文章信息
- 金鑫瑶, 王东, 张立双, 季昭臣, 李霄, 吕玲, 赵梦瑜, 庞稳泰, 张俊华
- JIN Xinyao, WANG Dong, ZHANG Lishuang, JI Zhaochen, LI Xiao, LYU Ling, ZHAO Mengyu, PANG Wentai, ZHANG Junhua
- 基于复杂网络分析《中华医典》医案部分治疗湿证用药规律
- Analysis of the rule of medication for dampness syndrome in Zhonghua Yidian medical records based on complex network
- 天津中医药, 2020, 37(3): 303-307
- Tianjin Journal of Traditional Chinese Medicine, 2020, 37(3): 303-307
- http://dx.doi.org/10.11656/j.issn.1672-1519.2020.03.16
-
文章历史
- 收稿日期: 2019-12-10
2. 天津中医药大学研究生院, 天津 301617
湿邪是指致病具有重着、黏腻、趋下特性的病邪,可分为外湿与内湿。外湿即“外感六淫”中的湿,当外界水湿之气较盛超过人体耐受范围或人体正气不足无法承受外界水湿之气时即可发病。内湿为“内生五邪”当中的湿,系指由于脏腑功能失调,水液代谢失司,导致水液停聚而形成的具有重着、黏腻、趋下特性的内邪。湿邪致病具有困阻清阳,壅滞气机;重浊黏滞,病位趋下,病势缠绵;易兼他邪等特点。临床感受外界湿邪,或体内水液运化失常而导致的湿浊内蕴,阻遏气机与清阳,以身体困重、肢体酸痛、腹胀腹泻、纳呆、苔滑脉濡等为主要表现的证候则为湿证。
湿证的产生与脏腑失调,气化不利,水液停聚相关,尤其与肺、脾、肾、肝及三焦关系密切。肺为水之上源,以其宣发肃降之能通调水道,若肺失宣降则气壅水停,而聚集成湿。脾为后天之本,主水液运化,若脾失健运则水液难消,必停聚生湿。肾为水之下源,主水之气化,若肾阳不足难以蒸化水液,亦可停聚而成湿邪。肝为将军之官,若肝失条达亦可壅塞气津而生内湿。现代人生活方式改变,饮食不规律,缺乏运动,熬夜晚起等不良生活习惯导致湿邪相关疾病增长加快[1-2]。肥胖、胰岛素抵抗、冠心病、糖尿病等多种慢性疾病的发生发展与湿相关[3-4],因此从湿论治慢性疾病具有重要的临床价值[5]。
研究基于复杂网络分析方法,以第5版《中华医典》医案部分为研究对象,对湿证的用药信息进行统计分析,总结中医湿证处方用药规律,为临床提供参考。
1 资料与方法 1.1 医案收集和纳入本研究选择《中华医典》数据库中医医案部分为研究对象,以“湿”为关键词进行检索。纳入标准:1)医案信息完整。2)病因病机为湿邪致病。3)治法明确提及“祛湿”“除湿”“利湿”等。4)医案记载详细的用药信息。排除标准:重复医案。
1.2 医案信息提取采用Excel设计文献提取表,提取医案出处、患者信息、发病季节、病名、病因、病机、方名、药物、煎服法等相关信息。
1.3 中药名称规范参照《中华人民共和国药典》(2015版)[6]将纳入医案记载的药物名称、炮制方法等信息进行规范化表达。
1.4 数据处理搜集医案用药信息进行统计,使用Excel2010统计所用药物及其频次。基于The R Programming Language(以下简称R语言软件),采用其Apriori算法[7]功能扩展包,对纳入医案药物进行关联分析,对出现在同一处方内的两味中药的共现情况进行统计,支持度和置信度的参数均为0。这样做可以避免参数预设的随意性,保留所有文献中涉及的用药情况。基于关联分析[8]所得的符合参数要求的药物,利用Gephi 0.9.2软件构建相关药物复杂网络,将数据进行可视化处理。利用K核心算法[9],得到治疗湿证连接最紧密的核心药物网。利用介数中心性对核心网络中的节点(药物)的重要性进行评价,作为寻找关键节点(药物)的依据[10-11]。通过社区探测算法调整模块化解析度[9, 12],并结合中医基础理论对结果进行解读。
2 结果 2.1 用药频次统计纳入医案453个,包括中药257味,药物总频次为3 321次,平均每个处方使用7味中药,药物最多的处方使用了20味中药。使用频次前5位中药分别为茯苓(213次)、陈皮(136次)、厚朴(120次)、白术(111次)、泽泻(97次)。
2.2 药物功效统计纳入药物257味,按功效可分为21类,分别为解表药(23味)、清热药(32味)、泻下药(9味)、祛风湿药(11味)、化湿药(10味)、利水渗湿药(16味)、温里药(11味)、理气药(15味)、消食药(6味)、驱虫药(2味)、止血药(4味)、活血化瘀药(22味)、化痰止咳平喘药(21味)、安神药(5味)、平肝熄风药(9味)、开窍药(2味)、补虚药(40味)、收涩药(14味)、涌吐药(1味)、攻毒杀虫止痒药(3味)、拔毒化腐生肌药(1味)。对药物的功效信息进行频次统计,发现利水渗湿药使用频次最高,达到619次,占所有使用药物频次的18.6%;补虚药使用540次,占药物使用频次的16.3%;清热药使用446次,占药物频次的13.4%;理气药使用283次,占药物使用频次的8.5%;化湿药使用279次,占药物使用频次的8.4%。
2.3 中药性味分析中药性味按照《中华人民共和国药典》(2015)版的标准进行分类统计,发现温性药物使用75味,总使用频次达1 062次,占所用药物频次的32%;寒性药物使用60味,频次为720次,占所用药物频次的21.7%;平性药物使用46味,频次为605次,占所用药物频次的18.2%;微温药物使用20味,频次为353次,占所用药物频次的10.6%;微寒药物使用35味,频次为325次,占所用药物频次的9.8%;凉性药物使用9味,频次为101次,占所用药物频次的3%;热性药物使用9味,频次为74次,占所用药物频次的2.2%。大热与大寒的药物各使用2味,频次分别为50次和31次。苦味药物使用120味,频次达1 701次,占所用药物频次的31.3%;甘味药使用106味,频次为1 443次,占所用药物频次的26.6%;辛味药物使用112味,频次为1 435次,占所用药物频次的26.4%;淡味药物使用9味,频次为561次,占所用药物频次的10.3%;酸味药物使用21味,频次为176次,占所用药物频次的3.2%;咸味药物26味,频次为81次,占所用药物频次的1.5%;涩味药物使用21味,频次为37,占所用药物频次的0.7%。
2.4 关联分析结果通过关联分析方法,以支持度、置信度和共现频次作为评价药物关联强度指标,探寻中医湿证治疗的核心配伍组合。支持度和置信度较高的药物组合为陈皮-茯苓、泽泻-茯苓、白术-茯苓、厚朴-茯苓、厚朴-陈皮、猪苓-泽泻、猪苓-茯苓、半夏-茯苓、泽泻-白术、泽泻-陈皮等。
截取共现频次、置性度和支持度较高的配伍关系展示。见表 1。
2.5 构建网络及核心药物分析通过Gephi0.9.2对数据进行可视化处理,得到整体的药物配伍网络,使用K核心算法得到核心药物配伍网络图(K值=21),其中节点数为37,边数为1 014。使用内置的统计功能得到药物介数中心值,借助社区探测算法进行分类并染色,完成建模。见图 1。
图中每一个圆代表一个节点(药物),节点的大小以节点的介数中心性为依据。按逆时针方向,介数中心性逐渐减小,药物在方剂中配伍使用的概率逐渐减小。
对37味核心药物功效进行分析,发现使用频次最高的为利水渗湿药,包括茯苓(217次)、泽泻(98次)、猪苓(67次)、滑石(64次)、薏苡仁(57次);其次为补虚药,包括白术(111次)、甘草(86次)、人参(69次)、当归(61次)、白芍(46次)、炙甘草(31次);清热药包括黄连(67次)、黄芩(53次)、黄柏(50次)、栀子(19次);化湿药包括厚朴(120次)、苍术(67次)、草果(21次);解表药包括桂枝(62次)、生姜(45次)、防风(29次)、羌活(20次)、升麻(18次)、葛根(16次);理气药包括陈皮(136次)、青皮(23次)、枳实(8次)、木香(8次);止咳化痰平喘药包括半夏(82次)、杏仁(73次);温里药包括干姜(38次)、附子(30次)、肉桂(20次);消食药包括山楂(24次)、神曲(19次);祛风湿药包括防己(41次)。
运用Gephi0.9.2内置社区探测算法模块对核心药物网络进行分类。见图 2。
由图 2可以看出,治疗湿证的核心药物被计算分成了4个模块,可见治疗湿证最核心的药物为茯苓,核心配伍组合为茯苓-陈皮、茯苓-泽泻、茯苓-厚朴、茯苓-白术、陈皮-厚朴。
根据核心药物的配伍关系和模块划分,结合中医理论可以总结出治疗湿证的核心组方为茯苓、白术、猪苓、泽泻、桂枝配伍组成五苓散,其代表治法为利水渗湿、温阳化气;茯苓、陈皮、半夏、甘草配伍的经典方剂二陈汤,其代表治法为燥湿化痰、理气和中;苍术、厚朴、陈皮、甘草4味药组成平胃散,其治法为燥湿运脾,行气和胃;黄连、黄柏、黄芩、栀子为黄连解毒汤,其治法为泻火解毒、苦寒燥湿;杏仁、薏苡仁、滑石、半夏、厚朴、防己等为三仁汤加减,代表治法为宣畅气机、清热利湿。
3 讨论 3.1 数据挖掘有利于中医治疗经验的总结和传承数据挖掘和复杂网络分析方法因其可对庞大的数据进行整理和分析,进而发掘深层规律,目前已被广泛应用于中医药领域的相关研究中[13]。复杂网络分析方法为名老中医处方用药规律的发现和临证经验总结提供了一定的思路和方法[14],同时也为古代医籍中经验的挖掘和继承提供了技术支持[15-16]。
3.2 中医湿证常见治法及方药分析临床湿证多本虚标实,常有脾胃虚弱的内在因素。湿证治疗当遵循祛邪扶正、标本兼顾的总体治疗原则,在总的原则指导下还需考虑外感湿邪易与其他邪气相兼,湿邪入里可因人体质偏寒、偏热不同而有寒热的转化,常常多种治法并用。
本研究发现《中华医典》医案部分治疗湿证常用药物多具有利水渗湿、补虚、清热、化湿等功效,且性温味苦之药所占比例较大。《黄帝内经》中已提出外感寒湿“宜以苦燥之温之”的具体治法,《金匮要略·痰饮咳嗽病脉证并治》进一步总结出“病痰饮者当以温药和之”的阴性病邪的治疗原则。由此可见这些治疗原则和具体治法对于后世医家治疗湿证仍有深远影响。
历代医家治湿临床经验丰富,遣方用药灵活多变,本研究通过数据挖掘方法结合中医理论总结得出茯苓-陈皮等常见药对以及五苓散、二陈汤、平胃散、黄连解毒汤、三仁汤等最典型的治湿方药及其所代表的具体治法。
五苓散为历代医家祛湿最常用的方剂,因湿为阴邪,其性黏滞,非寒邪汗之可解,温热邪气清凉则行,喻嘉言曾说:“湿家当利小便,此大法也。”叶天士曾论:“痰乃湿浊凝滞而生者……其余一切诸痰,初起皆由湿而生……盖痰本饮食湿浊所化。”二陈汤健脾燥湿化痰,脾主湿,湿动则为痰,中焦湿证最多。健脾则不生湿,燥湿、利湿则湿去无以生痰,因此二陈汤亦为治疗湿痰证的重要组方;平胃散方全方燥湿与行气并用,而以燥湿为主,燥湿以健脾,行气以祛湿,使湿去脾健,气机调畅,脾胃自和;黄连解毒汤中黄芩、黄连、黄柏3药苦寒清热燥湿,为湿邪入里化热或内生湿热证常配伍的药物。苦能燥湿,寒能清热,且湿邪伤人,病变部位较广,因此选药也应有所侧重;三仁汤宣气化湿、上下分消,配伍体现三焦分治湿邪,以“启上闸,开支河,导湿下行以为出路,湿去气通”。
以上通过数据挖掘所得出的《中华医典》医案部分治疗湿证常用的方药及其所代表的治法在现代临床治疗湿证中仍被广泛使用,因此挖掘和整理古代名家医案对于中医经验的传承和发展具有积极的意义。
3.3 研究的局限性研究主要利用频次分析、关联分析及复杂网络方法总结中医治疗湿证的处方配伍规律及核心治法,所得结论是基于《中华医典》中医案部分所收录的医案,可能存在一定的局限性。如基于中医学、中药学的理论知识,无论支持度是多少都不能否认半夏、陈皮为燥湿化痰常用对药,但结合本研究的实际结果来看,半夏-陈皮组合的支持度并没有预想的高,其原因可能与研究纳入的原始数据的代表性和样本量有关。因此计算机运算所得的结果尚需结合专业知识进行理解和解读,并在临床中反复验证。
研究方法可为名老中医经验传承和相关的药物研发等提供思路,在今后类似研究中,应坚持以中医理论为主导,以数据挖掘等技术为工具,两者的有机结合可更好的总结中医经验,传承、发扬中医药。
[1] |
杨帆, 张晓松. 宜昌地区2877例中医体质调查分析[J]. 医学理论与实践, 2018, 31(14): 2182-2184. YANG F, ZHANG X S. Investigation and analysis of 2877 cases of TCM constitution in yichang area[J]. The Journal of Medical Theory and Practice, 2018, 31(14): 2182-2184. |
[2] |
崔闽鲁, 李海峰.生活习惯与脾阳虚不主运化的相关性研究[A].全国中西医结合消化系统疾病学术会议[C].2015: 454-455. CUI M L, LI H F. Study on the correlation between life habits and spleen Yang deficiency[A]. Chinese and western medicine integrated digestive system diseases academic conference[C]. 2015: 454-455. http://www.wanfangdata.com.cn/details/detail.do?_type=conference&id=8769050 |
[3] |
潘立文, 王晓明, 杨先振, 等. 痰湿体质易感疾病探析[J]. 吉林中医药, 2017, 39(8): 761-765. PAN L W, WANG X M, YANG X Z, et al. Exploration for the phlegmatic hygrosis constitution's susceptible diseases[J]. Jilin Journal of Chinese Medicine, 2017, 39(8): 761-765. |
[4] |
郑丽莉. 痰湿体质与冠心病相关性研究[J]. 中国中医药现代远程教育, 2013, 11(18): 145-147. ZHENG L L. The correlation research between phlegm-dampness constitution and coronary heart disease[J]. Chinese Medicine Modern Distance Education Of China, 2013, 11(18): 145-147. |
[5] |
张志龙.论湿邪与慢性疾病的关系[A]."岐黄雏鹰"学术科技论坛论文集[C].2011: 286-286. ZHANG Z L. On the relationship between dampness and chronic diseases[A]. "Qihuang Eyas" academic science and technology forum proceedings[C]. 2011: 286-286. http://www.wanfangdata.com.cn/details/detail.do?_type=conference&id=7931538 |
[6] |
国家药典委员会.中华人民共和国药典[M].北京: 中国医药科技出版社, 2015. National Pharmacopoeia Commission of China. Pharmacopoeia of the People's Republic of China[M]. Beijing: China medical science and technology press, 2015. |
[7] |
张鑫, 陈燕, 李桃迎. 基于Apriori算法的经济指标关联分析[J]. 科学技术与工程, 2016, 16(8): 233-237. ZHANG X, CHEN Y, LI T Y. The associational analysis of economic indexes based on apriori algorithm[J]. Science Technology and Engineering, 2016, 16(8): 233-237. |
[8] |
崔晶, 李博, 孟智宏. 基于复杂网络拓扑分析针灸治疗原发性高血压病腧穴配伍规律[J]. 中华针灸电子杂志, 2017, 6(1): 33-37. CUI J, LI B, MENG Z H. Acupoint compatibility in acupuncture treatment of primary hypertension based on complex network topology analysis[J]. Chinese Journal of Acupuncture and Moxibustion (Electronic Edition), 2017, 6(1): 33-37. |
[9] |
刘君, 乔建忠. 复杂网络中k-核与网络聚集系数的关联性研究[J]. 通信学报, 2015, 36(1): 228-233. LIU J, QIAO J Z. Research on relevance between k-core and clustering coefficient in complex network[J]. Journal on Communications, 2015, 36(1): 228-233. |
[10] |
孙天晓, 奉书薇, 任玉兰, 等. 基于复杂网络社团结构划分的古代治疗面瘫腧穴配伍规律研究[J]. 针刺研究, 2016, 41(3): 265-269. SUN T X, FENG S W, REN Y L, et al. Regularities of acupoint combinations for facial paralysis in Chinese ancient times analyzed in accordance with modern complex network community framework partition[J]. Acupuncture Research, 2016, 41(3): 265-269. |
[11] |
秦李, 杨子龙, 黄曙光. 复杂网络的节点重要性综合评价[J]. 计算机科学, 2015, 42(2): 60-64. QIN L, YANG Z L, HUANG S G. Synthesis evaluation method for node importance in complex networks[J]. Computer Science, 2015, 42(2): 60-64. |
[12] |
刘旭, 易东云. 基于局部相似性的复杂网络社区发现方法[J]. 自动化学报, 2011, 49(12): 1520-1529. LIU X, YI D Y. Complex network community detection by local similarity[J]. Acta Automatica Sinica, 2011, 49(12): 1520-1529. |
[13] |
吕庆莉. 数据挖掘与复杂网络的融合及其在中医药领域应用[J]. 中草药, 2016, 47(8): 1430-1436. LYU Q L. Integration of data mining and complex networks and its application in traditional Chinese medicine[J]. Chinese Traditional and Herbal Drugs, 2016, 47(8): 1430-1436. |
[14] |
朱亚梅, 李桓, 周学平. 基于复杂网络分析国医大师周仲瑛治疗类风湿关节炎的用药经验[J]. 中国实验方剂学杂志, 2016, 22(9): 198-202. ZHU Y M, LI H, ZHOU X P. Prescription experiences of professor ZHOU Zhongying in treating rheumatoid arthritis based on complex networks analysis[J]. Chinese Journal of Experimental Traditional Medical Formulae, 2016, 22(9): 198-202. |
[15] |
李毓秋, 荣立洋. 基于复杂网络的中风医案用药规律研究[J]. 山东中医杂志, 2018, 37(7): 552-556. LI Y Q, RONG L Y. Study on prescription law of medical case for stroke based on complex network[J]. Shandong Journal of Traditional Chinese Medicine, 2018, 37(7): 552-556. |
[16] |
彭希宸, 李廷保, 杨鹏斐. 陈修园《医学实在易》内服复方用药规律复杂网络关联系统综述[J]. 实用中医内科杂志, 2018, 32(9): 16-18. PENG X C, LI T B, YANG P F. A summary of CHEN Xiuyuan's Medical reality in the complex network association system of oral administration[J]. Journal of Practical Traditional Chinese Internal Medicine, 2018, 32(9): 16-18. |
2. Graduate School, Tianjin University of Traditional Chinese Medicine, Tianjin 301617, China