copula函数模型在治疗肝郁血虚方剂中的研究.docxVIP

copula函数模型在治疗肝郁血虚方剂中的研究 摘要：目的 构建Copula函数,研究柴胡Bupleuri Radix-白芍Paeoniae Radix Alba药对在治疗“肝郁血虚”方剂中的剂量相关性。方法 从自建方剂数据库中收集治疗“肝郁血虚”证并含柴胡-白芍药对的传统中医方剂,对其中柴胡剂量和白芍剂量进行数据处理和检验,从阿基米德Copula函数族、椭圆Copula函数族中选择出最佳的Copula函数建立数学模型,描绘联合分布函数图,测算Kendal秩相关系数和Spearman秩相关系数,监测柴胡剂量和白芍剂量数据间的相关性。结果 筛选出109首方剂。Gaussian Copula函数模型能较好地反映柴胡和白芍剂量之间的相关性,柴胡和白芍的剂量的Kendal秩相关系数为0.330 1,Spearman秩相关系数为0.471 8,说明柴胡和白芍剂量之间具有较强的非线性关系,且呈正相关,即随着其中一味药剂量增大,另一味药也倾向于增大剂量。结论 从数据挖掘和数理统计角度,创新引入Copula函数模型,研究药对剂量的相关性,为传统经典药对相使为用提供证据,以及为传统医学临床用药提供新的研究思路。 柴胡Bupleuri Radix与白芍Paeoniae Radix Alba是常用中药药对，最早记载于《太平惠民和剂局方》，临床应用已有上千年历史，“逍遥散”“四逆散”“柴胡舒肝散”等经典方均应用此药对本研究从数据挖掘和数理统计角度开展对柴胡-白芍经典药对剂量的研究，从自建方剂库中收集含柴胡与白芍药对的传统中医方剂，建立Copula函数模型，将对证为“肝郁血虚”的方剂中人参剂量和附子剂量进行数学描述，研究所选方剂中柴胡及白芍所用剂量的相关性，从数理统计角度研究柴胡-白芍药对剂量的相互关系，为研究中药药对剂量关系提供新思路。1 方法1.1 数据来源收集从秦汉、唐宋、明清至近代的主要方书，包括经典方书、部分名医所著方书、地方用药规范、部分地方中药成方选集等建立方剂库。从方剂库筛选方剂，为保证柴胡和白芍的剂量指标的代表性、可获得性和准确性，筛选条件：（1）方剂中包含柴胡和白芍2味药物，主治为“肝郁血虚”证；（2）方剂中药物的剂量描述准确；（3）选取宋代至清代医书中的方剂。从符合筛选条件的109首方剂中提取柴胡-白芍药对剂量数据，由于药方单位不统一，不同年代的计量单位与现代计量单位的换算关系不同，按照现代计量换算原则对药对剂量进行换算1.2 数据处理及检验将筛选出的方剂中柴胡剂量和白芍剂量进行数据处理和检验，通过Kolmogorov-Smirnov检验1.3 运用Copula函数分析数据相关性1.3.1 Copula函数的选择(1）阿基米德Copula函数族：阿基米德Copula函数其分布函数为：其中，φ(u二元Gumbel Copula函数的表达式为:其中，α为参数，对上尾变化较敏感，当α逐渐增大，若上尾变化特征越明显，则变量间的相关性越强。二元Clayton Copula函数的表达式为：其中，α为参数，对下尾变化较敏感，当α逐渐增大，若下尾变化特征越明显，则变量间的相关性越强。二元Frank Copula函数的表达式为：其中，α为参数，其尾部特征具有对称性，故而其不能捕捉变量间非对称的尾部相关关系。(2）椭圆Copula函数族：二元Gaussian Copula函数的表达式为二元t-Copula函数的表达式为：其中ρ∈[-1,1]，为φ(3)Copula函数的相关性测度：相关系数能刻画两变量之间的相依程度，为精准建模提供核心依据，在测度Copula函数时，常用到的是Kendal秩相关系数和Spearman秩相关系数。当数据相关系数（包括Spearman秩相关系数和Kendall秩相关系数）范围在[-1,0）时，变量之间呈负相关；当相关系数为0时，说明变量间不相关。当相关系数范围在[1,0）时，变量间呈正相关，越接近1，表明变量间相关越密切Kendal秩相关系数τ的表达式为：Spearman秩相关系数r其中C(u,v)为u、v的Copula函数。1.3.2 统计学方法利用Epidata3.1软件进行数据录入，使用Matlab进行数据分析和模型拟合，通过正态性检验，经验分布函数和核估计，比较不同类型Copula函数的欧氏距离等方法来建立柴胡-白芍剂量相关性规律的模型。2 结果2.1 数据描述性结果将柴胡剂量和白芍剂量进行统计描述，结果如表3所示，其数据分布见图1。结果表明，方剂组中，柴胡剂量多集中在（0.37,184.5）区间，中位数为3.69 g，白芍剂量多集中在(1.11,110.07）区间，中位数为11.07 g。