基于醫(yī)案文獻的葛根芩連湯、黃芩湯、白頭翁湯三方分類鑒別研究*

王 倩傅延齡陳文強黃小波△

（1.首都醫(yī)科大學(xué)宣武醫(yī)院，北京 100053；2.北京中醫(yī)藥大學(xué)，北京 100029）

·研究報告·

基于醫(yī)案文獻的葛根芩連湯、黃芩湯、白頭翁湯三方分類鑒別研究*

王 倩1傅延齡2陳文強1黃小波1△

（1.首都醫(yī)科大學(xué)宣武醫(yī)院，北京 100053；2.北京中醫(yī)藥大學(xué)，北京 100029）

目的 建立葛根芩連湯、黃芩湯、白頭翁湯分類模型，為三方合理選用提供客觀參考依據(jù)。方法 以明代至今三方的臨床個案醫(yī)案為研究對象，納入符合標準醫(yī)案共605例，其中葛根芩連湯醫(yī)案310例，黃芩湯醫(yī)案64例，白頭翁湯醫(yī)案231例，將醫(yī)案信息錄入Excel數(shù)據(jù)表并進行規(guī)范化及數(shù)字化預(yù)處理，選取決策樹算法建立模型。結(jié)果 得到三方分類規(guī)則9條，所得決策樹分類模型的正確分類率達61.57%。結(jié)論 決策樹分類模型具有一定的臨床實踐意義，可為中醫(yī)師對三方的臨床選用提供直觀、有效的參考依據(jù)。

葛根芩連湯 黃芩湯 白頭翁湯 分類 決策樹

作為《傷寒論》治療熱性下利的主要方劑，葛根芩連湯、黃芩湯、白頭翁湯三方在主治范圍、處方組成及常用加味藥等方面均存在部分交集，并常常在臨床中相兼為用，難以截然區(qū)分，為中醫(yī)臨床醫(yī)師，特別是初學(xué)者對三方的臨床合理選用帶來了困擾。針對此問題，本文將以三方臨床醫(yī)案文獻作為研究對象，采用機器學(xué)習(xí)的方法對其中所蘊含的應(yīng)用規(guī)律進行提煉，并嘗試建立三方分類模型，從而為中醫(yī)師對三方的合理選用提供客觀的參考依據(jù)。

1 資料與方法

1.1 研究目的 基于納入醫(yī)案，建立葛根芩連湯、黃芩湯、白頭翁湯分類模型，提煉三方各自臨床使用規(guī)則與規(guī)律，為三方的合理選用提供客觀的參考依據(jù)。

1.2 研究對象 1）醫(yī)案納入標準：經(jīng)文獻研究，由于臨床中僅用原方者甚少，為避免數(shù)據(jù)量過小所致的分析誤差，通過討論與專家咨詢，擬定醫(yī)案納入標準如下。（1）明言以《傷寒論》熱利三方之一，即葛根芩連湯、黃芩湯或白頭翁湯為主方，或含有三方之一至少3味組成藥物，且全方總藥味不超過8味。（2）對于處方非原方者，需結(jié)合具體醫(yī)案所載四診信息，其中符合三方證型診斷標準者方予錄入。（3）以“下利”為主癥或主癥之一。（4）給藥方式為口服。（5）個案醫(yī)案。（6）選取的醫(yī)案年代跨度：基于文獻研究與課題組對《傷寒論》Top50各藥味歷代用量流域的統(tǒng)計結(jié)果，筆者看到歷代醫(yī)家在方藥用量上存在很大差異，自明代開始逐漸趨于平穩(wěn)。為避免由年代間用量起伏所帶來的分析誤差，故以明代為截點，選取自明代至今這一歷史時期作為納入文獻的時間跨度。其中，數(shù)據(jù)文獻檢索部分的發(fā)表時間選定在1949至2014年6月 （本文文獻檢索截止時間），并手工檢索了建國初期的部分期刊文獻。2）醫(yī)案排除標準：（1）醫(yī)案類別中醫(yī)案處方未明言以《傷寒論》熱利三方之一為主方，所含三方之一的組成藥味少于3味，或雖含3味以上的三方之一組成藥味，但全方藥味大于8味，或處方非原方，且醫(yī)案所載四診信息不符合三方證型診斷標準；無“下利”癥狀；給藥方式為外用；文獻類型為臨床觀察、實驗研究等非個案醫(yī)案者。（2）醫(yī)案年代為明代以前的各個朝代者。（3）醫(yī)案療效為原文中明確注明為無效或惡化者。

1.3 研究方法 數(shù)據(jù)來源：1）中華醫(yī)典（索引），其收錄了新中國成立以前的歷代中醫(yī)古籍1000部，基本涵蓋了至民國為止的主要中醫(yī)著作與中醫(yī)文化建設(shè)的主要成就，為本文明代至建國前醫(yī)案的主要來源。對于自《中華醫(yī)典》索引所得的文獻出處，選擇相應(yīng)專著的紙質(zhì)版本進行數(shù)據(jù)校對以確認數(shù)據(jù)準確性。2）已發(fā)行的醫(yī)案集選：如《二續(xù)名醫(yī)類案》，古今名醫(yī)內(nèi)科醫(yī)案賞析，中華名醫(yī)醫(yī)案集成，近代名老中醫(yī)經(jīng)驗集，國醫(yī)大師臨床經(jīng)驗實錄，中醫(yī)臨床家系列叢書，傷寒六經(jīng)病證治驗選錄，世醫(yī)臨證筆錄秘驗集，繼承發(fā)揮臨證錄，新安醫(yī)學(xué)名醫(yī)醫(yī)案精華，龍華名醫(yī)臨證錄，重慶名醫(yī)證治心悟，江蘇省中醫(yī)院中醫(yī)臨床家，程門雪醫(yī)案，經(jīng)方實驗錄等匯編及單本醫(yī)案。3）文獻數(shù)據(jù)檢索平臺：中國知網(wǎng)、萬方數(shù)據(jù)知識服務(wù)平臺、維普中文期刊數(shù)據(jù)庫、中國生物醫(yī)學(xué)文獻數(shù)據(jù)庫，以“葛根芩連湯”“葛根黃芩黃連湯”“葛根連芩湯”“黃芩湯”“白頭翁湯”為關(guān)鍵詞進行檢索。同時配合手工檢索以盡可能地彌補上述文獻數(shù)據(jù)庫在起始年代上的限制，手工檢索部分在北京中醫(yī)藥大學(xué)圖書館期刊閱覽室（過刊）完成。

1.4 數(shù)據(jù)收集與錄入 通過《中華醫(yī)典》、已發(fā)行醫(yī)案集選與數(shù)據(jù)檢索平臺，按照數(shù)據(jù)納入與排除標準，對醫(yī)案進行檢索、篩選，并對重復(fù)的醫(yī)案予以剔除，最終納入符合標準者共605例，其中葛根芩連湯醫(yī)案310例，黃芩湯醫(yī)案64例，白頭翁湯醫(yī)案231例，將所納入的醫(yī)案信息依次錄入預(yù)先設(shè)計的Microsoft Excel 2007數(shù)據(jù)表。

1.5 數(shù)據(jù)預(yù)處理 1）名詞術(shù)語的規(guī)范化處理：參照《中醫(yī)藥學(xué)名詞》［1］《中醫(yī)癥狀鑒別診斷學(xué)》［2］《中醫(yī)診斷學(xué)》［3］《中醫(yī)內(nèi)科學(xué)》［4］對相關(guān)術(shù)語用語進行規(guī)范化處理，包括中醫(yī)病名、癥狀、舌脈象等。2）語言描述性信息的數(shù)字化處理：年齡參照中國現(xiàn)行年齡劃分標準，并結(jié)合目前臨床兒科接診年齡限制對“兒童”年齡段進行劃分，將醫(yī)案所載患者年齡進行分段，兒童（≤14歲），青少年（15～40歲），中年（41～65歲），老年（＞65歲）。性別1為男，2為女。發(fā)病時間按照醫(yī)案所載發(fā)病時間歸入相應(yīng)季節(jié)，1春（3-5月），2夏（6-8月），3秋（9-11月），4冬（12-2月）。病程參照《中藥新藥臨床研究指導(dǎo)原則》［5］《中醫(yī)內(nèi)科學(xué)》［4］《內(nèi)科學(xué)》［6］對泄瀉、痢疾病程的劃分，將醫(yī)案所載患病時間歸入相應(yīng)病程階段，＜2周為1，2周～2月為2，2月～1年為3，＞1年為4。以上信息醫(yī)案中無記載者均記為“0”。3）癥狀的數(shù)字化處理：采用2種方法處理。一按“有”與“無”處理，醫(yī)案中有某一癥狀，則賦值為1，反之為0。二按照嚴重程度分級處理，參照《中醫(yī)量化診斷》［7］《中藥新藥臨床研究指導(dǎo)原則》［5］，及由中國中西醫(yī)結(jié)合學(xué)會消化系統(tǒng)疾病專業(yè)委員會于2003年公布，2010年修訂的“胃腸疾病中醫(yī)癥狀評分表”［8］，結(jié)合具體研究，改制完成癥狀分級量化表，用于醫(yī)案所載各癥狀的輕重分級與賦值，如表1所示。表中以1、2、3分別代表癥狀的輕、中、重，若無該癥狀，則賦值為0。考慮到醫(yī)案語言信息的模糊性特點，表中共采用了5種方法來進行衡量分級，（1）計數(shù)標準，如“發(fā)熱”項，體溫37.1～37.9℃為輕度，38.0～38.5℃為中度，38.6℃以上為重度。（2）比擬標準，如“面赤”項，面色略紅為輕度，面色潮紅如出熱浴為中度，面紅如火為重度。（3）病情標準，如“肛門灼熱”項，灼熱感較輕為輕度，灼熱感可忍為中度，灼熱感難忍為重度。（4）習(xí)語標準，即采用醫(yī)者慣用的描述性語言作為衡量的標準，如“舌紅”項，舌色紅為輕度，舌色赤為中度，舌色絳為重度。（5）互參標準，即對同時可能出現(xiàn)的伴隨癥狀予以描述，如輕度發(fā)熱可有頭身微痛、面微赤、脈微數(shù)等癥，中度發(fā)熱多有頭身痛、面熱赤、口渴、脈數(shù)等癥，重度發(fā)熱可有面赤氣粗、頭痛煩渴、脈洪數(shù)或滑數(shù)等癥。對于難以分級的癥狀或體征，如脈象，則以0、1分別代表癥狀或體征的“無”“有”。本部分由2人獨立完成，對于其中存在爭議的內(nèi)容，由2人共同討論商定，仍難以達成一致者，由第3人進行裁定。

1.6 數(shù)據(jù)分析 采用K-miner軟件系統(tǒng)。結(jié)合本研究數(shù)據(jù)特點及研究目的，通過對多種數(shù)據(jù)分析方法進行評估與對比，最終選取決策樹算法［9］用于本研究的數(shù)據(jù)處理與建模。決策樹是一種很直觀的分類模式表示形式，可以很方便地轉(zhuǎn)化為分類規(guī)則。其在學(xué)習(xí)過程中不需要了解許多領(lǐng)域知識，只要訓(xùn)練例子能夠用屬性-結(jié)論的方式表達出來即可。但在構(gòu)造決策樹時，由于許多分枝可能反映的是訓(xùn)練數(shù)據(jù)中的異常，如噪聲或孤立點，因此就需要進行剪枝，通常采用統(tǒng)計度量的方法剪去最不可靠的分枝。通過檢測和剪枝，可較快分類，提高該樹獨立于測試數(shù)據(jù)的正確分類率，保證未知數(shù)據(jù)上分類的準確性［9］。1）數(shù)據(jù)處理：基于方劑的選用不僅與不同的癥狀集合有關(guān)，同時也受癥狀嚴重程度的影響，所以在建立決策樹分類模型時，選擇癥狀的字符型（取值0、1化）和數(shù)值型（將0、1、2、3等作為數(shù)值字段處理，即3＞2＞1＞0）全部字段及相關(guān)信息字段（患者年齡、性別，發(fā)病季節(jié)，病程）作為分析字段來預(yù)測方劑（目標字段）。其中字符型字段可體現(xiàn)癥狀群的不同類別，即不同的癥狀集合，數(shù)值型字段可體現(xiàn)癥狀的數(shù)值型關(guān)系即3＞2＞1＞0，即癥狀的嚴重程度。設(shè)葛根芩連湯、黃芩湯、白頭翁湯分別為方名1，方名2，方名3。2）參數(shù)設(shè)置：選取60%的數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，40%的數(shù)據(jù)作為模型評估數(shù)據(jù)，建立決策樹分類模型及評估任務(wù)。算法參數(shù)設(shè)置如下圖所示，選擇二叉樹結(jié)果，以置信邊界法進行剪枝。

表1 癥狀分級數(shù)字化標識表（部分）

圖1 算法參數(shù)設(shè)置圖

2 研究結(jié)果

圖2 方劑分類鑒別預(yù)測結(jié)果的決策樹展示

2.1 模型結(jié)果 見圖2。如圖所示，決策樹分類算法可用樹狀結(jié)構(gòu)直觀展示相關(guān)信息及癥狀與方劑選用之間的關(guān)系。1）規(guī)則解釋：上圖綠色枝線顯示的規(guī)則可解釋為：咽干咽癢癥狀＝0，2，3，且惡心嘔吐癥狀＝0，1，2，且里急后重癥狀＝1，2，3，且汗出癥狀＝0，且惡寒癥狀＝0，且神昏癥狀＝1，2，3，則方名＝3，滿足該規(guī)則的記錄數(shù)有7條，該規(guī)則的置信度為100%，該規(guī)則為經(jīng)由模型得到的規(guī)則集之中的第21條規(guī)則（規(guī)則21）。2）規(guī)則中的置信度體現(xiàn)規(guī)則的可靠度。置信度越高，說明規(guī)則越可靠。經(jīng)決策樹模型得出的部分置信度較高的規(guī)則如下。（1）規(guī)則6：咽干咽癢＝0，2，3，且腹痛＝0，2，3，且惡心嘔吐＝1，且里急后重＝0，則方名＝1，滿足該規(guī)則的記錄數(shù)為13條，該規(guī)則的置信度為100%。（2）規(guī)則19：發(fā)病季節(jié)＝4，0，3，1，且性別＝2，0，且惡寒＝0，且汗出＝0，且神昏＝0，且咽干咽癢＝0，2，3，且腹痛＝0，2，1，且惡心嘔吐＝0，2，1，且便血＝2，且里急后重＝2，1，3，則方名＝2，滿足該規(guī)則的記錄數(shù)為6，該規(guī)則的置信度為100%。（3）規(guī)則17：發(fā)病季節(jié)＝2，且惡寒＝0，且汗出＝0，且神昏＝0，且咽干咽癢＝0，2，3，且腹痛＝0，2，1，且惡心嘔吐＝0，2，1，且便血＝2，且里急后重＝2，1，3，且舌紅＝2，1，3，則方名＝3，滿足該規(guī)則的記錄數(shù)為7，該規(guī)則的置信度為100%。（4）規(guī)則7：咽干咽癢=0，2，3，且腹痛=0，2，3，且惡心嘔吐=0，2，且肛門灼熱=2，且里急后重=0，則方名=1，滿足該規(guī)則的記錄數(shù)為7，該規(guī)則的置信度為100%。（5）規(guī)則21：惡寒=0，且汗出=0，且神昏=3，1，2，且咽干咽癢=0，2，3，且惡心嘔吐=0，2，1，且里急后重=2，1，3，則方名=3，滿足該規(guī)則的記錄數(shù)為7，該規(guī)則的置信度為100%。（6）規(guī)則14：汗出= 3，2，1，且咽干咽癢=0，2，3，且腹痛=0，2，3，且惡心嘔吐=0，2，且肛門灼熱=0，1，3，且里急后重=0，則方名= 1，滿足該規(guī)則的記錄數(shù)為18，該規(guī)則的置信度為94.44%。（7）規(guī)則13：汗出=0，且咽干咽癢=0，2，3，且咳嗽=3，2，1，且腹痛=0，2，3，且惡心嘔吐=0，2，且肛門灼熱=0，1，3，且里急后重=0，則方名=1，滿足該規(guī)則的記錄數(shù)為14，該規(guī)則的置信度為85.71%。（8）規(guī)則23汗出=3，2，1，且咽干咽癢=0，2，3，且惡心嘔吐=0，2，1，且里急后重=2，1，3，則方名=1，滿足該規(guī)則的記錄數(shù)為5，該規(guī)則的置信度為80%。3）決策樹算法能夠直觀地顯示規(guī)則數(shù)據(jù)的特點，且易于解釋和理解。通過對上述規(guī)則進行簡化與轉(zhuǎn)換，得到表2。結(jié)合決策樹算法規(guī)則與中醫(yī)臨床理論，表2所示可解釋為：若患者在下利同時，見有汗出、咳嗽等表證表現(xiàn)，惡心嘔吐等里熱失和之象，及肛門灼熱等熱性下利之征，則推薦選用葛根芩連湯；若見里急后重，則不推薦本方，或需合用他藥。若下利并見便中帶血，并有里急后重表現(xiàn)，則黃芩湯與白頭翁湯均可能選用，需結(jié)合他癥進行鑒別，如有神昏者，則推薦選用白頭翁湯。另外，若癥見惡寒、汗出等表證者，黃芩湯與白頭翁湯均不宜選用。由此可見，決策樹所得規(guī)則與三方方義相符。葛根芩連湯除熱性下利，還可用治兼有表證、表里同病者，其藥味組成均偏屬于氣分，故罕有便血者［11］。黃芩湯中白芍有斂陰涼血之效，白頭翁湯中白頭翁有苦寒清熱，涼血止痢之用，二者均入血分，故可用治下利便血者［12-14］。另外，黃芩湯證病在少陽，白頭翁湯證病在厥陰［15-16］，肝膽互為表里，均以氣機郁滯為病，故臨證亦多見里急后重癥狀。而由于肝為風(fēng)木剛臟，其性暴急，倘若肝風(fēng)肝陽挾火熱之邪上攻于腦，則可導(dǎo)致神昏見癥，此時需要在白頭翁湯原方基礎(chǔ)之上，適當加用平肝熄風(fēng)，通竅醒神之品。此外，以規(guī)則23為例，里急后重一癥本非葛根芩連湯證所有，但回看所錄醫(yī)案，以本方用治里急后重，或便膿便血者亦不罕見，而這則是與加味藥乃至合方而治的普遍使用密切相關(guān)的。4）又以40%的測試數(shù)據(jù)對模型的評估結(jié)果。見表3~表5。結(jié)果顯示，決策樹分類模型的正確分類率達到了61.57%，表明其對于臨床實踐具有一定的參考意義。

表2 熱利三方與決策樹算法規(guī)則關(guān)系

表3 40%的測試數(shù)據(jù)對模型的評估結(jié)果——總體評估指標

表4 40%的測試數(shù)據(jù)對模型的評估結(jié)果——各個目標評估指標（%）

表5 40%的測試數(shù)據(jù)對模型的評估結(jié)果——混淆矩陣

2.2 模型應(yīng)用 通過模型評估，判斷該模型可為《傷寒論》熱利三方葛根芩連湯、黃芩湯、白頭翁湯的臨床鑒別選用提供參考依據(jù)?，F(xiàn)以病案一則測試模型性能。病案信息：1）中年女性。2）急性起病。3）就診時間2014年7月。4）就診時癥狀發(fā)熱，體溫38.2℃，口略干，小便短少、色黃，大便每日6～8次。5）舌紅，苔薄黃，舌面略干，脈數(shù)。選擇已建立模型，輸入各字段取值。信息錄入及結(jié)果，如表6、7所示，根據(jù)模型分析結(jié)果所示，表明三方之中選用方名=1（葛根芩連湯）的概率最高，此結(jié)果與病案的實際辨治結(jié)論相符。

3 討 論

葛根芩連湯、黃芩湯、白頭翁湯同中有異，目前既有的三方鑒別方法多為語言描述性的信息，具有經(jīng)驗性、模糊性等特點，而缺乏客觀量化的標準。本研究以此為立足點及出發(fā)點，采用決策樹的方法，通過對三方已有的驗案、效案進行分析、歸類，得到了具有一定客觀性和直觀性的三方分類模型，可作為中醫(yī)師，特別是缺乏經(jīng)驗的年輕醫(yī)師臨床診療工作的補充。

表6 模型應(yīng)用的病案信息錄入表

表7 模型應(yīng)用的預(yù)測結(jié)果

本文在研究過程中，針對中醫(yī)醫(yī)案文獻的特點，如模糊性、非線性等，對數(shù)據(jù)挖掘的眾多方法進行了篩選與評估，并擇優(yōu)鎖定了彼此最為匹配的決策樹算法，所得到的研究結(jié)果也具有一定的合理性與實踐應(yīng)用價值。但另一方面，由于本研究所存在的一些問題。1）數(shù)據(jù)總量與比例方面：納入研究醫(yī)案僅605例，且由于檢索過程所存在的隨機性而致三方醫(yī)案的納入比例存在較為懸殊的差距；2）醫(yī)案文獻質(zhì)量方面：納入醫(yī)案時間跨度大，醫(yī)案記載詳略不一；3）研究方法與研究者方面：研究者對于分級量化標準掌握的主觀性，對于算法選用的片面性等，均會降低模型精度進而影響研究結(jié)果及其實踐意義?；谏鲜觯诮窈蟮难芯慨斨?，需要在數(shù)據(jù)采集與數(shù)據(jù)處理等多方面進行改進，并通過研究者培訓(xùn)，多領(lǐng)域合作等方式，提高研究的精確性與有效性，從而為臨床選方用藥提供更為全面、科學(xué)、客觀的參考依據(jù)。

［1］ 中醫(yī)藥學(xué)名詞審定委員會.中醫(yī)藥學(xué)名詞 （內(nèi)科學(xué)，婦科學(xué)，兒科學(xué)）（2010）［M］.北京：科學(xué)出版社，2011.

［2］ 姚乃禮.中醫(yī)癥狀鑒別診斷學(xué)［M］.北京：人民衛(wèi)生出版社，2001.

［3］ 朱文峰.中醫(yī)診斷學(xué)［M］.北京：中國中醫(yī)藥出版社，2007.

［4］ 田德祿.中醫(yī)內(nèi)科學(xué)［M］.北京：人民衛(wèi)生出版社，2003.

［5］ 中華人民共和國衛(wèi)生部.中藥新藥臨床研究指導(dǎo)原則［M］.北京：中國醫(yī)藥科技出版社，2002.

［6］ 王世成.內(nèi)科學(xué)［M］.上海：上?？茖W(xué)技術(shù)出版社，2000.

［7］ 徐迪華，徐劍秋.中醫(yī)量化診斷［M］.江蘇：江蘇科學(xué)技術(shù)出版社，1997.

［8］ 中國中西醫(yī)結(jié)合學(xué)會消化系統(tǒng)疾病專業(yè)委員會.胃腸疾病中醫(yī)癥狀評分表［J］.中國中西醫(yī)結(jié)合消化雜志，2011，19（1）：66-68.

［9］ 朱明.數(shù)據(jù)挖掘［M］.中國科學(xué)技術(shù)大學(xué)出版社，2008：86-99.

［10］郭翠翠.基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘方法研究［D］.武漢：武漢理工大學(xué)，2007.

［11］陳燁文，陳一江.張仲景辨治“下利”證淺析［J］.浙江中醫(yī)藥大學(xué)學(xué)報，2013，37（1）：15-17.

［12］朱明民.《傷寒論》下利證治淺析［J］.中國中醫(yī)急癥，2004，13（3）：171-172.

［13］齊衛(wèi)東，白潔麗，倪美琴.《傷寒論》治熱痢4方分析［J］.臨床合理用藥，2014，7（2A）：68.

［14］章浩軍.探尋張仲景下利證治規(guī)律兼談應(yīng)用體會［J］.中醫(yī)藥通報，2012，11（6）：18-20.

［15］馮標嬋.《傷寒論》對下利的辨治及其對后世的影響［D］.廣州：廣州中醫(yī)藥大學(xué)，2012：6.

［16］王富梅.《傷寒論》下利證的辨析體會［J］.光明中醫(yī)，2010，25（2）：186-187.

Research on the Classification of Gegen Qinlian Decoction，Huangqin Decoction and Baitouweng Decoction Based on the Three Prescriptions'Medical Literature

WANG Qian，F(xiàn)U Yanling，CHEN Wenqiang，et al.
Xuanwu Hospital of Capital Medical University，Beijing 100053，China.

Objective：To establish the classification model of Gegen Qinlian decoction，Huangqin decoction and Baitouweng decoction in order to provide objective reference for the three prescriptions'reasonable usage.Methods：Clinical medical cases of the three prescriptions which were recorded from Ming dynasty to June 2014 were taken as the research objects.According to the criteria，605 cases were brought into this research in all，with 310 cases of Gegen Qinlian decoction，64 cases of Huangqin decoction，and 231 cases of Baitouweng decoction which were put into an EXCEL database that was built in advance.Then these data were pre-processed and decisionmaking tree was selected to build the model.Results：9 classification rules were obtained and the correct classification rate was 61.57%.Conclusion：The decision-making tree classification model has clinical practice significance，which can provide direct and useful reference for the clinical identification of the three prescriptions.

Gegen Qinlian decoction；Huangqin decoction；Baitouweng decoction；Classification；Decision-making tree

R289.5

A

1004-745X（2017）01-0033-05

10.3969/j.issn.1004-745X.2017.01.010

2016-09-13）

北京市衛(wèi)生系統(tǒng)高層次人才專項（2013-2-31）；北京市中西醫(yī)結(jié)合老年疾病研究所項目（2012-191）

△通信作者（電子郵箱：huangxiaobo@xwh.ccmu.edu.cn）