關聯分析在中藥斗譜編排中的應用

伍海鵬，劉紅雄，蘭樂霞，康 潔，張紅蓮

（冷水江市人民醫院中藥房，湖南冷水江 417500）

關聯分析在中藥斗譜編排中的應用

伍海鵬＊，劉紅雄，蘭樂霞，康 潔，張紅蓮

（冷水江市人民醫院中藥房，湖南冷水江 417500）

目的：找尋中醫處方所含藥物的關聯規律，據此對藥斗擺放進行合理規劃。方法：選取我院中藥房2009年11月至2010年8月共2 054張處方，采用數據挖掘軟件SPSSClementine進行統計分析，找出藥物的排列規律。結果：使用頻數較高的為甘草、黃芩、玄參、板藍根、苦杏仁等30味藥，與這30味藥關聯度較大的有41味常用藥；把這41味藥排列在藥斗的最適位置，其相關藥在周圍，可提高調劑效率。結論：使強關聯的中藥擺放在合適區域，可加快中藥調配速度，提高勞動效率。

數據挖掘；關聯分析；中藥；斗譜

藥斗是盛裝中藥飲片的容器，為了便于調劑工作，藥斗架內存放飲片有一定的規律，稱為“斗譜”。中藥房每天最基本的工作是中藥調劑，在基層醫院，患者的經濟狀況決定了中藥房的絕大部分工作還得延續傳統的手抓稱量方式來調配中藥飲片，這使得中藥房調配任務重、用藥量多、工作繁忙。故合理的斗譜編排對于降低工作人員的勞動強度和提高勞動效率有重要意義，而且是避免發生差錯的重要因素。

中藥斗譜的編排多按處方需要、方劑組成、入藥部位、藥物性味、調配人員的習慣等原則進行。這種排列的科學性一直受到關注，有研究者采用計算機對此進行了改進[1～4]，或就其排列原則闡明了自己的看法[5]。對調配的操作進行分解后，筆者發現調配的流程主要由單人逐張處方執行，調配耗用時間與單味藥量的關系不大，但與處方中藥物的種類直接相關。在不同區域藥斗間反復走動是占用時間最多的步驟，如何減少這種重復走動是縮減工作時間的關鍵因素。使同一張處方中的不同藥集中在一個區域以方便抓取，即可有效地解決這個問題。為此，需要考慮單獨每張處方含有中藥的關聯度（或聚集度），以便更合理地進行斗譜排列。

數據挖掘（Data mining）是一個從海量數據中抽取挖掘出未知的、有價值的模式或規律等知識的復雜過程。其中的關聯分析（Association analysis）是從給定的數據集發現頻繁出現的項集模式知識，廣泛用于市場營銷、事務分析等應用領域。門診中藥房處方量大，每張處方包含信息量也多，適合于用應用數據挖掘原理進行關聯分析。

基于上述考慮，筆者采用數據挖掘專用軟件SPSSClementine（12.0版）對我院門診中藥房的處方進行了統計分析，以期找出其排列規律。

1 資料來源

調取我院門診中藥房2009年11月至2010年8月所有中藥調劑處方，采用整群隨機抽樣的方法，以天為單位抽樣。隨機數由Excel隨機函數發生（2003版），乘以30后取整數即為某月抽中的天數，抽中的當天所有處方均納入研究。

2 方法

由于我院門診中藥房的管理軟件不能完整導出處方數據，故采用人工錄入的方法，將總計2 054張處方按日期、醫師名、處方流水號、處方藥物錄入Excel表格中，雙人核對，對其單元格數據格式進行規范化（“1”代表處方中含有該中藥，“0”代表不含有）后導入SPSSClementine軟件中建立處方數據庫，數據類型為“標志”，字段輸入方向為“兩者”，建立節點和數據流。

對所有納入研究的處方按單味藥物的使用頻數進行統計，并按頻數排名次序計算其累積使用頻數。從數據庫去除使用頻數低于30次以下的藥物，建立篩選數據庫。

按支持度為0.5%、置信度為40%，對篩選數據庫進行關聯分析（在同一張處方中出現的中藥相互間均為關聯），繪出環形Web圖（舍去300以下的鏈接，用線條粗細代表關聯的強弱）；對頻數排名前30味藥物分別作關聯分析，繪制定向Web圖。

3 結果

采用整群隨機抽樣的方法獲得2 054張處方，建立處方數據庫后，統計共使用了229味中藥，基本覆蓋了藥房的全部中藥。對中藥使用的頻數進行統計排序后發現，使用頻數最高的為甘草（1 924次），近93.8%的處方中含有它，其頻數是排序第2位黃芩（982次）的2倍。使用頻數排序前30味中藥使用頻數總和占藥物總使用頻數的61.7%，依次為甘草、黃芩、玄參、板藍根、苦杏仁、前胡、白前、旱半夏、山茱萸、浙貝母、丹參、黃芪、桔梗、川貝母、白芷、山楂、紫蘇葉、桑白皮、牛膝、黃柏、黨參、金銀花、麥芽、砂仁、生地黃、白芍、川芎、當歸、黃連、荊芥。統計還顯示，排名前58味的中藥使用頻數總和占藥物總使用頻數的80.4%，表明絕大部分中藥調劑工作與這些藥有關。

使用頻數第122～225位的中藥累積使用次數均在30次以下（平均每月使用＜3次），可以認為這些藥的使用頻數較低，即使與其他藥有關聯，其數據對分析的意義不大。為減少計算量，對使用頻數第1～121位的中藥重建篩選數據庫，對其進行關聯分析（見圖1），得到鏈接＞300的17味中藥，依次為甘草（GCO）、黃芩（HQG）、玄參（XSG）、板藍根（BLG）、苦杏仁（KXR）、前胡（QHU）、白前（BQN）、旱半夏（HBX）、山茱萸（SZY）、浙貝母（ZBM）、丹參（DSG）、黃芪（HQI）、桔梗（JGG）、川貝母（JBI），白芷（BZI）、山楂（SZO）、紫蘇葉（SYE），這與使用頻數的排序基本一致（見表1）。同時對使用頻數第1～30位的中藥分別在篩選數據庫中進行定向關聯分析（例如與黃芪關聯度大的藥物依次為甘草（GCO）、山茱萸（SZY）、丹參（DSG）、黨參（DAS）、山楂（SZO）、玄參（XSG）、黃柏（HBI），見圖2），分別得到與這30味中藥關聯度較大的前8名藥物，去重復后合計共41味藥。

表1 強關聯藥物表（links＞300）Tab 1 Herbswith strong correlation（links＞300）

4 討論

既往的斗譜排列改良所應用的方法多為自編的計算程序[1，2]或者利用微軟 Office中的Excel程序[3，4]，其表格的容積和計算量有限，并不適宜門診中藥房的大量處方統計；其計算原理大都基于藥物的使用頻數統計[3，4]，相對合理的則利用模糊數學隸屬函數進行計算[1，2]，未對調配過程進行更進一步的探索。數據挖掘技術用于中藥斗譜的研究尚未見報道。

本研究以關聯度而非使用頻數作為主要的統計變量，利用關聯分析方法對大量處方進行分析。關聯分析的計算量與處方量及每張處方中含有的藥味成正比，門診處方量每月數以千計，中藥處方的品種組合較多，無法按化學藥的系統疾病藥物歸類簡化，大時間跨度的處方量完全進行數據挖掘分析對計算機硬件要求較高。為了適應現有的計算條件，盡可能多地涵蓋多個時間段，本研究采用整群隨機抽樣的方法對門診處方以天為單位取樣，確保了數據樣本的代表性，較好地保留了處方中的關聯度特征，又不會因處方量增加而使計算量激增。在計算過程中合理地舍棄了累積使用頻數低于一定數目的藥物，建立篩選數據庫，進一步減少了計算量，使關聯分析工作得以在普通計算機上進行。由于關聯分析的排序與使用頻數有一定的關系，某些強關聯的藥物可能由于使用率較低而被軟件漏掉，為此對單味藥進行定向關聯分析是整個數據庫關聯分析的必要補充。

本研究得到的使用頻數最高的30味藥，其組成有一定規律：多為清熱解毒或滋補藥物，表明在我院中醫科就診患者以中醫內科疾病為主；對使用頻數排列前121味藥的關聯分析顯示其與使用頻數排序基本一致，這與臨床工作的經驗相符。對其中每一味藥分別做定向關聯計算，也體現了這一特征：定向關聯得到的41種常用藥物均包含在使用頻數前60名內。把這41味藥排列在藥斗的最適位置，其相關藥在周圍，只需要變動不多的藥斗位置，就可較好地避免斗譜改良后員工的記憶紊亂；對此筆者還采用人機工程學原理對藥斗的擺放位置、藥柜高度、強關聯藥物的分布進行了重新設計和布局，得到了較好的效果（另文發表）；對于使用頻數最高的甘草，每日消耗量也大，采用大斗裝藥，并多處設斗放置的方式較好地滿足了其用量和頻數的要求。

本研究嘗試采用GRI或Apriori算法建模進一步分析處方數據的規律，未獲成功，僅作描述性的圖形分析。究其原因與數據庫規模較大（2 052×229＝469 908個），藥物的種類多導致數據庫的列數很多，顯著增加關聯計算量，單味藥的使用記錄在其中占的比例較小（最大使用頻數的甘草也只占8.5%），其支持度很難滿足建模要求有關。

本研究僅從門診中醫處方的藥物關聯度進行統計分析，對組方的合理性未作更多的考究；基于醫師個人的組方偏好，本研究得到的結論也不完全適合其他醫院，但其應用數據挖掘原理處理藥房數據、進行關聯分析的模式可以借鑒。在此基礎上更進一步地提取處方中含有的其他信息，也可以為藥房的各種藥事管理提供數據支持。

（致謝：感謝廣州中醫藥大學臨床藥理研究所伍海濤老師的指導！）

[1] 文亦兵，文洪宇，呂得屏.用模糊數學考查中藥飲片斗譜的編排[J].中國藥房，1997，8（6）：288.

[2] 文洪宇，文亦兵.中藥飲片斗譜的編排與考查[J].中國醫院藥學雜志，1999，19（1）：60.

[3] 陳忠東，雷 頌.中藥斗譜編排的電子計算機輔助設計[J].中國藥房，2007，18（12）：950.

[4] 崔麗娟，朱立平.利用現代化手段科學編排中藥斗譜[J].北京中醫藥，2011，30（6）：463.

[5] 石 江，楊建文，葉 風.中藥斗譜編排的合理性探討[J].遵義醫學院學報，2001，24（2）：189.

Application of Association Analysisin Arrangement of Drawer Position of Traditional Chinese Medicine

WU Hai-peng，LIU Hong-xiong，LAN Le-xia，KANG Jie，ZHANG Hong-lian
（TCM Pharmacy，Lengshuijiang Municipal People’s Hospital，Hunan Lengshuijiang 417500，China）

OBJECTIVE：To look for the association rule of herbs in TCM prescription so as to arrange the position of drawers.METHODS：2 054 prescriptions collected from TCM pharmacy of our hospital during Nov.2009－Aug.2010 were analyzed statistically by using SPSS Clementine software to find out the regularity of herb arrangement.RESULTS：Herbs occupying the top place of frequency were Glycyrrhizae Radix et Rhizoma，Scutellaria baicalensis，Scrophularia ningpoensis，Isatis indigotica，Armeniacae Semen Amarum and other 30 herbs.41 commonly used herbs were closely associated with them；the 41 commonly used herbs were arranged in the suitable position of drawers and surrounded by relevant herbs to improve dispensing efficiency greatly.CONCLUSION：Herbs with close correlation should be placed at suitable position to accelerate dispensing of TCM and improve labor efficiency.

Data mining；Association analysis；Traditional Chinese medicine；Drawer position

R282；R942

B

1001-0408（2012）43-4120-03

DOI 10.6039/j.issn.1001-0408.2012.43.35

2011-11-23

2012-01-09）

＊博士研究生。研究方向：藥物政策、中藥監管。電話：024-23595055。E-mail：fangfang1119@126.com

#通訊作者：教授，研究員。研究方向：社會藥學。E-mail：h5831@yahoo.cn