建立中風(fēng)病血瘀證宏觀辨證量化標(biāo)準(zhǔn)的方法探討

1、建立中風(fēng)病血瘀證宏觀辨證量化標(biāo)準(zhǔn)的方法探討摘要：試采用 非條件和 kli: k2i 配對(duì)的條件logistic 回歸的分析方法，對(duì)221例中風(fēng)病人的臨床中醫(yī)證候特征進(jìn)行比較分析，建立急性期中風(fēng)病血瘀證的證候預(yù)測(cè)模型，并采用臨床調(diào)查的結(jié)果對(duì)模型進(jìn)行驗(yàn)證，以探討建立中風(fēng)病血瘀證宏觀辨證量化標(biāo)準(zhǔn)的方法。結(jié)果：非條件與條件 logistic 回歸均提示口唇紫暗或面色晦暗、舌有瘀點(diǎn)或舌有瘀斑、舌背脈絡(luò)瘀張青紫、舌紫暗是鑒別血瘀證與非血瘀證的重要指標(biāo)，且4項(xiàng)指標(biāo)與急性期中風(fēng)病血瘀證發(fā)生概率均呈正相關(guān)。將另外的一組與本研究無(wú)關(guān)、但研究對(duì)象的選擇相似的臨床數(shù)據(jù)作為檢驗(yàn)樣本代入模型得到的診斷準(zhǔn)確率達(dá)99.06%

2、(105/106)。結(jié)論：模型對(duì)急性期中風(fēng)病血瘀證具有較好的預(yù)測(cè)作用。條件和非條件 logistic 統(tǒng)計(jì)模型以及 k1i: k2i 的配對(duì)方法用于急性期中風(fēng)病血瘀證的研究有助于宏觀辨證量化標(biāo)準(zhǔn)的建立，并且這些方法可以推廣應(yīng)用到非急性期中風(fēng)病以及其他系統(tǒng)疾病的血瘀證或其他證候的量化研究中。關(guān)鍵詞：中風(fēng)/中醫(yī)病機(jī)；腦出血/中醫(yī)病機(jī)；腦梗塞/中醫(yī)病機(jī)；血瘀/診斷；多元分析分類號(hào)：R255.2文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1007-3213(1999)04-0249-05Establishing Standards of Measuring Blood-stasis Syndrome in the Pat

3、ients with Acute StrokeWU DarongHUANG Yan（The Second Affiliated Hospital, Guangzhou University of TCM, Guangzhou 510120,China）LIANG WeixiongWEN ZehuaiLAI Shilong（DME Center, Guangzhou University of TCM, Guangzhou 510405,China）Abstract:Non-conditional logistic regression and k1i:k2i matched condition

4、al logistic regression were applied to develop predictive models that could differentiate blood-stasis syndrome from non-blood-stasis in 221 patients with acute stroke.Results showed that purple or darkish lips of darkish complexion, purple spots or ecchymosis on the tongue, stagnated and purple dor

5、sal lingual veins, purple or darkish tongue, were important variables in the differentiation of blood-stasis syndrome and non-blood-stasis.Positive correlation was found between the above indexes and the incidence of blood-stasis syndrome. An independent data was used to test the non-conditional log

6、istic model, and the precise rate was 99.06%. It is concluded that the non-conditional logistic model can be used to predict the syndrome of blood stasis in the patients with acute stoke, and k1i:k2i conditional and non-conditional logistic modeling are proper ways of investigating the syndrome of b

7、lood stasis in patients with acute stroke. Furthermore these methods might be used in the research of non-acute stroke, blood-stasis syndrome in the patients with other diseases, or other syndromes.Key words:STROKE/pathogenesis(tcm);CEREBRAL HEMORRHAGE/pathogenesis(tcm);CEREBRAL INFARCTION/pathogene

8、sis(tcm);BLOOD STASIS/diagnosis;MULTIVARIATE ANALYSIS關(guān)于中風(fēng)病血瘀證的研究，近年來(lái)較活躍，基本上是從微觀或宏觀兩方面入手。微觀辨證是試用微觀指標(biāo)認(rèn)識(shí)與辨別證1；宏觀辨證則是以四診為手段，以中醫(yī)理論為指導(dǎo)，搜集有關(guān)的臨床信息，判斷出病因、病位、病性等的辨證過(guò)程。后者對(duì)于中風(fēng)病血瘀證的實(shí)質(zhì)的研究具有同樣重要的實(shí)際意義。本研究擬用多變量分析的方法，對(duì)221例急性期中風(fēng)病人的臨床中醫(yī)證候特征進(jìn)行比較分析，利用條件和非條件的 logistic 回歸的分析方法，建立急性期中風(fēng)病血瘀證的證候預(yù)測(cè)模型，并采用臨床調(diào)查的結(jié)果對(duì)模型進(jìn)行驗(yàn)證，以探討建立中風(fēng)病血

9、瘀證中醫(yī)宏觀辨證量化標(biāo)準(zhǔn)的方法。1研究對(duì)象和方法1.1研究對(duì)象的確定病例來(lái)源：1992年9月至1995年12月在廣州中醫(yī)藥大學(xué)第二附屬醫(yī)院神經(jīng)內(nèi)科和急診科連續(xù)收治的中風(fēng)病急性期病人。研究對(duì)象：符合納入標(biāo)準(zhǔn)的中風(fēng)急性期的病人。診斷標(biāo)準(zhǔn)：采用1986年中華醫(yī)學(xué)會(huì)第二次全國(guó)腦血管病學(xué)術(shù)會(huì)議第三次修訂標(biāo)準(zhǔn)2和中華全國(guó)中醫(yī)學(xué)會(huì)內(nèi)科學(xué)會(huì)的“中風(fēng)病中醫(yī)診斷、療效評(píng)定標(biāo)準(zhǔn)”3。納入標(biāo)準(zhǔn)：經(jīng) CT 或 MRI 診斷為急性腦出血、腦梗塞的住院病人；病程在 72 h 以內(nèi)者；(3)第一次中風(fēng)的患者。排除標(biāo)準(zhǔn)：調(diào)查前受到藥物對(duì)證候的干擾者。1.2資料收集按照廣東省科學(xué)技術(shù)委員會(huì)的課題“中風(fēng)中醫(yī)證候特征及其規(guī)范化研究”

10、的前瞻性專題科研設(shè)計(jì)方案，制定統(tǒng)一的標(biāo)準(zhǔn)和統(tǒng)一的調(diào)查表，由專門的中醫(yī)和神經(jīng)內(nèi)科醫(yī)師負(fù)責(zé)，在病人未用藥前，根據(jù)全國(guó)腦病急癥協(xié)作組第二次 會(huì)議通過(guò)的“中風(fēng)病證候診斷標(biāo)準(zhǔn)(試行)”作出血瘀證、非血瘀證(包括風(fēng)證、火熱證、痰證、氣虛證、陰虛陽(yáng)亢證等)的量化診斷，填寫調(diào)查表格。1.3統(tǒng)計(jì)學(xué)處理用 STATA Ver5.0 統(tǒng)計(jì)軟件對(duì)資料進(jìn)行篩選，并進(jìn)行非條件和條件 logistic 回歸分析，建立預(yù)測(cè)模型。2結(jié)果2.1一般資料在所有入選病例中，血瘀證 150 例，非血瘀證 71例 。血瘀證中，男 100 例，女 50 例，男女比例 21，年齡4396 歲，年齡中位數(shù)67.5歲；非血瘀證中，男 49 例，

11、女 22 例，男女比例 2.21，年齡 4292 歲，年齡中位數(shù) 71 歲。兩組間性別頻數(shù)分布無(wú)差異，年齡差別有顯著性)t=2.285, P=0.023)，故年齡作為一個(gè)入選指標(biāo)。2.2變量的篩選各單項(xiàng)指標(biāo)在兩組病人的分布，采用卡方檢驗(yàn)(或四格表的確切概率法)或秩和檢驗(yàn)(Wilcoxon 檢驗(yàn))或 t 檢驗(yàn)進(jìn)行統(tǒng)計(jì)。其中，分類資料符合卡方檢驗(yàn)條件的用卡方檢驗(yàn)，如舌紫暗；分類資料不符合卡方檢驗(yàn)條件的用四格表的確切概率法，如脈沉弦遲；等級(jí)資料用秩和檢驗(yàn)，如尿短赤；連續(xù)性變量用 t 檢驗(yàn)，如年齡。從119項(xiàng)單項(xiàng)指標(biāo)在血瘀證及非血瘀證病人中的比較可以看出，年齡、神疲乏力、少氣懶怠、倦怠嗜臥、口燥咽干、

12、尿短赤、表情淡漠、反應(yīng)遲鈍、寡言少語(yǔ)、面紅目赤、口唇干紅、口唇淡暗、聲高氣粗、氣促口臭、語(yǔ)聲低怯或咳聲無(wú)力、舌歪斜、舌紅、苔膩、脈滑 、脈數(shù)、口唇紫暗或面色晦暗、頭痛而痛處不移或頭痛如針刺、舌有瘀點(diǎn)或舌有瘀斑、瞼下青黑、舌背脈絡(luò)瘀張青紫、舌紫暗和脈沉弦細(xì)，經(jīng)統(tǒng)計(jì)學(xué)處理，其兩組間差異有顯著性(P0.05)，因而具有鑒別價(jià)值，可用于建立 logistic 模型，余項(xiàng)指標(biāo)無(wú)顯著性差異。2.3logistic 回歸分析結(jié)果變量的賦值原則：等級(jí)變量中不出現(xiàn)、輕度、中度、重度分別用0、1、2、3表示；二值變量中無(wú)、有分別用0、1表示；連續(xù)性變量用原數(shù)值。對(duì)進(jìn)入模型的每?jī)蓚€(gè)變量的交互作用進(jìn)行統(tǒng)計(jì)學(xué)檢驗(yàn)，未發(fā)

13、現(xiàn)交互作用。采用逐步回歸方法(前進(jìn)法，F(xiàn)orward method)，初始模型中沒有變量，每進(jìn)入一個(gè)變量，計(jì)算包含該變量和沒包含該變量的所得的最大似然值差值，這反應(yīng)了該變量的進(jìn)入對(duì)模型的貢獻(xiàn)大小，并計(jì)算其 P 值大小，不進(jìn)入P0.01的變量，最后建立模型。結(jié)果，認(rèn)為由舌紫暗(x25)、舌背脈絡(luò)瘀張青紫(x24)、口唇紫暗或面色晦暗(x20)和舌有瘀點(diǎn)或舌有瘀斑(x22)所建立的模型為最佳模型。診斷為血瘀證的概率P(Y)=1/(1+e-z)，式中：Z=-2.742 974+0.582 170 7x25 +0.969 433 9x24 +4.808 999x20+4.767 154x22分別計(jì)算方

14、程中各變量的標(biāo)準(zhǔn)偏回歸系數(shù)，以比較各變量的重要性。舌背脈絡(luò)瘀張青紫在模型中的標(biāo)準(zhǔn)偏回歸系數(shù)最大，表明該指標(biāo)在血瘀證的診斷中占相當(dāng)重要的位置，其他依次為口唇紫暗或面色晦暗、舌有瘀點(diǎn)或舌有瘀斑、舌紫暗。經(jīng) STATA 程序檢驗(yàn)?zāi)Ｐ偷臄M合優(yōu)度，2=0.22，自由度 =11, P=1.000 0。參照文獻(xiàn)4，P0.50， 說(shuō)明樣本的頻數(shù)分布符合 logistic 分布，樣本可以用于 logistic 模型的建立。繪制 logistic 模型的 ROC 曲線，見1。ROC 曲線下面積為 0.973 8，表明模型對(duì)血瘀證有預(yù)測(cè)作用。1logistic模型的 ROC 曲線以 P=0.5作為截點(diǎn)，用自身樣本所

15、計(jì)算出的 P 值(即先驗(yàn)概率)與截點(diǎn)比較，大于或等于 0.5為血瘀證，小于0.5為非血瘀證。最后判定如表1。表1logistic 回歸模型的先驗(yàn)概率N/例模型診斷原始診斷合 計(jì)血瘀證非血瘀證血 瘀 證14612158非血瘀證45963合計(jì)15071221 敏感度為97.33%，特異度為83.10%，準(zhǔn)確度為92.76%，陽(yáng)性預(yù)測(cè)值為92.41%，陰性預(yù)測(cè)值為93.65%。比較原始診斷與模型診斷的符合率(卡帕值，又寫作 Kappa 值)：經(jīng)過(guò) STATA 程序計(jì)算， Kappa 值=0.828 9，表明原始診斷與模型診斷的符合率較高，其 Kappa 值的一致性強(qiáng)度為最強(qiáng)(Almost perfe

16、ct)5。2.4條件 logistic 回歸分析我們將資料按其兼夾證的不同進(jìn)行 k1i:k2i 的配對(duì)(即不等比配對(duì))6，除去無(wú)法配對(duì)的 12 例，共有 209 例進(jìn)入計(jì)算。進(jìn)行變量的篩選時(shí)，為了體現(xiàn)配對(duì)后的效果，我們?cè)谝陨系?k1i:k2i 的配對(duì)中隨機(jī)選出 88例組成 11 配對(duì)，利用這88例進(jìn)行變量的篩選。在配對(duì)后再對(duì) 127 項(xiàng)(包括 8 項(xiàng)填寫率為 0 的指標(biāo))單項(xiàng)指標(biāo)在兩組間進(jìn)行比較，得到少氣懶怠、口苦咽干、口唇淡暗、苔膩、口唇紫暗或面色晦暗、頭痛而痛處不移或頭痛如針刺、舌背脈絡(luò)瘀張青紫、舌紫暗、舌有瘀點(diǎn)或舌有瘀斑及脈沉弦細(xì)等10項(xiàng)指標(biāo)，經(jīng)統(tǒng)計(jì)學(xué)檢驗(yàn)，其差異有顯著性(P0.05)，

17、可用于建立條件 logistic 模型。變量的賦值原則同上。對(duì)進(jìn)入模型的每?jī)蓚€(gè)變量的交互作用進(jìn)行統(tǒng)計(jì)學(xué)檢驗(yàn)，未發(fā)現(xiàn)交互作用。采用前進(jìn)法，初始模型中沒有變量，每進(jìn)入一個(gè)變量計(jì)算包含該變量和沒包含該變量所得的最大似然值差值，并計(jì)算其 P值大小，不進(jìn)入P0.01的變量，最后建立模型。結(jié)果認(rèn)為包含舌紫暗、舌背脈絡(luò)瘀張青紫、口唇紫暗或面色晦暗、舌有瘀點(diǎn)或舌有瘀斑等變量的模型為最佳模型。比較各變量的比數(shù)比值(即OR值)大小，可反映變量對(duì)血瘀證的貢獻(xiàn)大小?？梢钥闯?，在排除了兼夾證的干擾后，依然是口唇紫暗或面色晦暗、舌有瘀點(diǎn)或舌有瘀斑、舌背脈絡(luò)瘀張青紫及舌紫暗這幾項(xiàng)指標(biāo)對(duì)血瘀證的診斷最有價(jià)值。其貢獻(xiàn)由大到小依

18、次為口唇紫暗或面色晦暗、舌有瘀點(diǎn)或舌有瘀斑、舌背脈絡(luò)瘀張青紫、舌紫暗。2.5對(duì)非條件 logistic 回歸模型的檢驗(yàn)將另外的一組與本研究無(wú)關(guān)，但研究對(duì)象選擇相似的臨床數(shù)據(jù)作為檢驗(yàn)樣本代入模型(該研究納入標(biāo)準(zhǔn)之一是符合中風(fēng)氣虛血瘀證者)*，計(jì)算出每個(gè)檢驗(yàn)樣本的概率，依概率判斷其是否為血瘀證的診斷，并與原始診斷相比較，以評(píng)價(jià)模型。我們?nèi)砸?P=0.5 作為截點(diǎn)，用模型所計(jì)算出的 P值與截點(diǎn)比較，大于或等于 0.5 為血瘀證，小于0.5為非血瘀證。得到在共106例中風(fēng)氣虛血瘀證中，模型的診斷準(zhǔn)確率達(dá)99.06%(105/106)。 3討論辨證論治是中醫(yī)學(xué)的診療基礎(chǔ)，而證候是辨證論治的前提和基礎(chǔ)。證

19、是一個(gè)動(dòng)態(tài)的變化過(guò)程，一方面容易受外界因素的影響，另一方面也容易為診治者的主觀傾向所影響，而使其可認(rèn)知性、可重復(fù)性和可比較性受到限制，從而也影響了中西醫(yī)在國(guó)際上的交流。故我們認(rèn)為證候的規(guī)范化研究既關(guān)系到中醫(yī)臨床診療水平的提高和發(fā)展，又關(guān)系到中西醫(yī)學(xué)的溝通和交流。關(guān)于血瘀證的研究，近年來(lái)發(fā)展較為迅速，是學(xué)術(shù)界重點(diǎn)關(guān)注的課題，但血瘀證的診斷標(biāo)準(zhǔn)尚存較多的爭(zhēng)議。本研究旨在通過(guò)嚴(yán)格規(guī)范的臨床流行病學(xué)調(diào)查，在較好地排除了兼夾證候干擾的同時(shí)，運(yùn)用 logistic 回歸模型對(duì)建立急性期中風(fēng)病血瘀證量化標(biāo)準(zhǔn)的方法作一定程度的探討，尋找一個(gè)較合適的能推廣應(yīng)用到非急性期中風(fēng)病以及其他系統(tǒng)疾病的血瘀證的量化方法，

20、或其他證候的量化方法。在中醫(yī)證候的研究中，兼夾證候的普遍存在是混雜性偏倚的一 個(gè)重要來(lái)源。在研究某些因素對(duì)某一證候的定量關(guān)系時(shí)，由于兼夾證候的存在而產(chǎn)生的混雜因素將可能導(dǎo)致研究結(jié)論的不真實(shí)性。在分析各危險(xiǎn)因素與疾病發(fā)生之間的定量關(guān)系時(shí)，為了正確說(shuō)明這種關(guān)系，就需要控制許多混雜因素。而 logistic 回歸模型能克服上述弱點(diǎn)，能對(duì)危險(xiǎn)因素的定量測(cè)定值進(jìn)行分析。條件 logistic 模型又可以在盡量不損失一些資料信息的同時(shí)，對(duì)配對(duì)的資料進(jìn)行多因素的綜合分析。同樣，在中醫(yī)證候研究中，有可能與證候發(fā)生有關(guān)的因素較多，如年齡、性別、職業(yè)、飲食以及情志因素等等，這就意味著需要分層的因素較多，給定量的估

21、計(jì)帶來(lái)困難。如選擇 logistic 回歸模型就可以克服這一弱點(diǎn)。通常在研究中人們選擇1：k2i 的配對(duì)方式，但在中醫(yī)的證候研究中這種配對(duì)方式有可能造成較大量的信息損失。這是和中醫(yī)證候研究中證候以及證候組合的復(fù)雜性、多變性有關(guān)。我們認(rèn)為運(yùn)用 k1i:k2i 的配對(duì)方式較1：k2i 的配對(duì)方式能盡可能多地保留資料的信息。在非條件 logistic 模型中，全部樣本共 221 例，均用于建立模型。最后保留在模型中的變量為舌背脈絡(luò)瘀張青紫、口唇紫暗或面色晦暗、舌有瘀點(diǎn)或舌有瘀斑和舌紫暗，這些變量均與血瘀證的發(fā)生概率呈正相關(guān)。這些保留的變量與條件 logistic 模型中保留的變量是一致的。logistic 回歸模型的 ROC 曲線下面積為 0.973 8，大于 0.80，說(shuō)明該模型對(duì)急性期中風(fēng)病血瘀證具有預(yù)測(cè)能力7，對(duì)模型的擬合優(yōu)度檢驗(yàn)，P 0.5 ，表明對(duì)這些病人而言，其急性期中風(fēng)病血瘀證的分布是符合 logistic 分布規(guī)律的，用 logistic 回歸模型是合理的。將另外一組臨床數(shù)據(jù)作為檢驗(yàn)樣本代入模型后得到其診斷的準(zhǔn)確率達(dá) 99.06%。因此，我們認(rèn)為模型應(yīng)是可供診斷急性期中風(fēng)病血瘀證參考用的。當(dāng)然，由于該臨床數(shù)據(jù)只包括了氣虛血瘀證的病例，故只能說(shuō)明本模型對(duì)該組數(shù)據(jù)的敏感度較高，對(duì)其特異度、陽(yáng)性預(yù)