这不是一篇“挖出一个神奇方子”的文章。数据挖掘研究的价值，是把大量处方、医案或文本中反复出现的模式变成可核查的证据线索；它不能直接证明疗效，更不能替代辨证论治和临床试验。
先说结论：这类研究究竟在做什么？
一句话说，它是在回答：在一批已经存在的处方或医案里，哪些药物、药性、药对和组合反复一起出现；这些模式能否被还原为一个有中医理论依据、也值得进一步验证的诊疗假设？ 数据挖掘在中医医案、方剂配伍、名医经验、古籍和针灸选穴等场景中的应用，已有多篇方法与应用综述梳理[1-4]。
它的研究对象不是“药物对人体产生了什么因果效应”，而是“记录下来的处方是怎样被组织起来的”。所以，数据挖掘常常是研究的起点或中间环节，不是临床结论的终点。
图1 这类研究的基本路径：从已有资料中发现模式，再把模式带回独立数据、临床解释、机制研究或前瞻性研究中验证。
为什么中医药特别常用这种方法？
中医处方天然是“多成分、随证加减”的组合数据。若只靠人工读几百份医案，研究者很难稳定地回答：
- 某味药究竟是偶尔出现，还是跨病例、跨处方都高频出现？
- 两味药经常同时出现，是因为它们真的形成配伍，还是因为其中一味本来就特别常用？
- 多个药物能否形成相对稳定的组合，而不是任意拼在一起？
- 同一疾病在口服、外用、不同证候或不同时期，组合是否不同？
数据挖掘把每张处方转换为可分析的数据表：一行是一张处方或一个病例；一列是一味规范化后的中药，或药性、药味、归经、功效类别等变量。 有了这张表，频次、关联规则、聚类和因子分析才有明确对象。医案数据的语义规范、病历结构与数据质量，被多篇综述视为这类研究的基础约束，而不是软件运行前可以跳过的准备工作[1,2,6]。
这五年，CNKI里的“数据挖掘—用药规律”研究长什么样？
本次检索限定在CNKI普通期刊库：主题包含“数据挖掘”或“用药规律”，学科属于中医学、中药学或中西医结合，发表时间为2021—2025年。检索于 2026-08-02 完成，共得到 6,160 篇记录。年度记录数为：2021年1,042篇、2022年1,233篇、2023年1,360篇、2024年1,268篇、2025年1,257篇。这里的数量描述的是 CNKI 主要主题标引下的相关记录，不是严格筛选后“合格处方数据挖掘研究”的篇数。
图2 2021—2025年CNKI普通期刊库中，中医学、中药学和中西医结合学科内与“数据挖掘”或“用药规律”相关的高频研究主题。圆点越大，相关文献越多；两点连线越粗，表示它们在同一批文献中共同出现得越多；颜色表示主题之间较为紧密的结构分组。
图2中，“数据挖掘”和“用药规律”是最居中的两个主题：在这批文献中，它们共同出现了2,347次。周围连接着“中医药治疗”“网络药理学”“中药治疗”“选穴规律”“中药复方”“作用机制”“中医传承辅助平台”“组方规律”和“关联规则”等主题。可见，这种方法并不只用于找药对或筛核心药物，也可用于梳理针灸选穴、名医经验、古籍方剂、专利资料和机制研究中的模式。既有研究现状分析也观察到相似的跨场景应用格局[5]。
不过，这张图更适合用来认识研究版图，而不是给各类研究划出泾渭分明的边界。“数据挖掘”和“用药规律”本身很通用，能够把许多不同研究对象连接起来；因此，不能仅凭图上的聚集就断言存在若干彼此独立的“研究阵营”。
从“次要主题”看：研究者通常怎样挖掘用药规律？
图中的大主题告诉我们：这个领域主要在研究什么。若想进一步看懂一项具体研究是怎么完成的，还要留意论文中反复出现的算法、平台和结果术语。它们通常被标注为“次要主题”，能帮助读者识别研究者怎样整理资料、怎样分析处方，以及最后得到的是哪一类结果。
在这批文献中，出现较多的次要主题包括：
| 次要主题 | 记录数 | 它提示的含义 |
|---|---|---|
| 数据挖掘 | 886 | 核心研究方法，也常被数据库标为补充主题标签 |
| 聚类分析 | 467 | 寻找相似药物/处方的组合结构 |
| 关联规则 | 426 | 识别共同出现的药对（两味药固定配伍）、角药（三味药固定配伍）等组合 |
| 中医传承辅助平台 | 294 | 常用处理平台之一，不等于研究质量 |
| 核心药物 | 182 | 常见结果表述，仍需说明判定规则 |
| 名医经验 | 159 | 重要数据来源之一 |
| 古今医案云平台 | 129 | 医案整理与分析工具线索 |
| 因子分析 | 88 | 从多个经常同步出现的药物中提取潜在组合 |
这张表可以当作阅读方法的“小词典”。看到“关联规则”“聚类分析”或“中医传承辅助平台”时，读者应继续追问：它分析的原始资料是什么？参数怎样设定？“核心药物”是按频次、规则强度，还是网络指标筛出的？只有这些信息交代完整，所谓“用药规律”才有可核查的含义。医案挖掘与相关软件的综述同样强调，数据质量、技术规范和具体应用场景不能被软件名称替代[1,2]。
一项规范研究的基本套路是什么？
1. 先定问题，而不是先开软件
好问题必须同时写清四件事：数据来自哪里、分析对象是什么、纳入单位是什么、想发现什么模式。
例如，“分析某名中医治疗湿疹的医案用药规律”至少要明确：医案时间范围、疾病与证候判定、重复就诊如何处理、一张处方是否为一个分析单位、加减药怎样记录。若问题只是“挖掘某病用药规律”，后续任何漂亮网络都没有稳定边界。
2. 把原始记录变成可复查的数据集
这是最容易被低估、却最决定结果的一步。研究者需要预先制定纳入和排除标准，统一药名、炮制品、别名、剂量单位与功效分类，并保留原始记录和转换规则。
为什么？因为“生地黄”和“熟地黄”能不能合并，不是软件决定的；“甘草”和“炙甘草”是否视作同一变量，也会改变频次和关联规则。若没有词表和决策记录，所谓“核心药物”无法复现。
3. 用不同算法回答不同问题
| 方法 | 它真正回答的问题 | 还需要什么证据才能下结论？ |
|---|---|---|
| 频次/比例 | 哪些药、药性、归经在这批记录里常见？ | 常见不等于有效或最关键，还要有临床比较与理论解释。 |
| 关联规则 | 哪些药物在同一处方中共同出现得比基线更值得注意？ | 不能由此推出药理协同或因果关系，仍需机制与临床证据。 |
| 聚类分析 | 哪些药物或处方的出现模式更相似？ | 聚出的每一类是否可视为“新方”或固定证型，还要结合中医理论和临床经验判断。 |
| 因子分析 | 哪些药物可能存在共同变化的潜在维度？ | 因子不能自动等同于中医证候或治疗原则，需要回到原始资料解释。 |
| 复杂网络 | 在设定的节点和边规则下，哪些药物处于网络中心？ | 中心位置不代表疗效最好或应优先使用，仍需疗效与安全性证据。 |
这就是为什么一篇可靠的研究不应只报“高频药物”。频次描述常见性；关联规则看共现组合；聚类和因子分析帮助提出结构假设。它们相互补充，却不能互相替代；近期医案研究中将频次、关联规则、聚类乃至因子分析组合使用的报告方式，也提供了具体示范[7,8,10]。
关联规则里的支持度、置信度、提升度，为什么都要报？
以药物 A 与 B 为例：
- 支持度：A 和 B 同时出现，占全部处方的比例；它表示这个组合是否有足够数据基础。
- 置信度：出现 A 的处方中，同时出现 B 的比例；它表示条件共现的强弱。
- 提升度：A 出现时 B 出现的概率，相对于 B 本来出现概率的增幅；它用于避免“甘草本来就很常用，所以和谁都有关联”的假象。
只报置信度很容易误导。若 B 是高频药，很多规则都会有不错的置信度；但此时提升度可能接近1，意味着在“A出现”的处方里看到B的概率，与在所有处方里看到B的概率相差不大，这个组合未必比随机共现更特别。阈值也不能照抄：支持度设得太低，偶然组合会大量涌入；设得太高，又会漏掉有临床意义但不常见的配伍。研究必须说明阈值如何设定，最好还要通过适度调整阈值，检查结果是否稳定。
真实研究会怎么做？三个不同数据来源的例子
CNKI记录显示，同一个“数据挖掘—用药规律”标签下，数据来源可以完全不同，结论的外推边界也不同。
- 医案/病例来源：2024年一项溃疡性结肠炎研究，筛选某医师病例，分别分析口服与外用处方，并使用频次、关联规则和聚类分析。它能描述该医师、该机构、该时期的处方模式；不能据此证明组合优于其他治疗[7]。
- 名医经验来源：2024年一项湿疹研究纳入193张处方、110味中药，报告了药物频次、药性味归经、聚类和关联规则。它说明“从原始医案到规则”的典型路径，也提示研究应报告处方数量、药物数量、距离算法与规则阈值[8]。
- 古籍来源：2024年一项晋唐时期消渴方剂研究，整理古籍方剂后分析频次、关联规则与聚类。它的贡献是知识史和理论线索，不能直接外推到今天患者的疗效或安全性[9]。
此外，专利、公开文献和数据库处方也可以成为数据源；但它们分别代表申报信息、已发表信息和二次整理信息，不能被当作真实世界临床处方的替代品。真实世界中医药数据的语义、病历结构和追踪不足，仍是影响外推的重要问题[6]。
文献反复指出的质量问题：结果为什么不一定可信？
这不是“挑毛病”。针对中医药术语与用药规律总结的专门讨论，已经把检索、术语规范、文献质量与纳入、结论验证、网络构建列为高风险环节[11]；医案挖掘和软件应用综述也持续强调数据质量、技术规范与实际可用性[1,2]。把这些问题提前讲清楚，才知道一张漂亮网络图到底能信到什么程度。
| 常见问题 | 为什么会影响结论 | 应怎样处理 |
|---|---|---|
| 药名、炮制、别名未规范 | 同一味药被拆成多个变量，或不同药物被错误合并，高频药与药对都会改变。 | 先建立术语映射表，说明规范依据；保留原始名与标准名的对应关系。[11,12] |
| 纳入范围与文献质量不透明 | 文献处方、名医医案、古籍方、真实世界病历的产生机制不同；混在一起只能说明“材料中的共现”，不能说明临床常规。 | 写清数据源、时间、纳排标准、重复处理与分析单位；不同来源分层分析。[11] |
| 只报软件，不报参数 | 支持度、置信度、提升度、距离度量和聚类数一变，结果可能就变；软件名本身不构成可重复的方法。 | 完整报告数据处理链和每个关键阈值；关联规则的优势与局限需要结合问题和参数判断。[2,13] |
| 把统计组合升级为疗效、机制或处方建议 | 共现描述的是样本中“常一起出现”，不是比较过“谁更有效”；数据挖掘的结论仍需临床与机制证据接续。 | 用“候选组合”“经验线索”等表述；把外部复核、专家解释、机制研究或前瞻性临床验证列为后续步骤。[11,12] |
| 忽略证候、剂量与病程 | 若只记录某味药“是否出现”（出现记为1、未出现记为0），往往会抹去辨证加减和剂量信息；中医处方是高度个体化的决策记录，失去这些信息后，分析会变得扁平。 | 在研究设计时保留证候、症状、剂量、疗程/就诊次序等字段；无法保留时，应明确这是分析边界。[12] |
| 用复杂网络替代验证 | 网络可视化能帮助发现结构，但不能自动提升证据等级；图越复杂也不等于结论越强。 | 网络图用于探索和解释，随后做敏感性分析、独立数据复核或临床专家评议。[11] |
这里有一个最容易被忽略的界限：数据挖掘擅长提出“值得验证的模式”，不擅长单独完成验证。 这一点不是否定方法，而是决定它应该接在哪条证据链上。
这类研究接下来应往哪里走？
现状类研究的共同方向并不是“再换一个更复杂的算法”，而是让数据、算法和临床问题更好地对齐：
- 数据层面：建立可追溯的术语标准、结构化病历与多维字段，减少录入和语义差异。[1,2,11]
- 方法层面：按辨证论治的实际决策过程调整数据表示与算法参数，而不是把一张张辨证论治的处方机械地当作彼此孤立的购物小票来分析。[12]
- 证据层面：把回顾性发现与独立样本、专家解释、真实世界随访、机制实验或前瞻性研究衔接起来；不同证据环节回答不同问题。[6,11]
- 报告层面：让他人能知道“数据从哪里来、怎样变成变量、参数怎样定、结果怎样验证”。这比多放几张网络图更能提高研究的可核查性。
怎样判断一篇研究是否规范？
读者可以用下面八个问题快速检查（它们对应上述评价文献提出的关键风险点[11,12]）：
- 数据源、时间、纳入与排除标准是否明确？
- 分析单位是病例、处方、随访，还是文献？重复记录如何处理？
- 药名、炮制、别名、剂量和缺失值如何标准化？
- 原始记录数、纳入处方数、涉及药物数是否交代？
- 为什么选择频次、关联规则、聚类或因子分析？
- 支持度、置信度、提升度、距离方法、聚类数等参数是否完整报告？
- 是否把描述性结果与疗效、机制、临床建议明确区分？
- 是否有外部验证，或通过调整关键阈值检查过结果是否稳定？若没有，是否诚实说明？
这张主题网络对初学者有什么用？
它不替你选出“最好的算法”，但提供了一张地图：
- “数据挖掘—用药规律”是一个很大的方法入口；
- 它一端连接临床与中药治疗，一端连接选穴规律、名医经验、古籍、平台工具和机制研究；
- 次要主题提示当前最常见的技术组合是“频次统计 + 关联规则 + 聚类分析”，并常借助中医传承辅助平台或医案云平台；
- 但方法热点不等于证据等级。真正有价值的工作，不是多运行一个算法，而是让问题、数据、标准化、参数和验证彼此对得上。
如果你准备做这类研究，最值得先写下来的不是软件名，而是这样一句话：“我从什么来源，以什么规则，整理了哪一类处方；我想发现的模式是什么；发现后准备如何验证？”
参考文献
- 仲芳, 杨巍, 赵翀, 等. 数据挖掘技术在中医医案的应用研究[J]. 中国中医药信息杂志, 2020(02):146-149.
- 刘凡, 李新龙, 李凌香, 等. 数据挖掘软件在名老中医经验传承中的应用进展[J]. 环球中医药, 2019(10):156-160.
- 徐静雯, 夏菁, 邸若虹, 等. 数据挖掘技术在中医药研究中的应用进展[J]. 医学综述, 2019(18):142-146,151.
- 封继宏, 张鹏宇. 数据挖掘在现代中医药研究中的应用进展[J]. 中国医药导报, 2020(13):60-63. DOI:10.20047/j.issn1673-7210.2020.13.013.
- 李昱, 杨涛. 基于CiteSpace的中医药数据挖掘研究现状与发展趋势分析[J]. 中医药导报, 2021(04):156-160. DOI:10.13862/j.cnki.cn43-1446/r.2021.04.037.
- 李易真, 夏椰, 张佳玮, 等. 中医药大数据在真实世界中的应用现状研究进展[J]. 中华中医药杂志, 2021(06):401-404.
- 邢冰, 巩跃生, 宋聚才, 等. 基于数据挖掘探析巩跃生教授治疗溃疡性结肠炎用药规律[J]. 亚太传统医药, 2024(06):168-174.
- 黄彩菲, 朱雪萍, 肖琳, 等. 基于数据挖掘分析孙虹教授治疗湿疹的用药规律[J]. 皮肤病与性病, 2024(02):53-56,66.
- 付艺, 王翔宇, 韦溶锴, 等. 基于数据挖掘探讨晋唐时期治疗消渴的用药规律[J]. 中医药临床杂志, 2024(08):106-111. DOI:10.16448/j.cjtcm.2024.0824.
- 陈立娇, 蔡蔚斌, 姚莹华. 基于多元数据挖掘分析蔡蔚斌治疗咳嗽用药规律[J]. 新中医, 2025(09):20-24. DOI:10.13457/j.cnki.jncm.2025.09.003.
- 赵艳青, 李青松, 项敏泓, 等. 中医药数据挖掘中常见问题的思考与策略——以中医药术语及用药规律总结为例[J]. 中华中医药杂志, 2018(04):22-27.
- 潘晔, 娄静, 潘玉颖, 等. 中医药数据挖掘现状分析与创新探索[J]. 中国中医药信息杂志, 2022(05):10-14. DOI:10.19879/j.cnki.1005-5304.202105222.
- 王玲玲, 付桃芳, 杜俊英, 等. 基于SPSS Clementine的关联规则分析在中医药数据挖掘中的应用优势和局限[J]. 云南中医学院学报, 2016(06):102-106. DOI:10.19288/j.cnki.issn.1000-2723.2016.06.024.
数据与方法说明
- 检索日期：2026-08-02（Asia/Shanghai）
- 数据库边界：CNKI普通期刊库（journal）
- 学科：中医学（E056）、中药学（E057）、中西医结合学（E058）
- 时间窗：2021—2025
- 主题网络：取频次最高的60个主要主题为节点，计算任意两个主题在同一批文献中共同出现的次数；共同出现次数达到12次及以上时才绘制连线，共保留143条较强关联边。
- 聚类与布局：加权 Louvain（resolution=0.8）用于结构检查；固定随机种子20260802的加权 spring 布局仅用于可视化。网络描述主题标引关系，不表示因果、疗效、证据质量或研究价值。
- 问题与展望证据：另以“中医医案/用药规律 + 数据挖掘 + 问题/不足/规范/对策/展望”定向检索CNKI普通期刊库；文中问题与改进建议主要依据赵艳青等[11]、潘晔等[12]、仲芳等[1]、刘凡等[2]和王玲玲等[13]的综述/方法评价归纳。
- 文献使用边界：本文不是系统综述或临床证据评价，不据此比较疗效；“改进方向”是对所引评价文献的归纳，不构成临床推荐。