基于数据挖掘研究谢德聪教授中医治疗子宫腺肌病痛经的用药规律

发布时间：2021-05-16 06:03

　　目的通过数据挖掘对谢德聪教授治疗子宫腺肌病（uterine adenomyosis,UAM）痛经的处方用药进行分析,归纳和探讨谢德聪教授治疗UAM痛经的用药规律,以期传承中医妇科名老中医临证用药经验,提高临床疗效。方法收集并整理2017年12月-2018年12月间于福建中医药大学附属第二人民医院工作室就诊的UAM痛经病人医案,结合纳入标准和排除标准进行筛选,共获得符合要求的医案210例。首先,将所有医案数据准确录入Microsoft Excel表格,并对数据进行规范化清洗;其次,运用SPSS 23.0和Clementine的Apriori算法对数据进行统计;最后,对研究结果进行分析讨论,并归纳总结得出结论。结果（1）谢德聪教授治疗的UAM痛经患者年龄分布在25-55岁间;病程超过1年的占比为100%;病程大于3年的占比为91.07%。（2）治法中占比较高的分别为补气化瘀、清热化瘀、补肾化瘀。（3）治疗UAM痛经的高频药物中,频数≥80的药物排序依次为茯苓、香附、续断、当归、牡丹皮、白芍、柴胡、半夏、赤芍、枳壳、党参;按药物功效分类,占比最高的是补虚药,占比为26.28%,而补气、补血药... 

【文章来源】：福建中医药大学福建省

【文章页数】：50 页

【学位级别】：硕士

【文章目录】：
中文摘要
Abstract
中英文缩略词
引言
研究资料
    1 研究对象
        1.1 病例资料来源
        1.2 诊断标准
        1.3 病例纳入标准
        1.4 病例排除标准
研究方法
    1 建立原始数据资料库
        1.1 原始数据资料的录入
        1.2 数据预处理
    2 数据挖掘内容及方法
        2.1 频数分析
        2.2 聚类分析
        2.3 关联规则分析
研究结果
    1 患者年龄统计结果
    2 患者病程统计结果
    3 中医治法统计结果
    4 药物频数统计结果
    5 中药归类统计结果
    6 补虚药归类统计结果
    7 药物基本信息统计结果
        7.1 药物药性统计结果
        7.2 药物药味统计结果
        7.3 药物归经统计结果
    8 药物聚类分析结果
    9 药物关联规则结果
        9.1 两味药组合
        9.2 三味药组合
        9.3 四味药组合的规则
分析与讨论
    1 谢德聪教授对UAM的认识
        1.1 病因病机
        1.2 诊治特色
    2 年龄和病程统计结果分析
        2.1 年龄
        2.2 病程
    3 药物基本特征分析
        3.1 药味
        3.2 药性
        3.3 归经
    4 中医治法和药物频数、功效归类统计结果分析
    5 药物聚类和关联结果分析
        5.1 核心组方分析
        5.2 药对考察分析
结论
不足与展望
参考文献
附录
文献综述
    参考文献
致谢
作者简历


【参考文献】：
期刊论文
[1]综合概率图模型和改进Apriori算法的变压器状态参数关联规则挖掘[J]. 周步祥,袁岳,张致强,黄河.  水电能源科学. 2019(03)
[2]子宫腺肌症的保守治疗方法研究进展[J]. 孙羽,洪莉.  医学综述. 2019(05)
[3]子宫腺肌症治疗方法及效果研究现状[J]. 魏超,苏莹,郑庆.  世界最新医学信息文摘. 2019(16)
[4]高强度聚焦超声治疗有生育要求子宫腺肌病患者的妊娠结局[J]. 张向南,朱小刚,薛敏.  现代妇产科进展. 2019(04)
[5]大数据背景下有关中医药现代化思路的探讨[J]. 陶永鹏,刘朝霞,顼聪.  中华中医药杂志. 2019(02)
[6]数据挖掘在方剂学研究中的应用与发展[J]. 白扬,林江,任素剑,丘志良.  山东中医药大学学报. 2019(01)
[7]孕三烯酮结合小剂量米非司酮治疗症状性子宫腺肌病的效果[J]. 张玉琼.  中国民康医学. 2019(01)
[8]聚类分析算法概述及其适用性比较[J]. 印晓天,湛高峰.  科技资讯. 2018(33)
[9]数据挖掘技术在名老中医学术经验总结中的应用与讨论[J]. 丁诺诺,朱才丰,蔡圣朝.  中医药临床杂志. 2018(10)
[10]高强度超声聚焦（HIFU）治疗子宫腺肌病的临床疗效观察[J]. 张六连,吴闽君.  当代医学. 2018(29)

博士论文
[1]子宫腺肌病发病相关危险因素的临床回顾性研究[D]. 张华琛.浙江大学 2018



本文编号：3189122