天津中医药大学学报  2021, Vol. 40 Issue (2): 142-147

文章信息

高贤波, 张砚, 王益民
GAO Xianbo, ZHANG Yan, WANG Yimin
名老中医治疗中风病用药规律分析
Analysis on medication rules in treatment of stroke by famous traditional Chinese medicine physician
天津中医药大学学报, 2021, 40(2): 142-147
Journal of Tianjin University of Traditional Chinese Medicine, 2021, 40(2): 142-147
http://dx.doi.org/10.11656/j.issn.1673-9043.2021.02.02

文章历史

收稿日期: 2020-12-20
名老中医治疗中风病用药规律分析
高贤波1 , 张砚2 , 王益民3     
1. 天津中医药大学健康科学与工程学院, 天津 301617;
2. 天津中医药大学人事处, 天津 301617;
3. 天津中医药大学中医药研究院, 天津 301617
摘要: [目的] 探讨分析张伯礼教授治疗中风病方剂的用药规律。[方法] 对351首治疗中风的方剂进行药物名称标准化,通过频数统计、关联规则、聚类分析等数据挖掘的方法进行分析。[结果] 张教授治疗中风病中用药频次由高到低的前5味药物依次为丹参、郁金、天麻、桑枝和夏枯草;所选药物以寒、平、温,苦、甘、辛的四气五味为主;归经尤其以肝经为突出,同时注重调整心经、脾经、胃经和肾经;治疗方法擅长活血化瘀、祛风湿热,发散风热、清热泻火,同时兼顾补虚(补阴、补阳、补血及补气)、平抑肝阳、息风止痉、清热燥湿。[结论] 张教授治疗中风时根据患者的具体临床症状,主要从痰、瘀、虚论治,重视痰、瘀、虚的对症治疗。
关键词: 数据挖掘    中风    用药规律    张伯礼    
Analysis on medication rules in treatment of stroke by famous traditional Chinese medicine physician
GAO Xianbo1 , ZHANG Yan2 , WANG Yimin3     
1. College of Health Science and Engineering, Tianjin University of Traditional Chinese Medicine, Tianjin 301617, China;
2. Personnel Office, Tianjin University of Traditional Chinese Medicine, Tianjin 301617, China;
3. Institute of Traditional Chinese Medicine, Tianjin University of Traditional Chinese Medicine, Tianjin 301617, China
Abstract: [Objective] To explore and analyze the rule of Professor ZHANG Boli's prescription for treating stroke diseases. [Methods] The drug names in 351 prescriptions for treating stroke were standardized, and the prescriptions were analyzed by data mining methods such as frequency statistics, association rules, and cluster analysis. [Results] In the treatment of stroke, the top five high-frequency drugs used by Professor Zhang was Salviae Miltiorrhizae Radix, Curcumae Radix, Gastrodiae Rhizoma, Mori Ramulus and Prunellae Spica in descending order. The selected drugs were cold, flat and warm in the nature, while were bitter, sweet, and spice in flavor. The drugs used were mainly based on the Liver Meridian. At the same time, the spleen, stomach, kidney, and lungs are balanced. In treatment, the method used is good at promoting blood circulation and removing blood stasis, dispelling wind dampness and heat, clearing heat and purging fire, while taking tonicity into account (tonifying yin, yang, blood and qi), calming liver yang, relieving wind and stopping spasm, clearing away heat and dampness. [Conclusion] Professor Zhang's treatment of stroke is based on phlegm, stasis and deficiency according to the specific clinical symptoms of the patients, while attention is paid to the treatment of sputum and stasis.
Key words: data mining    stroke    medication rules    ZHANG Boli    

中风又名脑卒中,已经成为威胁人类健康3大疾病之一[1],近些年来中国中风疾病受社会老龄化和城市化进程加速,居民不健康生活方式,心血管疾病危险因素等影响,呈爆发式增长的态势,并呈现出低收入群体快速增长、性别和地域差异明显以及年轻化趋势[2]。张伯礼教授擅长治疗心脑血管方面的疾病[3],文章通过频数分析、关联规则及聚类分析对张教授近6年治疗中风病的处方进行分析,探讨其用药规律。

1 资料与方法 1.1 资料来源

以张伯礼教授2013年1月—2018年12月在天津中医药大学附属保康医院门诊系统中诊断名称为“中风”的病案处方为来源。具体包括就诊日期、顺序号、病案号、患者姓名、药物名称、药物序号、剂量、药物付数、诊断名称、金额和医生姓名。

1.2 纳入标准

检索诊断名称仅为“中风”的处方,共得到中风处方367首。

1.3 排除标准

排除药物序号不连续者或者药物序号不是从1开始以及药物重复的处方。共排除14首处方,最终得到353首处方。

1.4 药名规范化处理

根据2020版《中国药典》[4]和中国中医药出版社出版的普通高等教育“十一五”国家级规划教材《中药学》(新世纪第二版)[5]的中药命名规则对方剂中的药物名称进行标准化,比如将柴葛根统一为葛根,元胡统一为延胡索,旱莲草统一为墨旱莲等。将同一药物不同炮制品用同一名规范,如生黄芪统一为黄芪,熟军统一为大黄,但由于某些药物不同炮制方法严重影响药物的性味归经,所以还保留原名,如“生地黄”等。

1.5 数据分析和处理

采用Excel 2016按照序号、就诊日期、病案号,患者姓名、药物名称、剂量等建立基本方剂数据库,然后对所使用的药物建立频次统计分析表,性味归经分析表和药物类别分析表;采用SPSS Modeler 14.1软件,进行Apriori关联分析[6-7],设置提升度大于1,最大前项数为5;SPSS Statistics 19.0进行系统聚类分析,选取组间联接聚类方法,度量标准为平方Euclidean距离,以期发现张伯礼教授治疗中风病方剂中药物之间可能存在的配伍规律。

2 结果

在筛选出353首中风方剂中有2首只包含1味中药的单方,分别为天麻,乌梢蛇。为了分析中药方剂的配伍规律,现取包含2味药或2味以上药物的方剂351首为分析对象。351首方剂,包含185种药物,所有药物累计出现6 507频次,其中用药频率大于20%的有32味药物,累计出现4 341次,占全部应用次数的66.71%,每首方剂最少包含2味药,最多包含26味药,平均每方包含18.54味药。

2.1 药物使用频次分析

在351首方剂中频次最高的5味药是丹参(272次,77.49%),郁金(252次,71.79%),天麻(205次,58.40%),桑枝(205次,58.40%),夏枯草(196次,55.84%)。表 1统计了351首方剂中某种药物出现频率大于20%的32味药物及其出现的频率。

表 1 中风方剂中用药频率大于20%的药物统计
2.2 药物性味归经分析

根据2020版《中国药典》[4]和中国中医药出版社出版的《中药学》[5]对中风351首方剂中频率大于20%的药物按每味药物的性味归经进行逐一分类,分析张伯礼教授治疗中风所使用药物的四气五味归经频次,如果一味药有多种药性药味,均统计在内[8]。四气频次较高的前三位为寒(1 236次)、平(1 042次)和温(964次);五味频次较高的前三位为苦(2 260次)、甘(1 547次)和辛(1 539次);归经频次较高的前三位为肝经(3 206次)、心经(1 584次)和脾经(1 327次)。具体详见图 1

图 1 频率大于10%的药物四气、五味及归经频次统计

通过频数分析得出张教授治疗中风病,擅长使用的药物具有如下四气五味归经特性:四气以寒、平和温居多;五味以苦、甘、辛为主;归经尤其以肝经为突出,同时注重调整心、脾、胃、肾、胆、肺。

2.3 药物功效分析

对频率大于20%的药物进行功效分析,得出张伯礼教授治疗中风涉及8类中药,用药频次由高到低前5类药依次为活血化瘀药6味,1 051次,占24.21%;清热药4味,582次,占13.41%;补虚药4味,529次,占12.19%;祛风湿药4味,515次,占11.86%;平肝息风药3味,481次,占11.08%。其中活血化瘀类药物中擅用活血调经药(丹参、鸡血藤、牛膝)和活血止痛药(郁金、川芎);补虚药中麦冬补阴,杜仲补阳,当归补血,黄芪补气。具体见表 2

表 2 中风方剂中频率大于20%的药物功效分类
2.4 关联规则分析

方剂351首,采用SPSS Modeler 14.1软件,设置提升度大于1,最大前项数为5,进行Apriori关联分析,支持度35%以上,置信度80%以上,得到2味药关联规则14个,见表 3。3味药关联规则14个,见表 4。支持度30%以上4味药的关联规则3个,见表 5。其中提升度越大表示药物关联越密切。

表 3 高频药物药对关联规则(支持度>35%,置信度为>80%,提升度>1)
表 4 高频药物中3味药关联规则(支持度>35%,置信度为>80%,提升度>1)
表 5 高频药物中4味药关联规则(支持度>30%,置信度为>80%,提升度>1)
2.5 高频药物网络分析

对频率大于20%的高频药物,借助SPSS Modeler 14.1软件在高频药物共现频次大于70次的前提下,使用药物关联网络图来清晰展现药物之间的关联关系。链接的强弱通过药物关系之间连线的粗细表示出来,连线越粗表示关联越强。由图 2可以看出郁金、丹参、桑枝、夏枯草和天麻之间关系最为密切。

图 2 高频药物共现频数>70次的关联网络
2.6 高频药物聚类分析

对频率大于20%的32味高频药物,使用SPSS Statistics 19.0软件进行系统聚类,选择组间联接的聚类方法,共聚出3类,见表 6

表 6 高频药物聚类分析
3 讨论 3.1 核心药物分析

通过对张教授治疗中风的351首方剂用药频次分析,发现张教授治疗中风用药频率在前10位的分别是丹参、郁金、天麻、桑枝、夏枯草、杜仲、当归、鸡血藤、牛膝和葛根。其中丹参味苦,微寒,归心、肝经。具有活血化瘀,通经止痛,清心除烦等功效。郁金,性味辛、苦、寒;归肝、心、肺经;活血止痛,行气解郁[4]。张伯礼教授主要选用以寒、平、温,苦、甘、辛,肝经、心经、胃经、脾经等性味归经为主的药物。

研究结果显示张教授治疗中风时用药范围广泛,频率大于20%的药物共涉及12类中药,其中活血化瘀药、清热药、补虚药、祛风湿药和平肝息风药共占比72.25%,可以看出张教授治疗的中风多为气虚血瘀、肝肾阴虚、风阳上扰、肝风内动和痰瘀阻络等证候。治疗时以活血化瘀、祛风湿热、发散风热、清热泻火中药类别为主,同时辅以补虚药(补阴、补阳、补血及补气),平肝息风药和清热燥湿药。擅用活血化瘀类药物,其使用频次最高,占24.21%。对于气虚络滞轻症,张教授常用黄芪甘平益气之品,配以当归补血和血、辛温通络,肾阴亏虚者佐杜仲,活血通络时不忘益气填精,通补兼施,标本兼治[9]。同时这也说明治疗中风病用药范围非常广,但也比较集中[1],这正体现了张教授治疗中风主从痰、瘀、虚论治,注重痰瘀互结;重视清化痰湿热;活血通络、益气养阴;配合健脾温肾,镇静安神,开窍益智的思想[9]。这也正印证了中风的病因病机[10-11]

中风是在气血两虚的基础上,因一些不良的生活习惯引起阴阳失调、气血逆乱、直冲犯脑,导致脑脉痹阻或血溢脉外[10],属本虚标实。因瘀血阻滞而致病症急且较重,故用丹参、鸡血藤、牛膝、土鳖虫等通达经络之品;郁金、川芎等活血止痛。使用桑枝、络石藤、老鹤草等祛风湿热药能祛风邪,舒筋络,通利关节。肝阳上亢者选用珍珠母、牡蛎平肝潜阳。因肝风内动而引起的肢体痉挛抽搐,选用天麻等息风止痉药物。若伴有情志异常可选用首乌藤调心安神。

3.2 关联规则分析

规则预测的准确度可以通过设置高的置信度反映出来,提升度越大关联性越强。通过关联规则分析发现在支持度 > 35%,置信度为 > 80%,提升度 > 1的前提下,得出14个2味药物关联规则,其中半夏→黄连的提升度最高为2.17,说明这2味药是关联最为密切的药对[12]。2味药之间的关联主要以丹参和郁金为核心,与桑枝、天麻、夏枯草、杜仲、鸡血藤、牛膝、葛根、半夏和黄连的配伍。体现了活血化瘀、平肝息风、祛风湿热、清热泻火、化痰止咳、与活血化瘀之间的配伍。其中3味药关联规则较强的是夏枯草,郁金→丹参(清热泻火药,活血止痛药→活血调经药);桑枝,郁金→丹参(祛风湿药,活血止痛药→活血调经药);杜仲,郁金→丹参(补阳药,活血止痛药→活血调经药);葛根,郁金→丹参(发散风热药,活血止痛药→活血调经药);天麻,郁金→丹参(息风止痉药,活血止痛药→活血调经药);牛膝,郁金→丹参(活血调经,活血止痛药→活血调经药);半夏,郁金→丹参(温化寒痰药,活血止痛药→活血调经药)等,体现出张教授治疗中风主从痰、瘀、虚论治的思想。

3.3 聚类分析

对高频药物进行聚类分析,得到6类,C1类中苍术燥湿健脾,茵陈清热利湿,若小便不利、水肿等症用萆薢利湿去浊,祛风除痹,同时加入牡蛎平肝息风。中风患者常为痰瘀互结证型,痰湿为患,首当清利。C2类中鸡血藤配伍祛风湿药(老鹤草)可以治疗风湿痹痛、肢体麻木;配伍益气补血药当归、黄芪,治疗血虚不养筋之肢体麻木;对中风患者半身不遂配伍乌梢蛇虫药增强通络止痛之功,严重者加用土鳖虫以破血逐瘀。说明张教授治疗中风时注重活血通络、益气养阴。C3类中对于肝风内动者加珍珠母平肝潜阳、清泻肝火,黄芩清热燥湿,泻火解毒。C4类中半夏、黄连,辛开苦降,寒温并用,清热解毒、化痰开结。现代药理学研究表明黄连和半夏都具有抗肿瘤、抗炎等多种药理作用[13-14]。白芷味辛性温,具有解表散寒、祛风止痛,川芎为血中气药[15]。白芷与川芎配伍使用,用于治疗头痛、中风、痹证等中医疾病[16]。槐米味苦性寒,清热肝火。血虚甚者加首乌藤补血。张伯礼教授治湿之时善调畅气机,脾虚甚者重用茯苓利水渗湿,健脾补中。麦冬滋阴益气,知母清热养阴,配大黄通腑泄热,以护周全,说明张教授注重祛风止痛,治湿的同时注重调畅气机,柔肝安神。C5类丹参郁金活血行血,夏枯草清肝息风潜阳,桑枝祛风湿善达四肢经络。C6类中天麻息风止痉,葛根为解肌要药,可以透散扩张血管,牛膝引血下行,杜仲补肝肾,强筋骨。从聚类分析中可以看出张教授治疗中风时注重清化痰湿、活血通络、祛风止痛、平肝息风、舒筋解肌,同时兼顾滋补肝肾,益气养阴。

4 总结

通过频数分析、关联规则以及聚类分析等数据挖掘方法对张伯礼教授治疗中风病的方剂进行分析,可以看出张教授治疗中风时根据患者的具体临床症状,主要从痰、瘀、虚论治,重视痰、瘀、虚的对症治疗,其符合张教授治疗中风的思想。由于原处方中只有诊断名称,并没有记录具体的证候类型,因此文章根据处方用药情况反推出中风的有关证候。虽然不同的数据挖掘方法都有一定的局限性,但采用合理的数据挖掘方法可以辅助名老中医的用药经验传承下去,同时可以在中医临床实践中起到指导作用[17]

参考文献
[1]
田同良, 李玲, 位梦霞. 基于数据挖掘方法分析治疗中风病方剂用药、配伍规律及病机[J]. 中西医结合心脑血管病杂志, 2018, 16(5): 543-547.
TIAN T L, LI L, WEI M X. Analysis of prescriptions, compatibility and pathogenesis of stroke based on data mining methods[J]. Journal of Integrated Traditional Chinese and Western Medicine Cardio-Cerebrovascular Disease, 2018, 16(5): 543-547.
[2]
编写组中国脑卒中防治报告. 中国脑卒中防治仍面临巨大挑战——《中国脑卒中防治报告2018》概要[J]. 中国循环杂志, 2019, 34(2): 105-119.
Compilation group report on stroke prevention and treatment in China. China's stroke prevention and treatment still faces great challenges——Summary of China Stroke Prevention and Treatment Report 2018[J]. Chinese Journal of Circulation, 2019, 34(2): 105-119. DOI:10.3969/j.issn.1000-3614.2019.02.001
[3]
张智龙. 张伯礼教授治疗高血压病经验[J]. 天津中医药, 2008, 25(1): 4-5.
ZHANG Z L. Professor ZHANG Boli's experience in treating hypertension[J]. Tianjin Traditional Chinese Medicine, 2008, 25(1): 4-5.
[4]
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, 2020.
National Pharmacopoeia Commission. Pharmacopoeia of the People's Republicof China[M]. Beijing: China Medical Science and Technology Publishing House, 2020.
[5]
高学敏. 中药学[M]. 2版. 北京: 中国中医药出版社, 2017: 547.
GAO X M. Chinese Materia Medica[M]. 2nd Edition. Beijing: China Press of Traditional Chinese Medicine, 2017: 547.
[6]
汪琼, 李晶晶, 周祯祥, 等. 基于关联规则挖掘的国医大师应用桂枝配伍规律的研究[J]. 时珍国医国药, 2017, 28(4): 991-994.
WANG Q, LI J J, ZHOU Z X, et al. Research on the compatibility law of Chinese medicine masters using Guizhi based on association rule mining[J]. Lishizhen Medicine and Materia Medica Research, 2017, 28(4): 991-994.
[7]
高铸烨, 徐浩, 史大卓, 等. 基于关联规则挖掘对急性冠脉综合征遣药组方规律的分析[J]. 辽宁中医杂志, 2007(3): 284-285.
GAO Z Y, XU H, SHI D Z, et al. Analysis on the rules of prescriptions for acute coronary syndrome based on association rule mining[J]. Liaoning Journal of Traditional Chinese Medicine, 2007(3): 284-285. DOI:10.3969/j.issn.1000-1719.2007.03.015
[8]
刘保松, 白明, 苗明三. 基于关联规则和因子分析研究糖尿病肾病中药组方用药规律[J]. 中国现代应用药学, 2019, 36(7): 781-785.
LIU B S, BAI M, MIAO M S. Study on the rules of Chinese medicine prescriptions for diabetic nephropathy based on association rules and factor analysis[J]. The Chinese Journal of Modern Applied Pharmacy, 2019, 36(7): 781-785.
[9]
周敏, 江丰, 崔远武, 等. 张伯礼教授辨治中风病经验[J]. 天津中医药, 2015, 32(9): 513-516.
ZHOU M, JIANG F, CUI Y W, et al. Professor ZHANG Boli's experience in treating stroke disease[J]. Tianjin Traditional Chinese Medicine, 2015, 32(9): 513-516.
[10]
姚巧林. 中风病的病因病机及历史形成过程[J]. 中国临床康复, 2006(27): 131-133.
YAO Q L. The etiology, pathogenesis and history of stroke[J]. Chinese Journal of Clinical Rehabilitation, 2006(27): 131-133.
[11]
高颖. 中风病的病因病机与辨证论治[J]. 中国临床医生, 2001(3): 9-11.
GAO Y. The etiology, pathogenesis, syndrome differentiation and treatment of stroke[J]. Chinese Clinicians, 2001(3): 9-11. DOI:10.3969/j.issn.1008-1089.2001.03.005
[12]
郑文科, 柴山周乃, 江丰. 张伯礼教授临床用对(队)药经验谈[J]. 天津中医药, 2016, 33(8): 449-452.
ZHENG W K, CHAI S Z N, JIANG F. Professor ZHANG Boli's experience in clinical use of anti-drugs[J]. Tianjin Traditional Chinese Medicine, 2016, 33(8): 449-452.
[13]
王恩宇, 王景辉, 丁芮, 等. "黄连-半夏"药对治疗胃癌的网络药理学研究实验验证[J]. 中国中药杂志, 2020, 45(8): 1779-1788.
WANG E Y, WANG J H, DING R, et al. Experimental verification of network pharmacology study of "Huanglian-Banxia" drug in the treatment of gastric cancer[J]. Chinese Journal of Chinese Materia Medica, 2020, 45(8): 1779-1788.
[14]
左军, 牟景光, 胡晓阳. 半夏化学成分及现代药理作用研究进展[J]. 辽宁中医药大学学报, 2019, 21(9): 26-29.
ZUO J, MOU J G, HU X Y. Research progress on chemical constituents and modern pharmacological effects of Pinellia ternata[J]. Journal of Liaoning University of Traditional Chinese Medicine, 2019, 21(9): 26-29.
[15]
李贺赟, 王涵. 天麻、葛根、川芎治疗脑供血不足经验——仝小林三味小方撷萃[J]. 吉林中医药, 2020, 40(5): 571-573.
LI H Y, WANG H. The experience of gastrodia elata, pueraria lobata, and chuanxiong in treating cerebral insufficiency: extract from TONG Xiaolin's three flavor prescriptions[J]. Jilin Journal of Traditional Chinese Medicine, 2020, 40(5): 571-573.
[16]
苏瑾, 唐仕欢, 郭非非, 等. 含白芷方剂组方规律及核心药对(白芷-川芎)分子机制的研究[J]. 中国中药杂志, 2018, 43(7): 1331-1337.
SU J, TANG S H, GUO F F, et al. Compatibility law of Baizhi formulae and molecular mechanism of core herbal pair "Baizhi-Chuanxiong"[J]. China Journal of Chinese Materia Medica, 2018, 43(7): 1331-1337.
[17]
严亚锋, 李军, 白海侠, 等. 张学文教授治疗中风病肝热血瘀证用药规律研究[J]. 中医学报, 2017, 32(9): 1644-1647.
YAN Y F, LI J, BAI H X, et al. Study on the medication rule of Professor ZHANG Xuewen in the treatment of hepatic heat and blood stasis syndrome of stroke[J]. Journal of Chinese Medicine, 2017, 32(9): 1644-1647.