基于数据挖掘的虞坚尔教授治疗小儿哮喘用药规律分析 -国医在线

　　（云南中医学院第一附属医院）

（本论文荣获“第五届兰茂论坛”优秀论文三等奖）

　　【摘要】目的：利用数据挖掘技术，分析全国名老中医药专家虞坚尔教授治哮的用药规律及临床经验。方法：收集整理虞坚尔教授近3年治疗小儿哮喘的门诊处方，将符合纳入标准的处方录入“中医传承城辅助平台”（V2.5）软件，采用该软件集成的规则分析、改进互信息法等数据挖掘方法，分析导师治疗小儿哮喘的用药规律及临证经验。结果：对筛选出的762名哮喘患儿1668份处方进行数据分析，其中用药以温性（44.16%）最多；归经以肺经（32.89%）、脾经（29.28%）为主；使用频次在100次以上的药物有44味，按药效分类主要为7类，经药对关联分析筛选得出10个常用治哮药组。结论：虞坚尔教授治哮用药承袭徐氏儿科擅用温法的用药习惯，选药归经重在中土，着力肺经，兼顾肝肾，以平为期，以保元为要；强调中医整体观，提倡肺鼻同治；强调治未病思想，提倡过敏体质的早期发现、长期干预；并以预防及控制作为哮喘临床治疗目标。

　　【Abstrict】Objective: To analyze the medication regularity of Professor Yu in the treatment of asthma in children in order to inherit its academic experience scientifically based on data mining. Methods: To collect the nearly 3 years in the treatment of infantile asthma outpatient prescription of Professor Yu, entrying TCM inheritance assist platform (V2.5) software, using the method of data mining integrated with this software, to analyze the rule of medication and the characteristic experience of the tutor in the treatment of asthma.Results: the data of 1668 prescriptions of 762 asthmatic children were included in the study, the treatment drugs properties of asthma is temperature (44.16%); meridian drugs to the lung (32.89%), spleen (29.28%); there are 44 herbs that use more than 100 times of frequency; there are 7 kinds of drugs according to the classification of efficacy; 10 drug pairs of commonly used in asthma are screened out by drug pair correlation analysis. Conclusion: Prof. Yu as the Xu's pediatric is very experienced on treatment of asthma，he inherit Xu’s diagnosis and treatment experience, always choose the medicine meridian on spleen, lung, liver and kidney of both, use the drug properties of flat, in order to keep the body balance. In clinical practice, he highlighted the overall concept, advocate "pulmonary and nasal treat together". To emphasize treating the already stick and preventing the Disease, and to advocate the early discovery and long-term intervention of the allergic constitution. He think that prevention and control are used as the target of clinical treatment for asthma.

　　【关键词】虞坚尔，小儿哮喘；用药规律；数据挖掘；中医传承辅助平台

　　Key words: Yu Jian-er；Asthma in children；Medication regularity；Data mining；Traditional Chinese medicine inheritance support system.

　　虞坚尔（1952-），男，教授，主任医师，博士研究生导师，首批全国中医药传承博士后导师。第五、六批全国老中医药专家学术经验继承工作指导老师，虞坚尔全国名老中医药专家工作室导师，享受国务院政府特殊津贴。虞师作为海派徐氏儿科代表性传承人，专业儿科三十余载，曾主持2010年国家中医药管理局“小儿哮喘中医临床路径”的制定等多项工作，并带领团队在近20年间开展了中医药防治哮喘的系列临床及基础研究，对小儿哮喘的防治形成了一套独到见解。为较全面的发现虞师治哮的用药规律及临证思路，传承发展徐氏儿科的学术思想，本文采用数据挖掘方法开展相关研究工作，亦期为同道临床治哮用药提供借鉴及参考。

　　1. 资料及方法

　　1.1 病案及处方来源

　　研究以2015至2017年间，虞坚尔教授在上海中医药大学附属市中医医院、上海市名老中医诊疗所治疗哮喘的一诊及复诊处方（抄方）为来源，共纳入762位患儿医案共1668张门诊处方。其中复诊处方906份（54.32%）；男性患儿483例，女性患儿279例；年龄分布于2～14岁间： 2～3岁28例（3.67%），3～7岁570例（74.8%），7～14岁164例（21.52%）。

　　1.2 纳入标准

　　（1）参照小儿支气管哮喘西医[1]和中医[2-3]诊断标准，已确诊的哮喘患儿；（2）符合儿童咳嗽变异性哮喘诊断标准[1]；（3）年龄2～14岁。（4）能配合医嘱口服中药汤剂者。

　　1.3 排除标准

　　（1）支气管哮喘患儿合并其他疾病，且该次处方以治疗其他疾病为主者。（2）病例资料主要信息，如方剂剂量、病史等信息记录缺失者。

　　1.4 分析软件

　　“中医传承辅助平台（V2.5）”软件，购自中国中医科学院中药研究所。

　　1.5 处方资料的统一及规范

　　参照《中国药典》（2010年版）中的中药名称，对录入处方的中药名称进行统一规范，如“沙参”记作“北沙参”，“脱力草”记作“仙鹤草”，“生地”记作“生地黄”等。

　　1.6 数据分析

　　对临床跟师记录的抄方本进行整理及核对，标记出符合纳入标准的处方；将处方信息规范、如实地录入“中医传承辅助系统（V2.5）”中“临床采集”模块，录入完成后，双人负责审核录入数据，以确保研究结果的准确性及可靠性。通过软件中“数据分析”、“统计报表”中的“方剂分析”、“医案分析”等模块功能，依次完成数据提取、频次统计分析、组方规律分析、新方分析等工作。

　　2. 结果

　　2.1 录入处方药物的性、味、归经

　　录入系统的1668个处方中，包含113味中药，累计出现频数为24884次，对使用药物的药性、药味、归经进行分析，其使用频数按照降序排列，见表1、表2。

表1 录入处方药物药性、药味分布情况

序号	药性	频数	频率(%)	五味	频数	频率(%)
1	温	10988	44.16	甘	9296	32.89
2	平	7860	31.59	苦	8276	29.28
3	寒	5914	23.77	辛	7244	25.63
4	凉	107	0.43	咸	1568	5.55
5	热	15	0.06	酸	1072	3.79

　　表2 录入处方药物归经分布情况

序号	归经	频数	频率(%)	序号	归经	频数	频率(%)
1	脾	13400	22.71	7	大肠	3372	5.72
2	肺	12212	20.70	8	肾	3280	5.56
3	胃	8752	14.84	9	胆	2476	4.20
4	肝	4536	7.69	10	小肠	2396	4.06
5	膀胱	4504	7.63	11	心包	8	0.01
6	心	4052	6.87	12	三焦	4	0.01

　　2.2 录入处方药物使用频次统计

　　虞坚尔教授治疗哮喘的1668个处方中包含113味中药，累计出现频数为24884次，其中使用频数在100次以上的药物有44味，按降序排列，见表3。

表3 录入处方中使用频数100以上的药物

序号	名称	频数	频率(%)	序号	名称	频数	频率(%)
1	甘草	1600	6.43	23	秦皮	368	1.48
2	辛夷	1540	6.19	24	天竺子	364	1.46
3	黄芩	1508	6.06	25	白芷	332	1.33
4	茯苓	1356	5.45	26	蔓荆子	328	1.32
5	川椒目	1344	5.40	27	川芎	264	1.06
6	地龙	1344	5.40	28	远志	256	1.03
7	半夏	1336	5.37	29	煅牡蛎	220	0.88
8	陈皮	1184	4.76	30	煅龙骨	216	0.87
9	白术	892	3.58	31	射干	160	0.64
10	鸡内金	864	3.47	32	生地黄	156	0.63
11	生山楂	784	3.15	33	藿香	148	0.59
12	山药	676	2.72	34	厚朴	148	0.59
13	黄芪	628	2.52	35	柴胡	148	0.59
14	莱菔子	600	2.41	36	前胡	144	0.58
15	紫苏子	568	2.28	37	藁本	140	0.56
16	葶苈子	560	2.25	38	桔梗	140	0.56
17	党参	484	1.95	39	麦冬	140	0.56
18	炙麻黄	456	1.83	40	羌活	120	0.48
19	杏仁	456	1.83	41	独活	120	0.48
20	麻黄根	452	1.82	42	石菖蒲	112	0.45
21	防风	420	1.69	43	姜竹茹	104	0.42
22	桃仁	416	1.67	44	北沙参	104	0.42

　　2.3 基于关联规则的组方规律分析

　　应用关联规则分析数据，使用软件“数据分析”的“组方规律”选项进行数据预览后，设置支持度个数为334（支持度个数=处方数量×20%），置信度为0.95，得到5059个常用药物组合，经筛选得到部分常用药物组合见表4。对所得药物进行规则分析，部分药组（置信度≥1）结果见表5。

表4 基于关联规则的常用药物组合（支持度个数≥800，置信度0.95）

序号	药物模式	频度	序号	药物模式	频度
1	黄芩、川椒目	1328	26	陈皮、黄芩、地龙	1092
2	地龙、川椒目	1324	27	黄芩、茯苓、地龙	1092
3	黄芩、地龙	1320	28	半夏、黄芩、川椒目	1092
4	黄芩、地龙、川椒目	1320	29	陈皮、黄芩、川椒目	1092
5	半夏、黄芩	1236	30	黄芩、茯苓、川椒目	1092
6	黄芩、茯苓	1236	31	半夏、陈皮、黄芩	1092
7	半夏、黄芩、茯苓	1236	32	陈皮、黄芩、茯苓	1092
8	黄芩、辛夷	1220	33	半夏、黄芩、地龙、川椒目	1092
9	地龙、辛夷	1144	34	陈皮、黄芩、地龙、川椒目	1092
10	川椒目、辛夷	1144	35	黄芩、茯苓、地龙、川椒目	1092
11	黄芩、川椒目、辛夷	1144	36	半夏、陈皮、黄芩、地龙	1092
12	黄芩、地龙、辛夷	1136	37	半夏、黄芩、茯苓、地龙	1092
13	地龙、川椒目、辛夷	1136	38	陈皮、黄芩、茯苓、地龙	1092
14	黄芩、地龙、川椒目、辛夷	1136	39	半夏、陈皮、黄芩、川椒目	1092
15	半夏、陈皮、茯苓、地龙	1104	40	半夏、黄芩、茯苓、川椒目	1092
16	半夏、地龙、川椒目	1096	41	陈皮、黄芩、茯苓、川椒目	1092
17	陈皮、地龙、川椒目	1096	42	半夏、陈皮、黄芩、茯苓	1092
18	茯苓、地龙、川椒目	1096	43	陈皮、黄芩、茯苓、地龙、川椒目	1092
19	半夏、陈皮、川椒目	1096	44	半夏、陈皮、黄芩、茯苓、地龙	1092
20	半夏、茯苓、川椒目	1096	45	半夏、陈皮、黄芩、茯苓、川椒目	1092
21	陈皮、茯苓、川椒目	1096	46	半夏、陈皮、黄芩、茯苓、地龙、川椒目	1092
22	半夏、陈皮、地龙、川椒目	1096	47	半夏、陈皮、甘草、茯苓、地龙	1076
23	半夏、陈皮、茯苓、地龙、川椒目	1096	48	半夏、甘草、川椒目	1068
24	陈皮、黄芩	1092	49	黄芩、川椒目	1328
25	半夏、黄芩、地龙	1092	50	陈皮、甘草、川椒目	1068

　　表5 药物关联规则分析（支度个数≥800，置信度＞0.95）

序号	规则	置信度	序号	规则	置信度
1	黄芩、地龙 -> 川椒目	1	40	半夏、陈皮、甘草、川椒目 -> 地龙	1
2	川椒目、辛夷 -> 黄芩	1	41	半夏、甘草、川椒目 -> 茯苓、地龙	1
3	半夏、川椒目 -> 地龙	1	42	陈皮、川椒目、辛夷 -> 黄芩、地龙	1
4	半夏、地龙 -> 茯苓	1	43	陈皮、黄芩、地龙 -> 茯苓、川椒目	1
5	半夏、川椒目 -> 茯苓	1	44	法夏、川椒目、辛夷 -> 陈皮、黄芩	1
6	半夏、辛夷 -> 茯苓	1	45	茯苓、川椒目、辛夷 -> 法夏、黄芩	1
7	黄芩、甘草、地龙 -> 川椒目	1	46	陈皮、黄芩、茯苓、辛夷 -> 川椒目	1
8	甘草、川椒目、辛夷 -> 黄芩	1	47	陈皮、黄芩、辛夷 ->茯苓、川椒目	1
9	半夏、黄芩、甘草 -> 川椒目	1	48	黄芩、茯苓、辛夷 -> 半夏、陈皮	1
10	黄芩、地龙、辛夷 -> 川椒目	1	49	陈皮、黄芩、辛夷 -> 半夏、茯苓	1
11	半夏、黄芩、川椒目 -> 地龙	1	50	法夏、陈皮、地龙、川椒目、辛夷->黄芩	1
12	陈皮、黄芩 -> 地龙、川椒目	1	51	半夏、陈皮、黄芩、川椒目、辛夷 -> 地龙	1
13	陈皮、黄芩、茯苓 -> 地龙	1	52	半夏、黄芩、地龙、辛夷 -> 陈皮、川椒目	1
14	半夏、川椒目、辛夷 -> 黄芩	1	53	半夏、茯苓、川椒目、辛夷 -> 黄芩、地龙	1
15	半夏、川椒目、辛夷 -> 地龙	1	54	半夏、黄芩、地龙、辛夷 -> 茯苓、川椒目	1
16	半夏、川椒目 -> 陈皮、地龙	1	55	陈皮、黄芩、茯苓 -> 半夏、地龙、川椒目	1
17	半夏、川椒目 -> 茯苓、地龙	1	56	黄芩、茯苓、地龙、辛夷 -> 半夏、陈皮	1
18	半夏、地龙、辛夷 -> 陈皮	1	57	半夏、陈皮、茯苓、川椒目、辛夷 -> 黄芩	1
19	甘草、地龙、川椒目、辛夷 -> 黄芩	1	58	半夏、川椒目、辛夷 -> 甘草、茯苓、地龙	1
20	黄芩、甘草、地龙、辛夷 -> 川椒目	1	59	半夏、陈皮、茯苓、川椒目、辛夷 -> 地龙	1
21	半夏、黄芩、甘草、川椒目 -> 地龙	1	60	半夏、茯苓、川椒目、辛夷 -> 黄芩、地龙	1
22	半夏、黄芩、甘草 -> 地龙、川椒目	1	61	半夏、黄芩、地龙、辛夷 -> 茯苓、川椒目	1
23	黄芩、甘草、茯苓 -> 地龙、川椒目	1	62	半夏、黄芩、茯苓、辛夷 -> 地龙、川椒目	1
24	半夏、黄芩、甘草、辛夷 -> 地龙	1	63	半夏、陈皮、黄芩、茯苓、辛夷 -> 川椒目	1
25	半夏、陈皮、黄芩、甘草 -> 地龙	1	64	陈皮、黄芩、辛夷 -> 半夏、茯苓、川椒目	1
26	陈皮、黄芩、甘草 -> 茯苓、地龙	1	65	半夏、陈皮、川椒目、辛夷 -> 黄芩、茯苓	1
27	半夏、黄芩、辛夷 -> 川椒目	1	66	半夏、茯苓、地龙、川椒目、辛夷 -> 陈皮	1
28	陈皮、黄芩、甘草、辛夷 -> 川椒目	1	67	茯苓、地龙、川椒目、辛夷 -> 半夏、陈皮	1
29	半夏、黄芩、甘草 -> 陈皮、川椒目	1	68	半夏、川椒目、辛夷 -> 陈皮、茯苓、地龙	1
30	半夏、黄芩、甘草、茯苓 -> 川椒目	1	69	陈皮、黄芩、茯苓、地龙、辛夷->半夏、川椒目	1
31	陈皮、黄芩、甘草 -> 茯苓、川椒目	1	70	半夏、陈皮、茯苓、川椒目、辛夷->黄芩、地龙	1
32	半夏、黄芩、地龙、辛夷 -> 川椒目	1	71	半夏、陈皮、黄芩、茯苓、辛夷->地龙、川椒目	1
33	半夏、川椒目、辛夷 -> 黄芩、地龙	1	72	半夏、茯苓、地龙、川椒目、辛夷->陈皮、黄芩	1
34	陈皮、川椒目、辛夷 -> 黄芩、地龙	1	73	半夏、陈皮、黄芩、辛夷->茯苓、地龙、川椒目	1
35	茯苓、川椒目、辛夷 -> 黄芩、地龙	1	74	黄芩、茯苓、地龙、辛夷->半夏、陈皮、川椒目	1
36	陈皮、黄芩、地龙、川椒目 -> 半夏	1	75	陈皮、黄芩、辛夷 -> 法夏、茯苓、地龙、川椒目	1
37	半夏、黄芩、地龙 -> 茯苓、川椒目	1	76	法夏、地龙、川椒目、辛夷 -> 陈皮、黄芩、茯苓	1
38	半夏、陈皮、黄芩、辛夷 -> 川椒目	1	77	法夏、川椒目、辛夷 -> 陈皮、黄芩、茯苓、地龙	1
39	半夏、黄芩、川椒目 -> 陈皮、茯苓	1

　　2.4 组方规律网络展示

　　为更全面地发现处方中隐藏的规律，将支持度个数分别设置为≥800（支持度50%）、≥600（支持度40%）、≥500（支持度30%）、≥300（支持度20%）、置信度均为0.95，进行组方规律网络展示，分别见图1、图2、图3、图4。

　　2.5基于改进互信息法和复杂系统熵聚类法进行药物间关联度分析

　　依据处方的数量，结合经验判断和不同参数提取数的预读，设定相关度为“8”，惩罚度为“2”,得到5739个常用药物组合，经筛选到关联系数在0.0509以上的药物组合，见表6。

表6 基于改进互信息法及复杂系统熵聚类法的药对关联度分析

序号	药物1	药物2	关联系数	序号	药物1	药物2	关联系数
1	白术	麻黄	0.1769	34	白术	生山楂	0.0756
2	藿香	地龙	0.1564	35	半夏	藁本	0.0733
3	陈皮	地龙	0.1526	36	半夏	川芎	0.0728
4	川椒目	前胡	0.1408	37	茯苓	川芎	0.0723
5	前胡	地龙	0.1408	38	茯苓	白芷	0.0699
6	川椒目	陈皮	0.1382	39	茯苓	藁本	0.0696
7	茯苓	生白术	0.1336	40	半夏	白芷	0.0693
8	川椒目	地龙	0.1273	41	川椒目	桃仁	0.0678
9	川椒目	独活	0.1273	42	川椒目	杏仁	0.0666
10	羌活	地龙	0.1273	43	川椒目	麻黄	0.0666
11	独活	地龙	0.1273	44	川椒目	辛夷	0.0636
12	紫苏子	莱菔子	0.1209	45	辛夷	地龙	0.0636
13	藿香	陈皮	0.1132	46	党参	地龙	0.0632
14	柴胡	陈皮	0.1132	47	半夏	防风	0.0599
15	陈皮	厚朴	0.1132	48	半夏	黄芪	0.0599
16	桔梗	陈皮	0.1097	49	辛夷	生地黄	0.0582
17	陈皮	生黄芪	0.1092	50	辛夷	生白术	0.0582
18	半夏	白术	0.1053	51	川椒目	葶苈子	0.0573
19	紫苏子	党参	0.1048	52	茯苓	防风	0.0564
20	党参	独活	0.1003	53	茯苓	黄芪	0.0564
21	前胡	陈皮	0.0994	54	鸡内金	柴胡	0.0554
22	党参	前胡	0.0977	55	鸡内金	厚朴	0.0554
23	党参	麻黄	0.0965	56	藁本	陈皮	0.0552
24	党参	防风	0.0954	57	川椒目	天竺子	0.0549
25	党参	黄芪	0.0954	58	桔梗	鸡内金	0.0536
26	陈皮	黄芪	0.0942	59	川椒目	紫苏子	0.0528
27	羌活	陈皮	0.0928	60	藿香	白术	0.0527
28	陈皮	独活	0.0928	61	前胡	白术	0.0527
29	党参	莱菔子	0.0921	62	柴胡	白术	0.0527
30	杏仁	麻黄	0.0854	63	厚朴	白术	0.0527
31	黄芪	麻黄	0.0854	64	葶苈子	生黄芪	0.0517
32	杏仁	麻黄根	0.0822	65	桔梗	白术	0.0511
33	茯苓	党参	0.0763	66	紫苏子	天竺子	0.0509

　　2.6 基于复杂系统熵聚类的潜在药组分析

　　根据惩罚度与相关度相互约束的原理，设置相关度为8，惩罚度为2，发现10个治哮的潜在药组，见表7。

表7 基于复杂系统熵聚类的不同证型的新方列表

序号	主症+伴随特点	潜在药组
1	喘促，伴咳剧	秦皮+百部+天竺子
2	喘促，伴夜咳明显、眠差、性怪	川芎+远志+石菖蒲
3	喘促，伴痰壅明显	紫苏子+莱菔子+葶苈子
4	喘促，伴湿疹明显	苦参+地肤子+白鲜皮
5	喘促，伴反复难愈	菟丝子+枸杞子
6	喘促，ICS吸入疗法疗效不佳	仙鹤草+仙茅+仙灵脾
7	喘咳，伴流黄脓涕液	莪术+皂角刺
8	喘咳，伴鼻塞、喷嚏、或湿疹明显	白芷+藁本+川芎+辛夷
9	喘咳，伴口咽干燥、痰黏难咯	南沙参+北沙参+麦冬
10	咳喘，伴汗出明显	麻黄根+煅龙骨+煅牡蛎

　　　　阴虚阳亢证组采用连续矫正2检验，其他采用2检验，是否为阴阳错杂证与是否为痰证有显著性差异（<0.01），与是否为血瘀证、是否为阴虚阳亢证有差异（<0.05）。

　　由表1、表2、表3可以看出，“一分为三”辨证方法所辨阴证与“94标准”所辨得气虚证基本吻合，阳证与风证、火热证基本吻合，阴阳错杂证与血瘀证、痰证和阴虚阳亢证基本吻合。

　　4.讨论

　　关于中风病的辨证诊断标准，上世纪末我国相继出台了《中风病中医诊断、疗效评定标准》[8]、《中风病辨证诊断标准》[9]、《中风病诊断与疗效评定标准》[7]，其中《中风病辨证诊断标准》（即“94标准”）将中风病分为六大证型，是目前中风病辨证诊断采用最广泛的标准，但在临床实际应用中仍存在证候要素涵盖不全面、条目赋值欠合理、条目内容有待商榷及适用范围易受时间因素影响[14-16]等问题，所以探寻简化现有中风病的辨证诊断标准，寻求建立更加简化、更加实用的新辨证诊断标准具有重要现实意义。

　　阴阳属于我国古代哲学的范畴，是对某些具有联系的事物或现象对立双方属性的概括。《周易》指出“立天之道，曰阴与阳”（《周易•说卦》），“一阴一阳之谓道”（《周易•系辞上》）。我国医家从春秋战国时期开始将哲学中阴阳的概念应用于中医理论体系当中，成为中医理论体系的重要组成部分。因此，有些现代医家认为可否用阴阳理论来概括中风病的证型，郑国庆等[17-18]认为中风病阴阳为纲辨证理论依据充分，简洁实用，是中风病辨证发展的必然要求, 符合哲学否定之否定规律。但在实际临床工作中，中风病病情复杂，特别是出血性中风病具有起病急、病情进展迅速、证型变化复杂等特点，故仅用阴阳两种证型难以将其全部概括。林亚明教授在1993年即提出了除阴证、阳证之外，还存在第三种证型：阴阳错杂证，他认为阴证与阳证难以截然分开，在实际的临床工作中存在着大量的阴阳错杂症候，因此 “一分为三”（即辨阴证、阳证、阴阳错杂证）辨证法可以作为辨证方法的纲领[6]。

　　本研究通过对114例出血性中风病患者的临床辨证及进行相关分析后显示，“一分为三”辨证方法所辨阴证与“94标准”所辨得气虚证基本吻合，阳证与风证、火热证基本吻合，阴阳错杂证与血瘀证、痰证和阴虚阳亢证基本吻合。故可以认为在出血性中风病的辨证诊断中，“一分为三”辨证方法所辨三种证型可基本概括“94”标准所辨六种证型。

　　当然，临床辨证工作量庞大且证型变化复杂，临床证型也受时间变化及地域不同的影响，笔者尽可能遵循科学的研究方法，对此114例病例进行观察及数据分析，如有不妥之处望同道指正。

　　参考文献：

　　[1]中华医学会神经病学分会.中国脑出血诊治指南(2014)[J].中华神经科杂志,2015,48(6):435-444.

　　[2] Steiner T, Bösel J. Options to restrict hematoma expansion after spontaneous intracerebral hemorrhage.[J]. Stroke, 2010, 41(2):402-409.

　　[3] Mayer S A, Rincon F. Treatment of intracerebral haemorrhage [J]. Lancet Neurology, 2005, 4(10):662-72.

　　[4] Joyce S Balami, Alastair M Buchan. Complications of intracerebral haemorrhage [J]. Lancet Neurology,2012,11(1).

　　[5] Valery L Feigin, Carlene MM Lawes, Derrick A Bennett, Suzanne L Barker-Collo, Varsha Parag.

　　[6]林亚明.八纲辨证中的“一分为三”说[J].云南中医学院学报,1993(04):24-26.

　　[7]中风病诊断与疗效评定标准（试行）[J].北京中医药大学学报,1996(01):55-56.

　　[8]王永炎.中风病中医诊断、疗效评定标准[J].中国医药学报,1986(02):56-57.

　　[9]中风病辨证诊断标准(试行) [J].北京中医药大学学报,1994(03):64-66.

　　[10]张舞青,林亚明.缺血性中风病“一分为三”辨证规律的研究[J].山东中医杂志,2013,32(01):23-24+48.

　　[11]杨志波.缺血性中风病一分为三辨证方法的临床再研究[D].云南中医学院,2013.

　　[12]刘晓敏.一分为三辨证方法在出血性中风病中的应用研究[D].云南中医学院,2014.

　　[13]饶明俐, 王文志, 黄如训. 中国脑血管病防治指南[J].2007:28

　　[14]程雪,都文渊,王媛媛,等.《中风病辨证诊断标准》在中风病急性期的应用[J].中国中医急症,2013,22(09):1527-1529.

　　[15]张聪,高颖.《中风病辨证诊断标准》应用现状存在问题及对策[J].天津中医药,2007(01):12-14.

　　[16]耿晓娟, 张军平, 高颖,等. 缺血性中风病急性期证候变化规律研究[J]. 中华中医药杂志, 2010(9):1485-1487.

　　[17]郑国庆, 黄培新. 中风病辨治阴阳为纲源流[J]. 中华医史杂志, 2003, 33(4):227-230.

　　[18]郑国庆. 中风病简化辨证的哲学思考[J]. 医学与哲学, 2006, 27(2):65-67.