-
中医药促进创面修复是目前研究的热点,有大量研究提示,中药在创面修复的治疗和护理上有很好的效果。现代研究也发现,外用中药能酸化、营养创面,多靶点、多环节发挥作用。创面的修复过程包括炎症期、增殖期和重塑期[1]。炎症期主要表现为充血、渗出和白细胞浸润。增殖期包括血管生成以及细胞的增殖迁移。重塑期出现胶原蛋白的合成和降解,这与肌成纤维细胞、转化生长因子-β(TGF-β)和基质金属蛋白酶(matrix metal-loproteinases, MMPs)有关[2]。中医外科治疗创面根据不同的病程时期分别应用“消” “托” “补”三法。本文研究了中药方剂的配伍规律,对创面修复不同时期的用药机制研究具有指导意义。
应用数据挖掘技术可以从大量信息中得出需要的用药规律从而为科学组方提供理论依据。我们收集文献,建立数据库,总结了中医药促进创面修复的用药规律,为进一步推动中药促进创面修复的组方研究奠定基础。
-
纳入分析的中药方剂75首,中药二〇三味,药物出现频数总计558次。使用频率最高为29.33%,最低为1.33%。将方剂中单味药使用频率在10%以上的十六味中药归纳为本研究的核心中药,其频数、频率分析见表1。
表 1 核心中药的频数和频率结果
序号 药物 频数(次) 频率(%) 1 乳香 22 29.33 2 甘草 20 26.67 3 当归 18 24.00 4 白芷 15 20.00 5 黄柏 14 18.67 6 没药 14 18.67 7 大黄 13 17.33 8 血竭 13 17.33 9 冰片 11 14.67 10 麻油 11 14.67 11 赤芍 10 13.33 12 金银花 9 12.00 13 轻粉 9 12.00 14 朱砂 9 12.00 15 白矾 8 10.67 16 木鳖子 8 10.67 -
依据《中国药典》(2020年版)分类标准,将75首方剂中的203种中药分为26类。药类选用频率最高为清热药(22.8%),其次为活血化瘀药(15.4%),再次为补虚药(12.0%),成为中医药治疗创面修复的基本配伍药类,而拔毒化腐生肌药(5.7%)和解表药(5.7%)是有一定辅助治疗效果的配伍药类,祛风湿药、攻毒杀虫止痒药等药类在治疗中也有一定的选用频率。方剂中药类选用频数、频率分析,见表2。
表 2 药类频数和频率结果
药物类别 味数 频数(次) 频率(%) 累计频率(%) 清热药 40 127 22.8 22.8 活血化瘀药 20 86 15.4 38.2 补虚药 177 67 12.0 50.2 拔毒化腐生肌药 11 32 5.7 55.9 解表药 15 32 5.7 61.6 祛风湿药 14 25 4.5 66.1 攻毒杀虫止痒药 8 24 4.3 70.4 开窍药 6 22 3.9 74.4 理气药 12 18 3.2 77.6 利水渗湿药 11 18 3.2 80.8 安神药 6 16 2.9 83.7 泻下药 2 15 2.7 86.4 收涩药 6 14 2.5 88.9 化痰止咳平喘药 7 12 2.2 91.0 止血药 8 10 .8 92.8 补气药 1 7 1.3 94.1 活血止痛药 2 6 1.1 95.2 燥湿药 1 6 1.1 96.2 平肝熄风药 5 5 0.9 97.1 祛风药 1 5 0.9 98.0 温里药 4 5 0.9 98.9 攻下药 2 2 0.4 99.3 消食药 2 2 0.4 99.6 化湿药 1 1 0.2 99.8 治燥药 1 1 0.2 100.0 -
依据《中国药典》(2020年版)分类标准,将203种中药进行药味、药性的频数、频率统计分析:①药味以苦、辛、甘为主,累计频率高达85.63%;②药性以寒、温、平为主,累计频率达95.13%。其选方剂中的药味以及药性的频数、频率分析,分别见表3、表4。
表 3 药味频数和频率结果
药味 味数 频数(次) 频率(%) 累计频率(%) 苦 95 272 31.26 31.26 辛 90 260 29.89 61.15 甘 73 213 24.48 85.63 咸 29 64 7.36 92.99 涩 11 32 3.68 96.67 酸 12 25 2.87 99.54 淡 3 4 0.46 100.00 表 4 药性频数和频率结果
药性 味数 频数(次) 频率(%) 累计频率(%) 寒 75 225 42.13 42.13 温 71 183 34.27 76.40 平 37 100 18.73 95.13 凉 8 13 2.43 97.57 热 8 13 2.43 100.00 -
依据《中国药典》(2020年版)分类标准,将203种中药进行药物归经的频数、频率统计分析,依次为肝经、心经、脾经、胃经、肺经、大肠经,累计频率86.34%。方剂中的药物归经频数、频率分析,见表5。
表 5 归经频数和频率结果
归经 味数 频数 频率(%) 累计频率(%) 肝 103 303 20.29 20.29 心 66 270 18.08 38.38 脾 75 251 16.81 55.19 胃 72 187 12.53 67.72 肺 63 180 12.06 79.77 大肠 34 98 6.56 86.34 肾 40 85 5.69 92.03 膀胱 25 53 3.55 95.58 胆 7 24 1.61 97.19 心包 3 22 1.47 98.66 小肠 2 12 0.80 99.46 三焦 3 8 0.54 100.00 -
采用SPSS statistics22对核心药物聚类分析,结合相关中药理论分析后得出4组聚类结果[8]。这4类分别为聚一类:乳香、没药;聚二类:白芷、木鳖子、芍药、金银花、黄柏、大黄;聚三类:朱砂、白矾、血竭、轻粉、麻油、冰片;聚四类:甘草,当归。使用平均联接(组间)的谱系图重新标度的距离聚类组合,见图1。
-
得出15条使用率最高药对与药组。当归和甘草,乳香规则标识最多,为15;没药和乳香实例最多,为22;没药和乳香支持度最高,为29.33%;乳香和没药、乳香和没药及血竭置信度最高,为100.00%;乳香和没药、没药和乳香规则支持度百分比最高,为18.67%;药对配伍规则分析结果,见表6。药物关联规则网络图,见图2。
表 6 关联规则分析
后项 前项 规则标识 实例 支持度
百分比
(%)置信度
百分比
(%)规则支持度
百分比
(%)乳香 没药 4 14 18.67 100.00 18.67 乳香 没药,血竭 13 7 9.33 100.00 9.33 没药 血竭,乳香 14 9 12.00 77.78 9.33 白芷 木鳖子 1 8 10.67 75.00 8.00 乳香 血竭 6 13 17.33 69.23 12.00 当归 木鳖子,白芷 7 6 8.00 66.67 5.33 甘草 芍药,当归 8 6 8.00 66.67 5.33 白芷 芍药,当归 9 6 8.00 66.67 5.33 当归 芍药,白芷 10 6 8.00 66.67 5.33 乳香 芍药,白芷 11 6 8.00 66.67 5.33 芍药 白芷,乳香 12 6 8.00 66.67 5.33 当归 甘草,乳香 15 6 8.00 66.67 5.33 没药 乳香 5 22 29.33 66.64 18.67 当归 芍药 2 10 13.33 66.00 8.00 白芷 芍药 3 10 13.33 60.00 8.00
Study on the rules of traditional Chinese medicine to promote wound healing based on data mining
-
摘要:
目的 通过整理、挖掘古代典籍和现代文献中促进创面修复的用药规律,为促进修复的临床用药提供新思路。 方法 收集文献中记载的促进创面修复方剂,建立数据库,采用数据挖掘技术进行分析。 结果 在关于中医药促进创面修复的古籍文献中,纳入75首方剂和203味中药,促进创面修复的核心药物有乳香、甘草、当归、白芷、黄柏、没药等,用药种类以清热药、活血化瘀药、补虚药、解表药、拔毒化腐生肌药为主。对16味核心药物进行聚类分析和关联规则分析,得出4个聚类组合和15组药对及药组关联规则。 结论 创面修复方剂的用药规律以清热、活血化瘀、补虚、解表、拔毒化腐生肌为主,中医治疗创面应针对热病、血瘀、虚证、腐烂溃破、表证、中毒等因素进行辨证论治。 Abstract:Objective To provide new ideas for promoting wound healing by digging and sorting out the medication rules in ancient classics and modern literatures. Methods The prescriptions for promoting wound healing recorded in literatures were collected to establish the database. The data mining technology was used for the analysis. Results 75 prescriptions and 203 traditional Chinese medicines were recorded in the ancient TCM literatures for promoting wound healing. The core medicines included frankincense, liquorice, angelica sinensis, angelica dahuricae, cortex phellodendri, myrrh, etc. They mainly belong to the class of clearing-heat drugs, promoting-circulation drugs, reinforcing drugs, relieving drugs, detoxification and tissue granulation drugs. Cluster analysis and association rule analysis were conducted for 16 core drugs. 4 cluster combinations ,15 groups of drug pairs and drug group association rules were obtained. Conclusion The prescription rules for wound healing mainly included clearing heat, promoting circulation, reinforcing, relieving, detoxification, and promoting tissue granulation. TCM wound treatment should be based on syndrome differentiation for fever, blood stasis, deficiency, anabrosis, exterior syndrome and poisoning. -
Key words:
- data mining /
- traditional Chinese medicine /
- wound healing /
- medication rule
-
表 1 核心中药的频数和频率结果
序号 药物 频数(次) 频率(%) 1 乳香 22 29.33 2 甘草 20 26.67 3 当归 18 24.00 4 白芷 15 20.00 5 黄柏 14 18.67 6 没药 14 18.67 7 大黄 13 17.33 8 血竭 13 17.33 9 冰片 11 14.67 10 麻油 11 14.67 11 赤芍 10 13.33 12 金银花 9 12.00 13 轻粉 9 12.00 14 朱砂 9 12.00 15 白矾 8 10.67 16 木鳖子 8 10.67 表 2 药类频数和频率结果
药物类别 味数 频数(次) 频率(%) 累计频率(%) 清热药 40 127 22.8 22.8 活血化瘀药 20 86 15.4 38.2 补虚药 177 67 12.0 50.2 拔毒化腐生肌药 11 32 5.7 55.9 解表药 15 32 5.7 61.6 祛风湿药 14 25 4.5 66.1 攻毒杀虫止痒药 8 24 4.3 70.4 开窍药 6 22 3.9 74.4 理气药 12 18 3.2 77.6 利水渗湿药 11 18 3.2 80.8 安神药 6 16 2.9 83.7 泻下药 2 15 2.7 86.4 收涩药 6 14 2.5 88.9 化痰止咳平喘药 7 12 2.2 91.0 止血药 8 10 .8 92.8 补气药 1 7 1.3 94.1 活血止痛药 2 6 1.1 95.2 燥湿药 1 6 1.1 96.2 平肝熄风药 5 5 0.9 97.1 祛风药 1 5 0.9 98.0 温里药 4 5 0.9 98.9 攻下药 2 2 0.4 99.3 消食药 2 2 0.4 99.6 化湿药 1 1 0.2 99.8 治燥药 1 1 0.2 100.0 表 3 药味频数和频率结果
药味 味数 频数(次) 频率(%) 累计频率(%) 苦 95 272 31.26 31.26 辛 90 260 29.89 61.15 甘 73 213 24.48 85.63 咸 29 64 7.36 92.99 涩 11 32 3.68 96.67 酸 12 25 2.87 99.54 淡 3 4 0.46 100.00 表 4 药性频数和频率结果
药性 味数 频数(次) 频率(%) 累计频率(%) 寒 75 225 42.13 42.13 温 71 183 34.27 76.40 平 37 100 18.73 95.13 凉 8 13 2.43 97.57 热 8 13 2.43 100.00 表 5 归经频数和频率结果
归经 味数 频数 频率(%) 累计频率(%) 肝 103 303 20.29 20.29 心 66 270 18.08 38.38 脾 75 251 16.81 55.19 胃 72 187 12.53 67.72 肺 63 180 12.06 79.77 大肠 34 98 6.56 86.34 肾 40 85 5.69 92.03 膀胱 25 53 3.55 95.58 胆 7 24 1.61 97.19 心包 3 22 1.47 98.66 小肠 2 12 0.80 99.46 三焦 3 8 0.54 100.00 表 6 关联规则分析
后项 前项 规则标识 实例 支持度
百分比
(%)置信度
百分比
(%)规则支持度
百分比
(%)乳香 没药 4 14 18.67 100.00 18.67 乳香 没药,血竭 13 7 9.33 100.00 9.33 没药 血竭,乳香 14 9 12.00 77.78 9.33 白芷 木鳖子 1 8 10.67 75.00 8.00 乳香 血竭 6 13 17.33 69.23 12.00 当归 木鳖子,白芷 7 6 8.00 66.67 5.33 甘草 芍药,当归 8 6 8.00 66.67 5.33 白芷 芍药,当归 9 6 8.00 66.67 5.33 当归 芍药,白芷 10 6 8.00 66.67 5.33 乳香 芍药,白芷 11 6 8.00 66.67 5.33 芍药 白芷,乳香 12 6 8.00 66.67 5.33 当归 甘草,乳香 15 6 8.00 66.67 5.33 没药 乳香 5 22 29.33 66.64 18.67 当归 芍药 2 10 13.33 66.00 8.00 白芷 芍药 3 10 13.33 60.00 8.00 -
[1] GURTNER G C, WERNER S, BARR and ON Y, et al. Wound repair and regeneration[J]. Nature,2008,453(7193):314-321. doi: 10.1038/nature07039 [2] 王馨悦, 罗赛, 郝立君. 脂肪来源干细胞的细胞外囊泡在创面修复及脂肪移植术中应用的研究进展[J]. 中国美容整形外科杂志, 2021, 32(4):252-253. doi: 10.3969/j.issn.1673-7040.2021.04.022 [3] 傅翔, 杨樟卫, 陈盛新, 等. 剖宫产手术预防性使用抗菌药的数据挖掘[J]. 药学实践杂志, 2012, 30(2):109-114. doi: 10.3969/j.issn.1006-0111.2012.02.009 [4] 赵新, 张林旭, 路雪婧. 基于数据挖掘预防新型冠状病毒肺炎中医方药初探[J]. 中草药, 2020, 51(5):1147-1152. doi: 10.7501/j.issn.0253-2670.2020.05.008 [5] 武凤震, 赵文光. 基于数据挖掘的癫痫用药规律探索[J]. 中国实验方剂学杂志, 2017, 23(8):190-195. [6] ZHOU R, ZHU Y, YANG W, et al. Discovery of herbal pairs containing Gastrodia elata based on data mining and the Delphi expert questionnaire and their potential effects on stroke through network pharmacology[J]. Evidence-based Complementary 和 Alternative Medicine, 2020, 2020: 4263591. ZHOU R, ZHU Y, YANG W, et al. Discovery of herbal pairs containing Gastrodia elata based on data mining and the Delphi expert questionnaire and their potential effects on stroke through network pharmacology[J]. Evidence-based Complementary and Alternative Medicine, 2020, 2020:4263591. [7] 綦向军, 张洁, 彭悦, 等. 基于数据挖掘国医大师治疗胸痹心痛的用药规律分析[J]. 中国中医基础医学杂志, 2019, 25(12):1685-1688. [8] 徐鹏, 张艺缤, 吕志国, 等. 基于数据挖掘的中医药治疗重症肌无力用药规律分析[J]. 北京中医药大学学报, 2018, 41(12):1041-1046. doi: 10.3969/j.issn.1006-2157.2018.12.012 [9] 岑经途, 黎少玲, 闫亚杰, 等. 基于数据挖掘的喉痹内服方剂用药规律分析[J]. 中国中医基础医学杂志, 2020, 26(2):241-244. doi: 10.3969/j.issn.1006-3250.2020.02.031 [10] 赵翠云, 李杰, 吴童, 等. 基于数据挖掘探究中药古方治疗肺癌用药规律[J]. 天津中医药大学学报, 2020, 39(5):513-519. [11] LE J, LIN Z, SONG L, et al. LC-MS/MS combined with in vivo microdialysis sampling from conscious rat striatum for simultaneous determination of active constituents of Yuanhu-Baizhi herb pair and endogenous neurotransmitters: Application to pharmacokinetic and pharmacodynamic study[J]. Journal of Pharmaceutical 和 Biomedical Analysis, 2019, 176: 112807. LE J, LIN Z, SONG L, et al. LC-MS/MS combined with in vivo microdialysis sampling from conscious rat striatum for simultaneous determination of active constituents of Yuanhu-Baizhi herb pair and endogenous neurotransmitters: Application to pharmacokinetic and pharmacodynamic study[J]. Journal of Pharmaceutical and Biomedical Analysis, 2019, 176:112807.