大数据背景下的中医药临床研究——基于数据挖掘分析欧阳郴生名中医治疗肺癌的用药规律
基于大数据的中医文献数据挖掘
基于大数据的中医文献数据挖掘一、引言中医作为中国独特的传统医学体系，积累了丰富的医疗经验和知识。
随着大数据时代的到来，利用大数据技术挖掘中医文献数据，可以匡助我们更好地理解中医的理论体系、研究方法和治疗方案。
本文旨在介绍基于大数据的中医文献数据挖掘的方法和应用。
二、数据采集为了进行中医文献数据挖掘，首先需要采集和整理相关的中医文献数据。
我们可以从各种中医文献数据库、期刊、书籍和论文中获取数据。
这些数据可以包括中医诊疗案例、中药方剂、中医理论等内容。
为了保证数据的准确性和全面性，可以采用多种数据采集方法，如手动爬取、自动抓取和人工整理。
三、数据预处理在进行数据挖掘之前，需要对采集到的中医文献数据进行预处理。
预处理的目的是清洗和转换数据，使其适合于后续的数据挖掘算法。
预处理的步骤可以包括数据清洗、数据集成、数据转换和数据规约等。
数据清洗主要是去除重复数据、缺失数据和错误数据。
数据集成是将多个数据源的数据进行整合。
数据转换是将数据转换成适合挖掘的形式，如将文本数据转换成向量表示。
数据规约是减少数据集的大小，以提高挖掘效率。
四、数据挖掘方法在中医文献数据挖掘中，可以应用多种数据挖掘方法，如关联规则挖掘、分类、聚类和文本挖掘等。
关联规则挖掘可以用来发现中医病症和治疗方法之间的关联关系。
分类可以根据中医文献数据的特征，将其分为不同的类别。
聚类可以将相似的中医文献数据会萃在一起，以便进行进一步的分析。
文本挖掘可以从中医文献中提取关键词、疾病信息和治疗方案等。
五、数据挖掘应用基于大数据的中医文献数据挖掘可以应用于多个领域。
在临床医学中，可以利用挖掘出的中医病症和治疗关联规则，辅助医生进行疾病诊断和治疗方案选择。
在中医药研究领域，可以通过挖掘中医文献数据，发现新的中药方剂和治疗方法，推动中医药的创新和发展。
在中医教育领域，可以利用挖掘出的中医理论知识，设计教学课程和教材，提高中医教育的质量。
六、挖掘结果分析在进行中医文献数据挖掘后，需要对挖掘结果进行分析和解释。
中医行业工作中的中医药临床试验数据分析
中医行业工作中的中医药临床试验数据分析中医药是中国传统医药的重要组成部分，近年来在世界范围内备受关注。
临床试验是评价药物安全性和疗效的重要手段之一，通过对中医药临床试验数据的分析，可以揭示中医药的疗效和安全性，为中医药的进一步研发和推广提供科学依据。
本文将就中医行业工作中的中医药临床试验数据分析进行探讨。
一、中医药临床试验数据的来源中医药临床试验数据的来源主要有两种：一是通过实际临床治疗中的患者数据，即观察性临床试验数据；二是通过人工进行试验控制的实验数据，即实验性临床试验数据。
观察性临床试验数据的特点是真实性强，反映了中医药在实际应用中的效果，但其数据的随机性较差，存在一定的偏倚。
实验性临床试验数据通过人工设计的试验方案进行数据收集，具有较强的随机性，可以减少偏倚，并辅以统计学方法进行分析。
二、中医药临床试验数据分析方法中医药临床试验数据的分析方法主要包括描述性统计分析、推断性统计分析和数据挖掘等。
1. 描述性统计分析描述性统计分析是对中医药临床试验数据的基本情况进行概括和总结，包括测量指标的均值、中位数、标准差等。
通过描述性统计分析，可以初步了解中医药的治疗效果和安全性。
2. 推断性统计分析推断性统计分析是通过从样本数据中推断总体的参数情况，进而对中医药的疗效和安全性进行评估。
常用的推断性统计方法包括假设检验、置信区间估计和回归分析等。
假设检验可以用来判断中医药的疗效是否显著，置信区间估计可以估计中医药的效应幅度，回归分析可以探究中医药治疗效果与其他因素之间的关系。
3. 数据挖掘数据挖掘是通过大规模数据的分析和处理，发现其中隐含的、以往未知的模式和规律。
在中医药临床试验数据分析中，数据挖掘可以帮助研究人员进一步挖掘出中医药的潜在效应，为药物研发和临床应用提供指导。
三、中医药临床试验数据分析的应用中医药临床试验数据分析的应用主要体现在以下几个方面：1. 评价药物的安全性通过对中医药临床试验数据进行统计分析，可以评估药物的不良反应发生率和严重程度，为药物的安全性评价提供依据。
中医药临床数据分析与解读
中医药临床数据分析与解读中医药作为我国传统医学的重要组成部分，具有悠久的历史和丰富的理论体系。
如今，随着数据科学和人工智能的快速发展，中医药临床数据分析在深入研究中医药的功效与安全性方面起到了重要作用。
本文将对中医药临床数据分析的方法和应用进行探讨，并对解读中医药临床数据的意义进行分析。
一、中医药临床数据分析方法中医药临床数据分析的方法主要包括统计分析、机器学习和深度学习等。
统计分析是中医药研究中最常用的方法之一，通过对大量的中医药临床数据进行整理和分析，发现其中的规律和趋势。
机器学习则利用机器学习算法对中医药临床数据进行模式识别和预测，从而辅助医生做出治疗决策。
深度学习是机器学习的一种延伸，通过搭建深度神经网络，可以更好地处理中医药临床数据中的复杂关系和非线性问题。
二、中医药临床数据分析的应用中医药临床数据分析在临床实践中具有广泛的应用价值。
首先，中医药临床数据分析可以帮助医生从大量的数据中快速找到治疗疾病的方法和方案。
通过对中医药临床数据的分析，医生可以了解到不同中医药治疗方法的疗效和适应症，从而更好地为患者提供个性化的治疗方案。
其次，中医药临床数据分析可以辅助医生进行病情的动态监测和预测。
通过对患者的临床数据进行分析，可以实现对病情发展的预警和追踪，及时调整治疗方案，提高治疗效果。
此外，中医药临床数据分析还可以为临床研究提供科学的依据和参考，推动中医药的发展和应用。
三、解读中医药临床数据的意义解读中医药临床数据是临床决策和研究的重要环节。
通过对中医药临床数据的解读，可以更好地了解中医药治疗的特点和规律，并为中医药的推广和应用提供科学的依据。
同时，解读中医药临床数据也可以帮助我们更好地理解中医药理论，并发现其中蕴含的宝贵知识。
此外，中医药临床数据的解读还可以为临床实践提供指导，辅助医生做出科学的治疗决策。
四、中医药临床数据分析与隐私保护在进行中医药临床数据分析时，我们也应当重视患者的隐私保护。
数据挖掘及其在中医药现代化研究中的应用
数据挖掘及其在中医药现代化研究中的应用
中医药虽然历史悠久，在医学上发挥了重要作用，但在现代化研究中仍然相对落后，对于这种民族医药，尤其是它的奥秘，研究者们尚不能完全探知其中的原理。
而数据挖掘技术的出现，为中医药研究的发展提供了可能性，它让研究者们能够从许多数据中挖掘出规律，有效的发现临床表现上的病症相关的特征，有助于更好的了解中医药的治疗原理，提高中医药现代化研究的灵活性。
首先，数据挖掘技术可以从历史病例中挖掘有价值的信息，其中涵盖着大量的症状、药物调用等信息，能够有效的实现对患者复杂体质的识别，以案例为基础的较为准确的诊断精准，从而更好的针对患者的特殊性进行治疗，为中医药现代化研究打下基础。
同时，通过数据挖掘，能够有效的从中药材数据库中发掘疗效显著的药物，从而快速、准确地形成一套最有效的治疗方案，为中医药的现代化研究打开了新的思路。
当然，在应用数据挖掘技术对中医药进行现代化研究时，由于中医药研究涉及到多学科的知识，它的涉及领域也比较复杂，要实现数据挖掘技术的最大价值，需要一定的建模等手段。
因此，在这个建模的过程中，有必要对样本数据进行适当的采集、清洗，以及对中医药相关知识进行分析，由此可以得出适合中医药研究的有价值的模型，为现代化治疗提供有效的支撑。
总之，随着近几年专属于新技术挖掘的发展，中医药现代化研究的精准性将得到极大的提升，数据挖掘技术无疑为中医药的现代化研究奠定了坚实的基础，助力中医药在现代化研究中的更新换代，更有助于普及中医药的理念和实践。
基于大数据的中医文献数据挖掘
基于大数据的中医文献数据挖掘一、引言中医是中国传统医学的重要组成部份，拥有悠久的历史和丰富的理论体系。
随着大数据时代的到来，中医文献中蕴含的珍贵知识和经验也成为了研究的热点之一。
本文将介绍基于大数据的中医文献数据挖掘的方法和应用。
二、数据采集与预处理1. 数据来源本研究采用了多个数据来源，包括中医药数据库、中医文献数据库以及相关的学术论文数据库。
其中，中医药数据库包含了大量的中医方剂、中药材等信息，中医文献数据库则包含了中医经典著作和医案等文献资料。
2. 数据获取通过编写爬虫程序，从各个数据源中获取中医文献数据。
爬虫程序可以根据关键词、作者、时间等条件进行数据的筛选和抓取。
3. 数据清洗获取到的原始数据可能存在噪声和冗余信息，需要进行数据清洗。
清洗的过程包括去除重复数据、处理缺失值、纠正错误数据等。
三、数据挖掘方法1. 文本预处理对于中医文献数据，首先需要进行文本预处理。
包括分词、去除停用词、词性标注等。
这些步骤可以匡助我们更好地理解和分析文本数据。
2. 关联规则挖掘关联规则挖掘是一种常用的数据挖掘方法，可以用来发现中医文献中的潜在关联关系。
通过分析中医方剂与疾病、症状之间的关联规则，可以匡助医生和研究人员更好地理解中医药的治疗原理。
3. 主题模型主题模型是一种用于挖掘文本数据中隐藏主题的方法。
在中医文献数据中，可以利用主题模型来挖掘中医药的核心理论和疗效。
通过分析文献中的关键词和主题分布，可以发现中医药的研究热点和未来发展方向。
四、数据挖掘应用1. 中医药知识图谱构建基于大数据的中医文献数据挖掘可以匡助构建中医药知识图谱。
通过将中医文献中的概念、关系等信息进行整理和归纳，可以构建一个全面而准确的中医药知识图谱。
这个图谱可以为中医药的研究和应用提供重要的参考依据。
2. 中医药疾病预测利用中医文献数据挖掘的方法，可以发现中医药与疾病之间的关联关系。
通过分析中医文献中的病案和方剂数据，可以建立中医药与疾病之间的预测模型。
数据挖掘技术在中医医案的应用研究
数据挖掘技术在中医医案的应用研究【摘要】本文探讨了数据挖掘技术在中医医案中的应用研究。
首先介绍了中医医案的特点，包括综合性、个性化和经验性。
然后阐述了数据挖掘技术在中医医案中的应用，如关联规则、聚类和分类算法等。
接着介绍了研究方法，以及实践案例分析，展示了数据挖掘技术在中医医案中的价值和意义。
分析了技术优势，探讨了数据挖掘技术在中医医案中的应用前景。
最后总结了研究成果，提出了未来的发展展望。
该研究对于挖掘中医医案中的知识规律，提高中医诊疗水平具有重要意义，有望推动中医药现代化发展。
【关键词】中医医案、数据挖掘技术、研究背景、研究意义、特点、研究方法、实践案例分析、技术优势、应用前景、研究成果总结、未来展望1. 引言1.1 研究背景中国医学源远流长，中医学作为独特的医学体系，具有悠久的历史和丰富的理论体系。
中医医案作为中医临床实践的总结和宝贵资料，承载着丰富的医学知识和临床经验。
随着医疗信息化的快速发展，传统的中医医案记录方式已经不能满足现代医疗的需求。
数据挖掘技术的出现为中医医案的挖掘和应用提供了新的思路和方法。
数据挖掘技术可以通过分析大量的中医医案数据，发现其中的规律和模式，为中医临床实践提供更科学、更精准的指导。
通过数据挖掘技术，可以更好地理解中医药的特点和规律，发现疾病的发病机制和变化规律，提高中医临床诊疗的效率和准确性。
对数据挖掘技术在中医医案中的应用进行深入研究具有重要意义和价值。
通过将数据挖掘技术与中医医案相结合，可以进一步挖掘中医医案中蕴含的宝贵信息，推动中医药的现代化和智能化发展。
部分总结。
1.2 研究意义数据挖掘技术在中医医案的应用具有重要的研究意义。
中医医案是中医临床实践的重要组成部分，包含了丰富的临床经验和治疗方案。
通过数据挖掘技术对中医医案进行分析挖掘，可以帮助医生更好地理解中医理论、改进临床诊疗技术，提高中医临床实践水平。
数据挖掘技术可以帮助中医医案进行大规模的数据挖掘和分析，发现其中隐藏的规律和关联性。
数据挖掘及其在中医药现代化研究中的应用
数据挖掘及其在中医药现代化研究中的应用一、本文概述随着信息技术的快速发展，数据挖掘作为一种高效的信息处理技术，已经在各个领域展现出其独特的优势。
在中医药现代化研究领域，数据挖掘技术的运用更是为传统中医药的现代化发展提供了新的视角和工具。
本文旨在探讨数据挖掘技术在中医药现代化研究中的应用，以期推动中医药领域的科技进步和创新发展。
本文将首先介绍数据挖掘技术的基本概念、原理和方法，然后重点分析数据挖掘技术在中医药现代化研究中的应用案例和效果。
我们将从中药材的种植、采摘、炮制、配伍、药效评价等多个环节入手，详细阐述数据挖掘技术在这些方面的具体应用，以及所带来的实际效果和潜在价值。
本文还将对数据挖掘技术在中医药现代化研究中面临的挑战和问题进行深入探讨，包括数据挖掘技术的局限性、中医药数据的复杂性、数据挖掘与中医药知识的融合等问题。
通过这些问题的分析，我们希望能够为数据挖掘技术在中医药现代化研究中的进一步应用提供有益的思考和建议。
本文旨在全面、系统地探讨数据挖掘技术在中医药现代化研究中的应用，以期为中医药领域的科技进步和创新发展贡献一份力量。
二、数据挖掘技术概述数据挖掘（Data Mining）是一门新兴的交叉学科，它融合了数据库技术、机器学习、统计学等多个学科的理论和方法。
数据挖掘的主要目的是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识。
这些信息和知识可以表示为概念、规则、规律、模式等形式，它们可以用于决策支持、过程控制、信息查询、科学研究等多个领域。
数据挖掘的过程通常包括数据预处理、数据挖掘、结果解释和评估等步骤。
数据预处理是对原始数据进行清洗、转换和整合的过程，以消除噪声、处理缺失值、标准化数据等，使得数据更适合于挖掘。
数据挖掘阶段则利用各种算法和工具，如聚类分析、决策树、神经网络、关联规则挖掘等，来发现数据中的模式和关联。
基于大数据的中医文献数据挖掘
基于大数据的中医文献数据挖掘一、引言中医作为中国传统医学的重要组成部分，拥有悠久的历史和丰富的理论体系。
随着大数据技术的快速发展，中医文献数据挖掘成为了一项重要的研究领域。
本文旨在介绍基于大数据的中医文献数据挖掘的相关内容，包括数据来源、挖掘方法和应用实例等。
二、数据来源中医文献数据挖掘的第一步是确定数据来源。
中医文献包括古代经典著作、临床案例、医案等多种形式。
目前，许多中医文献已经被数字化，可以通过网络获取。
常见的中医文献数据库包括中国中医药信息网、中国国家图书馆数字资源库等。
这些数据库提供了大量的中医文献数据，可以作为中医文献数据挖掘的数据源。
三、挖掘方法中医文献数据挖掘的方法多种多样，常用的方法包括文本挖掘、关联规则挖掘和主题模型等。
1. 文本挖掘文本挖掘是指从大量的文本数据中提取有用的信息和知识。
在中医文献数据挖掘中，可以通过文本挖掘方法提取中医药的关键词、病症描述、治疗方法等信息。
例如，可以使用自然语言处理技术对中医文献进行分词、词性标注和命名实体识别，从而得到中医药的相关信息。
2. 关联规则挖掘关联规则挖掘是指从数据集中发现项之间的关联关系。
在中医文献数据挖掘中，可以利用关联规则挖掘方法发现中医病症与治疗方法之间的关联关系。
例如，可以通过挖掘中医文献数据，发现某些中医病症常常与特定的中药方剂相关联，从而为中医临床提供参考。
3. 主题模型主题模型是一种用于发现文本数据中潜在主题的统计模型。
在中医文献数据挖掘中，可以使用主题模型方法发现中医文献中的潜在主题。
例如，可以通过主题模型方法分析中医文献中的病症描述和治疗方法，从而得到中医药的研究热点和趋势。
四、应用实例中医文献数据挖掘在医学研究和临床实践中具有重要的应用价值。
以下是一些应用实例：1. 中医药知识图谱构建通过挖掘中医文献数据，可以构建中医药知识图谱，将中医药的相关知识以图谱的形式展示出来。
中医药知识图谱可以帮助医生和研究人员更好地理解中医药的理论体系和临床应用。
基于数据挖掘分析中医联合化疗治疗非小细胞肺癌用药规律
基于数据挖掘分析中医联合化疗治疗非小细胞肺癌用药规律作者：苏振邦易良杰来源：《云南中医中药杂志》2024年第04期*基金项目：2023年广东省中医药管理局项目（20231347）第一作者简介：苏振邦（1996-），男，在读硕士研究生，研究方向：中医内科学（肿瘤方向）。
△通信作者：易良杰，E-mail：************************摘要：目的基于数据挖掘分析中医药在接受化疗治疗的非小细胞肺癌（NSCLC）的患者中的成方规律，以期为临床遣方用药及新药研发提供一定的借鉴。
方法检索并筛选中国期刊全文数据库、中国学术期刊数据库、中国生物医学文献数据库、中文科技期刊数据库等数据库收载的中医药口服方剂治疗非小细胞肺癌的文献作为数据来源，通过筛选后建立方剂数据库，运用EXCEL、SPSS和SPSSModeler软件对用药配伍关系、用药频次及剂量、中药药性、症状等进行归纳分析，使用Apriori算法构建关联规则模型，并采用Cytoscape对中药共现关系构建可视化网络图形。
结果共纳入文献156篇；涉及方剂156首，中药241味；关联规则分析发现常用中药高频组合9组，发现关联规则共51条，可视化网络提示核心中药组方为四君子汤；常用中药使用频次前3位是黄芪、麦冬、茯苓；五味以甘最为常用，苦、辛次之，归经以肺多见，脾胃次之，四气以平、温、微寒多见；层次聚类分析得出 5 大类。
结论通过数据挖掘分析得出NSCLC患者接受化疗中的组方规律，并从中初步总结NSCLC接受化疗者的病机核心状态及化疗药物的药性。
关键词：非小细胞肺癌；数据挖掘；中医药；用药规律；化疗；性味中图分类号：R734.2 文献标志码：A 文章編号：1007-2349（2024）04-0031-06Analysis of Medication Regularity of TCM Combined with Chemotherapy in theTreatment of Non-Small Cell Lung Cancer Based on Data MiningSU Zhen-bang1， YI Liang-jie2（1. Guangzhou University of Traditional Chinese Medicine， Guangzhou 510006， China;2. Huizhou Hospital， Guangzhou University of Traditional Chinese Medicine， Huizhou 516000，China）【Abstract】Objective： To analyze the set prescription regularity of traditional Chinese medicine in patients with non-small cell lung cancer （NSCLC） treated by chemotherapy based on data mining， in order to provide certain reference for clinical medication and new herb development. Methods： Literature on TCM oral prescriptions for treatment of non-small cell lung cancer that was collected in Chinese journal full-text database， Chinese academic journal database， Chinese biomedical literature database， Chinese science and technology journal database and other databases were retrieved and screened as data sources， and prescription databases were established afterscreening. The herb compatibility， frequency and dose， property and the patients' symptoms were summarized and analyzd by EXCEL， SPSS and SPSSModeler. Association rule model was made by Apriori algorithm， and visual network graph was constructed by using Cytoscape on the co-occurrence relationship of TCM. Results： A total of 156 literature was included， involving 156 prescriptions and 241 TCM herbs. Association rules analysis found 9 groups of high-frequency combinations of commonly used herbs and 51 association rules. The visualization network suggested the core of TCM prescriptions was Sijunzi decoction. The top 3 most frequently used herbs were Astragalus， Ophiopogon and Poria. The five tastes was usually sweet， followed by bitter and pungent， and the most common channel tropism was lung， followed by spleen and stomach. The four properties were usually moderate， warm and slightly cold. The hierarchical cluster analysis resulted in 5 categories. Conclusion： Through data mining analysis， the prescription regularity of TCM combination with chemotherapy in NSCLC patients was obtained， and the core state of pathogenesis and the properties of chemotherapy drugs in NSCLC patients were preliminarily summarized.【Key words】Non-Small Cell Lung Cancer; Data Mining; Traditional Chinese Medicine; Prescription Regularity; Chemotherapy; Property and Taste肺癌为全球致死率最高的癌症之一，年死亡人数约180万［1］；可分为小细胞肺癌（SCLC）与非小细胞肺癌（NSCLC），后者更为常见，且通常在临床诊断时已发展到晚期，预后较差［2］。
基于数据挖掘的中药新药研究
基于数据挖掘的中药新药研究数据挖掘是一种从大量数据中发现未知模式和关联的技术，它在许多领域的研究中都发挥了重要作用，包括医药领域。
中药新药的研究是一个庞大而复杂的过程，其中数据挖掘可用于加快新药研发的速度和提高研发效果。
中药是中国传统医学的重要组成部分，具有悠久的历史和丰富的研究源泉。
但是，中药新药的研发一直面临着一些挑战。
首先，中药的复方性质以及其中包含的多种成分增加了药效研究的复杂性。
其次，中药的活性成分往往是多样化的，需要通过大量的实验数据来验证和筛选。
此外，中药的研发过程长时间且费用高昂，需要更高的效率和准确性。
数据挖掘可以帮助中药新药研究解决这些问题。
首先，数据挖掘可以通过分析已有的中药药方和相关研究数据，发现其中的规律和模式。
例如，可以通过对中药药方中的成分和药效的关联分析，找到对特定疾病有疗效的活性成分，并进行进一步的研究。
其次，数据挖掘可以利用大数据技术，对中药的成分进行高通量筛选，快速鉴定活性成分。
这样就能缩短研发周期，减少资源的浪费。
最后，数据挖掘还可以为中药新药的研发提供辅助决策的支持，通过对近年来药效和不良反应的统计分析，提供科学的依据。
数据挖掘在中药新药研究中的应用可以分为几个步骤。
首先，需要构建一个中药数据库，包含中药药方、中药成分、药效和不良反应等数据。
其次，可以利用关联规则挖掘、分类、聚类等技术对数据库进行分析，找到其中的模式和规律。
例如，可以通过关联规则挖掘找到中药成分和药效的关联关系，通过分类和聚类找到不同中药药方的特点和相似性。
然后，可以通过数据挖掘的结果，进行中药新药的设计和活性成分的筛选。
最后，还可以通过数据挖掘的结果对中药新药进行临床试验和效果评估。
数据挖掘在中药新药研究中的应用已经取得了一些重要的成果。
例如，通过数据挖掘，一些中药活性成分已经被鉴定出来，并在实验中显示出了良好的治疗效果。
此外，数据挖掘还可以预测中药的不良反应和药物相互作用，提高中药新药的安全性和疗效。
基于数据挖掘的中医药协同化疗治疗晚期非小细胞肺癌的用药规律分析
８
黄芪 － 甘草
５
７
９
麦冬 － 白花蛇舌草
黄芪 － 白术
黄芪 － 茯苓
寒为主ꎬ频次 ３４８ꎬ 其次为温和平ꎬ 频次分别为 ２７４
１０
黄芪 － 半枝莲
分别为 ４６１ 和 ２１７ꎻ四气五味具体见表 ２ꎮ １５９ 味中
１２
麦冬 － 黄芪
和 １９５ꎻ五味以甘为主ꎬ频次 ５７４ꎬ其次为苦、辛ꎬ频次
１１
黄芪 － 党参
１０
１０
２ ３ 性味归经 纳入方剂中的 １５９ 味中药四气以
表 ５ꎬ关联规则分析的网络化展示见图 １ꎮ
表 ４ ７７ 首治疗晚期非小细胞肺癌方剂中支持度
设为 ２０％ 的药对频次
序号
药对
１
白花蛇舌草 － 黄芪
３０
３
白花蛇舌草 － 茯苓
１９
２
白花蛇舌草 － 白术
４
白花蛇舌草 － 半枝莲
６
白花蛇舌草 － 北沙参
２０１６
现代中西医结合杂志 Ｍｏｄｅｒｎ Ｊｏｕｒｎａｌ ｏｆ Ｉｎｔｅｇｒａｔｅｄ Ｔｒａｄｉｔｉｏｎａｌ Ｃｈｉｎｅｓｅ ａｎｄ Ｗｅｓｔｅｒｎ Ｍｅｄｉｃｉｎｅ ２０２１ Ｊｕｎꎬ ３０(１８)
基于数据挖掘的中医药协同化疗治疗晚期非小细胞
肺癌的用药规律分析
王剑锋１ ꎬ卢 涛１ ꎬ周 天２ ꎬ刘殿娜１ ꎬ李志明１ ꎬ胡凯文２
例 数 × １００ ％ ] ≥６０ ％ ꎻ⑥方剂的药味组成和剂量
明确ꎮ
１ ３ 排除标准 ①综述、会议论文、个案报道、动物
实验等ꎻ②小细胞肺癌患者或临床分期不符合Ⅲｂ ~
Ⅳ期ꎻ③重复方剂ꎻ④病例数不足 ３０ 例或患者临床
获益率不足 ６０％ ꎻ⑤中成药或药味组成不明确ꎻ ⑥
基于数据挖掘技术肺癌中医药治疗用药特点和规律研究
基于数据挖掘技术肺癌中医药治疗用药特点和规律研究刘孟宇;周奇;郑光;郭洪涛;吕爱平【期刊名称】《世界科学技术-中医药现代化》【年(卷),期】2012(000)005【摘要】目的：基于文本数据挖掘方法研究肺癌中医药治疗的用药特点和规律，探索利用文本数据挖掘方法进行肺癌中医药治疗规律研究的可行性。
方法：通过检索中国生物医学文献数据库“肺癌”相关主题词，运用文本数据挖掘方法，从肺癌治疗常用中药、中成药、西药及其联合应用等方面，探讨肺癌中医治疗特点和规律。
结果：通过分析58745篇肺癌相关文献文本挖掘结果，发现中药治疗肺癌以益气养阴扶正为主，中药人参、黄芪最为常用；活血、祛痰药物应用较多以使邪有出路，如薏苡仁、丹参等；同时应用有毒中药以解毒散结；中成药中艾迪注射液、复方苦参注射液、参麦注射液、平消胶囊等应用较多，通过方剂的配伍，增加疗效，减轻毒性，发挥扶正散结作用；中成药与西药联合应用可以提高疗效，减轻副作用，其中较突出的为顺铂和艾迪注射液。
结论：肺癌中医治疗以扶正固本为主，兼顾祛邪，从而提高疗效和生存质量；采用文本数据挖掘技术与方法，整体把握肺癌中医药治疗规律，指导临床用药的规范化。
【总页数】6页(P1963-1968)【作者】刘孟宇;周奇;郑光;郭洪涛;吕爱平【作者单位】中国中医科学院中医临床基础医学研究所北京 100700;中国中医科学院中医临床基础医学研究所北京 100700;中国中医科学院中医临床基础医学研究所北京 100700;中国中医科学院中医临床基础医学研究所北京 100700;中国中医科学院中医临床基础医学研究所北京 100700【正文语种】中文【相关文献】1.基于关联规则及因子分析的现代中医药治疗肺癌组方配伍规律研究 [J], 何伟2.基于数据挖掘技术探讨中医药治疗肺癌用药规律 [J], 周福; 陈天秀; 曾萌薇; 方宝婷; 林雪娟3.基于文献分析的中医药治疗登革热用药特点分析 [J], 刘荃乐;黄满花;陈百坚;李晨晓;丁邦晗4.基于数据挖掘中医药治疗痛风性关节炎的用药特点 [J], 郑永;张开伟5.基于文献分析探讨中医药治疗乙型肝炎肝硬化腹水的用药特点 [J], 王木源;李小科;刘蕊洁;杨先照;叶永安因版权原因，仅展示原文概要，查看原文内容请购买。
基于大数据的中医文献数据挖掘
基于大数据的中医文献数据挖掘一、引言中医作为中国传统医学的重要组成部份，拥有丰富的文献资源。
随着大数据技术的发展，利用大数据进行中医文献数据挖掘，可以匡助我们更好地理解中医理论和实践，并为中医的研究和应用提供有力支持。
本文旨在通过基于大数据的中医文献数据挖掘，探索中医的特点和规律。
二、数据采集与准备1. 数据来源为了进行中医文献数据挖掘，我们首先需要采集中医相关的文献数据。
可以通过以下途径获取数据：- 中医药相关的数据库，如中国知网、中国医药科技文献数据库等。
- 中医院校、研究机构的研究成果和论文。
- 中医临床实践中的病例数据和治疗方案。
- 中医药相关的书籍、期刊和报纸等。
2. 数据清洗与整理获取到的中医文献数据可能存在噪声和冗余信息，需要进行数据清洗和整理。
具体步骤如下：- 去除重复数据：通过数据去重算法，去除重复的文献记录。
- 去除噪声数据：通过数据清洗算法，去除不符合要求的数据记录，例如格式错误、缺失字段等。
- 数据格式转换：将数据统一转换为标准格式，方便后续的数据挖掘和分析。
三、数据挖掘方法与技术1. 关联规则挖掘关联规则挖掘是一种常用的数据挖掘方法，用于发现数据集中的频繁项集和关联规则。
在中医文献数据挖掘中，可以利用关联规则挖掘方法发现中医病症与治疗方法之间的关联规律，例如某些病症常用的中药组合或者针灸穴位。
2. 文本挖掘文本挖掘是一种用于从大规模文本数据中提取实用信息的技术。
在中医文献数据挖掘中，可以利用文本挖掘技术进行中医病症的分类和病例的相似性分析，以及中医理论的关键词提取等。
3. 数据可视化数据可视化是将数据以图形或者图象的形式展示出来，匡助人们更直观地理解数据。
在中医文献数据挖掘中，可以利用数据可视化技术将中医病症的分布情况、治疗方法的热门程度等呈现出来，以便研究人员和临床医生更好地理解中医医疗实践。
四、数据挖掘应用与成果基于大数据的中医文献数据挖掘可以应用于以下方面：1. 中医病症的分类与诊断通过对中医文献数据的挖掘，可以发现不同病症之间的共同特征，进而对病症进行分类和诊断。
数据挖掘技术在中医医案的应用研究
数据挖掘技术在中医医案的应用研究引言随着信息技术的不断发展，数据挖掘技术在各个领域中的应用越来越广泛。
在医疗领域中，数据挖掘技术可以帮助医生分析患者的病历数据，发现患者的疾病模式和治疗方案，提高医疗效率，改善医疗质量。
中医作为中国传统医学，拥有丰富的医案资源和医学知识，数据挖掘技术在中医医案中的应用研究具有重要的意义。
本文将探讨数据挖掘技术在中医医案的应用研究，并探讨其在中医临床实践中的意义。
一、中医医案简介中医医案是中医医生在临床实践中总结的临床经验和治疗方法的纪录。
它包括病历、诊断、治疗方案等信息，是中医医生在长期临床实践中积累的宝贵经验和知识。
中医医案具有较高的信息价值，包含了大量的中医医学知识和临床实践经验，可以帮助医生了解中医的理论和实践，指导临床诊疗和药物治疗。
传统的中医医案往往是以纸质形式存在，信息化水平较低，难以进行系统化的分析和利用。
如何将中医医案中的宝贵信息挖掘出来，并应用于中医临床实践中，成为了一项重要的研究课题。
数据挖掘技术是一种从大量数据中发现潜在模式和知识的过程。
它可以通过分析数据之间的关联和规律，挖掘出隐藏在数据背后的信息，帮助人们做出科学的决策和预测。
在中医医案中，数据挖掘技术可以帮助医生发现疾病的模式、辨证施治的规律，为中医临床诊疗提供科学依据。
1. 中医病症模式挖掘中医疾病模式是中医理论的核心内容，它是中医疾病诊断和治疗的基础。
通过数据挖掘技术，可以挖掘出不同病症之间的关联和规律，发现疾病的共同特征和规律。
可以分析大量病例数据，找出某种疾病患者中常见的症状、体征和辨证特点，总结出该疾病的典型表现特征，为医生进行疾病诊断和辨证施治提供参考依据。
2. 中医治疗方案挖掘中医治疗方案是中医临床实践的重要内容，不同的疾病需要采用不同的治疗方案。
通过数据挖掘技术，可以分析不同病症治疗方案的应用情况和疗效，找出常用的治疗方法和药物，总结出适合不同疾病的治疗方案和药物组合，为医生进行临床治疗提供参考意见。
基于大数据的中医文献数据挖掘
基于大数据的中医文献数据挖掘作者：刘海涛游桂增王洁于雪玉来源：《物联网技术》2017年第11期摘要：自中国药学家屠呦呦获得2015年诺贝尔生理学或医学奖之后，人们对中医药就愈加重视，本项目将中医与农产品相结合，致力于打造一个个性用户食用个性农产品，因人而异指导人们吃得更健康的基于大数据分析挖掘的平台，该系统包含三个子系统，由网站作为前端为用户提供简单、便捷的服务；以济南超算中心为后端提供数据的存储、分析、挖掘功能；由山东农业大学农业大数据中心专业网站为用户提供统计数据及建议，形成完整的服务、研究、生产一体化学科交叉型大数据挖掘体系，挖掘出农产品在历代中医文献中的相关记载，努力为国民健康做贡献。
关键词：数据挖掘；中医文献；大数据存储；健康中国中图分类号：TP393 文献标识码：A 文章编号：2095-1302（2017）11-00-020 引言根据第六次全国人口普查数据可知，我国农村居民为6.74亿人，看病贵问题依然突出，其症结在于医疗保障体系不够健全，大部分群众就医依然靠自费；公立医疗机构倾向于市场化，淡化了公益性质。
很多人普遍存在着“小病不用去医院”的观念，最终却因为这些观念被“小病”要了性命。
我国的中药文化博大精深，源远流长。
几千年来，中国人形成了自己的用药理念和方法。
与西药相比，中药的优势在于它取自动植物和矿物质，大部分属于天然产物。
因此，中药的不良反应轻于西药，毒副作用较小。
而且中药与自然有着密切联系，容易获取。
本文的灵感来源于屠呦呦荣获诺贝尔奖事件。
通过创建基于R语言平台的数据挖掘技术，建立中药数据库，利用计算机代替人工进行精确查找，大大提高了采集数据结果的准确性、全面性、权威性，明显缩短了数据挖掘所需时间，极大限度地减少了人力资源消耗。
1 研究方法1.1 数据挖掘基于历朝历代中医古籍和国内外权威中医论文，挖掘出农产品在所有中医古籍中的相关记载以及某一类疾病在所有中医古籍中的相关记载。
中医药治疗肺癌的用药规律
中医药治疗肺癌的用药规律辛静;蒋士卿;张云慧;周月玲;孙旭杭;王留芳【期刊名称】《世界中医药》【年(卷),期】2024(19)9【摘要】目的:探究中医药治疗肺癌的用药规律。
方法:检索《肿瘤良方大全》《肿瘤方剂大辞典》《卫生部药品标准中药成方制剂》以及《国家药品监督管理局总局国家药品标准(修订)颁布件》中中医治疗肺癌的处方,将数据录入Excel进行数据处理,使用Lantern 5.0、SPSS Modeler 18.0及SPSS Statistics 25.0对肺癌方剂频次统计、系统聚类分析及关联规则分析。
结果:共纳入650个处方,572种药,6 120次。
药性以寒、温、平为主,药味以苦、甘、辛为主,归经使用最多为胃、脾、肾、肝、肺。
使用频次最多的药物为黄芪、白花蛇舌草、甘草、茯苓、沙参、麦冬等。
高频药物以清热解毒药和益气养阴药及活血化瘀药主;关联规则分析得到药对关联16条,三联24条,因子内得到13个公因子,系统聚类分析得出7个关联紧密的药组。
隐结构得到14个隐变量,每个隐变量有2个隐类,共28个隐类。
结论:补气养阴药和清热抗癌解毒、活血化瘀药、健脾利湿药、清热化痰治则,为中医药治疗肺癌提供借鉴,有待进一步结合临床及实验给予验证。
【总页数】8页(P1316-1323)【作者】辛静;蒋士卿;张云慧;周月玲;孙旭杭;王留芳【作者单位】河南中医药大学;河南中医药大学第一附属医院【正文语种】中文【中图分类】R242;R273【相关文献】1.基于数据挖掘田建辉主任医师中医药综合治疗肺癌用药规律研究2.基于数据挖掘技术探讨中医药治疗肺癌用药规律3.大数据背景下的中医药临床研究——基于数据挖掘分析欧阳郴生名中医治疗肺癌的用药规律4.基于数据挖掘的中医药协同化疗治疗晚期非小细胞肺癌的用药规律分析5.中医药治疗肺癌术后的用药规律因版权原因，仅展示原文概要，查看原文内容请购买。
基于数据挖掘技术探讨治疗肺系疾病方剂中药物化学成分类别构成及其配伍关系
基于数据挖掘技术探讨治疗肺系疾病方剂中药物化学成分类别构成及其配伍关系目的分析治疗肺系疾病经典方剂中药物化学成分类别的构成情况及可能的配伍关系，为治疗肺系疾病方剂的临床应用、物质基础研究与组分配伍研究提供参考。
方法以《中医方剂大辞典精选本》作为方剂基本信息来源，筛选治疗肺系疾病经典方剂，进行信息标准化处理，系统检索方剂组成中药化学成分类别构成，应用数据挖掘技术中的频数、频繁项集及关联规则，对筛选的方剂组成中药化学成分类别构成及关联关系进行分析。
结果按照筛选标准共筛选100首方剂，其中96%的治疗肺系疾病方剂组成药物含萜类化合物，95%含甾体，94%含生物碱；生物碱类化合物与甾体类化合物、黄酮与萜类化合物关联关系非常强，黄酮、生物碱组合等大部分二类化合物组合与萜类或甾体类化合物关联程度高。
结论中药萜类、甾体、黄酮及生物碱类化合物及其组合可能与方剂治疗肺系疾病的物质基础有一定联系，但是尚需进行系统的化学与药效实验研究加以证实。
标签：方剂；肺系疾病；数据挖掘；化学成分；配伍随着大气污染、人口老龄化、吸烟等因素，肺系疾病（呼吸系统疾病）的发病率呈上升之势，已经成为严重危害我国人民身体健康重要因素之一[1]。
中药尤其是复方对肺系疾病具有较好疗效，古代医籍文献对肺系疾病的治疗方剂记载颇多，近年来，有许多学者对这些方剂的有效部位进行研究，以探索其作用的物质基础。
本研究利用数据库及数据挖掘技术对古代医籍文献所记载治疗肺系疾病的方剂进行了分析和数据挖掘研究，探索方剂组成中药物化学成分类别的构成情况及可能的配伍关系，以期为治疗肺系疾病方剂的临床应用、物质基础研究与组分配伍研究提供参考。
1 资料与方法1.1 处方来源、筛选标准与标准化处理本研究以《中医方剂大辞典精选本》[2]作为方剂基本信息来源。
参考《中华医典》[3]、《方剂学》[4]。
本研究所筛选方剂满足以下要求：①《中医方剂大辞典精选本》所列治疗肺系疾病的方剂（以下简称“肺系方剂”）；②有针对肺系病证功效的描述，如“清肺”、“润肺”、“温肺”、“敛肺”、“补肺”、“泻肺”等，或“止咳”、“平喘”、“定喘”、“化痰”等；③方剂主治病证中含有“肺痿”、“肺痈”、“肺胀”、“肺痨”、“咳嗽”、“哮喘”等；④药味≤6味；同时，要求方剂包含的信息较完整，方名、组成、功效、主治各项齐备，有较系统的化学成分研究。
基于数据挖掘中医古籍治疗肺热病遣方用药分析[
,a click to unlimited possibilities
汇报人：
目录 /目录
01
数据挖掘方法
04
典型案例分析
02
肺热病病因分 析
05
现代医学视角 下的肺热病治 疗
03
遣方用药规律 分析
06
结论与建议
01 数据挖掘方法
数据来源
数据库：中医古籍数据库 数据采集：手动采集和网络爬虫 数据清洗：去除重复、错误和无关信息 数据预处理：对数据进行分类、编码和格式化
现代医学治疗肺热病的方法
抗生素治疗：针对病原菌选择敏感抗生素进行治疗。 抗病毒治疗：针对病毒感染引起的肺热病，采用抗病毒药物进行治疗。 免疫调节治疗：通过调节机体免疫功能，增强机体抗病能力，达到治疗肺热病的目的。 氧疗和机械通气治疗：对于严重缺氧的患者，采用氧疗和机械通气治疗，以改善缺氧状态。
中西医结合治疗肺热病的优势与不足
典型案例筛选标准
病例资料完整 符合肺热病诊断标准 治疗方法及用药记录详细 治疗效果明显且具有代表性
典型案例描述
案例选择标准：具有代表性、典型 性、可复制性
案例二：李时中《太平惠民和剂局 方》中治疗肺热病的方剂
添加标题
添加标题
添加标题
添加标题
案例一：张仲景《伤寒杂病论》中 治疗肺热病的方剂
案例三：现代中医临床治疗肺热病 的成功案例
常用药物分析
常用药物种类：如黄芩、黄连、 黄柏等清热药
药物配伍规律：如黄芩配伍黄 连，加强清热作用
药物剂量分析：如黄芩常用量 为10-15g，黄连常用量为35g
药物功效分析：如黄芩具有清 热解毒、燥湿止痢等功效
基于数据挖掘的郭立中教授从扶阳论治癌病病案的回顾性研究的开题报告
基于数据挖掘的郭立中教授从扶阳论治癌病病案的回顾性研究的开题报告开题报告：基于数据挖掘的扶阳论治癌病病案回顾性研究一、研究背景癌症是人类健康面临的重大挑战，目前我国每年新发癌症病例数已近400万，其中肺癌、乳腺癌、胃癌等高发病种对人类健康造成了巨大威胁。
传统中医治疗作为中医药防控癌症的一种重要手段之一，在临床实践中已被广泛采用。
扶阳论治是中医经典治疗疾病的一种方法，但其应用到癌症的治疗中的效果和作用机制仍存在争议。
数据挖掘是一种通过发掘和分析数据中的规律、模式和趋势，从而获取实用知识和信息的技术。
借助数据挖掘方法，可以对大量的临床数据进行分析，以期发现有助于提高治疗效果的临床应用规律和治疗机制，为中医治疗癌症提供科学依据。
二、研究目的和意义本文旨在利用数据挖掘技术对扶阳论治癌病的临床病案进行回顾性研究，以探讨扶阳论治在癌症治疗中的临床应用规律和作用机制。
具体目标包括：1. 分析扶阳论治在癌症治疗中的应用情况，总结不同癌症类型、不同阶段患者的治疗效果和不良反应。
2. 探究扶阳论治癌症的作用机制，建立相关模型，以期帮助深入理解其临床应用规律。
3. 提供科学依据，为中医药防控癌症提供理论和实践指导。
三、研究方法与步骤本研究将采用数据挖掘方法，对扶阳论治癌病的临床病案进行回顾性研究。
具体步骤如下：1. 收集扶阳论治癌病的临床病案数据。
（数据库：CNKI、Wanfang、CBMdisc、VIP、MEDLINE、Embase等）2. 进行数据清洗和预处理。
包括数据去重、补充、标准化、异常值处理等操作。
3. 进行数据的探索性分析和特征提取。
采用多维度的统计方法，包括卡方检验、皮尔逊相关系数、基尼系数等，分析病者的基本情况、临床表现、诊断治疗方法、用药频度等特征，提取与治疗有效性相关的因素。
4. 建立预测模型，探究扶阳论治癌症的作用机制。
将数据集分为训练集和测试集，在训练集上选取合适的机器学习算法，建立预测模型。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Traditional Chinese Medicine 中医学, 2020, 9(4), 332-341Published Online July 2020 in Hans. /journal/tcmhttps:///10.12677/tcm.2020.94050When Big Data Comes Into TCMClinic Research—Analysis of Professor Ouyang Chensheng’s Experience in TreatingLung Cancer Based on Data MiningShiguang Li1,2, Honghui Gu1, Xiaotong Liu3, Lina Yang1, Zhong Chen1, Taoli Wang1, Qi Li1, Chensheng Ouyang1*1Department of Oncology and Hematology, The Fourth Clinical Medical College of Guangzhou University ofTraditional Chinese Medicine/Shenzhen Hospital of Traditional Chinese Medicine, Shenzhen Guangdong2Graduate School of Guangzhou University of Traditional Chinese Medicine, Guangzhou Guangdong3Department of Gynecology, Shenzhen Hospital of Traditional Chinese Medicine, Shenzhen GuangdongReceived: Jun. 17th, 2020; accepted: Jul. 3rd, 2020; published: Jul. 10th, 2020AbstractObjective: To summarize the academic experience of Professor Ouyang Chensheng in the pat-tern-differentiation based prescriptions for treating malignant lung cancer through the data min-ing technology; to explore the application of data mining technology in the traditional Chinese medicine (TCM) inheritance study, and to provide new insights to evaluate the adjunctive effect of TCM for patients with malignant cancers. Methods: We collected clinical records of out-patients in Shenzhen Hospital of TCM, who were diagnosed with malignant lung cancers, between December 2009 and July 2019. Chinese medicines in the prescriptions and the corresponding differen-tiated-patterns were extracted from the records and entered into the database, and further ana-lyzed by Python and R respectively. The results were visualized by Cytoscape 3.7.1. The rules of TCM prescription and Chinese medicines commonly used for malignant lung cancers were sum-marized. Results: In the study, 2852 prescriptions were extracted consisting of 45,519 Chinese medicines. Through apriori algorithm based correlation analysis and frequency analysis, we found that Professor Ouyang Chensheng followed TCM principles of maintaining Zheng Qi, tonifying the spleen and kidney, resolving phlegm and removing blood stasis, and nourishing Yin and moisten-ing lung in treating lung cancer. Liu Jun Zi decoction, Sanziyangqin, Erchen decoction, Qianjin-weijing decoction, Xuefuzhuyu decoction, Xiaoqinglong decoction, and Shashenmaidong decoction were the commonest prescriptions in his treatments. In those prescriptions, Astragalus, Radix co-donopsis, Poria cocos, Rhizoma atractylodes and Cornus officinalis were often added to tonify the spleen and kidney, as well as promote lung expectoration and nourish blood and Qi. Conclusion: Through data analysis, we find out Professor Ouyang Chensheng treated primary lung cancer on the principles of syndrome differentiation, tonifying Zheng Qi and removing pathogenic factors.These are important for treating malignant lung cancer by traditional Chinese Medicine. The data mining technology could be a useful tool to summarize the clinical experience of famous TCM practitioners.*通讯作者。
李时光 等KeywordsLung Cancer, Data Mining, Experience Inheritance, Prescription Rules大数据背景下的中医药临床研究——基于数据挖掘分析欧阳郴生名中医治疗肺癌的用药规律李时光1,2，古宏晖1，刘晓童3，杨丽娜1，陈 钟1，汪桃利1，李 琦1，欧阳郴生1*1广州中医药大学第四临床医学院/深圳市中医院肿瘤与血液科，广东 深圳 2广州中医药大学研究生院，广东 广州 3深圳市中医院妇科，广东 深圳收稿日期：2020年6月17日；录用日期：2020年7月3日；发布日期：2020年7月10日摘要目的：本研究运用数据挖掘技术，总结欧阳郴生名中医治疗肺癌的用药规律，探讨数据挖掘技术在中医用药传承规律研究中的应用，为研究中医药治疗肺癌的方法提供新思路。
方法：收集整理2009年11月~2019年7月深圳市中医院信息中心记录的欧阳郴生诊治的肺癌患者的门诊病案，建立处方用药数据库，分别运用Python 和R 语言对数据进行整理及关联分析，并采用Cytoscape 3.7.1软件对结果可视化，分析欧阳郴生名中医辨治肺癌用药经验规律及特点。
结果：本文共分析处方2852首，中药45,519次。
大数据分析欧阳郴生名中医近10年临证诊治肺癌的处方用药，我们发现其遣方用药以平为期，辨证以扶正祛邪为主，兼顾化痰祛瘀、滋阴润肺、健脾补肾为法。
选方多以六君子、三子养亲汤合二陈汤、千金苇茎汤、血府逐瘀汤、小青龙汤、沙参麦门冬汤等加减。
选药常用黄芪、党参、茯苓、白术、山萸肉等补益脾肾，配以化痰祛湿、活血养血之品，用药多寒温并用、宣肺祛痰。
结论：通过数据挖掘整理欧阳郴生诊治原发性肺癌的临证用药，谨守病机，重视辨证论治，配以调补脾肾之法，扶正与祛邪并施是欧阳郴生教授治疗肺癌的基本治法。
关键词肺癌，数据挖掘，学术传承，用药规律Copyright © 2020 by author(s) and Hans Publishers Inc.This work is licensed under the Creative Commons Attribution International License (CC BY 4.0). /licenses/by/4.0/1. 引言肺癌是我国发病率增长最快的恶性肿瘤之一，2018年我国新发肺癌病例73.33万例，居各类恶性肿瘤之首。
面对严峻的形势，2019年9月十部委联合印发的健康中国行动——癌症防治实施方案中提出了提升中医药防治肿瘤的能力，制订完善癌症中医药诊治指南、挖掘整理并推广应用癌症中医药防治技术方法的期望[1]。
欧阳郴生教授为深圳市第四批名老中医专家学术经验继承指导老师，经过37年的临床工作，他对中西医结合治疗肺癌有丰富的经验和独到的见解，继承了国医大师孙光荣“和中组方”思想，将扶正培李时光等本法贯彻肺癌治疗的前中后期，经前期50例临床研究观察，我们发现中药联合化疗治疗ⅢB期或Ⅳ期非小细胞肺癌的稳定率达76%，症状缓解率明显优于对照组[2]。
本研究旨在应用数据挖掘技术，分析总结欧阳郴生教授治疗肺癌的用药特点及规律，继承和弘扬中医药在肺癌治疗全程管理中的独特作用和优势。
2. 数据与方法2.1. 数据源提取2009年11月~2019年7月深圳市中医院信息中心记录的欧阳郴生诊治的肺癌患者的门诊病历，进行资料统计分类及规范化。