帕金森病中医证候要素提取与分布组合探索性研究

被引:0
作者
刘红喜
机构
[1] 北京中医药大学
关键词
聚类分析; 帕金森病; 因子分析; 证候要素;
D O I
10.26973/d.cnki.gbjzu.2020.000384
年度学位
2020
学位类型
硕士
摘要
目的初步探索帕金森病的证候要素及分布、组合特点,为帕金森病辨证规范体系的建立提供依据。方法1由课题组负责单位统一制定《帕金森病中医证候观察表》,经统一培训后,由中国中医科学院西苑医院、河北省保定市第一中医院、河北省泊头市中医院协作进行病例收集,共纳入患者195例,属于临床流行病学的横断面调查。2利用Excel软件建立数据库,SPSS20.0进行数据统计。运用因子分析探索帕金森病的常见证候要素,结合临床专家实践经验,初步确定公因子(证候要素)的个数及各个公因子包含的症状,建立函数方程,计算公因子得分,统计证候要素分布特征,并通过聚类分析探索证候要素组合特点。结果1因子分析显示检验变量间偏相关性的KMO统计量为0.662>0.5,说明变量间偏相关程度较强,该数据应用因子分析效果较好。Bartlett球形检验近似卡方为6992.230(P<0.001),可知各变量拒绝独立性,具有较强相关性,适于因子分析。2因子分析得到26个初始公因子,通过公因子合并,根据因子得分函数数学模型及方差贡献率,建立9个合并后公因子(9种证候要素)得分函数:fl(气虚)=0.0203×步态慌张+0.0076×视物模糊+0.0075 ×言语謇涩+0.0076 ×肢体疼痛+.0052 ×腰膝酸软+0.0037 ×表情淡漠+0.0083 ×小碎步+0.0061 ×齿摇+0.0188× 乏力+0.0149×神疲+0.0087× 气短+0.0061× 多梦+0.0065× 自汗+0.0168×面色萎黄+0.0135 ×流涎f2(阴虚)=0.0167×潮热盗汗+0.0057×脉弦+0.0164×小便短赤+0.0146×排便无力+0.0136×便干便难+0.0139 × 目涩+.0062 × 口渴+0.0135 × 脉细+0.0119×舌少津+0.0139 ×舌苔少+0.0145 ×舌瘦+0.0055 ×脉数+0.0109 ×善太息f3(阳虚)=0.0184×尿后余沥+0.0170×尿急+0.0137×脉濡+0.0085×面浮肢肿+0.0072 ×畏寒肢冷f4(火)=0.0178×舌苔黄+0.0171 ×失眠+0.0135×多梦+0.0090×头晕+0.0064×急躁易怒+0.0070 ×脉数f5(痰)=0.0116×脉滑+0.0131×咳痰+0.0083×麻木+0.0072× 口黏腻f6(血瘀)=0.0120×舌暗+0.0060×面色晦暗+0.0148×眼眶青黑+0.0100×脉涩+0.0124× 口唇紫暗f7(湿)=0.0057× 大便臭秽+0.0145×舌苔厚+0.0031 ×舌苔腻+0.0128 × 口臭+0.0122 × 口黏腻+0.0076 × 口苦+0.0169 × 肢倦身重+0.0160 × 头重如裹+0.0201 × 舌淡红f8(风)=0.0240X四肢拘急+0.0190×身体僵直+0.0077×表情淡漠+0.0074×步态拖拉+0.0063 ×步态不稳+0.0141 ×脉弦+0.0146 ×肢体震颤+0.0180 ×头晕+0.0048 ×运动迟缓f9(气滞)=0.0175×胸胁胀痛+0.0186×胸闷+0.0169×心悸+0.0114×善太息+0.0109×脉弦+0.0058×耳鸣+0.0058× 口苦3在帕金森病患者的中医证候要素分布中,以气虚、阴虚、风所占比例最高,所占比例分别为31.8%、28.2%、21.0%;其次为湿、血瘀、气滞、火、痰、阳虚,其中湿比例较高,所占比例为11.79%;涉及的主要脏腑为肝、肾,次要脏腑为脾、心;在整体证候要素分布中,虚证所占比例为60.5%,实证所占比例为39.5%。4女性患者中医证候要素中气虚34(32.4%)、阴虚30(28.6%)、风19(18.1%)、湿14(13.3%)所占比例较高;男性患者中医证候要素中气虚28(31.1%)、阴虚25(27.8%)、风22(24.4%)、湿9(10.0%)所占比例较高。Pearson卡方检验P=0.702>0.05,显示在本研究中帕金森病证候要素在性别上的分布不存在显著性差异。5年龄与血瘀呈正相关,相关系数0.172(P<0.05);年龄与气虚呈正相关,相关系数0.169(P<0.05);年龄与气滞呈负相关,相关系数-0.017(P<0.05)。6赫雅分级与风、气虚、气滞、阴虚、血瘀、火呈正相关,其中与风正相关,相关系数0.502(P<0.01);与气虚正相关,相关系数0.341(P<0.01);与气滞正相关,相关系数0.237(P<0.01);与阴虚正相关,相关系数0.188(P<0.01)。7病程早期中医证候要素中气虚46(31.1%)、阴虚40(27.0%)、风30(20.3%)、湿20(13.5%)所占比例较高;病程中晚期中医证候要素中气虚16(34.0%)、阴虚15(31.9%)、风11(23.4%)所占比例较高。Pearson卡方检验P=0.571>0.05,显示在本研究中帕金森病证候要素在病程分期上的分布不存在显著性差异。8震颤型的患者中医证候要素中阴虚17(29.8%)、气虚13(22.8%)、湿11(19.3%)所占比例较高;运动分型为少动-强直型的患者中医证候要素中阴虚10(43.5%)、气虚9(39.1%)所占比例较高;运动分型为混合型的患者中医证候要素中气虚40(34.8%)、风35(30.4%)、阴虚28(24.3%)所占比例较高。Pearson卡方检验P=0.002<0.01,显示在本研究中帕金森病证候要素在运动分型上的分布存在显著性差异,即证候要素气虚、阴虚、风在混合型帕金森病患者所占比例较高,证候要素湿在震颤型帕金森病患者占据比例较高。9将80个症状信息条目作为变量纳入聚类分析,结合临床实际,截取聚类结果为7类,分别为肝肾亏虚证、气阴两虚证、脾肾气虚证、湿浊阻滞证、风火内动证、气滞血瘀证、痰瘀互结证。结论1帕金森病主要涉及9类证候要素,主要证候要素为气虚、阴虚、风,其后依次为湿、血瘀、气滞、火、痰、阳虚,病性属虚实夹杂,以虚证表现较为突出,涉及的主要脏腑为肝、肾,次要脏腑为脾、心。2证候要素气虚、阴虚、风、湿贯穿疾病全程,气虚、阴虚、风在混合型帕金森病患者所占比例较高,证候要素湿在震颤型帕金森病患者所占比例较高。3帕金森病的证候要素虚实夹杂,聚类组合成证型的情况:肝肾亏虚证、气阴两虚证、脾肾气虚证、湿浊阻滞证、风火内动证、气滞血瘀证、痰瘀互结证。本病证候要素虚实并见,证候要素组合主要表现为肝肾、气虚、阴虚、湿浊相兼错杂。
引用
收藏
页数:107
共 124 条
[1]
基于隐结构法的肝炎肝硬化的证候要素研究 [D]. 
李延龙 .
北京中医药大学,
2018
[2]
裴媛教授以益气养血法论治帕金森病经验总结 [D]. 
王以超 .
辽宁中医药大学,
2017
[3]
马云枝教授从痰论治帕金森病学术经验总结 [D]. 
佘振垒 .
河南中医药大学,
2016
[4]
决策树技术及其在医学中的应用 [D]. 
徐蕾 .
第二军医大学,
2004
[5]
Parkinson disease: from pathology to molecular disease mechanisms.[J].David T. Dexter;Peter Jenner.Free Radical Biology and Medicine.2013,
[6]
Epidemiology of Parkinson's disease [J].
Alves, Guido ;
Forsaa, Elin Bjelland ;
Pedersen, Kenn Freddy ;
Gjerstad, Michaela Dreetz ;
Larsen, Jan Petter .
JOURNAL OF NEUROLOGY, 2008, 255 (Suppl 5) :18-32
[7]
Multiclass support vector machines for EEG-signals classification [J].
Guler, Inan ;
Ubeyli, Elif Derya .
IEEE TRANSACTIONS ON INFORMATION TECHNOLOGY IN BIOMEDICINE, 2007, 11 (02) :117-126
[8]
Projected number of people with Parkinson disease in the most populous nations, 2005 through 2030 [J].
Dorsey, E. R. ;
Constantinescu, R. ;
Thompson, J. P. ;
Biglan, K. M. ;
Holloway, R. G. ;
Kieburtz, K. ;
Marshall, F. J. ;
Ravina, B. M. ;
Schifitto, G. ;
Siderowf, A. ;
Tanner, C. M. .
NEUROLOGY, 2007, 68 (05) :384-386
[9]
Epidemiology of Parkinson's disease [J].
de Lau, Lonneke M. L. ;
Breteler, Monique M. B. .
LANCET NEUROLOGY, 2006, 5 (06) :525-535
[10]
Classification of faces in man and machine [J].
Graf, ABA ;
Wichmann, FA ;
Bülthoff, HH ;
Schölkopf, B .
NEURAL COMPUTATION, 2006, 18 (01) :143-165