基于Grubbs規(guī)則和MATLAB語(yǔ)言快速剔除異常值方法的建立及其在藥物苦度評(píng)價(jià)中的應(yīng)用

劉瑞新 王艷麗 張耀 桂新景 王君明 王青曉 姚靜 張璐 施鈞瀚 李學(xué)林

中圖分類號(hào) R943；TP311.1 文獻(xiàn)標(biāo)志碼 A 文章編號(hào) 1001-0408（2019）02-0176-07

DOI 10.6039/j.issn.1001-0408.2019.02.07

摘 要 目的：建立基于Grubbs規(guī)則和MATLAB語(yǔ)言的異常值剔除方法，并評(píng)價(jià)其在藥物苦度評(píng)價(jià)中的的應(yīng)用效果。方法：以Grubbs規(guī)則為參考，建立基于MATLAB語(yǔ)言的異常值自動(dòng)循環(huán)剔除方法。選擇20名志愿者分別進(jìn)行單組口嘗試驗(yàn)（通草）和多組口嘗試驗(yàn)（通草、明黨參、茯苓等10種藥材）；選擇7個(gè)傳感器進(jìn)行電子舌測(cè)試（川木通）。以上述試驗(yàn)所得的苦度評(píng)價(jià)數(shù)據(jù)（口嘗試驗(yàn)為苦度值，電子舌測(cè)試為傳感器響應(yīng)值）為數(shù)據(jù)源，選擇5名研究者，采用基于Grubbs規(guī)則的查表逐一剔除法（方法一）、基于Grubbs規(guī)則的Excel軟件剔除法（方法二）、基于Grubbs規(guī)則和MATLAB語(yǔ)言的異常值自動(dòng)循環(huán)剔除法（方法三）進(jìn)行異常值的判定及剔除；以異常值剔除時(shí)間和錯(cuò)誤概率為指標(biāo)，評(píng)價(jià)上述3種方法的應(yīng)用效果。結(jié)果：?jiǎn)谓M口嘗試驗(yàn)苦度評(píng)價(jià)數(shù)據(jù)中有2個(gè)異常值，3種方法的剔除時(shí)間分別為（745.400 0±25.904 4）、（288.333 3±31.253 1）、（0.000 3±0.000 0）s，錯(cuò)誤概率分別為20.0%、0、0；多組口嘗試驗(yàn)苦度評(píng)價(jià)數(shù)據(jù)中有6個(gè)異常值，3種方法的剔除時(shí)間分別為（3 693.107 7±75.023 3）、（1 494.761 4±53.826 9）、（0.005 2±0.000 0）s，錯(cuò)誤概率分別為10.0%、4.0%、0；電子舌測(cè)試苦度評(píng)價(jià)數(shù)據(jù)中有3個(gè)異常值，3種方法的剔除時(shí)間分別為 （2 992.673 3±84.117 6）、（1 276.367 1±55.024 5）、（0.002 3±0.000 0）s，錯(cuò)誤概率分別為5.7%、2.9%、0。3種方法的剔除結(jié)果一致；方法二的剔除時(shí)間顯著短于方法一（P<0.01），方法三的剔除時(shí)間顯著短于方法一和方法二（P<0.01）；3種方法錯(cuò)誤概率無(wú)顯著差異（P>0.05）。結(jié)論：基于Grubbs規(guī)則和MATLAB語(yǔ)言的異常值自動(dòng)循環(huán)剔除法可顯著縮短苦度評(píng)價(jià)數(shù)據(jù)異常值的剔除時(shí)間，提高數(shù)據(jù)處理效率，可用于藥物苦度評(píng)價(jià)。

關(guān)鍵詞 Grubbs規(guī)則；MATLAB語(yǔ)言；異常值；剔除；藥材；苦度評(píng)價(jià)

ABSTRACT OBJECTIVE： To establish the elimination method of outliers based on Grubbs rule and MATLAB language， and to evaluate the effects of it on drug bitterness evaluation. METHODS： Referring to Grubbs rule， the automatic cyclic outliers elimination method based on MATLAB language was established. Totally 20 volunteers were included in single oral taste test （Tetrapanax papyrifer） and multiple oral taste test （10 kinds of medicinal material as T. papyrifer， Changium smyrnioides， Poria cocos， etc.）. Seven sensors were selected for electronic tongue test （Clematis armandii）. The data of bitterness evaluation in above tests （oral taste test as bitterness value， electronic tongue test as response value of sensors） were used as the data source. Five researchers were selected and adopted table-by-table elimination method based on Grubbs rule （method one）， Excel software elimination method based on Grubbs rule （method two） and automatic cyclic outliers elimination method based on Grubbs rule and MATLAB language （method three） to judge and eliminate the outliers. The effects of above three methods were evaluated with the removal time and error rate of outliers as indexes. RESULTS： There were two outliers in the data of bitterness evaluation in single oral taste test； the elimination time of the three methods were（745.400 0±25.904 4），（288.333 3±31.253 1）and（0.000 3±0.000 0）s， respectively； error rates were 20.0%， 0 and 0， respectively. There were six outliers in the data of bitterness evaluation in multiple oral taste test； the elimination time of three methods were （3 693.107 7±75.023 3）， （1 494.761 4±53.826 9）， （0.005 2±0.000 0）s， respectively； error rates were 10.0%， 4.0%， 0， respectively. There were three outliers in the data of bitterness evaluation in electronic tongue test； the elimination time of three methods were （2 992.673 3±84.117 6）， （1 276.367 1±55.024 5）， （0.002 3±0.000 0）s， respectively； error rates were 5.7%， 2.9%， 0， respectively. The elimination results of the three methods were consistent. The elimination time of method two was significantly shorter than that of method one （P<0.01）； the elimination time of method three was significantly shorter than those of method one and method two （P<0.01）. There was no significant difference in error rate of 3 methods （P>0.05）. CONCLUSIONS： The automatic cyclic elimination method of outliers based on Grubbs rule and MATLAB language can significantly shorten the elimination time of outliers in data of drug bitterness evaluation， improve the efficiency of data processing， and is suitable for drug bitterness evaluation.

KEYWORDS Grubbs rule； MATLAB language； Outliers； Elimination； Medicinal material； Bitterness evaluation

對(duì)中藥湯劑的苦味實(shí)施有效遮掩是提高患者依從性的重要方法，而中藥藥材及其湯劑苦度客觀評(píng)價(jià)的實(shí)現(xiàn)是進(jìn)行中藥苦味遮掩的前提[1]?，F(xiàn)有中藥苦度的評(píng)價(jià)方法主要有體內(nèi)和體外兩類，分別是經(jīng)典人群口感評(píng)價(jià)方法（THTPM，以下簡(jiǎn)稱“口嘗法”）[2]和電子舌評(píng)價(jià)方法[3-4]。但由于口嘗法的個(gè)體差異性和主觀性以及電子舌易受環(huán)境（溫度、濕度）及系統(tǒng)狀態(tài)的影響，常常會(huì)使得個(gè)別苦度評(píng)價(jià)數(shù)據(jù)值偏離預(yù)期[5-7]。因此，對(duì)試驗(yàn)數(shù)據(jù)中異常值進(jìn)行準(zhǔn)確判定及剔除是確?？喽仍u(píng)價(jià)結(jié)果更符合客觀實(shí)際的重要環(huán)節(jié)。

現(xiàn)有的異常值判定規(guī)則及檢驗(yàn)標(biāo)準(zhǔn)包括格拉布斯（Grubbs）檢驗(yàn)[8]、狄克遜（Dixon）檢驗(yàn)[9]等，其中Grubbs檢驗(yàn)借助計(jì)算器或Excel表格進(jìn)行計(jì)算，并通過(guò)查對(duì)臨界值表進(jìn)行異常值的判定和剔除，是應(yīng)用較為普遍的方法之一。然而上述檢驗(yàn)方法的實(shí)現(xiàn)需要煩瑣的計(jì)算步驟和流程，效率較低且容易出錯(cuò)[10]。在計(jì)算機(jī)技術(shù)高度發(fā)達(dá)的今天，能否基于數(shù)學(xué)家預(yù)設(shè)的檢驗(yàn)規(guī)則，通過(guò)一定的自動(dòng)化方法和程序來(lái)實(shí)現(xiàn)批量、快速、準(zhǔn)確、系統(tǒng)的苦度測(cè)試數(shù)據(jù)中異常值的判定及剔除，尚未見公開報(bào)道。鑒于此，本研究建立了一種基于Grubbs規(guī)則和MATLAB語(yǔ)言對(duì)苦度測(cè)試數(shù)據(jù)中異常值進(jìn)行快速、批量、準(zhǔn)確判定和剔除的方法，以異常值剔除時(shí)間和錯(cuò)誤概率為指標(biāo)，就上述方法與常規(guī)方法在口嘗苦度評(píng)價(jià)數(shù)據(jù)及電子舌相關(guān)響應(yīng)值處理中的應(yīng)用效果進(jìn)行評(píng)價(jià)和比較，旨在更加快速、準(zhǔn)確地剔除苦度測(cè)試數(shù)據(jù)中的異常值，提高試驗(yàn)數(shù)據(jù)的分析效率，現(xiàn)報(bào)道如下。

1 材料

BSA224S-CW型電子天平（德國(guó)Sartorius公司）；JXJ-Ⅱ型臺(tái)式離心機(jī)（上海安亭科學(xué)儀器廠）；ASTREE-Ⅱ型電子舌檢測(cè)裝置[法國(guó)Alpha MOS公司，配有7個(gè)電子舌傳感器（序號(hào)分別為ZZ、BA、BB、CA、GA、HA、JB），測(cè)試運(yùn)行溫度：25 ℃]。

鹽酸小檗堿原料藥（四川省玉鑫藥業(yè)有限公司，批準(zhǔn)文號(hào)：國(guó)藥準(zhǔn)字H20044706，批號(hào)：101002）；明黨參（批號(hào)：110224）、茯苓（批號(hào)：110105）、通草（批號(hào)：101122）、天花粉（批號(hào)：110105）、白薇（批號(hào)：110108）、益母草（批號(hào)：110108）、白及（批號(hào)：110118）、當(dāng)藥（批號(hào)：110224）、苦楝皮（批號(hào)：110118）、蓮子心（批號(hào)：101121）、川木通（批號(hào)：110224）等11種中藥飲片均購(gòu)自河南中一藥業(yè)公司，由河南中醫(yī)藥大學(xué)第一附屬醫(yī)院藥學(xué)部陳天朝主任藥師鑒定為真品，均符合2015年版《中國(guó)藥典》（一部）標(biāo)準(zhǔn)。其余試劑均為分析純，水為純化水。

2 方法

2.1 待測(cè)樣品的制備及苦度值定性、定量標(biāo)準(zhǔn)

2.1.1 口嘗參比溶液的制備及苦度值（I ）定性、定量標(biāo)準(zhǔn) 采用口嘗法評(píng)價(jià)藥物苦度需先對(duì)志愿者進(jìn)行苦度標(biāo)準(zhǔn)化培訓(xùn)，然后以標(biāo)準(zhǔn)化苦度為參照進(jìn)行樣品的苦度評(píng)價(jià)。根據(jù)本課題組前期成果及相關(guān)文獻(xiàn)[11-13]，以水為溶劑制備5種不同質(zhì)量濃度的鹽酸小檗堿溶液作為口嘗參比溶液，以代表5種苦度口感，其對(duì)應(yīng)的I值定性描述、等級(jí)及定量范圍見表1。

2.1.2 口嘗待測(cè)樣品的制備 為使待測(cè)樣品更加接近臨床實(shí)際，按2015年版《中國(guó)藥典》（一部）中明黨參、茯苓、通草等10種飲片“用法與用量”項(xiàng)下用藥范圍平均值（如通草用量為3～5 g，則取4.0 g）的10倍，參照文獻(xiàn)[14]煎煮方法制得明黨參、茯苓、通草、天花粉、白薇、益母草、白及、當(dāng)藥、苦楝皮、蓮子心質(zhì)量濃度分別為22.5、31.25、10、31.25、18.75、48.75、26.25、22.5、11.25、8.75 mg/mL的口嘗待測(cè)樣品（溶液總體積均為4 000 mL，質(zhì)量濃度均按生藥量計(jì)）。

2.1.3 電子舌待測(cè)樣品的制備 取川木通4.5 g（用量標(biāo)準(zhǔn)同“2.1.2”項(xiàng)），參照文獻(xiàn)[15]煎煮方法制得質(zhì)量濃度為11.25 mg/mL（按生藥量計(jì)）的電子舌待測(cè)樣品。

2.2 口嘗試驗(yàn)

2.2.1 志愿者篩選 本研究經(jīng)河南中醫(yī)藥大學(xué)第一附屬醫(yī)院醫(yī)學(xué)倫理委員會(huì)審查批準(zhǔn)后，對(duì)招募的志愿者進(jìn)行了包括苦味敏感度等在內(nèi)的篩選[16]。納入標(biāo)準(zhǔn)：（1）因20歲時(shí)味蕾細(xì)胞總數(shù)達(dá)到最高值，味覺(jué)較為敏感[17]，故選擇20～30歲成年人；（2）無(wú)嚴(yán)重過(guò)敏史、遺傳病史，無(wú)膽囊炎，無(wú)不良嗜好，且近期無(wú)疾病史。排除標(biāo)準(zhǔn)：（1）最近2 d曾飲酒或吸煙者；（2）神經(jīng)過(guò)度緊張者；（3）認(rèn)為梔子黃水溶液有苦味者；（4）品嘗溶液前2 h進(jìn)食（尤其是刺激性食物）者。本研究最終選擇健康志愿者20名（男性9名、女性11名）。上述志愿者均知情同意并簽署了知情同意書。

2.2.2 口嘗試驗(yàn) 以不同質(zhì)量濃度的鹽酸小檗堿參比溶液對(duì)20名志愿者進(jìn)行口嘗試驗(yàn)的苦度標(biāo)準(zhǔn)化培訓(xùn)，隨后依次進(jìn)行單組口嘗試驗(yàn)和多組口嘗試驗(yàn)。單組口嘗試驗(yàn)：志愿者將37 ℃的通草口嘗待測(cè)樣品含于口中，15 s后吐出、漱口，并在苦度評(píng)價(jià)表中填入結(jié)果；多組口嘗試驗(yàn)：志愿者在通草口嘗試驗(yàn)的基礎(chǔ)上，依次對(duì)“2.1.2”項(xiàng)下其余9種藥材口嘗待測(cè)樣品進(jìn)行苦度評(píng)價(jià)，方法同單組口嘗試驗(yàn)，各藥材口嘗評(píng)價(jià)緩沖期為40 min。

2.3 電子舌測(cè)試

參照文獻(xiàn)[18]的方法對(duì)川木通電子舌待測(cè)樣品重復(fù)進(jìn)行電子舌測(cè)試，每個(gè)傳感器均重復(fù)測(cè)量10次。

2.4 苦度評(píng)價(jià)數(shù)據(jù)來(lái)源

2.4.1 口嘗試驗(yàn)苦度評(píng)價(jià)數(shù)據(jù)來(lái)源 以通草口嘗待測(cè)樣品的苦度評(píng)價(jià)數(shù)據(jù)（I值）為單組數(shù)據(jù)源，以通草、明黨參等10種藥材口嘗待測(cè)樣品的10組數(shù)據(jù)（每種藥材對(duì)應(yīng)的I值為1組）為多組數(shù)據(jù)源。

2.4.2 電子舌測(cè)試苦度評(píng)價(jià)數(shù)據(jù)來(lái)源 以上述川木通電子舌待測(cè)樣品的7組數(shù)據(jù)（每個(gè)電子舌對(duì)應(yīng)的傳感器響應(yīng)值為1組）為多組數(shù)據(jù)源。

2.5 異常值剔除

本研究采用如下3種方法進(jìn)行異常值剔除：基于Grubbs規(guī)則的查表逐一剔除法（方法一）、基于Grubbs規(guī)則的Excel軟件剔除法（方法二）以及本研究建立的基于Grubbs規(guī)則和MATLAB語(yǔ)言的異常值自動(dòng)循環(huán)剔除法（方法三）。同時(shí)，以異常值剔除時(shí)間和錯(cuò)誤概率為指標(biāo)，評(píng)價(jià)上述3種方法的應(yīng)用效果。其中，異常值剔除時(shí)間為計(jì)時(shí)器所記錄的自異常值剔除開始至結(jié)束所用的時(shí)間，錯(cuò)誤概率（P）=n/m×100%[將每1人對(duì)1組數(shù)據(jù)計(jì)算1次定義為1人次，x人對(duì)y組數(shù)據(jù)分別計(jì)算1次，則總?cè)舜斡洖閙（m=x×y）；若其中第i人對(duì)其計(jì)算的共ni組數(shù)據(jù)計(jì)算錯(cuò)誤，則計(jì)算錯(cuò)誤的總?cè)舜斡洖閚（n=Σni）人次]。

2.5.1 方法一 （1）排列數(shù)據(jù)：將n個(gè)測(cè)量數(shù)據(jù)由小到大排列；（2）計(jì)算其平均值（x）和標(biāo)準(zhǔn)差（s）；（3）計(jì)算偏離值（Dmax/Dmin），即平均值與最大值/最小值差值的絕對(duì)值；（4）確定可疑值（xi）：判定偏離值大小，偏離值大的為可疑值；（5）計(jì)算Gi值：Gi=│xi -x│/s（式中，i表示可疑值的排列序號(hào)；Gi為Grubbs檢驗(yàn)的統(tǒng)計(jì)量，即可疑值與均值的差的絕對(duì)值再除以標(biāo)準(zhǔn)差）；（6）異常值判定：顯著水平（α）取0.01、0.05或0.1，通過(guò)查閱Grubbs臨界值表[7]得臨界值Gs，計(jì)算Gi/Gs>1是否成立：若成立，則xi為異常值；否則這組數(shù)中沒(méi)有異常值；（7）當(dāng)xi為異常值時(shí)，將xi剔除，然后繼續(xù)對(duì)剩余數(shù)據(jù)按照上述方法進(jìn)行異常值的判定和剔除，直到這組數(shù)據(jù)中無(wú)異常值；（8）重復(fù)上述步驟對(duì)其他組進(jìn)行判定與剔除。

2.5.2 方法二 采用Excel 2010軟件建立列表進(jìn)行排序，并計(jì)算x、s、Gi等參數(shù)，按“2.5.1”項(xiàng)下步驟進(jìn)行異常值的判定與剔除。

2.5.3 方法三 （1）單組數(shù)據(jù)異常值的循環(huán)剔除：參照“2.5.1”項(xiàng)，①錄入原始數(shù)據(jù)（x）、顯著水平（α）和尾數(shù)值（tail）后，輸入函數(shù)[xnew，del，index]=Grubbs（x，α，tail），具體計(jì)算過(guò)程參照文獻(xiàn)[7]。②基于MATLAB語(yǔ)言并按照算法流程圖（見圖1）編制相關(guān)程序。③操作方法：上述操作在Windows 7或以上版本、并基于MATLAB 7.0及以上版本運(yùn)行，將編寫相應(yīng)程序的“M”文件拷至MATLAB的工作路徑中，在選定顯著水平以及尾數(shù)值后，于MATLAB的命令窗口內(nèi)輸入原始待檢數(shù)據(jù)矩陣，然后運(yùn)行相應(yīng)命令，即可實(shí)現(xiàn)對(duì)異常值的批量、快速、循環(huán)剔除。（2）多組數(shù)據(jù)異常值的循環(huán)剔除：基于MATLAB語(yǔ)言編制相關(guān)程序、操作方法同“單組數(shù)據(jù)異常值的循環(huán)剔除”，其算法流程見圖2。

2.5.4 不同異常值剔除方法應(yīng)用效果的比較 隨機(jī)選擇5名研究者，采用上述3種方法對(duì)“2.4”項(xiàng)下數(shù)據(jù)源的異常值進(jìn)行判定及剔除，記錄每種方法的剔除時(shí)間和錯(cuò)誤概率，并進(jìn)行比較。

2.6 統(tǒng)計(jì)學(xué)方法

采用SPSS 22.0軟件對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析。計(jì)量資料以x±s表示，組間比較采單因素方差分析；計(jì)數(shù)資料以率表示，組間比較采用Kruskal-Wallis檢驗(yàn)。P<0.05為差異有統(tǒng)計(jì)學(xué)意義。

3 結(jié)果

3.1 苦度評(píng)價(jià)結(jié)果

20名志愿者單組、多組口嘗試驗(yàn)以及電子舌測(cè)試苦度評(píng)價(jià)結(jié)果分別見表2～表4。

3.2 異常值剔除結(jié)果

3.2.1 方法一 （1）單組口嘗試驗(yàn)苦度評(píng)價(jià)數(shù)據(jù)源的異常值剔除結(jié)果：志愿者編號(hào)為7和11的數(shù)據(jù)為異常值，應(yīng)予以剔除；（2）多組口嘗試驗(yàn)苦度評(píng)價(jià)數(shù)據(jù)源的異常值剔除結(jié)果：第2組7和14號(hào)、第3組7和11號(hào)、第4組11號(hào)、第8組12號(hào)的數(shù)據(jù)均為異常值，應(yīng)予以剔除。（3）電子舌測(cè)試苦度評(píng)價(jià)數(shù)據(jù)源的異常值剔除結(jié)果：ZZ傳感器的第1次測(cè)試數(shù)據(jù)、BA傳感器的第1次測(cè)試數(shù)據(jù)和HA傳感器的第1次測(cè)試數(shù)據(jù)均為異常值，應(yīng)予以剔除。

3.2.2 方法二 單組、多組口嘗試驗(yàn)以及電子舌測(cè)試苦度評(píng)價(jià)數(shù)據(jù)源的異常值剔除結(jié)果同“3.2.1”。

3.2.3 方法三 單組、多組口嘗試驗(yàn)以及電子舌測(cè)試苦度評(píng)價(jià)數(shù)據(jù)源的異常值剔除結(jié)果同“3.2.1”。（1）單組口嘗試驗(yàn)苦度評(píng)價(jià)數(shù)據(jù)源輸出矩陣為[0.500 0 0.600 0 0.800 0 0.600 0 0.500 0 0.500 0 0.800 0 0.700 0 0.500 0 0.500 0 0.500 0 0.800 0 0.900 0 0.800 0 0.600 0 0.800 0 0.600 0 0.500 0]，剔除的測(cè)試數(shù)據(jù)為[1.500 0 2.200 0]，剔除的測(cè)試數(shù)據(jù)原始編號(hào)為[7 11]，即剔除了志愿者7和11對(duì)應(yīng)的數(shù)據(jù)（1.5、2.2），詳見圖3。（2）多組口嘗苦度評(píng)價(jià)數(shù)據(jù)源輸出新矩陣為[20×1 double] [18×1 double] [18×1 double] [19×1 double] [20×1 double] [20×1 double] [20×1 double] [19×1 double] [20×1 double] [20×1 double]（注：[20×1 double]表示為20行1列的雙精度數(shù)據(jù)矩陣，下同），剔除值矩陣為[] [2×1 double] [2×1 double] [2.600 0] [] [] [] [2] [] []，剔除值的編號(hào)矩陣為[] [2×1 double] [2×1 double] [11] [] [] [] [12] [] []。其中，共顯示“數(shù)據(jù)組不含溢出值！”6次，提示10組數(shù)據(jù)中有6組不含異常值，而第2、3、4、8組數(shù)據(jù)均存在異常值，在MATLAB中打開相應(yīng)矩陣，即可得到相應(yīng)的數(shù)據(jù)，詳見圖4。（3）多組電子舌苦度評(píng)價(jià)數(shù)據(jù)源輸出新矩陣為[9×1 double] [9×1 double] [10×1 double] [10×1 double] [10×1 double] [9×1 double] [10×1 double]，剔除值矩陣為[3.412 8e+003] [1.138 9e+003] [] [] [] [1.473 6e+003] []，剔除值的序號(hào)矩陣為[1] [1] [] [] [] [1] []，說(shuō)明第1列的第1個(gè)數(shù)據(jù)、第2列的第1個(gè)數(shù)據(jù)和第6列的第1個(gè)數(shù)據(jù)均為異常值，應(yīng)予以剔除，詳見圖5。

3.3 3種剔除方法的比較結(jié)果

方法二的剔除時(shí)間顯著短于方法一，方法三的剔除時(shí)間顯著短于方法一和方法二，差異均有統(tǒng)計(jì)學(xué)意義（P<0.01）；除方法三的錯(cuò)誤概率全部為0，方法一和方法二的錯(cuò)誤概率分別為5.7%～20.0%、0～4.0%，但組間比較差異均無(wú)統(tǒng)計(jì)學(xué)意義（P>0.05），詳見表5。

4 討論

常用的苦度評(píng)價(jià)方法包括口嘗法和電子舌法，均可因志愿者個(gè)體差異及電子舌環(huán)境差異而存在異常值[6]，故需要對(duì)其進(jìn)行合理判定及剔除。Grubbs法為目前常用異常值剔除的方法之一，是一種通過(guò)將統(tǒng)計(jì)量Gi及其對(duì)應(yīng)臨界值進(jìn)行比較來(lái)判定和剔除異常值的檢驗(yàn)方法，適用于單組數(shù)據(jù)不超過(guò)100的樣本。此外，Grubbs法每次操作僅能對(duì)單組數(shù)據(jù)中最大值或最小值中的1個(gè)進(jìn)行剔除，故當(dāng)該組存在多個(gè)異常值時(shí)，需要進(jìn)行多輪循環(huán)剔除，導(dǎo)致該方法存在效率低、易錯(cuò)風(fēng)險(xiǎn)大等缺點(diǎn)[19]。由此可見，如何快速運(yùn)用Grubbs規(guī)則進(jìn)行異常值剔除，對(duì)提高試驗(yàn)效率顯得尤為重要。為此，本研究以2015年版《中國(guó)藥典》（一部）“性狀”項(xiàng)下描述為“味淡”“味微苦”“味苦”的11種中藥飲片為對(duì)象[每種飲片只有1種味覺(jué)描述，以保證苦度評(píng)價(jià)的準(zhǔn)確性[20]。此外，口嘗法選擇10種不同苦味程度的飲片進(jìn)行評(píng)價(jià)；由于電子舌傳感器較為敏感，且有7個(gè)傳感器同時(shí)進(jìn)行測(cè)試，故選擇苦味閾值較低的單味飲片川木通進(jìn)行測(cè)試]，建立基于Grubbs規(guī)則和MATLAB語(yǔ)言的異常值自動(dòng)循環(huán)剔除法；以剔除時(shí)間和錯(cuò)誤概率為指標(biāo)，對(duì)上述方法與基于Grubbs規(guī)則的查表逐一剔除法和Excel軟件剔除法的應(yīng)用效果進(jìn)行比較。

本研究結(jié)果顯示，基于Grubbs規(guī)則和MATLAB語(yǔ)言的異常值自動(dòng)循環(huán)剔除法的剔除時(shí)間顯著短于其他兩種方法，差異均有統(tǒng)計(jì)學(xué)意義，提示該方法能有效縮短異常值剔除所用的時(shí)間。該方法基于MATLAB語(yǔ)言進(jìn)行計(jì)算機(jī)運(yùn)算，是所耗時(shí)間明顯更短的根本原因。基于Grubbs規(guī)則和MATLAB語(yǔ)言的異常值自動(dòng)循環(huán)剔除法的錯(cuò)誤概率與其他兩種方法比較差異均無(wú)統(tǒng)計(jì)學(xué)意義，提示三者間并無(wú)明顯差異，這可能與受試志愿者數(shù)量較少、樣本量較小有關(guān)。

綜上所述，基于Grubbs規(guī)則和MATLAB語(yǔ)言的異常值自動(dòng)循環(huán)剔除法可快速、準(zhǔn)確、批量地進(jìn)行苦味異常值的多輪循環(huán)剔除，并一次性給出剔除結(jié)果，可免除反復(fù)核對(duì)臨界值表、逐個(gè)逐級(jí)剔除數(shù)據(jù)的煩瑣操作，有助于縮短異常值剔除時(shí)間、提高原始數(shù)據(jù)處理效率，可為醫(yī)藥生產(chǎn)、研發(fā)及其他相關(guān)的數(shù)據(jù)測(cè)試與分析領(lǐng)域中異常值的判定與剔除提供參考。但由于本法在MATLAB語(yǔ)言下進(jìn)行，因此要求操作人員具備簡(jiǎn)單的MATLAB語(yǔ)言基本知識(shí)，加之軟件運(yùn)行要求較高，故有待于后續(xù)研究進(jìn)一步完善。

參考文獻(xiàn)

[ 1 ] 劉斌斌，簡(jiǎn)暉，田佳明，等.中藥矯味與掩味技術(shù)的研究進(jìn)展及問(wèn)題分析[J].中國(guó)實(shí)驗(yàn)方劑學(xué)雜志，2016，22（16）：229-234.

[ 2 ] LI L，NAINI V，AHMED SU. Utilization of a modified special-cubic design and an electronic tongue for bitterness masking formulation optimization[J]. J Pharm Sci，2007，96（10）：2723-2734.

[ 3 ] 李學(xué)林，陳鵬舉，桂新景，等.電子舌在羥丙基-β-環(huán)糊精抑苦規(guī)律研究中的應(yīng)用[J].中草藥，2017，48（20）：4235-4244.

[ 4 ] LI X，GAO X，LIU R，et al. Optimization and validation of the protocol used to analyze the taste of traditional Chinese medicines using an electronic tongue[J]. Exp Ther Med，2016，12（5）：2949-2957.

[ 5 ] FIELD MS. Application of robust statistical methods to background tracer data characterized by outliers and left-censored data[J]. Water Res，2011，45（10）：3107- 3118.

[ 6 ] BUCKLEY JA，GEORGIANNA TD. Analysis of statistical outliers with application to whole effluent toxicity testing[J]. Water Environ Res，2001，73（5）：575-583.

[ 7 ] 中華人民共和國(guó)國(guó)家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局，中國(guó)國(guó)家標(biāo)準(zhǔn)化管理委員會(huì). GB/T4883-2008數(shù)據(jù)的統(tǒng)計(jì)處理和解釋：正態(tài)樣本離群值的判斷和處理[S].北京：中國(guó)標(biāo)準(zhǔn)出版社，2008：4-5.

[ 8 ] JAIN RB. A recursive version of Grubbs’ test for detecting multiple outliers in environmental and chemical data[J]. Clin Biochem，2010，43（12）：1030-1033.

[ 9 ] GRAAFLAND H，SEIGNALET J，DONADIO D，et al.Our experince with antiglobulin consumption （Dixon test） in the study of antibodies bound to platelets[J]. Rev Fr Transfus Immunohematol，1981，24（4）：389-404.

[10] 尹江麗，王琳靜.兵器試驗(yàn)中的異常值檢驗(yàn)[J].四川兵工學(xué)報(bào)，2013，34（6）：137-139.

[11] 中華人民共和國(guó)國(guó)家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局，中國(guó)國(guó)家標(biāo)準(zhǔn)化管理委員會(huì). GB/T12315-1990感官分析方法學(xué)排序法[S].北京：中國(guó)標(biāo)準(zhǔn)出版社，2008：4-5.

[12] 祝國(guó)強(qiáng)，杭國(guó)明，滕海英，等.談?wù)剝煽傮w比較的非參數(shù)檢驗(yàn)方法[J].數(shù)理醫(yī)藥學(xué)雜志，2011，24（5）：524-525.

[13] 劉瑞新，張杏芬，李學(xué)林，等.3種口嘗評(píng)價(jià)方法用于藥物苦度評(píng)價(jià)的比較[J].中國(guó)實(shí)驗(yàn)方劑學(xué)雜志，2013，19（20）：118-122.

[14] 李學(xué)林，吳子丹，劉瑞新，等.口嘗法評(píng)價(jià)中藥湯劑苦味的研究[J].中國(guó)實(shí)驗(yàn)方劑學(xué)雜志，2011，17（23）：11-13.

[15] 劉瑞新，李慧玲，李學(xué)林，等.基于電子舌的穿心蓮水煎液的掩味效果評(píng)價(jià)研究[J].中草藥，2013，44（16）：2240- 2245.

[16] 李學(xué)林，王盼盼，劉瑞新，等.3種掩味劑單獨(dú)或聯(lián)合應(yīng)用對(duì)黃柏的掩味作用探究及掩味前后化學(xué)成分的比較[J].中國(guó)實(shí)驗(yàn)方劑學(xué)雜志，2017，23（2）：7-11.

[17] 王優(yōu)杰，徐德生，馮怡.中藥及其制劑苦味評(píng)價(jià)方法的建立[J].中國(guó)中藥雜志，2007，32（15）：1511-1514.

[18] LIU R，ZHANG X，ZHAGN L，et al. Bitterness intensity prediction of berberine hydrochloride using an electronic tongue and a GA-BP neural network[J]. Exp Ther Med，2014，7（6）：1696-1702.

[19] 周中漢，王漢江，李梅，等.利用DPS剔除測(cè)量數(shù)據(jù)中的異常值[J].計(jì)量技術(shù)，2007（10）：61-63.

[20] 國(guó)家藥典委員會(huì).中華人民共和國(guó)藥典：一部[S].2015年版.北京：中國(guó)醫(yī)藥科技出版社，2015：210.

（收稿日期：2018-05-02 修回日期：2018-10-29）

（編輯：張?jiān)拢?/p>