基于数据挖掘的鼻鼽辨治规律的初步研究

摘要

背景:
　　在数千年的历史发展中，中医学有着自己特有的科学理论体系，它是一门从长期的经验实践中积累而成的医学理论体系。中医学担任着中国古代人民同疾病作斗争的历史重任，整体观念和辨证论治是中医学理论的精华所在，是逐步形成于长期医疗的实践之中。但是中医在实施辨证论治的过程中，存在依靠医疗实践积累的经验，比如症状与方药、方药与方药、症状与证型、证型与治法之间的经验，这些经验以及诊断的定性、定值方面存在不完善之处，具体表现在治疗的辨证遣药上存在主观性强、可重复操作差。因此，近年来流行一门新兴的科学学科——数据挖掘技术，它可以从海量的中医治疗疾病的文案中挖掘隐含的辨证论治规律。
　　本课题研究的鼻鼽，具有阵发性喷嚏、大量清水样鼻涕、鼻塞和鼻痒的特点。鼻鼽容易被忽视和低估，但其病情反复，给人的生活带来严重不便，影响生活质量，常导致睡眠质量降低，影响工作效率，影响学龄儿童记忆力。中医药在治疗鼻鼽方面，其效果得到肯定且具有良好的安全性。为了拓展传统中医四诊视野，疾病诊断规范化以及达到疾病诊疗的个性与共性统一，因此有效的结合现代计算机提高中医辨证施治的疗效，逐渐成为中医科研工作中的重要研究。基于以上研究背景，采用新的研究方法，有效结合计算机相关数据挖掘技术充分挖掘中医鼻鼽辨证论的规律，已成为一个新的研究热点，不仅能丰富中医学自身的理论体系，更有助于促进中医鼻鼽辨证论治的信息化、系统化、标准化和现代化进程。
　　目的:
　　运用数据挖掘技术建立鼻鼽的诊断决策树模型，为鼻鼽的中医诊断建立一个科学的、客观的辅助诊断模型;运用关联规则Apriori算法探讨鼻鼽的中医方证关系、探讨隐藏于鼻鼽各证型，特别是“寒热错杂、虚实并见”证型的中医辨证论治规律。
　　方法:
　　本课题研究的是基于数据挖掘的鼻鼽辨治规律的研究。选取临床上确诊为鼻鼽的患者为观察对象，依据2010年《中医耳鼻喉科常见病诊疗指南》及新世纪（第二版）王士贞主编的《中医耳鼻咽喉科学》、参考近10年中医文献涉及的证型，进行中医鼻鼽的辨证分型及中医药治疗，以收集的鼻鼽的中医分型诊断数据为基础，采用CRT算法建立鼻鼽辨证分型决策树模型，运用SPSS17.0软件采用50％比例随机拆分样本进行模型验证。运用关联规则、Apriori算法探讨鼻鼽的中医病证关系、中医药治疗鼻鼽的复方药物配伍规律。通过对临床有效数据的搜集、整理、分析，探讨隐藏于鼻鼽各证型，特别是“寒热错杂、虚实并见”证型与导师经验方“梅归参”之间的中医辨证论治规律。
　　结果:
　　1.研究结果以鼻鼽中医辨证规律为基础，成功构建了基于决策树CRT算法的鼻鼽辨证分类模型。
　　2.课题将鼻鼽的辨证分型分为5型，临床上以“肺经伏热、上犯鼻窍”多见。经临床实测数据检验，鼻鼽辨证分型的总计准确率在93.1％以上。
　　3.本课题鼻鼽“肺气虚寒、卫表不固”决策模型分类准确率达100％。认为“IF畏风and四肢不温（无）and倦怠乏力（无）and口渴（无）THEN肺气虚寒，卫表不固”为最佳的分类诊断规律。
　　4.本课题通过关联规则得出鼻鼽临床中医所用中药辛夷使用频数最多，除运用疏风解表药物外，根据鼻鼽各个证型的点，将清热药、温里药、补益药灵活运用到临床实际中。
　　5.本课题通过关联规则得出鼻鼽“，寒热错杂、虚实并见”证型，临床上以热在肝胆心肺、上热下寒者为多。
　　6.本课题所研究各个证型药物之间的关联规则当中，除了一部分常见的专属性较强的药物之外，还得出一些较为特殊的药对关系。如“寒热错杂、虚实并见”证型中得出“梅归参”强关联药组“乌梅、白芷→黄芩”、“五味子、黄芪→乌梅”。
　　结论:
　　1.决策树算法用于研究中医疾病的辨证分型具有一定的可行性。
　　2.临床上鼻鼽“寒热错杂、虚实并见”证型的确存在，尽管教科书并未分类列出。
　　3.运用关联规则探讨中医鼻鼽的辨证论治，有助于新知识的发现。

目录

声明

摘要

引言

第一章 研究背景

1．1 变应性鼻炎的西医认识

1．1．1 变应性鼻炎的发病机理

1．1．2 变应性鼻炎的西医治疗

1．2 鼻鼽的中医认识

1．2．1 古代对鼻鼽的认识

1．2．2 现代中医对鼻鼽的认识

第二章 数据挖掘理论概述

2．1 数据挖掘的概念

2．2 常用的数据挖掘方法

2．2．1 决策树算法

2．2．2 关联规则算法

2．2．3 神经网络

2．2．4 粗糙集

2．3 CRT决策树

2．3．1 生成决策树

2．3．2 树的修剪

2．3．3 树的评估

2．3．4 树的终止条件

2．4 关联规则分析

2．4．1 关联规则分析概念

2．4．2 支持度和置信度

2．4．3 关联规则挖掘过程

2．4．4 Apriori算法

2．4．5 小结

2．5 数据挖掘技术在中医学领域中的应用研究

第三章 数据挖掘技术在鼻鼽中的应用研究

3．1 研究资料

3．1．1 病例来源

3．1．2 病例选择

3．2 数据采集

3．3 数据预处理

3．4 建立决策树

3．4．1 建立决策树步骤简述

3．4．2 建立决策树的伪代码如下

3．5 本研究关联规则操作简述

第四章 结果与分析

4．1 结果

4．1．1 训练样本决策树

4．1．2 检验样本决策树

4．1．3 症状、药物关联规则结果

4．1．4 药物之间关联规则结果

4．1．5 “寒热错杂、虚实并见”证型结果

4．1．6 各证型药物关联图

4．2 分析

4．2．1 本研究决策树分析

4．2．2 关联规则分析

第五章 总结

5．1 研究结论

5．1．1 决策树模型辨证规律

5．1．2 关联规则研究结论

5．2 展望

5．2．1 本研究经验

参考文献

附录

在校发表文章情况

致谢