李新龍+劉巖+王寧+侯愛娟+王世華+周雪忠+張潤順+劉保延+何麗云

摘要：目的 基于辨證論治失眠診療前瞻性研究，探索適合中醫(yī)臨床診療數(shù)據(jù)的預處理方法。方法 運用中醫(yī)臨床科研信息共享系統(tǒng)，采用人機結(jié)合方式，通過數(shù)據(jù)清洗、規(guī)則編訂、醫(yī)師審核、規(guī)則修訂、程序化導入與批量化處理等步驟，對8名中醫(yī)師前瞻性失眠診療數(shù)據(jù)庫進行數(shù)據(jù)預處理。結(jié)果 制訂中醫(yī)師個體化辨證論治失眠癥狀類規(guī)則27 534條、診斷類規(guī)則1036條、治法類規(guī)則841條、處方名稱規(guī)則540條、中藥名稱規(guī)則885條。結(jié)論 預處理后各類術(shù)語概念得到不同程度的規(guī)范，同時保留了醫(yī)師個體化辨證論治的特點，可用于中醫(yī)辨證論治臨床診療數(shù)據(jù)個體化與標準化研究，為數(shù)據(jù)挖掘提供支持。

關(guān)鍵詞：預處理；數(shù)據(jù)挖掘；中醫(yī)臨床科研信息共享系統(tǒng)；辨證論治；失眠

DOI：10.3969/j.issn.1005-5304.2017.12.023

中圖分類號：R2-05；R256.23 文獻標識碼：A 文章編號：1005-5304（2017）12-0092-05

Study on Pre-processing Methods of Clinical Data from TCM Individual Treatment of Insomnia Based on Syndrome Differentiation LI Xin-long1， LIU Yan1， WANG Ning2， HOU Ai-juan1， WANG Shi-hua1， ZHOU Xue-zhong2， ZHANG Run-shun3， LIU Bao-yan1， HE Li-yun1 （1. Institute of Basic Research in Clinical Medicine， China Academy of Chinese Medical Sciences， Beijing 100700， China； 2. School of Computer and Information Technology， Beijing Jiaotong University， Beijing 100044， China； 3. Guanganmen Hospital Affiliated to China Academy of Chinese Medical Sciences， Beijing 100053， China）

Abstract： Objective To explore suitable pre-processing methods for the TCM clinical data based on prospective study on insomnia treated by syndrome differentiation. Methods Based on the TCM shared clinical and research information platform and by using man-machine combination method， data cleaning rules， physician review， rule revision， procedural import and batch processing were used to conduct pre-processing for data in prospective study on insomniac treated by syndrome differentiation of 8 TCM doctors. Results Totally 27 534 rules for symptoms data of individual treatment of insomnia were made and 1036 rules for diagnostic data， 842 rules for therapeutic ways， 540 rules for formula data， 3785 rules for data of Chinese materia medica. Conclusion Different kinds of terminology concepts were normalized at different levels， at the same time， characteristics of individualized treatment based on syndrome differentiation were reserved. Appropriate pre-processing methods can be used in the reaserch of individualization and standardization of TCM syndrome differentiation clinical data and can provide support for data mining.

Key words： data pre-processing； data mining； shared clinical and research information platform； treatment based on syndrome differentiation； insomnia

真實世界中醫(yī)師辨證論治臨床診療數(shù)據(jù)具有個體化差異大、多層次、多水平、不完整等特點，這既是中醫(yī)診療的一大特色，又是中醫(yī)傳承工作面臨的重要瓶頸。本課題組歷經(jīng)10余年，為中醫(yī)真實世界臨

基金項目：國家自然科學基金重點項目（81230086）；國家自然科學基金青年基金（81503679）

通訊作者：何麗云，E-mail：hely3699@163.comendprint

床研究專門設(shè)計開發(fā)了中醫(yī)臨床科研信息共享系統(tǒng)（以下簡稱“共享系統(tǒng)”）[1]，具有臨床數(shù)據(jù)結(jié)構(gòu)化采集、數(shù)據(jù)抽提轉(zhuǎn)化、數(shù)據(jù)挖掘分析等功能。共享系統(tǒng)旨在為真實世界臨床研究搭建共性技術(shù)平臺，已在20余家國家中醫(yī)臨床基地及全國近百家中醫(yī)醫(yī)療機構(gòu)得到應用[2]。近年來，在名老中醫(yī)辨證論治療效評價及經(jīng)驗挖掘方面，基于共享系統(tǒng)的數(shù)據(jù)挖掘發(fā)揮著重要作用[3-5]，并逐步形成了“人機結(jié)合，以人為主”的中醫(yī)師臨床診療數(shù)據(jù)挖掘方法和理念[1，5]。作為數(shù)據(jù)挖掘關(guān)鍵環(huán)節(jié)，恰當?shù)臄?shù)據(jù)預處理方法是數(shù)據(jù)挖掘結(jié)果準確的有力保障。本研究從多名中醫(yī)師辨證論治失眠癥的臨床診療數(shù)據(jù)入手，對個體化辨證論治療效評價研究中的數(shù)據(jù)預處理方法進行探索，為中醫(yī)藥數(shù)據(jù)挖掘服務流程提供支持。

1 資料與方法

1.1 數(shù)據(jù)來源

基于國家自然基金重點項目“階梯遞進的辨證論治療效評價方法研究”[6]，根據(jù)共享系統(tǒng)中預先制訂的半結(jié)構(gòu)化診療信息模板采集數(shù)據(jù)（見圖1），并以“字段名+字段值”或“字段值+字段類型”形式存儲在數(shù)據(jù)庫不同數(shù)據(jù)表中。截至2016年5月，數(shù)據(jù)庫共存儲了8位醫(yī)師964例（2455診次）患者的診療數(shù)據(jù)。

醫(yī)師篩選標準：①主任或副主任醫(yī)師，中醫(yī)藥治療失眠相關(guān)疾病20年以上，具有成熟穩(wěn)定辨證論治失眠的經(jīng)驗；②失眠患者人群較為固定；③門診配備電腦，且可實時錄入連續(xù)合格病例；④門診擁有專門的科研助手（或者研究生）協(xié)助課題開展；⑤愿意參加本研究，依從性較好。

1.2 數(shù)據(jù)預處理軟件

采用自主研發(fā)軟件Medical Integrator Studio2.3[7]進行預處理，該軟件基于共享系統(tǒng)設(shè)計研發(fā)，與共享系統(tǒng)兼容性較好，具備常規(guī)預處理軟件數(shù)據(jù)抽取、數(shù)據(jù)轉(zhuǎn)換及數(shù)據(jù)裝載功能。

1.3 數(shù)據(jù)預處理流程（見圖2）

1.3.1 原始數(shù)據(jù)調(diào)取 不同醫(yī)師提交的臨床診療數(shù)據(jù)在原始數(shù)據(jù)庫永久性獨立存儲，預處理前首先要從原始數(shù)據(jù)庫調(diào)取數(shù)據(jù)至細節(jié)數(shù)據(jù)庫。細節(jié)數(shù)據(jù)庫是原始數(shù)據(jù)庫的鏡像，用于各種數(shù)據(jù)處理，當針對數(shù)據(jù)的操作發(fā)生錯誤時，具有通過原始數(shù)據(jù)庫進行溯源、糾錯和恢復等功能。

1.3.2 原始數(shù)據(jù)核查 從細節(jié)數(shù)據(jù)庫中將各醫(yī)師的無重復數(shù)據(jù)導出到Excel表，由于存在測試、漏填或錯填等無效數(shù)據(jù)，因此首先對數(shù)據(jù)進行核查，將數(shù)據(jù)質(zhì)疑表分別發(fā)送給各醫(yī)師或其預先指定的助手，經(jīng)其核實確認后反饋數(shù)據(jù)答疑結(jié)果，據(jù)此從細節(jié)數(shù)據(jù)集剔除無效數(shù)據(jù)。

1.3.3 預處理規(guī)則制訂 由于各醫(yī)師數(shù)據(jù)采用半結(jié)構(gòu)化模板錄入，部分字段存在術(shù)語描述不統(tǒng)一、合并錄入、重復錄入等現(xiàn)象，相應處理規(guī)則分為轉(zhuǎn)化、拆分、刪除3種方式進行。預處理規(guī)則參照《中醫(yī)藥學名詞》[8]、《中醫(yī)臨床診療術(shù)語·疾病部分》（GB/T 16751.1-1997）[9]、《中醫(yī)臨床診療術(shù)語·證候部分》（GB/T 16751.2-1997）[10]、《中醫(yī)臨床診療術(shù)語·治法部分》（GB/T 16751.3-1997）[11]、《中醫(yī)基礎(chǔ)理論》[12]、《中醫(yī)診斷學》[13]、《方劑學》[14]、《中醫(yī)內(nèi)科學》[15]、2015年版《中華人民共和國藥典》[16]、《中醫(yī)證候鑒別診斷學》[17]、《診斷學》[18]、《內(nèi)科學》[19]，國際疾病分類（international Classification of diseases，ICD）[20]等制訂。

1.3.4 預處理規(guī)則反饋與修訂 將數(shù)據(jù)預處理規(guī)則發(fā)送至各醫(yī)師，根據(jù)其反饋意見，確認或再修訂相應規(guī)則。此過程是預處理的關(guān)鍵環(huán)節(jié)，各醫(yī)師對數(shù)據(jù)預處理規(guī)則的判讀，是預處理后數(shù)據(jù)能真實反映醫(yī)師個體臨床實際診療特點的重要保障。

1.3.5 預處理規(guī)則導入與批量處理 將確認后的預處理規(guī)則導入細節(jié)數(shù)據(jù)庫的規(guī)則表中，對數(shù)據(jù)進行分類批量預處理。

1.3.6 預處理后數(shù)據(jù)核查 核查預處理后的數(shù)據(jù)，重點關(guān)注數(shù)據(jù)完整性和處理規(guī)則的一致性。

2 結(jié)果

2.1 數(shù)據(jù)庫結(jié)構(gòu)劃分及規(guī)則匯總

各醫(yī)師臨床診療數(shù)據(jù)分別存儲在數(shù)據(jù)庫中的癥狀、診斷、治法（中藥或針灸）、方名（中藥或針灸）、中藥、西藥/中成藥、實驗室檢查、物理檢查等數(shù)據(jù)表中，共建立規(guī)則30 836條，各類數(shù)據(jù)預處理前后術(shù)語數(shù)量分布見表1。

2.2 癥狀類數(shù)據(jù)

癥狀類數(shù)據(jù)主要包括主訴、現(xiàn)病史、辨證論治清單、既往史、個人史、體格檢查、實驗室檢查、物理檢查等。數(shù)據(jù)的預處理可分為多義項的拆分、同義詞的合并、默認值、異常值的刪除，見表2。

2.3 診斷類數(shù)據(jù)

診斷類數(shù)據(jù)包括西醫(yī)診斷、中醫(yī)疾病診斷、中醫(yī)證候診斷3類，由于存在疾病和證候分類混淆、疾病診斷術(shù)語不統(tǒng)一、錯別字等問題，診斷數(shù)據(jù)的預處理主要從術(shù)語及類別的統(tǒng)一、更正和拆分三方面進行，見表3。其中證候診斷的預處理是重點和難點，本研究將證候拆分為病位、病性等基本證素[21]。病位、病性單一的證候，拆分為基本證素，如“肝腎陰虛證”拆分為“肝陰虛證”和“腎陰虛證”；病位或病性復雜的證候如“脾腎不足證”“心脾兩虛證”“肝郁脾虛證”則不進行拆分。

2.4 治法類數(shù)據(jù)

治法類數(shù)據(jù)的預處理主要包括對術(shù)語的拆分和統(tǒng)一，見表4。對相對獨立的治法進行拆分，對有明顯相關(guān)性的治法，如“補氣生血”“養(yǎng)心安神”“鎮(zhèn)心安神”“交通心腎”“疏肝解郁”“調(diào)和脾胃”“平肝潛陽”等則不予拆分。此外，對于拆分后容易產(chǎn)生歧義的治法不進行拆分，如“清熱化痰”規(guī)范為“清化熱痰”，“清熱利濕”拆分為“清熱”和“利濕”，而“養(yǎng)陰清熱”則不拆分。

2.5 方劑類數(shù)據(jù)

方劑類數(shù)據(jù)的處理主要包括方劑名稱的統(tǒng)一和拆分，見表5。本研究采用復雜網(wǎng)絡方法[22]，根據(jù)實際方劑藥物組成對不同醫(yī)師有效處方進行數(shù)據(jù)挖掘，因此，對無明確方名者均統(tǒng)一為“自擬方”，未對其方名進行補充。endprint

2.6 中藥類數(shù)據(jù)

基于研究團隊前期中藥數(shù)據(jù)預處理基礎(chǔ)[23]，中藥類數(shù)據(jù)從以下方面進行處理。①藥物名稱：參照2015年版《中華人民共和國藥典》[16]（以下簡稱“《中國藥典》”），統(tǒng)一別名、錯別字、省略詞等，如“叢蓉”規(guī)范為“肉蓯蓉”，“勾藤”規(guī)范為“鉤藤”，“萸肉”規(guī)范為“山萸肉”，“元胡”“玄胡”“延胡索”統(tǒng)一為“延胡索”。②炮制方法：根據(jù)臨床實際，對炮制不同、藥效明顯不同者視作不同藥物，如“生地黃”與“熟地黃”，“生甘草”與“炙甘草”。③2015年版《中國藥典》中未收錄的中藥，需要檢索《中藥別名速查大辭典》，使用相對規(guī)范的中藥名稱，并在數(shù)據(jù)庫表中補充該藥物的性味、歸經(jīng)、功效、常用劑量等內(nèi)容，對中藥字典進行完善補充。④2種以上藥物合并書寫者拆分為單個中藥，如“合歡花皮”拆分為“合歡花”和“合歡皮”，“赤白芍”拆分為“赤芍”和“白芍”，“煅龍牡”拆分為“鍛龍骨”和“煅牡蠣”等。⑤刪除產(chǎn)地信息：如“川黃連”規(guī)范為“黃連”，“淮山藥”規(guī)范為“山藥”。⑥僅劑型不同者，視為同一味藥，如“三七末”“三七片”規(guī)范為“三七”，“西洋參粉”規(guī)范為“西洋參”等。

3 討論

本課題組前期以中醫(yī)專家和失眠患者為研究對象的隨機對照盲法研究中，同一患者在相同時間段內(nèi)依次接受3位名老中醫(yī)的診斷，在保證中醫(yī)專家辨證論治診療實際狀態(tài)不被干擾的情況下，隨機服用其中1位醫(yī)師的方藥。結(jié)果顯示治療都有效的前提下，中醫(yī)證候診斷與治療方藥有所不同，甚至有較大差異[24]。在真實世界中通過較完善的試驗設(shè)計，用數(shù)據(jù)驗證了中醫(yī)辨證論治過程中的個體化診療實質(zhì)，因此單純以強調(diào)“標準化”的臨床療效評價模式，如證候、干預措施標準化，難以反映中醫(yī)師個體化辨證論治的診療特色和精髓。而醫(yī)師有效辨證論治方案的形成，受到醫(yī)師自身個體化辨證論治知識體系的成熟度和臨床實際診療經(jīng)驗豐富度的影響。因此，本研究在全國范圍內(nèi)篩選了具有豐富臨床經(jīng)驗的中醫(yī)名家，一方面其有較固定的患者群，另一方面也基本形成了自身的辨證論治知識體系。

在權(quán)衡醫(yī)師辨證論治個性化特征的保留與統(tǒng)計分析對數(shù)據(jù)規(guī)范性要求的基礎(chǔ)上，本研究在數(shù)據(jù)采集過程中，采用了半結(jié)構(gòu)化的診療信息采集模板；在數(shù)據(jù)預處理的過程中，同樣貫徹了“人機結(jié)合，以人為主”的原則。經(jīng)過預處理，各類術(shù)語概念得到不同程度的規(guī)范，同時又盡可能地保留了醫(yī)師個體化辨證論治的特點。因此在數(shù)據(jù)預處理的過程中建議堅持以下原則：①充分保留不同醫(yī)師辨證論治的個體化特征，充分尊重中醫(yī)師特定術(shù)語描述習慣，癥狀描述、辨證、治法術(shù)語的預處理規(guī)則均為每位醫(yī)師量身制訂。②參考相關(guān)標準和規(guī)范進行復合型術(shù)語拆分、同義術(shù)語統(tǒng)一等預處理。③建立預處理規(guī)則的反饋與確認機制，預處理規(guī)則需反饋醫(yī)師，經(jīng)其確認或修訂，以保證處理后數(shù)據(jù)能夠如實反映其診療實際。④人工編訂與機器批量處理相結(jié)合，以保證預處理的準確性和效率。

綜上所述，“人機結(jié)合，以人為主”的策略適用于中醫(yī)臨床診療數(shù)據(jù)的預處理。恰當?shù)念A處理策略，是銜接中醫(yī)辨證論治臨床診療數(shù)據(jù)個體化與標準化橋梁的關(guān)鍵環(huán)節(jié)，是中醫(yī)藥數(shù)據(jù)挖掘技術(shù)能否正確實現(xiàn)的前期保證。

參考文獻：

[1] 劉保延，周雪忠，李平，等.個體診療臨床科研信息一體化平臺[J].中國數(shù)字醫(yī)學，2007，2（6）：31，36.

[2] 張潤順，劉保延，周雪忠，等.基于中醫(yī)醫(yī)療與臨床科研信息共享系統(tǒng)的臨床研究要點[J].中醫(yī)雜志，2014，55（17）：1457，1460.

[3] 周雪忠，劉保延，姚乃禮，等.中醫(yī)臨床數(shù)據(jù)庫及挖掘分析平臺的研究與應用探討[J].世界科學技術(shù)-中醫(yī)藥現(xiàn)代化，2007，9（4）：74，80.

[4] 張潤順，王映輝，周雪忠，等.名老中醫(yī)經(jīng)驗要素研究及智能挖掘平臺功能設(shè)計[J].世界科學技術(shù)-中醫(yī)藥現(xiàn)代化，2008，10（1）：45-52，63.

[5] 王映輝，張潤順，吳潔，等.名老中醫(yī)經(jīng)驗傳承研究模式探索[J].中國中醫(yī)基礎(chǔ)醫(yī)學雜志，2008，14（6）：417-418.

[6] Individualized treatment with traditional Chinese medicine for the patients with insomnia disorder：a Cohort Study-Full Text View- ClinicalTrials.gov[EB/OL]. （2015-03-31）[2017-06-13]. https：// www.clinicaltrials.gov/ct2/show/NCT02402959？term=sleep&rcv_d=14&show_rss=Y.

[7] 劉保延，周雪忠，姚乃禮，等.MEDIS：以數(shù)據(jù)倉庫為核心的中醫(yī)臨床醫(yī)學智能平臺[C]//國際中醫(yī)藥工程學術(shù)會議會議論文集.上海：國際中醫(yī)藥工程學術(shù)會議，2010：182-187.

[8] 中醫(yī)藥學名詞審定委員會.中醫(yī)藥學名詞[M].北京：科學出版社， 2005.

[9] 中華人民共和國技術(shù)監(jiān)督局.中醫(yī)臨床診療術(shù)·語疾病部分：GB/T 16751.1-1997[S].北京：中國標準出版社，1997.

[10] 中華人民共和國技術(shù)監(jiān)督局.中醫(yī)臨床診療術(shù)語·證候部分：GB/T 16751.2-1997[S].北京：中國標準出版社，1997.

[11] 中華人民共和國技術(shù)監(jiān)督局.中醫(yī)臨床診療術(shù)語·治法部分：GB/T 16751.3-1997[S].北京：中國標準出版社，1997.

[12] 孫廣仁，鄭洪新.中醫(yī)基礎(chǔ)理論[M].北京：中國中醫(yī)藥出版社，2012.

[13] 陳家旭.中醫(yī)診斷學[M].北京：中國中醫(yī)藥出版社，2015.

[14] 李冀.方劑學[M].北京：中國中醫(yī)藥出版社，2012.

[15] 吳勉華，王新月.中醫(yī)內(nèi)科學[M].北京：中國中醫(yī)藥出版社，2012.

[16] 國家藥典委員會.中華人民共和國藥典[M].北京：中國醫(yī)藥科技出版社，2015.

[17] 姚乃禮，朱建貴，高榮林.中醫(yī)證候鑒別診斷學[M].2版.北京：人民衛(wèi)生出版社，2002.

[18] 陳文彬，潘祥林，康熙雄，等.診斷學[M].7版.北京：人民衛(wèi)生出版社， 2008.

[19] 陸再英，鐘南山，謝毅，等.內(nèi)科學[M].7版.北京：人民衛(wèi)生出版社，2008.

[20] WHO. International classification of diseases[EB/OL]. 2010 [2017-09-29]. http：//www.who.int/classifications/icd/en/.

[21] 黃碧群，曲超，向歲，等.中醫(yī)證素辨證研究概況[J].湖南中醫(yī)藥大學學報，2013，33（1）：24，31.

[22] 郭峰，王曉忠，馬燕，等.基于復雜網(wǎng)絡的曾斌芳治療慢性乙型肝炎用藥規(guī)律研究[J].中國中醫(yī)藥信息雜志，2017，24（2）：94-97.

[23] 江麗杰.多醫(yī)師辨證論治失眠有效治療方藥的發(fā)現(xiàn)研究[D].北京：中國中醫(yī)科學院，2014.

（收稿日期：2017-02-10）

（修回日期：2017-03-08；編輯：向宇雁）endprint