在当今大数据时代的背景下，数据挖掘技术在针灸学中得到了广泛实践，成为从针灸文献大数据中获得有效信息、探索隐含知识的重要研究手段。针灸学数据挖掘研究目前广泛应用于腧穴配伍规律、针刺效应、针刺手法等方面。作为其最主要的应用场景—腧穴处方挖掘近年来增长迅速，在明确核心腧穴、探究配伍规律、构建针灸处方等方面发挥了关键作用。针灸数据挖掘是文献学、循证医学、信息科学与针灸学的交叉学科，在实际开展中易受到原始信息质量、数据挖掘算法应用、结果解释等方面的不确定因素的干扰，进而影响研究的严谨性。有学者认为，部分针灸学数据挖掘面临证据来源的问题，基于低质量的原始数据提炼汇总的结论难以对临床实践起到真正的指导作用。此外，有益的挖掘结果来源于高质量的医案与有效的处方，有研究者发现，目前中医药数据挖掘对临床疗效与个案质量重视不足。事实上，目前临床针灸腧穴挖掘研究仅针对研究方案实施前所拟定的腧穴，而忽略了其研究结果的可靠性。正因如此，很长一段时间以来，相关研究成果在临床指南构建中尚未形成规模化、规范化的应用体系。
上述问题的存在呼吁针灸数据挖掘提供新的思路与方案，有学者提出数据挖掘应考虑与循证医学证据联用，然而目前尚未有算法实现腧穴挖掘结果和循证医学证据质量的有机整合。因此，如何在数据挖掘过程中充分考虑证据质量等级、临床疗效等诸多因素，进而基于研究质量较高、临床疗效较为明确的腧穴进行系统性挖掘分析，成为针灸数据挖掘算法改进的着眼点。针灸数据挖掘涉及两大核心的算法：关联规则和聚类分析，其中聚类分析又以共现矩阵为基础。随着数据挖掘技术在各领域的推广应用，关联规则衍生出加权关联规则算法，其充分考虑了项目的权重在数据中的重要性，为发现事务数据中重要项目之间隐藏关系提供了有效方法。共现矩阵则衍生出根据项目权重赋值的加权共现矩阵算法。基于加权体系的算法在包括生物信息学、计算机文本挖掘在内的诸多领域进行了广泛应用，并在中药处方挖掘中以疗效为权重进行了探索。这些新算法的出现，为我们解决针灸腧穴挖掘循证证据整合问题提供了思路。因此，本研究以针刺干预偏头痛研究为例，提出综合考虑证据质量等级和临床疗效的加权数据挖掘算法，以期为针灸数据挖掘研究方法学和中医药证据转化应用提供有益补充。
引用本文
王喆, 陈芊秀, 董志浩, 宋庆雨, 陈新勇, 韩晶. 基于循证体系的针灸学数据挖掘算法构建与应用研究. 中国循证医学杂志, 2024, 24(9): 1070-1078. doi: 10.7507/1672-2531.202309142
免费获取全文请复制链接在浏览器中打开、或扫描下方二维码、或联系本刊官邮editor@cjebm.com。
原文链接：
https://www.cjebm.com/article/10.7507/1672-2531.202309142
二维码：
点击下方“阅读原文”查看我刊更多内容
