遲輝 高穎

摘要 目的：探索高穎教授辨治失眠主方的關鍵適用癥狀應用規(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月門診病例數(shù)據(jù)庫中204例（349診次）失眠患者的診療信息，采用SPSS Modeler軟件進行決策樹分析，用CHAID與CART算法構建主方關鍵適用癥狀的分類模型。結果：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個主方主癥的分類模型，各模型的準確率分別為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個重要預測變量;共得到22項判斷規(guī)則。結論：通過決策樹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。

關鍵詞 失眠;辨證論治; @ 高穎;決策樹;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：R242;R749文獻標識碼：Adoi：10.3969/j.issn.1673-7202.2021.16.022

失眠在中醫(yī)學稱之為“不寐”，是當今社會的常見病癥，嚴重影響人們的學習、工作和生命質量。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)師個體經(jīng)驗方藥，缺乏對方劑或藥物核心適用癥狀的精準分析[1-9]。決策樹法常用于歸納名老中醫(yī)辨證過程、挖掘中醫(yī)臨證診療規(guī)律[10]。由于其產(chǎn)生的分類規(guī)則簡單直觀，分類準確率較高，因此該方法適用于方藥適用癥狀的精準分析。決策樹是樹形結構的模型，具有清晰的屬性結構和較好的分類、預測能力，屬于有監(jiān)督學習中的一種，廣泛使用于分類與預測任務中[11]。當目標變量是分類變量時，決策樹完成分類任務;當目標變量為連續(xù)變量時，決策樹完成預測任務。本研究基于醫(yī)師門診病例數(shù)據(jù)庫中已有的主方資料，通過決策樹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)藥大學東直門醫(yī)院高穎教授門診病例數(shù)據(jù)庫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個月至48年，中位病程2.5年。

1.2 納入標準 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）病案書寫完整的患者，包括人口學特征、主訴與病史、四診資料、治療方案。

1.3 排除標準 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性病變的患者，如神經(jīng)系統(tǒng)器質性疾病、嚴重呼吸循環(huán)系統(tǒng)疾病、嚴重疼痛、嚴重精神障礙等疾病;2）孕期或哺乳期的患者。

1.3 方法

1.3.1 數(shù)據(jù)采集 從門診病例數(shù)據(jù)庫中篩選符合研究標準的病例，將患者一般資料和診療資料導出為Excel文件。該數(shù)據(jù)庫由隨診醫(yī)師同步錄入，包含患者完整的診療資料，庫內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)存疑時調閱原始資料核查。

1.3.2 數(shù)據(jù)預處理 參照業(yè)內相關標準制定預處理規(guī)則[12-14]，對癥狀及藥物名稱進行統(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》和《中醫(yī)臨床常見癥狀術語規(guī)范》;藥物名稱規(guī)范參照《中華人民共和國藥典》（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，以高頻癥狀為條件構建主方應用的分類決策樹模型，分別運用CHAID、QUEST、CART和C5.0算法進行建模，選取準確率最高的算法展示結果，最終的總體分類模型選用卡方自動交互檢測（Chi-squared Automatic Interaction Detector，CHAID）算法;各具體類方的決策樹模型選用分類與回歸樹（Classification and Regression Tree，CART）算法。為提高數(shù)據(jù)分類的準確性，具體建模中隨機將原始數(shù)據(jù)集分為60%訓練集和40%測試集，將高頻癥狀作為輸入變量，將患者主方類別作為目標變量，使用訓練集數(shù)據(jù)建立模型，再用測試集數(shù)據(jù)對該模型的性能進行評估。數(shù)據(jù)挖掘采用SPSS Modeler18.0軟件。

1.3.4 模型評估 模型準確度評估采用增益曲線描述;模型靈敏度與特異度評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。

增益曲線是描述模型預測準確性的方法，在此即為對使用不同主方人群分類正確率的評估，是衡量與不利用模型（紅色基線）相比，模型的預測能力提高了多少。藍色線為理想曲線，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，該算法基于目標變量自我分層，以χ2檢驗為核心，對每個自變量進行分類并計算分類的χ2值，如果幾個變量的分類均顯著，則比較各分類的顯著程度（P值的大?。x擇最顯著的分類法作為子節(jié)點。該方法能自動歸并自變量中的類別，使之顯著性達到最大。

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個主方，其他類和歸脾湯類方未進入模型。對以上4類主方進一步采用CART算法構建具體的主方分類決策模型。CART算法使用基尼系數(shù)作為劃分標準，基尼系數(shù)越小，區(qū)分越徹底。

1.4 統(tǒng)計學方法 采用SPSS 20.0統(tǒng)計軟件對采集信息進行一般描述統(tǒng)計，正態(tài)分布的計量資料用均值±標準差（±s）描述，非正態(tài)分布計量資料采用中位數(shù)描述，計數(shù)資料采用頻次、百分率等描述。

2 結果

2.1 頻次分析

2.1.1 癥狀頻次 本研究共涵蓋失眠相關癥狀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41種納入決策樹分析。其中主癥6種，次癥21種，舌脈14種。見表1～3。

2.1.2 主方頻次 醫(yī)師的門診病例數(shù)據(jù)庫中記錄有每個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)師本人審核確認后實時保存。以患者所用處方的主方類別作為人群分類標準，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、和解陰陽類、補益氣血類和其他類。以各類別中頻次最高的方劑名稱來命名類別屬性，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類屬性作為目標變量納入決策樹分析模型。

2.2 決策樹分析結果

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個重要屬性，共得到9項判斷規(guī)則。見表4。構建的總體分類模型中，決策樹的節(jié)點為16，終端節(jié)點樹為9，深度為5。模型正確分類數(shù)為290例，準確率83.09%;誤分數(shù)為59例，誤分率為16.91%。見圖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個重要預測變量，獲得5項判斷規(guī)則，樹狀圖見圖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個重要預測變量，獲得4項規(guī)則，樹狀圖見圖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個重要預測變量，獲得2項規(guī)則，樹狀圖見圖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個重要預測變量，獲得2項規(guī)則，樹狀圖見圖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 預測變量重要性 總體分類模型中，前5位最重要的預測變量為情緒低落、雙目干澀、口苦、苔膩、多汗。見圖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。各具體模型的預測變量重要性見圖7。

2.2.4 模型準確率 模型預測的準確性采用增益曲線評估，該曲線（圖8～9）能夠反映出模型的預測能力比未建模狀態(tài)所提高的程度，即實際曲線（綠色）越接近理想曲線（藍色），表示分類的準確率越高。各類主方模型均具有較高的準確率（>80%），其中柴芩溫膽湯類方模型的準確率在各分集內均為最高（均>90%），訓練集中的丹梔逍遙散類方模型和驗證集中的小柴胡湯類方模型，二者的準確率略低于同集中的其他模型具體評估結果見表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，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，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。訓練集中，各模型的辨識能力均為強（AUC>0.8，Gini>0.7）;驗證集中，小柴胡湯類方模型的辨識能力略低于其他主方模型，但仍具有較強的辨識能力（AUC>0.7，Gini>0.5），具體評估結果見表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，其他類中包含多個使用頻次低的方劑，各方劑特征分散，故無法形成規(guī)律明顯的分類模型。而歸脾湯類方樣本量較少，比例較低，故未能進入模型。進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確率均較高;通過ROC曲線可知結果說明，可以結果出現(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測能力均較強。綜合準確度、靈敏度和特異度結果，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。

4.1 一貫煎類方模型 本組模型提示，當出現(xiàn)1）“雙目干澀”;2）“無雙目干澀”但有“舌紅”且“健忘”;3）“舌紅”且“少苔”;4）“無舌紅”但有“手足心熱”且“多汗”4種類型癥狀組合時，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。該模型的預測變量中，雙目干澀的權重最大，肝開竅于目，肝腎同源，肝腎陰精不足易見雙目干澀、健忘等癥;舌紅、少苔、手足心熱多為陰虛內熱之象;多汗常由熱盛迫津外出，實熱者多自汗，虛熱者多盜汗。此組癥狀總體反映了陰虛、內熱的核心病機，而該類方滋養(yǎng)肝腎，養(yǎng)陰清熱，適用于陰虛內熱之證，臨床研究亦顯示以上方劑對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，對肝腎陰虛者效果頗佳。

4.2 丹梔逍遙散類方模型 本組結果提示“納差、情緒低落、舌邊齒痕、疲倦、舌體胖大、便溏”是應用丹梔逍遙散類方的核心推薦適應證，具體方藥包括逍遙散、四逆散等方。預測變量中以舌體胖大、情緒低落、納差最為重要，諸癥綜合提示病機以肝郁脾虛為主，脾虛濕盛，故見舌體胖大、舌邊齒痕;脾氣不足，運化無力，故見納差、疲倦;中焦虛弱，脾氣不升，“清氣在上則生飧瀉”，故見便溏。情緒低落多見于肝郁氣滯，肝臟屬木，性喜調達，主疏泄，與情緒密切相關。肝氣郁結不得舒暢，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，間接影響心神，故治法應疏肝解郁，健脾補中，使中焦健運，氣機通暢，心神自安。臨床中，氣郁容易化熱，故丹梔逍遙應用較多?，F(xiàn)代臨床研究發(fā)現(xiàn)逍遙散類方對肝郁氣滯型、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量，改善臨床癥狀，值得臨床應用[19-21]。實驗研究提示其作用機制可能是通過激活PI3K/AKT/mTOR信號通路，從而達到調節(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，當出現(xiàn)“抑郁”且“非煩躁”時，以及“非抑郁”且“口苦”且“脈沉”且“非雙目干澀”時，多偏于應用和解類方劑，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，疏肝解郁、潛鎮(zhèn)攝納為主，適用于少陽病類諸癥。而模型中抑郁與口苦在預測變量中權重最大，以上兩點與張仲景的論述也較為相似，如《傷寒論》中言及少陽病的主癥和主方時講到“少陽之為病，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。有學者認為失眠癥的病機與少陽樞機不利密切相關，應從少陽論治，治宜和解少陽，調達樞機，代表方為小柴胡湯[23]。孫卓和劉龍濤[24]認為小柴胡湯治療失眠臨床選方的關鍵為脈弦、口苦、口干、便干、煩躁。研究顯示小柴胡湯治療失眠癥的病機為少陽膽熱內郁，熱擾心神，臨床選方的關鍵為脈弦、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節(jié)神經(jīng)功能，治療氣郁質失眠療效顯著，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 研究結果提示“苔膩”是應用柴芩溫膽湯類方的主要判別癥狀，在本模型的預測變量中權重最大，當出現(xiàn)苔膩伴舌黃、或苔膩伴頭痛時，主方更側重溫膽湯系列方劑，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，易于夾熱、化火，痰熱上擾于心則心神不安，上擾頭目可見頭暈頭痛，犯于中焦則膽胃不和，臨床多見白膩、灰膩、黃膩之苔，治宜清膽、和胃、燥濕、運脾、行氣、化痰，溫膽湯類方劑首選。臨床研究顯示應用溫膽湯系列方劑治療失眠具有較好療效[30-32]。

在真實診療過程中，患者的癥狀描述常常冗雜繁多，需要醫(yī)師化繁為簡，從復雜信息中高效、快速地提取最有價值的信息，作出精準辨證，因此掌握主方的關鍵適用證，對提高辨證論治的效率和準確率具有重要意義，這點也與抓主癥的思維有異曲同工之妙。劉渡舟講抓主癥時談到，抓主癥是以少知多，以點見面，主癥既是診斷標準，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，抓住主癥就選擇到了對證的方藥，才能取得理想療效。

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

參考文獻

[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)結合雜志，2020，30（4）：276-277.

[2]譚麗博，劉燕，吳鳳芝，等.基于文獻數(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].實用中醫(yī)內科雜志，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].實用中醫(yī)內科雜志，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型不寐的個案報道[J].世界睡眠醫(yī)學雜志，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]張元忠，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.顧石松運用扶陽法治療失眠的用藥經(jīng)驗[J].內蒙古中醫(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[J].中醫(yī)雜志，2020，61（6）：479-481.

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

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

[12]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，2015：1-34.

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

[14]黎敬波，馬力.中醫(yī)臨床常見癥狀術語規(guī)范[S].北京：中國醫(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].中國中西醫(yī)結合腎病雜志，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]張元忠，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.逍遙散對肝郁證失眠大鼠模型海馬mTOR信號通路的影響[D].南寧：廣西中醫(yī)藥大學，2019.

[23]孫卓，劉龍濤.從少陽論治失眠癥的臨證體悟[J].中國醫(yī)藥導報，2019，16（36）：132-135.

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

[25]芮軼群，呂陽，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氣郁質失眠患者療效及焦慮抑郁狀態(tài)影響[J].遼寧中醫(yī)藥大學學報，2020，22（1）：89-92.

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

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

[30]郭雪松，黃進學，解歡歡，于小剛，楊文媛，盧玉俊.高血壓伴失眠的發(fā)病機制及與氣郁質關聯(lián)的研究進展[J].中國醫(yī)藥，2021，16（3）：467-469.

[31]周潤津，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)藥大學學報，2020，37（1）：167-171.

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

[33]傅延齡，劉渡舟.抓主癥方法的認識與運用[J].中國醫(yī)藥學報，1993（4）：43-44.

（2020-07-04收稿 責任編輯：張雄杰）