基于真实世界数据探讨中医药治疗糖尿病肾病用药规律的研究＊

目的 基于临床信息系统分析总结真实世界的数据，采用数据挖掘的方法探讨中医药治疗糖尿病肾病的用药规律。方法 收集2018年1月-2020年12月上海中医药大学附属曙光医院宝山分院健康信息系统确诊的糖尿病肾病的门诊或住院患者的诊疗信息，建立Excel数据库，采用Excel 2010软件统计高频药物的四气、五味、归经及功效；使用SPSS Modeler 18.0软件中的Apriori算法分析关联规则，采用web节点建构药对关联网状图；运用SPSS 25统计软件进行因子分析。结果 本研究最终纳入477例接受中药饮片治疗的DKD患者，在1203条方剂信息中，涉及中药462种；使用频数排名前5位的中药分别是黄芪、黄精、石斛、山茱萸、麦冬；使用频数前5类的中药类别分别是补气药、补阴药、清热燥湿药、活血调经药、息风止痉药；在30味高频药物中，苦、甘、辛药味最为常见；药性寒、温数量接近；归脾经、肝经、肺经、肾经居多；关联规则提示，药物组合中置信度最高的组合为地龙-当归-僵蚕，因子分析共得到5个有效因子，累积贡献率为47.33%。结论 中医药治疗DKD在补益气血阴阳的同时，兼顾对瘀血、湿邪和痰饮的治疗，结合证型，可考虑使用黄芪、黄精、石斛、山茱萸、麦冬、金蝉花等药物的使用，清热燥湿药物如黄连、黄芩、黄柏可适当加入，为使邪有去处，大黄、车前子或可增添疗效。     

Machine learning in clinical diagnosis,prognostication, and management of acute traumatic spinal cord injury (SCI): A systematic review

BackgroundMachine learning has been applied to improve diagnosis and prognostication of acute traumatic spinal cord injury. We investigate potential for clinical integration of machine learning in this patient population to navigate variability in injury and recovery.Materials and methodsWe performed a systematic review using PRISMA guidelines through PubMed database to identify studies that use machine learning algorithms for clinical application toward improvements in diagnosis, management, and predictive modeling.ResultsOf the 132 records identified, a total of 13 articles met inclusion criteria and were included in final analysis. Of the 13 articles, 5 focused on diagnostic accuracy and 8 were related to prognostication or management of traumatic spinal cord injury. Across studies, 1983 patients with spinal cord injury were evaluated with most classifying as ASIA C or D. Retrospective designs were used in 10 of 13 studies and 3 were prospective. Studies focused on MRI evaluation and segmentation for diagnostic accuracy and prognostication, investigation of mean arterial pressure in acute care and intraoperative settings, prediction of ambulatory and functional ability, chronic complication prevention, and psychological quality of life assessments. Decision tree, random forests (RF), support vector machines (SVM), hierarchical cluster tree analysis (HCTA), artificial neural networks (ANN), convolutional neural networks (CNN) machine learning subtypes were used.ConclusionsMachine learning represents a platform technology with clinical application in traumatic spinal cord injury diagnosis, prognostication, management, rehabilitation, and risk prevention of chronic complications and mental illness. SVM models showed improved accuracy when compared to other ML subtypes surveyed. Inherent variability across patients with SCI offers unique opportunity for ML and personalized medicine to drive desired outcomes and assess risks in this patient population.     

基于临床观察文本解析痛经辨治规律研究

目的:研究痛经的中医药辨治规律。方法:检索国家知识基础设施数据库(CNKI)1988—2019年应用中药治疗痛经的相关文献,采用Medcase Ver38诊籍中医师工作室-名老中医经验传承辅助平台,运用文本解析对临床医案进行研究。结果:研究文献131篇,医案104则,涉及病例128次,332诊次,涉及症状92条,病机33条,舌象27条,脉象17条,药物249种。结论:中医药治疗痛经的特异症状为“经行腹痛”,可见症为“夹血块、月经色暗、手足冰冷、经期腰酸”,相关舌脉为“舌质暗红,苔薄白”“脉沉细弦”,核心病机为“瘀血阻滞”,常用治法为“行气化瘀,活血止痛”,常用药物为“当归、白芍、甘草、延胡索、川芎”。     

数据挖掘法探讨周珉教授治疗原发性肝癌用药规律及经验总结

[目的]数据挖掘法分析周珉教授治疗原发性肝癌的中医用药规律,探讨相关病机并进行经验总结。[方法]收集2016年2月—2018年5月周珉教授门诊期间治疗原发性肝癌的方剂,运用"中医传承辅助系统(V2.50)"进行数据挖掘,并结合周珉教授临床经验,进行原发性肝癌病机探讨及用药规律分析。[结果]共收集治疗原发性肝癌方剂176首,涉及中药235种,列出方剂中的高频药物及组合规律。[结论]总结原发性肝癌以"湿热痰毒、气阴两伤"为基础病机,"清热化湿、健脾养阴"治则贯穿原发性肝癌治疗始末,同时,根据疾病不同发展阶段及治疗措施,权衡"扶正"与"祛邪"的主次分配,斟酌应用"攻毒散结""行气化瘀"等治法,以达到改善患者生活质量、延缓疾病进展的目的。     

中药酊剂临床外用技术规范(草案)

基于对中药酊剂外用技术的数据挖掘,结合临床实际应用研究,经外治学会专家多次论证,形成中药酊剂临床外用技术规范(草案),包括临床适用范围、操作步骤以及外用酊剂的方法、剂量、频率、时间、注意事项、不良反应及护理要点。以期规范中药外用酊剂的临床应用,提高其疗效并减少不良反应。     

大数据背景下医学生数据素养培养研究

介绍数据素养概念，从教学目标、方法、过程几方面探讨大数据背景下医学生数据素养培养模式，指出该模式有助于提高医学生数据分析与挖掘能力，树立数据意识和数据伦理，提升数据素养。     

全国名中医丁书文益气活血解毒法治疗心房颤动的处方用药规律挖掘＊

目的 丁书文教授创新性地提出了心系疾病热毒学说，运用益气活血解毒法治疗房颤疗效显著。本研究以丁教授多年的处方数据为基础，探讨丁教授益气活血解毒法治疗房颤的用药规律。方法 收集来自山东中医药大学附属医院门诊系统的丁书文教授处方数据，筛选出治疗房颤的372个处方，采用关联规则、点式互信息、复杂网络等数据挖掘方法对丁教授的药物配伍和处方进行分析。结果 本研究利用复杂网络分析方法获得了丁教授治疗房颤的核心处方，提示益气活血解毒法是其主要治则治法；利用处方相似性和社团分析方法，获得15组类方，其中3种类方与丁教授总结的三大治法高度符合；为探寻丁教授清热解毒配伍特点，结合关联规则和点式互信息算法，获得了10个丁教授清热解毒配伍药对。结论 数据挖掘技术提供了名医处方数据分析与提炼的可行方法，对丁教授经验的传承和临床应用提供直接可靠的依据。     

简明膳食自评工具在食管癌术后患者中的应用评价

目的将简明膳食自评工具（SDSAT）应用在食管癌术后患者中，评价其信度和效度。 方法本研究通过3个研究分别测量SDSAT的评定者间信度、重测信度和预测效度。研究A选择食管癌术前患者60例，由2位研究者分别进行SDSAT的测量，评价评定者间信度。研究B最终纳入食管癌术后1个月患者30例进行SDSAT的测量，间隔2周复测1次，比较2次结果，评价重测信度。研究C最终共纳入171例食管癌患者通过测量术前、术后1个月和术后3个月3个时间点测量，评价SDSAT对前白蛋白含量的预测程度。 结果评定者间信度是0.854（P<0.01）。 重测信度是0.782（P<0.01）。通过广义预测方程发现SDSAT对患者的前白蛋白含量预测效果好（P<0.01）。结论SDSAT信效度好，适合应用于评价食管癌术后患者的饮食状况。