2013.
[17] 国家药典委员会.中国药典[S].一部.北京：中国医药科技出版社，2015.
[18] 沈家珍，梁恒，杨丽，等.从肾虚血瘀论治痹证[J].吉林中医药，2012，32（6）：543-544.
[19] 黄莺飞.痹症从脾虚论治探讨[J].四川中医，2009，27（8）：33-34.
[20] 李春雷.风湿痹痛的中医常用治疗药物[J].海峡药学，2016，28（4）：233-234.
[21] 单梅花.中医治疗风湿痹痛常用方法及药物分析[J].使用中医药杂志，2017，33（4）：444-445.
[22] 万峰，叶品良，魏座英，等.金匮要略痹证病因病机及治法探讨[J].浙江中医药大学学报，2010，34（1）：3-4.