遲輝 高穎

摘要 目的：探索高穎教授辨治失眠主方的關(guān)鍵適用癥狀應(yīng)用規(guī)律，為臨床診療提供參考。方法：采集高穎教授2015年5月至2020年1月門(mén)診病例數(shù)據(jù)庫(kù)中204例（349診次）失眠患者的診療信息，采用SPSS Modeler軟件進(jìn)行決策樹(shù)分析，用CHAID與CART算法構(gòu)建主方關(guān)鍵適用癥狀的分類模型。結(jié)果：共建立丹梔逍遙散類方、一貫煎類方、小柴胡湯類方、柴芩溫膽湯類方4個(gè)主方主癥的分類模型，各模型的準(zhǔn)確率分別為88.24%、90.68%、91.18%、94.61%，各模型的曲線下面積（AUC）值分別為0.87、0.92、0.89、0.90;共篩選出21個(gè)重要預(yù)測(cè)變量;共得到22項(xiàng)判斷規(guī)則。結(jié)論：通過(guò)決策樹(shù)法建立的分類模型能夠有效反映高穎教授辨治失眠的主方主癥規(guī)律，具有較高的準(zhǔn)確度、靈敏度和特異度，可為失眠的臨床診治提供參考和指導(dǎo)。

關(guān)鍵詞 失眠;辨證論治; @ 高穎;決策樹(shù);數(shù)據(jù)挖掘

Analysis on the Law of Professor GAO Ying′s Syndrome Differentiation and Treatment of Insomnia Based on Decision Tree

CHI Hui，GAO Ying

（Dongzhimen Hospital of Beijing University of Chinese Medicine，Beijing 100700，China）

Abstract Objective：To explore the key applicable symptoms of Professor GAO Ying′s main prescription for insomnia，and provide reference for clinical diagnosis and treatment.Methods：We collected the diagnosis and treatment information of 204 insomniac patients（349 consultations） in the physician′s outpatient case database in the past 5 years，using SPSS Modeler software to make a decision tree analysis，and used the CHAID and CART algorithm to build a classified model of the key applicable symptoms.Results：A total of 4 main models for the classification of the main symptoms of Danzhi Xiaoyao San Recipe，Yiguan Jianlei Recipe，Xiao Chaihu Tang Recipe，Chaiqin Wendan Decoction Recipe were established，and the accuracy rates of each model were 88.24%，90.68%，91.18%，94.61%.The AUC values of each model were 0.87，0.92，0.89，0.90; 12 important predictors were screened out，and 22 judgment rules were obtained.Conclusion：The classification model established by the decision tree method can effectively reflect Professor GAO Ying′s principle of treating insomnia with high accuracy，sensitivity and specificity.It can provide reference and guidance for the clinical diagnosis and treatment of insomnia.

Keywords Insomnia; Syndrome differentiation; @ GAO Ying; Decision tree analysis; Data mining

中圖分類號(hào)：R242;R749文獻(xiàn)標(biāo)識(shí)碼：Adoi：10.3969/j.issn.1673-7202.2021.16.022

失眠在中醫(yī)學(xué)稱之為“不寐”，是當(dāng)今社會(huì)的常見(jiàn)病癥，嚴(yán)重影響人們的學(xué)習(xí)、工作和生命質(zhì)量。既往研究多集中在失眠藥物配伍規(guī)律，某類方劑療效觀察以及醫(yī)師個(gè)體經(jīng)驗(yàn)方藥，缺乏對(duì)方劑或藥物核心適用癥狀的精準(zhǔn)分析[1-9]。決策樹(shù)法常用于歸納名老中醫(yī)辨證過(guò)程、挖掘中醫(yī)臨證診療規(guī)律[10]。由于其產(chǎn)生的分類規(guī)則簡(jiǎn)單直觀，分類準(zhǔn)確率較高，因此該方法適用于方藥適用癥狀的精準(zhǔn)分析。決策樹(shù)是樹(shù)形結(jié)構(gòu)的模型，具有清晰的屬性結(jié)構(gòu)和較好的分類、預(yù)測(cè)能力，屬于有監(jiān)督學(xué)習(xí)中的一種，廣泛使用于分類與預(yù)測(cè)任務(wù)中[11]。當(dāng)目標(biāo)變量是分類變量時(shí)，決策樹(shù)完成分類任務(wù);當(dāng)目標(biāo)變量為連續(xù)變量時(shí)，決策樹(shù)完成預(yù)測(cè)任務(wù)。本研究基于醫(yī)師門(mén)診病例數(shù)據(jù)庫(kù)中已有的主方資料，通過(guò)決策樹(shù)法建立主癥與主方的分類模型，探索醫(yī)師治療失眠主要方劑的核心適用癥狀，為失眠的臨床診治提供參考。

1 資料與方法

1.1 一般資料 選取2015年5月至2020年1月北京中醫(yī)藥大學(xué)東直門(mén)醫(yī)院高穎教授門(mén)診病例數(shù)據(jù)庫(kù)中失眠患者的病例資料，共納入患者204例（349診次），其中女135例（66.2%），236診次（67.6%）;患者年齡19～86歲，平均年齡（51.2±14.1）歲;病程1個(gè)月至48年，中位病程2.5年。

1.2 納入標(biāo)準(zhǔn) 1）以失眠為主訴且第一診斷為失眠的患者;2）年齡在18周歲以上的患者;3）病案書(shū)寫(xiě)完整的患者，包括人口學(xué)特征、主訴與病史、四診資料、治療方案。

1.3 排除標(biāo)準(zhǔn) 1）診斷或病史記錄中，合并尚未得到有效控制的、妨礙睡眠的其他器質(zhì)性病變的患者，如神經(jīng)系統(tǒng)器質(zhì)性疾病、嚴(yán)重呼吸循環(huán)系統(tǒng)疾病、嚴(yán)重疼痛、嚴(yán)重精神障礙等疾病;2）孕期或哺乳期的患者。

1.3 方法

1.3.1 數(shù)據(jù)采集 從門(mén)診病例數(shù)據(jù)庫(kù)中篩選符合研究標(biāo)準(zhǔn)的病例，將患者一般資料和診療資料導(dǎo)出為Excel文件。該數(shù)據(jù)庫(kù)由隨診醫(yī)師同步錄入，包含患者完整的診療資料，庫(kù)內(nèi)有原始病歷及處方的影像存檔，保證原始資料可溯源，數(shù)據(jù)存疑時(shí)調(diào)閱原始資料核查。

1.3.2 數(shù)據(jù)預(yù)處理 參照業(yè)內(nèi)相關(guān)標(biāo)準(zhǔn)制定預(yù)處理規(guī)則[12-14]，對(duì)癥狀及藥物名稱進(jìn)行統(tǒng)一和規(guī)范，其中癥狀名稱規(guī)范參照《中醫(yī)癥狀鑒別診斷學(xué)》和《中醫(yī)臨床常見(jiàn)癥狀術(shù)語(yǔ)規(guī)范》;藥物名稱規(guī)范參照《中華人民共和國(guó)藥典》（2015版）。

1.3.3 數(shù)據(jù)挖掘 數(shù)據(jù)挖掘以頻次分析為基礎(chǔ)，以高頻癥狀為條件構(gòu)建主方應(yīng)用的分類決策樹(shù)模型，分別運(yùn)用CHAID、QUEST、CART和C5.0算法進(jìn)行建模，選取準(zhǔn)確率最高的算法展示結(jié)果，最終的總體分類模型選用卡方自動(dòng)交互檢測(cè)（Chi-squared Automatic Interaction Detector，CHAID）算法;各具體類方的決策樹(shù)模型選用分類與回歸樹(shù)（Classification and Regression Tree，CART）算法。為提高數(shù)據(jù)分類的準(zhǔn)確性，具體建模中隨機(jī)將原始數(shù)據(jù)集分為60%訓(xùn)練集和40%測(cè)試集，將高頻癥狀作為輸入變量，將患者主方類別作為目標(biāo)變量，使用訓(xùn)練集數(shù)據(jù)建立模型，再用測(cè)試集數(shù)據(jù)對(duì)該模型的性能進(jìn)行評(píng)估。數(shù)據(jù)挖掘采用SPSS Modeler18.0軟件。

1.3.4 模型評(píng)估 模型準(zhǔn)確度評(píng)估采用增益曲線描述;模型靈敏度與特異度評(píng)估采用受試者工作特征曲線（Receiver Operating Characteristic Curve，ROC）描述，曲線下面積（Area Under Curve，AUC）的大小代表靈敏度與特異度的高低。

模型靈敏度和特異度采用ROC曲線描述，曲線下面積（AUC）越大，表示模型靈敏度和特異度越高，即辨別力越強(qiáng)。

增益曲線是描述模型預(yù)測(cè)準(zhǔn)確性的方法，在此即為對(duì)使用不同主方人群分類正確率的評(píng)估，是衡量與不利用模型（紅色基線）相比，模型的預(yù)測(cè)能力提高了多少。藍(lán)色線為理想曲線，代表模型的綠色曲線越接近理想線表示分類正確率越高，

1.3.5 決策樹(shù)分析 總體分類模型：總體分類模型選擇CHAID算法，該算法基于目標(biāo)變量自我分層，以χ2檢驗(yàn)為核心，對(duì)每個(gè)自變量進(jìn)行分類并計(jì)算分類的χ2值，如果幾個(gè)變量的分類均顯著，則比較各分類的顯著程度（P值的大?。?，選擇最顯著的分類法作為子節(jié)點(diǎn)。該方法能自動(dòng)歸并自變量中的類別，使之顯著性達(dá)到最大。

具體分類模型：上述總體分類模型共納入一貫煎類方、丹梔逍遙散類方、小柴胡湯類方、柴芩溫膽湯類方等4個(gè)主方，其他類和歸脾湯類方未進(jìn)入模型。對(duì)以上4類主方進(jìn)一步采用CART算法構(gòu)建具體的主方分類決策模型。CART算法使用基尼系數(shù)作為劃分標(biāo)準(zhǔn)，基尼系數(shù)越小，區(qū)分越徹底。

1.4 統(tǒng)計(jì)學(xué)方法 采用SPSS 20.0統(tǒng)計(jì)軟件對(duì)采集信息進(jìn)行一般描述統(tǒng)計(jì)，正態(tài)分布的計(jì)量資料用均值±標(biāo)準(zhǔn)差（±s）描述，非正態(tài)分布計(jì)量資料采用中位數(shù)描述，計(jì)數(shù)資料采用頻次、百分率等描述。

2 結(jié)果

2.1 頻次分析

2.1.1 癥狀頻次 本研究共涵蓋失眠相關(guān)癥狀139種，其中主癥6種，次癥107種，舌脈26種。選取出現(xiàn)頻率在10%以上（頻次≥35次）的癥狀共計(jì)41種納入決策樹(shù)分析。其中主癥6種，次癥21種，舌脈14種。見(jiàn)表1～3。

2.1.2 主方頻次 醫(yī)師的門(mén)診病例數(shù)據(jù)庫(kù)中記錄有每個(gè)診次處方的主方名稱，均為隨診醫(yī)師同步錄入并經(jīng)醫(yī)師本人審核確認(rèn)后實(shí)時(shí)保存。以患者所用處方的主方類別作為人群分類標(biāo)準(zhǔn)，根據(jù)主方出現(xiàn)頻次的高低，共劃分為6類不同功效的主方群：養(yǎng)陰清熱類、清熱化痰類、疏肝健脾類、和解陰陽(yáng)類、補(bǔ)益氣血類和其他類。以各類別中頻次最高的方劑名稱來(lái)命名類別屬性，分別為一貫煎類方（含百合地黃湯、百合知母湯等），柴芩溫膽湯類方（含溫膽湯、黃連溫膽湯等），丹梔逍遙散類方（含逍遙散、四逆散等），小柴胡湯類方（含柴胡加龍骨牡蠣湯、柴胡加桂枝龍骨牡蠣湯），歸脾湯類方和其他類，以上6類屬性作為目標(biāo)變量納入決策樹(shù)分析模型。

2.2 決策樹(shù)分析結(jié)果

2.2.1 總體分類模型 共篩選出多汗、舌尖紅、舌體胖大、雙目干澀、焦慮、苔膩、口苦、情緒低落8個(gè)重要屬性，共得到9項(xiàng)判斷規(guī)則。見(jiàn)表4。構(gòu)建的總體分類模型中，決策樹(shù)的節(jié)點(diǎn)為16，終端節(jié)點(diǎn)樹(shù)為9，深度為5。模型正確分類數(shù)為290例，準(zhǔn)確率83.09%;誤分?jǐn)?shù)為59例，誤分率為16.91%。見(jiàn)圖1。

2.2.2 具體分類模型 丹梔逍遙散類方模型：共篩選出納差、情緒低落、舌邊齒痕、疲倦、舌體胖大、便溏6個(gè)重要預(yù)測(cè)變量，獲得5項(xiàng)判斷規(guī)則，樹(shù)狀圖見(jiàn)圖2。

規(guī)則①：IF“納差=是”AND“情緒低落=是”，Then丹梔逍遙散類方=YES。

規(guī)則②：IF“納差=是”AND“情緒低落=否”AND“舌邊齒痕=是”，Then丹梔逍遙散類方=YES。

規(guī)則③：IF“納差=是”AND“情緒低落=否”AND“舌邊齒痕=否”AND“疲倦=是”，Then丹梔逍遙散類方=YES。

規(guī)則④：IF“納差=否”AND“舌體胖大=是”，Then丹梔逍遙散類方=YES。

規(guī)則⑤：IF“納差=否”AND“舌體胖大=否”AND“情緒低落=是”AND“便溏=是”，Then丹梔逍遙散類方=YES。

一貫煎類方模型：共篩選出雙目干澀、舌紅、健忘、少苔、多汗、手足心熱6個(gè)重要預(yù)測(cè)變量，獲得4項(xiàng)規(guī)則，樹(shù)狀圖見(jiàn)圖3。

規(guī)則①：IF“雙目干澀=是”，Then一貫煎類方=YES。

規(guī)則②：IF“雙目干澀=否”AND“舌紅=是”AND“健忘=是”，Then一貫煎類方=YES。

規(guī)則③：IF“雙目干澀=否”AND“舌紅=是”AND“健忘=否”AND“少苔=是”，Then一貫煎類方=YES。

規(guī)則④：IF“雙目干澀=否”AND“舌紅=否”AND“手足心熱=是”AND“多汗=是”，Then一貫煎類方=YES。

小柴胡湯類方模型：共篩選出抑郁、煩躁、口苦、脈沉、雙目干澀5個(gè)重要預(yù)測(cè)變量，獲得2項(xiàng)規(guī)則，樹(shù)狀圖見(jiàn)圖4。

規(guī)則①：IF“抑郁=是”AND“煩躁=否”，Then小柴胡湯類方=YES。

規(guī)則②：IF“抑郁=否”AND“口苦=是”AND“脈沉=是”AND“雙目干澀=否”，Then小柴胡湯類方=YES。

柴芩溫膽湯類方模型：共篩選出苔膩、苔黃、抑郁、頭痛、舌體胖大5個(gè)重要預(yù)測(cè)變量，獲得2項(xiàng)規(guī)則，樹(shù)狀圖見(jiàn)圖5。

規(guī)則①：IF“苔膩=是”AND“苔黃=是”AND“抑郁=否”AND“舌體胖大=否”，Then柴芩溫膽湯類方=YES。

規(guī)則②：IF“苔膩=是”AND“苔黃=否”AND“頭痛=是”，Then柴芩溫膽湯類方=YES。

2.2.3 預(yù)測(cè)變量重要性 總體分類模型中，前5位最重要的預(yù)測(cè)變量為情緒低落、雙目干澀、口苦、苔膩、多汗。見(jiàn)圖6。具體分類模型中，小柴胡湯湯類方以抑郁、口苦為主，柴芩溫膽湯類方以苔膩、苔黃為主，一貫煎類方以雙目干澀為主，丹梔逍遙散類方以舌體胖大、情緒低落、納差為主。各具體模型的預(yù)測(cè)變量重要性見(jiàn)圖7。

2.2.4 模型準(zhǔn)確率 模型預(yù)測(cè)的準(zhǔn)確性采用增益曲線評(píng)估，該曲線（圖8～9）能夠反映出模型的預(yù)測(cè)能力比未建模狀態(tài)所提高的程度，即實(shí)際曲線（綠色）越接近理想曲線（藍(lán)色），表示分類的準(zhǔn)確率越高。各類主方模型均具有較高的準(zhǔn)確率（>80%），其中柴芩溫膽湯類方模型的準(zhǔn)確率在各分集內(nèi)均為最高（均>90%），訓(xùn)練集中的丹梔逍遙散類方模型和驗(yàn)證集中的小柴胡湯類方模型，二者的準(zhǔn)確率略低于同集中的其他模型具體評(píng)估結(jié)果見(jiàn)表5。

2.2.5 靈敏度與特異度 ROC曲線（圖10～11）能夠描述模型的靈敏度與特異度，曲線下面積（AUC）越大，則模型的辨別力越強(qiáng)，通常AUC值介于0.5～1.0之間。Gini系數(shù)是模型影響力的指標(biāo)，間接反映了模型的靈敏度與特異度，與AUC的意義相近，通常AUC越大，Gini也越高。各模型的靈敏度與特異度均較高，分別為：丹梔逍遙散類方0.91、0.95，一貫煎類方0.85、0.98，小柴胡湯類方0.80、0.96，柴芩溫膽湯類方0.81、0.96。訓(xùn)練集中，各模型的辨識(shí)能力均為強(qiáng)（AUC>0.8，Gini>0.7）;驗(yàn)證集中，小柴胡湯類方模型的辨識(shí)能力略低于其他主方模型，但仍具有較強(qiáng)的辨識(shí)能力（AUC>0.7，Gini>0.5），具體評(píng)估結(jié)果見(jiàn)表6。

4 討論

總體分類模型中，未歸其他類及脾湯類方，究其原因，其他類中包含多個(gè)使用頻次低的方劑，各方劑特征分散，故無(wú)法形成規(guī)律明顯的分類模型。而歸脾湯類方樣本量較少，比例較低，故未能進(jìn)入模型。進(jìn)入總體模型的四類主方，其增益曲線在各具體模型中比較接近理想線，提示各模型的分類準(zhǔn)確率均較高;通過(guò)ROC曲線可知結(jié)果說(shuō)明，可以結(jié)果出現(xiàn)反映出各模型的靈敏度和特異度均較高，提示各模型的分類預(yù)測(cè)能力均較強(qiáng)。綜合準(zhǔn)確度、靈敏度和特異度結(jié)果，提示本研究的分類模型能夠有效反映醫(yī)師辨證論治失眠主方主癥的經(jīng)驗(yàn)。

4.1 一貫煎類方模型 本組模型提示，當(dāng)出現(xiàn)1）“雙目干澀”;2）“無(wú)雙目干澀”但有“舌紅”且“健忘”;3）“舌紅”且“少苔”;4）“無(wú)舌紅”但有“手足心熱”且“多汗”4種類型癥狀組合時(shí)，主方傾向于使用一貫煎類方，具體包括百合地黃湯、百合知母湯等。該模型的預(yù)測(cè)變量中，雙目干澀的權(quán)重最大，肝開(kāi)竅于目，肝腎同源，肝腎陰精不足易見(jiàn)雙目干澀、健忘等癥;舌紅、少苔、手足心熱多為陰虛內(nèi)熱之象;多汗常由熱盛迫津外出，實(shí)熱者多自汗，虛熱者多盜汗。此組癥狀總體反映了陰虛、內(nèi)熱的核心病機(jī)，而該類方滋養(yǎng)肝腎，養(yǎng)陰清熱，適用于陰虛內(nèi)熱之證，臨床研究亦顯示以上方劑對(duì)陰虛火旺型失眠具有良好效果[15-18]。高穎教授臨床常合用二至丸等方，對(duì)肝腎陰虛者效果頗佳。

4.2 丹梔逍遙散類方模型 本組結(jié)果提示“納差、情緒低落、舌邊齒痕、疲倦、舌體胖大、便溏”是應(yīng)用丹梔逍遙散類方的核心推薦適應(yīng)證，具體方藥包括逍遙散、四逆散等方。預(yù)測(cè)變量中以舌體胖大、情緒低落、納差最為重要，諸癥綜合提示病機(jī)以肝郁脾虛為主，脾虛濕盛，故見(jiàn)舌體胖大、舌邊齒痕;脾氣不足，運(yùn)化無(wú)力，故見(jiàn)納差、疲倦;中焦虛弱，脾氣不升，“清氣在上則生飧瀉”，故見(jiàn)便溏。情緒低落多見(jiàn)于肝郁氣滯，肝臟屬木，性喜調(diào)達(dá)，主疏泄，與情緒密切相關(guān)。肝氣郁結(jié)不得舒暢，則易橫逆克脾犯胃，影響脾胃功能。脾胃相表里，“胃不和則臥不安”，脾胃功能失調(diào)，間接影響心神，故治法應(yīng)疏肝解郁，健脾補(bǔ)中，使中焦健運(yùn)，氣機(jī)通暢，心神自安。臨床中，氣郁容易化熱，故丹梔逍遙應(yīng)用較多。現(xiàn)代臨床研究發(fā)現(xiàn)逍遙散類方對(duì)肝郁氣滯型、肝郁脾虛型、肝郁化火型失眠均有療效，能夠明顯提高睡眠質(zhì)量，改善臨床癥狀，值得臨床應(yīng)用[19-21]。實(shí)驗(yàn)研究提示其作用機(jī)制可能是通過(guò)激活PI3K/AKT/mTOR信號(hào)通路，從而達(dá)到調(diào)節(jié)神經(jīng)系統(tǒng)治療失眠的目的[22]。

4.3 小柴胡湯類方模型 本組模型提示，當(dāng)出現(xiàn)“抑郁”且“非煩躁”時(shí)，以及“非抑郁”且“口苦”且“脈沉”且“非雙目干澀”時(shí)，多偏于應(yīng)用和解類方劑，如小柴胡湯、柴胡加龍骨牡蠣湯、柴胡加桂枝龍骨牡蠣湯等。以上諸方多以柴胡為君，功效以和解少陽(yáng)，疏肝解郁、潛鎮(zhèn)攝納為主，適用于少陽(yáng)病類諸癥。而模型中抑郁與口苦在預(yù)測(cè)變量中權(quán)重最大，以上兩點(diǎn)與張仲景的論述也較為相似，如《傷寒論》中言及少陽(yáng)病的主癥和主方時(shí)講到“少陽(yáng)之為病，口苦，咽干，目眩也”，小柴胡湯主之。規(guī)則中“非煩躁”“非雙目干澀”提示此類方不適宜直接用于熱證明顯或陰傷明顯者，用之則需以清熱、養(yǎng)陰之品相佐。有學(xué)者認(rèn)為失眠癥的病機(jī)與少陽(yáng)樞機(jī)不利密切相關(guān)，應(yīng)從少陽(yáng)論治，治宜和解少陽(yáng)，調(diào)達(dá)樞機(jī)，代表方為小柴胡湯[23]。孫卓和劉龍濤[24]認(rèn)為小柴胡湯治療失眠臨床選方的關(guān)鍵為脈弦、口苦、口干、便干、煩躁。研究顯示小柴胡湯治療失眠癥的病機(jī)為少陽(yáng)膽熱內(nèi)郁，熱擾心神，臨床選方的關(guān)鍵為脈弦、口苦、口干、便干等;古方多配伍清熱藥，現(xiàn)代多配伍安神藥[24]。多項(xiàng)Meta分析也顯示柴胡加龍骨牡蠣湯加減治療失眠具有較好的臨床療效和安全性[25-26]。臨床研究提示柴胡加龍骨牡蠣湯能有效調(diào)節(jié)神經(jīng)功能，治療氣郁質(zhì)失眠療效顯著，并能改善焦慮、抑郁狀態(tài)，控制失眠癥狀[27]。

4.4 柴芩溫膽湯類方模型 研究結(jié)果提示“苔膩”是應(yīng)用柴芩溫膽湯類方的主要判別癥狀，在本模型的預(yù)測(cè)變量中權(quán)重最大，當(dāng)出現(xiàn)苔膩伴舌黃、或苔膩伴頭痛時(shí)，主方更側(cè)重溫膽湯系列方劑，包括柴芩溫膽湯、黃連溫膽湯等。高穎教授認(rèn)為中醫(yī)象思維具有主體性，舌象乃象思維之主體，在四診信息中十分重視舌象[28]。苔膩主濕濁、痰飲、食積，痰濁屬濕邪，其性黏著，最易壅滯氣機(jī)，易于夾熱、化火，痰熱上擾于心則心神不安，上擾頭目可見(jiàn)頭暈頭痛，犯于中焦則膽胃不和，臨床多見(jiàn)白膩、灰膩、黃膩之苔，治宜清膽、和胃、燥濕、運(yùn)脾、行氣、化痰，溫膽湯類方劑首選。臨床研究顯示應(yīng)用溫膽湯系列方劑治療失眠具有較好療效[30-32]。

在真實(shí)診療過(guò)程中，患者的癥狀描述常常冗雜繁多，需要醫(yī)師化繁為簡(jiǎn)，從復(fù)雜信息中高效、快速地提取最有價(jià)值的信息，作出精準(zhǔn)辨證，因此掌握主方的關(guān)鍵適用證，對(duì)提高辨證論治的效率和準(zhǔn)確率具有重要意義，這點(diǎn)也與抓主癥的思維有異曲同工之妙。劉渡舟講抓主癥時(shí)談到，抓主癥是以少知多，以點(diǎn)見(jiàn)面，主癥既是診斷標(biāo)準(zhǔn)，也是投方指征[33]。主癥多與首選方劑聯(lián)系在一起，抓主癥具有“湯證辨證”的特點(diǎn)，抓住主癥就選擇到了對(duì)證的方藥，才能取得理想療效。

綜上所述，本研究通過(guò)決策樹(shù)法分析了醫(yī)師辨治失眠主方關(guān)鍵適用癥狀的規(guī)律，建立了四類主方主癥的決策模型，各模型的準(zhǔn)確度、靈敏度、特異度均較高，所挖掘的規(guī)律能夠?yàn)榕R床精準(zhǔn)、高效辨證論治失眠提供參考。

參考文獻(xiàn)

[1]王翰，陳勇毅.基于數(shù)據(jù)挖掘探討陳勇毅治療不寐用藥規(guī)律[J].浙江中西醫(yī)結(jié)合雜志，2020，30（4）：276-277.

[2]譚麗博，劉燕，吳鳳芝，等.基于文獻(xiàn)數(shù)據(jù)探討中藥治療失眠的用藥規(guī)律[J].現(xiàn)代中醫(yī)臨床，2020，27（1）：35-42.

[3]蔡曉.歸脾湯加減用于不寐證合并焦慮抑郁患者的效果觀察[J].實(shí)用中醫(yī)內(nèi)科雜志，2019，33（10）：34-36.

[4]徐陳，郭小草，王敬卿.加味酸棗仁湯治療陰虛火旺型焦慮性失眠障礙的臨床療效[J].實(shí)用中醫(yī)內(nèi)科雜志，2020，34（4）：94-96.

[5]李悅婷，張偉.小柴胡湯合桃紅四物湯加龍牡治療瘀熱互結(jié)型不寐的個(gè)案報(bào)道[J].世界睡眠醫(yī)學(xué)雜志，2019，6（6）：838-839.

[6]王泰勇，謝曉菲，郭睿.益腎寧心湯治療心腎不交型失眠38例臨床觀察[J].湖南中醫(yī)雜志，2019，35（11）：46-47.

[7]張?jiān)?，趙冬梅.逍遙散加味治療肝郁型失眠[J].吉林中醫(yī)藥，2018，38（1）：49-51.

[8]和吉仙，顧石松.顧石松運(yùn)用扶陽(yáng)法治療失眠的用藥經(jīng)驗(yàn)[J].內(nèi)蒙古中醫(yī)藥，2020，39（3）：91-92.

[9]賈林娜，湯玲，肖承悰.肖承悰自擬更欣湯治療女性更年期失眠癥經(jīng)驗(yàn)[J].中醫(yī)雜志，2020，61（6）：479-481.

[10]馬夢(mèng)羽，沈璐，文天才，等.數(shù)據(jù)挖掘技術(shù)在中醫(yī)診療數(shù)據(jù)分析中的應(yīng)用[J].中國(guó)中醫(yī)藥信息雜志，2016，23（7）：132-136.

[11]馬強(qiáng).數(shù)據(jù)挖掘中決策樹(shù)算法的優(yōu)化應(yīng)用研究[J].電子測(cè)試，2016（8）：30-31.

[12]國(guó)家藥典委員會(huì).中華人民共和國(guó)藥典[M].北京：中國(guó)醫(yī)藥科技出版社，2015：1-34.

[13]姚乃禮，朱建貴，高榮林.中醫(yī)癥狀鑒別診斷學(xué)[M].2版.北京：人民衛(wèi)生出版社，2013：35.

[14]黎敬波，馬力.中醫(yī)臨床常見(jiàn)癥狀術(shù)語(yǔ)規(guī)范[S].北京：中國(guó)醫(yī)藥科技出版社，2015：43.

[15]新昕.百合地黃湯加減治療陰虛型不寐的療效分析[J].中國(guó)醫(yī)藥指南，2018，16（33）：183-184.

[16]張忠，于翔，李子全，等.百合地黃湯治療陰虛火旺型失眠臨床觀察[J].光明中醫(yī)，2019，34（10）：1509-1511.

[17]袁莉，李貴明，姚祖培，等.百合知母湯加減治療尿毒癥患者頑固性失眠2例[J].中國(guó)中西醫(yī)結(jié)合腎病雜志，2019，20（8）：737-738.

[18]白志芹.一貫煎加減治療陰虛火旺型不寐61例[J].中國(guó)中醫(yī)藥信息雜志，2011，18（11）：77-78.

[19]陳艷.丹梔逍遙散加減治療肝郁化火型失眠臨床觀察[J].中醫(yī)臨床研究，2019，11（20）：92-94.

[20]薛玲，張智明.逍遙散加味治療肝郁型失眠的臨床觀察[J].光明中醫(yī)，2019，34（14）：2155-2156.

[21]張?jiān)?，趙冬梅.逍遙散加味治療肝郁型失眠[J].吉林中醫(yī)藥，2018，38（1）：49-51.

[22]王韻橋.逍遙散對(duì)肝郁證失眠大鼠模型海馬mTOR信號(hào)通路的影響[D].南寧：廣西中醫(yī)藥大學(xué)，2019.

[23]孫卓，劉龍濤.從少陽(yáng)論治失眠癥的臨證體悟[J].中國(guó)醫(yī)藥導(dǎo)報(bào)，2019，16（36）：132-135.

[24]程茜.小柴胡湯治療失眠癥的古今文獻(xiàn)對(duì)比研究[J].中醫(yī)文獻(xiàn)雜志，2015，33（6）：5-7.

[25]芮軼群，呂陽(yáng)，李文婷，等.柴胡加龍骨牡蠣湯加減治療失眠的Meta分析[J].山東中醫(yī)雜志，2019，38（12）：1123-1130.

[26]何姍姍，陳曉鋒，王雪男.柴胡加龍骨牡蠣湯加減治療失眠的Meta分析[J].湖南中醫(yī)雜志，2019，35（7）：125-128.

[27]孫小添.柴胡加龍骨牡蠣湯對(duì)氣郁質(zhì)失眠患者療效及焦慮抑郁狀態(tài)影響[J].遼寧中醫(yī)藥大學(xué)學(xué)報(bào)，2020，22（1）：89-92.

[28]王永炎，張啟明.象思維與中醫(yī)辨證的相關(guān)性[J].自然雜志，2011，33（3）：133-136.

[29]高穎，方祝元，吳偉.中醫(yī)內(nèi)科學(xué)[M].北京：人民衛(wèi)生出版社，2015：27.

[30]郭雪松，黃進(jìn)學(xué)，解歡歡，于小剛，楊文媛，盧玉俊.高血壓伴失眠的發(fā)病機(jī)制及與氣郁質(zhì)關(guān)聯(lián)的研究進(jìn)展[J].中國(guó)醫(yī)藥，2021，16（3）：467-469.

[31]周潤(rùn)津，林興棟.林興棟采用加味柴胡溫膽湯治療失眠體悟[J].廣州中醫(yī)藥大學(xué)學(xué)報(bào)，2020，37（1）：167-171.

[32]張蕾，張永華.張永華名中醫(yī)運(yùn)用加味黃連溫膽湯治療失眠臨床分析[J].世界睡眠醫(yī)學(xué)雜志，2019，6（9）：1209-1210.

[33]傅延齡，劉渡舟.抓主癥方法的認(rèn)識(shí)與運(yùn)用[J].中國(guó)醫(yī)藥學(xué)報(bào)，1993（4）：43-44.

（2020-07-04收稿 責(zé)任編輯：張雄杰）