本站小編為你精心準備了論中醫研究中數理統計的運用參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

聚類分析是以“物以類聚”為原則的一種統計方法,用數學的方法研究和處理給定對象分類的一種多元統計方法。曲淼等[2]使用該方法對105例抑郁癥病人的臨床資料進行分析,結論是:聚類分析發現心膽氣虛、氣虛血瘀、心腎不交、脾腎兩虧、腎虛肝郁、氣郁化火6個證候涵蓋了抑郁癥的大部分證候。結構方程模型是一種運用統計中的假設檢驗對有關現象的內在結構理論進行分析的一種統計方法。

其特點是可證實所假設的先驗關系成立與否;可將隱變量和直接測量變量一并考慮;可對變量測量誤差及方差做出估計。謝世平等[3]使用結構方程模型從1303例HIV/AIDS病例的45個辨證相關指標中提取了6個潛變量(因子),分別對應于中醫的6個證型:痰熱蘊肺、肺脾氣虛、濕熱內蘊、濕熱蘊毒、氣陰兩虛、邪結皮膚,代表著HIV/AIDS的常見臨床證型。用于研究HIV/AIDS中醫癥狀、證候及其相互關系。結果是:列出了各證型的主癥及次癥,顯示了各個證型的特征;合理解釋了HIV/AIDS的中醫證候分型和診斷規律。隱結構模型法是一種基于數據本身的特征、從各種角度對人群進行多維劃分的方法,其反映的是蘊含在數據中的規律,具有較強的客觀性和定量性。趙燕[4]研究了104例抑郁癥病人的臨床資料,將100個顯變量參與隱結構模型構建,尋到隱變量34個,分為79個隱類,得出結果是抑郁癥主要體現的病位類證候要素有:肝、心、膽、脾、胃、腎;主要體現的病性類證候要素有:氣滯、氣虛、濕、陽虛、痰、火。因子分析即用少數幾個公因子去描述許多指標或因素之間的聯系的方法。李得民等[5]采用該方法對112例超早期腦梗死患者的臨床資料進行研究,結果顯示:超早期腦梗死中醫證候可分為4類,分別為氣虛血瘀證、熱結腑實證、肝腎陰虛證、風痰阻絡證。在一定程度上揭示了超早期腦梗死中醫證型特點。

其各自的局限性在于:聚類結果具有不確定性,且存在聚類的單分配問題,比較適合應用于單一疾病的證候分類。結構方程模型擬合指數的估計的方法決定其要求有較大的樣本量,且需要專業知識與數理知識的緊密結合。既使結構方程模型的數據能很好的擬合,也不代表模型完全正確,只能說明不拒絕該假設模型。王利敏等[6]研究2807例亞健康病人的臨床資料,構建結構方程模型,在反復擬合之下,排除了肝火證下重要意義的變量,對全面分析亞健康狀態的中醫證候有一定的影響。在使用無監督數據分析方法時,一定要深入理解各方法運用的理論基礎及應用條件,多種方法聯合使用,可一定程度上減弱其局限性的影響。

粗糙集理論是處理不精確,不一致,不完整等各種不完備信息的一種新型的有效的數學工具,主要應用于研究不完整數據、不確定知識的表達、學習及歸納。該理論數學基礎成熟,不需要提供問題所需處理集合之外的任何先驗知識,避免了專家的主觀經驗。而且該理論與處理其他不確定問題的理論有很強的互補性。吳昊[7]認為,中醫診斷實際上也是一種知識模型,它是把機體看成黑箱,直接找出輸入、輸出的關系。這些關系不是憑空臆造,而是從大量的實踐總結出來,能反映一定的客觀規律性,在實踐中行之有效,其存在的缺點就是缺乏對黑箱的具體分析。而粗糙集理論則是這種黑箱系統的有利分析工具,它利用臨床癥狀進行辨證,從中抽取出確定與可能的規則。粗糙集理論同時也存在一定的局限性未得到很好的解決:1)粗糙集理論中對錯誤判斷的決定性機制非常簡單。因此,由粗糙集產生的決策規則很不穩定而且有較差的分類精確性;[8]2)約簡的有效計算問題。如何處理數據中的噪音和丟失值問題,連續屬性離散化等仍未找到令人滿意的方法;3)粗糙集理論所處理的分類必須是完全正確或肯定的,因而它的分類是精確的,只考慮完全“包含”與“不包含”而沒有某種程度上的“包含”與“屬于”,不能處理模糊分類的問題。[9]4)粗糙集理論只有和專業判斷結合才有實際意義。郭建文等[10]采用粗糙集方法研究4077例腦卒中病“陰陽類證”患者的臨床資料,得出在粗糙集分析中,健忘與陰虛、火熱、氣虛的診斷相關,但從中醫專業判斷來說,健忘跟火熱、陰虛、氣虛都無必然聯系,對證候判斷的意義均很有限。要想更好的應用粗糙集理論,要得到精確的決策規則,必須把粗糙集理論和其他數據挖掘方法結合起來。王璐[11]在對基于粗糙集理論的屬性約簡方法的研究基礎上,通過比較分析現有的屬性約簡算法,提出了一種基于屬性作用集差異度的屬性約簡算法,經過數據集上的實驗和測試比較表明所提出的方法是有效的。該方法不僅能得到較小的約簡子集,而且在執行效率上具有很大的優勢。

模糊數學是研究和處理模糊性現象的一種數學理論和方法。它引用了模糊矩陣復合運算方法,首先對各單項參數進行評價,然后考慮各項參數在總體中的地位,配以適當的權重,再用模糊概念進行推理,經過模糊矩陣復合運算,得出綜合評價結果。中醫學理論體系普遍存在著的模糊概念,導致了“只能意會,不可言傳”等問題的存在,模糊數學的出現,使得這類概念的量化成為可能。謝杰[12]應用模糊數學方法對78例絕經后骨質疏松患者的證型進行研究,得到了PMOP患者諸癥證型總體的病情情況,并構建了一個較好的PMOP證型診斷的模糊模式識別數學模型。其局限性在于:模糊集的隸屬函數多數是憑經驗給出的,帶有明顯的主觀性,在確定分類組數和分類原則時,需要人為引進判別參數和分類標準臨界值,在數學理論和實際應用上顯得不夠嚴謹,并且不能同時考慮到各個指標對分類的影響權重。[13]目前除了采取聯合運用其他數理統計方法外,還未有其他有效的解決方法。

人工神經網絡是一種將整體論與還原分析方法有機結合的研究復雜系統的方法,能夠有效處理復雜系統中雜亂無章的海量數據,并能夠在海量數據中尋找模式及規律,歸納隱含的邏輯關系,發現多個信息單元之間相互關聯規則,同時還能從數據的分析研究中進行學科發展預測性研究,因而在中醫證候研究領域有著廣闊的應用前景。[14]許朝霞等[15]將支持向量機方法和人工神經網絡進行比較,將2種方法應用于對心血管疾病的中醫臨床信息和證候類別之間的關系的分析上,建立模型,觀察其證候預測的準確性。得出結果是:經過比較,對于心氣虛、心陽虛、心陰虛、痰濁、氣滯、血瘀等心血管疾病常見中醫證型,OCON網絡的識別準確率最高,均在60%以上,其中心氣虛和心陽虛證分別高達92.4%82.9%。

作為一種非參數模型,人工神經網絡的一切信息只來自于訓練集,其訓練的結果也就更加不穩定,極容易產生泛化問題,出現過擬合(過學習過訓練)的現象,降低泛化能力。通過正則化技術,剪枝技術,逐步構造技術及早期停止技術等可在一定程度上減弱神經網絡的泛化問題。[16]一些數理統計方法如卡方檢驗,頻數法等為大家所熟知,因此不在贅述。還有一些數理統計方法,如非負矩陣分解法,多維尺度分析法,復雜系統熵堆積,基于樹模型的分類算法研究,由于觀點較新,論述文獻較少,還需要進行繼續研究和探討。馬克思說過:“一種科學只有成功的運用數學時,才算達到了真正完善的地步。”因此,應將多種數理統計方法結合起來,盡快為中醫證候研究提供更為適宜的科學方法。（本文作者：楊爽、劉恩順、孫增濤單位：天津中醫藥大學、天津中醫藥大學第二附屬醫院）