基于數(shù)據(jù)挖掘的缺血性中風(fēng)中醫(yī)處方用藥規(guī)律研究

黃辛迪 丁長(zhǎng)松 蘇啟后 周德生 涂海軍

摘要：目的 基于數(shù)據(jù)挖掘技術(shù)分析研究《中風(fēng)病良方大全》治療缺血性中風(fēng)用藥規(guī)律。方法 遴選《中風(fēng)病良方大全》治療缺血性中風(fēng)處方，對(duì)數(shù)據(jù)進(jìn)行規(guī)范化處理，構(gòu)建缺血性中風(fēng)處方數(shù)據(jù)庫(kù);并借助Python數(shù)據(jù)分析對(duì)用藥頻次、藥性頻次分布、藥物功效類(lèi)別的頻次及分布進(jìn)行統(tǒng)計(jì)，應(yīng)用Apriori關(guān)聯(lián)規(guī)則算法等進(jìn)行數(shù)據(jù)挖掘，構(gòu)建高頻藥對(duì)藥組關(guān)聯(lián)組合模型，探索其用藥趨向性和核心藥物。結(jié)果 遴選948首治療缺血性中風(fēng)處方，共845味藥材9616次總用頻次。挖掘前50味高頻常用藥材，使用頻次前10位的中藥依次為川芎、甘草、當(dāng)歸、丹參、黃芪、地龍、紅花、赤芍、石菖蒲、牛膝，川芎，其中以溫32.8%、平27.2%、寒性26.1%為主，以甘48.7%、苦41.2%、辛味38.1%為主，以肝68.3%、脾40.5%、心經(jīng)36.7%為主，用藥功效中以補(bǔ)虛藥25.29%、活血化瘀藥23.14%、平肝息風(fēng)藥14.79%為主;基于用藥藥性屬性，高頻用藥聚類(lèi)得到8大類(lèi)。當(dāng)滿(mǎn)足最小支持度5%且最小置信度60%時(shí)，關(guān)聯(lián)規(guī)則分析結(jié)果得到藥對(duì)關(guān)聯(lián)規(guī)則18條，其中置信度前3位的藥對(duì)規(guī)則為遠(yuǎn)志→石菖蒲、陳皮→半夏、紅花→川芎;關(guān)聯(lián)規(guī)則分析結(jié)果得到藥對(duì)主要3味關(guān)聯(lián)藥組20條，其中置信度前3位的藥對(duì)規(guī)則為桃仁+地龍→紅花+桃仁 赤芍→紅花、桃仁+當(dāng)歸→紅花。結(jié)論 中醫(yī)治療缺血性中風(fēng)辨證用藥以補(bǔ)氣補(bǔ)血、滋陰活血、化痰行氣為法?；跀?shù)據(jù)挖掘技術(shù)分析缺血性中風(fēng)用藥規(guī)律，對(duì)于臨床用藥指導(dǎo)與應(yīng)用具有重要價(jià)值。

關(guān)鍵詞：數(shù)據(jù)挖掘;缺血性中風(fēng);Apriori 算法;關(guān)聯(lián)規(guī)則;用藥規(guī)律

中圖分類(lèi)號(hào)：R743.3?? 文獻(xiàn)標(biāo)志碼：A?? 文章編號(hào)：1007-2349（2022）01-0023-06

Research on TCM Prescription Medication Rules of Ischemic Stroke Based on Data Mining

HUANG Xin-di1， DING Chang-song1， SU Qi-hou1， ZHOU De-sheng1， TU Hai-jun1

（1. School of Information Science and Engineering， Hunan University of Traditional Chinese Medicine， Changsha， 410208， China; 2. Hunan University of Traditional Chinese Medicine， Changsha， 410208， China; 3. The First Affiliated Hospital of Hunan University of Traditional Chinese Medicine， Changsha， 410208， China; 4. School of Biology， Hunan University， Changsha， 410208， China）

【Abstract】Objective： To analyze and study the medication rules of the treatment of ischemic stroke in A Complete Collection of Effective Prescription for Stroke by basing on data mining technology. Methods： The prescriptions for the treatment of ischemic stroke in the collection were selected to standardize data processing， and construct a database of ischemic stroke prescription. By using Python data analysis， the frequency of medication， the frequency distribution of drug properties and the frequency and distribution of drug efficacy categories were made statistically and by using Apriori association rule algorithm， the data mining was conducted to build a high-frequency drug-to-drug group association combination model and explore its drug trend and core drugs. Results： The first 948 prescriptions for the treatment of ischemic stroke were selected， and 845 medicinal materials were used with a total frequency of 9616 times. The top 50 high-frequency and commonly used medicinal materials were excavated. The top 10 used Chinese medicines were Ligustici， Licorice， Angelica， Salvia， Astragalus， Earthworm， Safflower， Red Peony， Acorus tatarinowii and Achyranthes bidentata， among which the warm property was 32.8， mild-nature 27.2%， cold 26.1%， mainly sweet 48.7%， bitter 41.2%， pungent 38.1%， and mainly for liver 68.3%， spleen 40.5% and heart meridian 36.7%. The efficacy of the medicine was 25.29 % of deficiency-tonic， 23.14% of activating blood and removing blood stasis drugs and 14.79% of calming liver and dispelling wind drugs. Based on the properties of the medications， the high-frequency medications clustered into 8 categories. When the minimum support degree was 5% and the minimum confidence degree was 60%， the association rule analysis results obtained 18 drug pair association rules， among which the top 3 drug pair rules of the confidence were Polygala→Acorus tatarinowii， Tangerine Peel→ Pinellia， Safflower→Ligustici. The association rule analysis results showed that there were 20 drug pairs related to the main 3 flavor drug groups， among which the top 3 drug pair rules of the confidence level were peach kernel + earthworm→safflower + peach kernel， red peony→safflower， peach kernel + angelica→safflower. Conclusion： The TCM treatment of ischemic stroke is based on the methods of invigorating qi and blood， nourishing yin and promoting blood circulation， resolving phlegm and promoting qi. The study is of great value for clinical medication guidance and application.

【Key words】Data Mining; Ischemic Stroke; Apriori Algorithm; Association Rules; Medication Rule

腦卒中是一種急性腦血管病，已經(jīng)成為臨床常見(jiàn)疾病，具有高發(fā)病率、高致殘率、高致死率、高復(fù)發(fā)率的特點(diǎn)，嚴(yán)重影響患者的生命健康和生存狀態(tài)[1]。腦卒中包括缺血性腦卒中和出血性腦卒中。其中缺血性腦卒中（Ischemic stroke，IS）也被稱(chēng)為缺血性中風(fēng)（cerebral infarction，CI），指因頸動(dòng)脈、椎動(dòng)脈狹窄或堵塞致使腦供血不足而引起的大腦缺血、缺氧，最終導(dǎo)致腦組織的缺血性壞死[2]。我國(guó)卒中患者已超過(guò)千萬(wàn)，其中約70%為缺血性卒中患者，每年新發(fā)病例約240萬(wàn)，患病率達(dá)2.37%，且患病風(fēng)險(xiǎn)隨著年齡而升高，每年因卒中死亡的人數(shù)也多達(dá)110萬(wàn)[3]，故缺血性中風(fēng)治療已成為我國(guó)中風(fēng)病防治研究的重中之重，探索有效其治療方法具有重要的臨床意義和社會(huì)價(jià)值。本研究基于《中風(fēng)病良方大全》[4]中缺血性中風(fēng)的中藥處方，借助Python數(shù)據(jù)分析對(duì)用藥及藥性頻次分布進(jìn)行統(tǒng)計(jì)，運(yùn)用Apriori關(guān)聯(lián)規(guī)則算法進(jìn)行挖掘分析，探討中醫(yī)用藥規(guī)律，為中醫(yī)治療缺血性腦卒中臨床組方用藥提供科學(xué)參考，更好地服務(wù)于臨床實(shí)踐。

1 資料與方法

1.1 數(shù)據(jù)來(lái)源 方劑選擇來(lái)源于《中風(fēng)病良方大全》，此書(shū)內(nèi)容涵蓋中風(fēng)病的中西醫(yī)診治概況，中風(fēng)病的各種臨床類(lèi)型、危險(xiǎn)因素、后遺癥及其并發(fā)癥，分為診斷要點(diǎn)、通用良方、辨證良方、對(duì)癥良方等項(xiàng)。全面收集了古今治療中風(fēng)病的專(zhuān)科用方3000余首，遴選方劑完備，涵蓋古方和近現(xiàn)代方，其中古方文獻(xiàn)覆蓋先秦兩漢至明清時(shí)期，近現(xiàn)代方為國(guó)家級(jí)或省級(jí)中醫(yī)藥期刊雜志1981年-2015年所載中風(fēng)治療名中醫(yī)效驗(yàn)方。

1.2 納入標(biāo)準(zhǔn) 根據(jù)《中風(fēng)病良方大全》中腦血管疾病診斷確定其中醫(yī)治療處方的出血或缺血類(lèi)別。依據(jù)書(shū)中章節(jié)可劃分方劑類(lèi)別，如第2章短暫性腦缺血發(fā)作收錄的為缺血類(lèi)藥方。從所有缺血類(lèi)藥方章節(jié)提取藥方并標(biāo)注其方名、組成和來(lái)源，不同章節(jié)中提取到的內(nèi)容完全相同的處方去重后合并為1條記錄。如補(bǔ)陽(yáng)還五湯在第2章短暫性腦缺血發(fā)作、第4章腦栓塞、第`4章脊髓卒中的短暫性脊髓缺血發(fā)作等部分多處出現(xiàn)，該處方只保存為1條記錄。另外，第17章并發(fā)癥，第18章后遺癥，第19章危險(xiǎn)因素難以計(jì)入腦出血和缺血的直接治療，暫時(shí)未納入歸類(lèi)和分析。通過(guò)上述方式遴選出治療缺血性中風(fēng)處方共948首。

1.3 創(chuàng)建數(shù)據(jù)庫(kù) 采用雙人錄入、第3人監(jiān)督的方式，將數(shù)據(jù)輸入至Excel 表格創(chuàng)建數(shù)據(jù)庫(kù)。若存在不一致處則協(xié)商解決，以確保數(shù)據(jù)的準(zhǔn)確性和規(guī)范性。

1.4 中藥名稱(chēng)標(biāo)準(zhǔn)化 根據(jù)《中藥學(xué)》[5]的目錄，對(duì)中藥名稱(chēng)進(jìn)行標(biāo)準(zhǔn)化：（1）將藥物俗稱(chēng)、別名、錯(cuò)字等統(tǒng)一成規(guī)范常用名稱(chēng)，如將旱蓮草統(tǒng)一為墨旱蓮，將仙靈脾統(tǒng)一為淫羊藿等。（2）暫不考慮炮制方法和藥物產(chǎn)地對(duì)中藥藥性的影響，如杭白芍統(tǒng)一白芍，京玄參統(tǒng)一為玄參;中藥炮制后功效類(lèi)似者仍用原名，生黃芪、炙黃芪統(tǒng)一為黃芪，法半夏、半夏統(tǒng)一為半夏等。去除藥方中每味藥物所含的劑量和使用說(shuō)明，如鉤藤16 g（后下）、生龍骨15 g（搗碎）等。飲片炮制后前后無(wú)差異的統(tǒng)一用生品，在藥性上有差異的則生熟分開(kāi)，部分藥物以不同藥用部位入藥而在藥性上有差別時(shí)也應(yīng)分開(kāi)記錄。

1.5 確定中藥藥性及功效 參照《中藥學(xué)》[5]和《中華人民共和國(guó)藥典》[6]，將處方中涉及的所有中藥進(jìn)行整理，包括藥材的四氣、五味、歸經(jīng)，并確定藥物的功效分類(lèi)。

2 結(jié)果

2.1 高頻用藥頻次及頻率統(tǒng)計(jì) 納入《中風(fēng)病良方大全》[2]中治療缺血性中風(fēng)處方共948首，共涉及845味藥，總用藥頻次9616次，其中前50味高頻常用藥材，累計(jì)頻次6442次，占所有藥物使用頻次的66.99%，涉及所有948首方。將這些中藥以使用頻次由高到低排序，如表2所示，其中川芎的使用頻次最高，達(dá)353次。

2.2 高頻藥物四氣五味及歸經(jīng)統(tǒng)計(jì)分析 提取以上高頻藥物的中藥藥性及功效，將四氣、五味、歸經(jīng)逐一進(jìn)行記錄和統(tǒng)計(jì)。其中藥性中四氣、功效類(lèi)別為單值屬性，而五味、歸經(jīng)為多值屬性。單值屬性的頻率按其出現(xiàn)頻次和常用50味藥物總頻次的比值計(jì)算，多值屬性的頻次按照多值中各個(gè)單項(xiàng)屬性頻次疊加計(jì)算，多值屬性的頻率依據(jù)單項(xiàng)屬性值疊加計(jì)算的頻次與常用50味藥物總頻次的比值計(jì)算。對(duì)應(yīng)的中藥將結(jié)果按照總頻率由高到低排列。

2.2.1 藥物四氣分析 前50味高頻常用藥材以溫32.8%、平27.2%、微寒12.8%、寒性11.3%為主，藥物四氣分析結(jié)果，詳見(jiàn)表3與圖1。

2.2.2 高頻藥物五味分析 前50味高頻常用藥材以甘48.7%、苦41.2%、辛味38.1%為主，以肝68.3%、脾40.5%、心經(jīng)36.7%為主，藥物歸經(jīng)分析結(jié)果，詳見(jiàn)表4與圖2。

2.2.3 高頻藥物歸經(jīng)分析 前50味高頻常用藥材以肝68.3%、脾40.5%、心36.7%、肺經(jīng)30.7%為主，藥物歸經(jīng)分析結(jié)果，詳見(jiàn)表5與圖3。

2.3 中藥功效分類(lèi)統(tǒng)計(jì) 按照《中藥學(xué)》[5]藥物功用分類(lèi)，按類(lèi)別統(tǒng)計(jì)前50味高頻常用中藥的使用頻次見(jiàn)表6、頻率分布見(jiàn)圖4。其中，使用頻次最高的藥物功用類(lèi)別為補(bǔ)虛藥，共1692次，占比為25.29%，又以補(bǔ)氣、補(bǔ)血藥為主，各總占比分別為12.71%和9.69%;頻次次高的藥物功用類(lèi)別為活血化瘀藥，共1581次，占比為23.14%;平肝息風(fēng)藥使用頻次為953，占比為14.79%。

1.4 高頻中藥關(guān)聯(lián)分析 關(guān)聯(lián)規(guī)則，為兩個(gè)或者多個(gè)變量的取值之間存在某種規(guī)律，主要含義為先導(dǎo)項(xiàng)出現(xiàn)時(shí)，后繼項(xiàng)可能會(huì)出現(xiàn)的關(guān)聯(lián)形式，表示為A→B。支持度是指A和B同時(shí)出現(xiàn)的概率，置信度是指出現(xiàn)A的情況下出現(xiàn)B的概率，用于衡量關(guān)聯(lián)規(guī)則的可信程度。基于以上原則，可得出中醫(yī)藥治療缺血性中風(fēng)常見(jiàn)的藥對(duì)、藥組及中藥之間的潛在共性規(guī)律。缺血性中風(fēng)藥對(duì)關(guān)聯(lián)規(guī)則18條和3味藥組關(guān)聯(lián)規(guī)則20條分別見(jiàn)表7、8?；谒帉?duì)藥組關(guān)聯(lián)規(guī)則構(gòu)建核心用藥關(guān)聯(lián)組合模型見(jiàn)圖5、圖6。

3 討論

總體用藥分析顯示，缺血性中風(fēng)中醫(yī)處方的用藥甚廣，但絕大部分集中在使用頻數(shù)較多50位藥。分類(lèi)考察顯示，其藥譜涉及到活血化瘀、化痰宣竅、益氣健脾、清熱安神、平肝息風(fēng)、養(yǎng)陰生津、補(bǔ)腎溫陽(yáng)、清熱瀉火、理氣升陽(yáng)等多種功效，反應(yīng)了中醫(yī)證情的復(fù)雜性，一方面也反映了中醫(yī)運(yùn)用中藥經(jīng)驗(yàn)的廣泛性。

中醫(yī)認(rèn)為氣血逆亂失衡是中風(fēng)的病機(jī)特點(diǎn)，中醫(yī)治療缺血性腦卒中主要以補(bǔ)氣益氣、活血逐瘀、行氣通竅、滌痰行氣為法，與其主要病性血虛、氣虛、痰、陽(yáng)虛、氣滯、陰虛等相符，藥物大多歸肝、脾、心經(jīng)，與其主要病位相一致。選取用藥頻次前 10 的高頻中藥，其中活血化瘀藥有5味（川芎、丹參、紅花、牛膝），補(bǔ)虛藥有 3 味（甘草、當(dāng)歸、黃芪），平肝息風(fēng)藥有 1 味（地龍），清熱藥有 1味（赤芍），開(kāi)竅藥有 1 味（石菖蒲）。對(duì)使用頻數(shù)較高的前50位藥的藥譜分析，其配伍絕大部分涉及活血化瘀成方，以當(dāng)歸、川芎、桃仁、紅花為核心，古方有身痛逐瘀湯、補(bǔ)陽(yáng)還五湯等，其治法也廣泛存在與現(xiàn)代方中。

川芎有活血行氣、祛風(fēng)止痛的功效，屬活血化瘀藥下屬分類(lèi)的活血止痛藥。昔人謂川芎為血中之氣藥，有辛散、解郁、通達(dá)、止痛等功能。常見(jiàn)的藥物組合有紅花→川芎，黃芪+赤芍→川芎，桃仁+川芎→紅花等。

甘草擅長(zhǎng)補(bǔ)脾益氣，也以清熱解毒、祛痰止咳、調(diào)和諸藥等功效常見(jiàn)于處方中。

當(dāng)歸有補(bǔ)血活血、調(diào)經(jīng)止痛的功效。缺血性中風(fēng)患者若為瘀血內(nèi)阻，此時(shí)必須活血、補(bǔ)血。常見(jiàn)的藥物組合有黃芪→當(dāng)歸，桃仁+當(dāng)歸→紅花，地龍+當(dāng)歸→川芎。

黃芪升陽(yáng)益氣，益衛(wèi)固表，利水消腫等，為補(bǔ)氣之佳品，可以補(bǔ)氣以行血。常見(jiàn)的藥物組合有黃芪→川芎，黃芪→當(dāng)歸，黃芪+赤芍→川芎，地龍+黃芪→川芎。

地龍活血補(bǔ)血，通經(jīng)絡(luò)，清熱定驚、通絡(luò)、平喘、利尿的功效，故可幫缺血性中風(fēng)患者疏通腦絡(luò)、調(diào)整氣血。常見(jiàn)的藥物組合有雞血藤→地龍，桃仁+地龍→紅花，地龍+當(dāng)歸→川芎。

其他功效在成方中，宣竅安神成方以石菖蒲、遠(yuǎn)志、郁金為核心，石菖蒲、郁金用于語(yǔ)言意識(shí)障礙，遠(yuǎn)志用于祛痰宣竅和安神。代表成方有《古今名醫(yī)臨證金鑒·中風(fēng)卷》的宣竅醒神湯，開(kāi)竅藥還常用各類(lèi)具有行氣作用的芳香類(lèi)中藥材。

平肝息風(fēng)成方以天麻、地龍、全蝎、鉤藤等為核心，常見(jiàn)配伍有地龍-天麻，地龍-僵蠶，鉤藤-僵蠶等，平肝潛陽(yáng)、滋陰息風(fēng)止痙。另地龍常與水蛭聯(lián)用，增強(qiáng)活血破瘀之功。

化痰息風(fēng)通絡(luò)成方以半夏、膽南星、白附子為主，化痰祛濕、通絡(luò)除痙，白附子適用于寒濕頭痛、四肢酸痛麻痹等癥。

綜上所述，本研究基于數(shù)據(jù)挖掘方法對(duì)《中風(fēng)病良方大全》中缺血性腦卒中處方的用藥頻次進(jìn)行統(tǒng)計(jì)，從藥對(duì)、3味藥組等多個(gè)角度進(jìn)行關(guān)聯(lián)規(guī)則分析，挖掘了中醫(yī)藥治療缺血性腦卒中的組方配伍規(guī)律。本研究為從性味歸經(jīng)和功效深入挖掘缺血性腦卒中等的辨證用藥規(guī)律，基于數(shù)據(jù)挖掘技術(shù)構(gòu)建了缺血性腦卒中常用藥物關(guān)聯(lián)模型、用藥聚類(lèi)，方法科學(xué)有效，為臨床辨證用藥提供了可靠的依據(jù)，對(duì)于臨床用藥指導(dǎo)與應(yīng)用具有重要價(jià)值。

參考文獻(xiàn)：

[1]王隴德，劉建民，楊弋，等.我國(guó)腦卒中防治仍面臨巨大挑戰(zhàn)——《中國(guó)腦卒中防治報(bào)告2018》概要[J].中國(guó)循環(huán)雜志，2019，34（2）：105-119.

[2]陳孝男，楊?lèi)?ài)琳，趙亞楠，等.缺血性腦中風(fēng)的發(fā)病機(jī)制及其常用治療中藥研究進(jìn)展[J].中國(guó)中藥雜志，2019，44（3）：20-30.

[3]Guan T，Ma J，Li M，et al.Rapid transitions in the epidemiology of stroke and its risk factors in China from 2002 to 2013[J].Neurology，2017（89）：53-61.

[4]周德生.中風(fēng)病良方大全[M].太原：山西科學(xué)技術(shù)出版社，2016：80.

[5]鐘贛生.中藥學(xué)[M].北京：中國(guó)中醫(yī)藥出版社，2019.

[6]國(guó)家藥典委員會(huì).中華人民共和國(guó)藥典[M].北京：中國(guó)醫(yī)藥科技出版社，2018：60.

（收稿日期：2021-09-22）