期刊文献+

基于数据挖掘的现代中医药治疗慢性偏头痛用药规律分析 被引量:3

下载PDF
导出
摘要 目的:采用数据挖掘技术分析现代中医药治疗慢性偏头痛的用药规律,科学指导临床药物治疗。方法:以1990—2014年中国学术期刊网络出版总数据库、中国生物医学文献数据库、中国科学引文数据库、中国中医药期刊文献数据库、中文科技期刊数据库为检索源制定检索式,采集慢性偏头痛头痛方药的相关数据,按照统一标准处理后录入数据库,采用频数分析、因子分析、关联规则分析进行整合分析。结果:研究共纳入162篇文献,151种中药。使用频率前20位的药物为川芎、细辛、白芷、白芍、当归、全蝎、蔓荆子、甘草、天麻、僵蚕、菊花、蜈蚣、柴胡、丹参、钩藤、藁本、半夏、栀子、茯苓、陈皮,通过因子分析将所用药物归纳为5个因子。而关联规则分析揭示了慢性偏头痛方剂的常用药物组合,包括桃仁配红花、防风配白芷等。结论:运用数据挖掘方法系统的总结现代中医药治疗慢性偏头痛的药物组成,为开拓当代临床治疗慢性偏头痛的用药思路提供科学的理论依据。
出处 《中医研究》 2015年第9期61-64,共4页 Traditional Chinese Medicinal Research
基金 河南中医学院2014年度科研苗圃工程项目医药相关类课题"新媒体视野下高校大学生文化传承教育研究"(MP2014-54)
  • 相关文献

参考文献7

二级参考文献71

  • 1李松林,林鸽,钟凯声,谭润球.应用HPLC-DAD-MS联用技术研究中药川芎指纹图谱[J].药学学报,2004,38(8):621-626. 被引量:58
  • 2[9]Han J.,et al.Mining Frequent Patterns without Candidate Generation[C].SIGMOD Conference,2000.1-12.
  • 3[10]Bayardo R.J.,et al.Efficiently mining long patterns from databases[C].In: proc.1998 ACM-SIGMOD Int.Conf.Management of Data.Seattle,1998.85-93.
  • 4[1]Han J.Towards on-line analytical mining in lare database sysytems[C].ACM-SIGMOD,1998.97-107.
  • 5[2]Chen M.S.,et al.Data mining:An overview from a database perspective[J].IEEE Transactions on knowledge and Data Engineering.1996,8(6.):866-883.
  • 6[3]Fayyad U.M.,et al.Advances in Knoeledge Discovery and Data Mining[C].Cambridge,MA:AAAI/MIT Press,1996.
  • 7[4]Han J.,et al.Data Mining:Concepts and Techniques.Morgan Kaufmann Publishers[M].(高等教育出版社,影印版),2001.
  • 8[5]Agrawal R.,et al.Mining association rule between sets of items in large database.Proceedings of tie ACM SIGMOD International Conference on Management of Data[C].Wa-shington,D.C.,ACM Press,1993.207-216.
  • 9[6]Agrawal R.et al.A tree projection algorithm for generation of frequent itemsets[J].In Ijournal of parallel and Distributed Computing.2000.
  • 10[7]Ankerst M.,et al.Visual classification: An interactive approach to decision tree construction[C].In Proc.1999 ACM-SIGMOD Int.Conf.Management of Data.Philadephia,1999.46-60.

共引文献142

同被引文献40

引证文献3

二级引证文献25

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部