Cette étude a été approuvée par le Comité d'éthique de l'Hôpital affilié n°1 de l'Université de médecine chinoise du Zhejiang (n° d'approbation : 2020-KL-072-01). En raison du caractère rétrospectif de l'étude et de l'utilisation de dossiers médicaux existants, le consentement éclairé a été dispensé. La confidentialité des patients a été préservée tout au long de l'extraction et de l'analyse des données, et seule une information anonymisée a été utilisée à des fins de recherche.
Source des données
Les dossiers médicaux des patients diagnostiqués avec une FPI-AG et traités par le professeur Xu au Centre hospitalier provincial de médecine traditionnelle chinoise du Zhejiang entre septembre 2019 et décembre 2020 ont été révisés de manière rétrospective. Au total, 96 patients atteints de FPI-AG ont été initialement sélectionnés. Après application des critères prédéfinis d'inclusion et d'exclusion, 42 patients éligibles ont été retenus, et 84 ordonnances complètes de médecine traditionnelle chinoise ont été obtenues pour une analyse ultérieure par extraction de données. Ces 84 ordonnances provenaient de 42 patients, chaque ordonnance représentant un ajustement clinique indépendant fondé sur la différenciation des syndromes et reflétant les décisions réelles de prescription pendant la période de traitement de la FPI-AG. Chaque ordonnance a été considérée comme une unité d'analyse indépendante, et toutes les ordonnances provenaient de la pratique clinique réelle durant la phase d'exacerbation aiguë. Critères diagnostiques : Le diagnostic de FPI-AG a été établi selon les critères diagnostiques pour les maladies pulmonaires interstitielles publiés par la Société européenne de pneumologie (ERS) et la Société américaine de thoracologie (ATS) en 201815, ainsi que selon le consensus d'experts chinois sur le diagnostic et le traitement de l'exacerbation aiguë de la fibrose pulmonaire idiopathique élaboré par le groupe des maladies pulmonaires interstitielles de la Société chinoise de pneumologie16. Les critères d'inclusion comprennent : répondre aux critères diagnostiques de la FPI et se trouver en phase d'exacerbation aiguë ; satisfaire aux critères diagnostiques de la FPI-AG selon la théorie par stades du professeur Xu pour le traitement de la FPI, avec une différenciation des syndromes en médecine traditionnelle chinoise identifiée comme un syndrome de chaleur-phlegme obstruant le poumon ou un syndrome de phlegme-humidité obstruant le poumon ; présenter une aggravation respiratoire typique ou une détérioration aiguë survenue dans le mois précédent ; un scanner thoracique à haute résolution (HRCT) révélant de nouvelles opacités en verre dépoli ou des condensations superposées aux réticulations ou à la cloisonnement préexistants ; absence d'infection pulmonaire confirmée. Les critères d'exclusion incluent les patients souffrant de maladies primaires graves telles que des troubles cardiovasculaires ou cérébrovasculaires, des maladies du système hématopoïétique ou des troubles psychiatriques ; les patients présentant une cor pulmonale ou une insuffisance respiratoire ; les femmes enceintes ou allaitantes, ainsi que celles ayant une allergie connue à l'un des composants du médicament étudié ; les patients présentant une mauvaise observance (incapacité à suivre le traitement comme requis, ou arrêt volontaire du traitement).
Étant donné qu'il s'agissait d'une étude observationnelle rétrospective fondée sur des dossiers médicaux existants, la randomisation et l'aveugle n'étaient pas applicables. Le plan de l'étude visait à identifier les schémas de prescription plutôt qu'à évaluer l'efficacité du traitement. Par conséquent, les résultats cliniques tels que le taux d'amélioration des symptômes, la durée d'hospitalisation et les critères d'évaluation prédéfinis n'ont pas été analysés dans cette étude de fouille de données.
Normalisation de la nomenclature des herbes médicinales chinoises
La nomenclature des médicaments à base de plantes a été normalisée selon la Pharmacopée chinoise (édition 2015)17 et la deuxième édition de la Materia Medica chinoise (Nouvelle édition du siècle)18. Chaque plante a été convertie en un format codé normalisé avant l'analyse statistique. Les différents synonymes, formes de transformation et variations régionales de dénomination désignant le même matériau médicinal ont été regroupés en une seule entrée standardisée. Le jeu de données final normalisé a été examiné indépendamment par deux chercheurs avant d'être importé dans la plateforme d'analyse. Les matériaux médicinaux dont les méthodes de transformation n'étaient pas précisées — comme la racine de pivoine blanche, le rhizome d'atractylode blanc et l'éphédra — ont été enregistrés sous leur forme brute. Pour les plantes possédant plusieurs noms n'affectant ni leur efficacité ni leurs indications, une norme de dénomination unique a été appliquée.
Saisie et vérification de la prescription
Les médicaments sélectionnés ont été saisis dans une plateforme informatisée d'analyse des ordonnances et de transmission de la médecine traditionnelle chinoise, afin de procéder à une analyse de fouille de données ultérieure. Afin d'assurer l'exhaustivité et la précision, une procédure normalisée de gestion des données a été mise en œuvre. Deux chercheurs indépendants ont effectué séparément l'extraction et la saisie des données, et les divergences ont été examinées et résolues par un clinicien expérimenté disposant de plus de 15 ans d'expérience en médecine respiratoire et en pratique de la MTC. Les informations extraites concernant les ordonnances ont été vérifiées par comparaison avec les dossiers médicaux électroniques originaux. Les dossiers présentant des composants d'ordonnance incomplets, des noms de plantes non clairs ou des informations sur les médicaments incohérentes ont été exclus avant l'analyse. Les profils de prescription ont été explorés à l'aide des fonctions d'analyse de cas médicaux et d'analyse d'ordonnances intégrées à la plateforme de fouille de données.
Flux de travail de l'exploration de données et évaluation des résultats
Le flux de travail analytique global comprenait quatre étapes séquentielles. Premièrement, les données standardisées de prescriptions ont été importées dans la plateforme informatisée d'analyse de données en médecine traditionnelle chinoise. Deuxièmement, une analyse de fréquence a été réalisée afin d'identifier les herbes couramment utilisées, la fréquence des herbes et la fréquence cumulative d'application étant considérées comme les principaux critères d'évaluation. Troisièmement, une analyse des règles d'association fondée sur l'algorithme Apriori a été effectuée pour déterminer les associations principales d'herbes, les valeurs de support et de confiance servant d'indicateurs quantitatifs d'évaluation. Enfin, une analyse de regroupement par regroupement entropique a été menée afin de générer des formules potentiellement nouvelles, et les associations extraites ont été interprétées selon la théorie de la MTC et des données pharmacologiques antérieures.
Étant donné que cette étude visait à identifier les schémas de prescription plutôt qu'à comparer les effets d'interventions, les statistiques classiques de test d'hypothèse n'étaient pas applicables. Des analyses statistiques descriptives ont été réalisées afin de résumer les fréquences des plantes médicinales et les catégories thérapeutiques. La robustesse des règles d'association a été évaluée à l'aide de plusieurs indicateurs quantitatifs, notamment le support, la confiance et le lift. Le support reflétait la fréquence d'apparition des associations de plantes, la confiance représentait la probabilité conditionnelle entre les plantes associées, et des valeurs de lift supérieures à 1 indiquaient des corrélations positives allant au-delà d'une co-occurrence aléatoire. Ces paramètres quantitatifs ont été utilisés pour évaluer la force et la fiabilité des schémas de prescription identifiés. La force des associations a été évaluée quantitativement à l'aide des valeurs de support, de confiance et de lift, tandis que des paramètres de regroupement fondés sur l'entropie ont été utilisés pour identifier d'éventuelles combinaisons de formules.
Analyse de fréquence des plantes médicinales
La fréquence des plantes médicinales a été définie comme le nombre cumulé d'occurrences de chaque plante dans l'ensemble des 84 prescriptions. Une analyse de fréquence a été réalisée à l'aide d'un graphique croisé dynamique Excel afin de classer les plantes selon leur nombre total d'occurrences, et les plantes présentant les fréquences les plus élevées ont été regroupées dans une liste de haute fréquence. À partir de ces résultats de fréquence, nous avons approfondi l'analyse des propriétés médicinales des plantes, incluant les quatre natures (froid, chaud, tiède, frais), les cinq saveurs (acide, amer, doux, piquant, salé) et l'affinité pour les méridiens (par exemple, méridiens du poumon, de la rate), afin de résumer les caractéristiques générales des prescriptions et les principes de combinaison du point de vue de la théorie des propriétés en médecine traditionnelle chinoise.
Analyse des règles relatives aux médicaments sur ordonnance
L'analyse des règles d'association a été réalisée à l'aide de l'algorithme Apriori dans le logiciel IBM SPSS Modeler. Chaque prescription a été considérée comme une «transaction» et chaque plante comme un «élément». Les combinaisons fréquentes de médicaments ainsi que leurs relations internes ont été explorées par analyse de réseau complexe. Les paramètres principaux ont été définis préalablement à l'analyse. Le seuil minimal de support a été fixé à 50 prescriptions, garantissant ainsi que seules les combinaisons de plantes fréquemment observées soient conservées. Étant donné que le jeu de données comprenait 84 prescriptions, la fréquence absolue de support ne pouvait excéder 84 occurrences. Le seuil de confiance a été fixé à 0,8, ce qui signifie que lorsque la plante A était présente, la probabilité de co-apparition de la plante B dépassait 80 %, assurant ainsi la fiabilité des règles d'association extraites. Toutefois, comme la confiance est asymétrique et peut être influencée par la fréquence de base de la plante conséquente, des valeurs de lift ont été calculées en complément afin de déterminer si la co-apparition observée excédait les attentes aléatoires. Une valeur de lift supérieure à 1 indiquait une association positive, une valeur égale à 1 indiquait une indépendance, et une valeur inférieure à 1 indiquait une association négative. Les règles satisfaisant les critères de support ≥50, confiance ≥0,80 et lift >1 ont été considérées comme significatives et conservées pour interprétation. Les règles retenues ont été exportées puis classées selon leurs valeurs de support, de confiance et de lift afin de résumer systématiquement les combinaisons principales de plantes et les schémas de compatibilité potentiels pour l'AE-IPF.
Analyse de formule nouvelle
Par la suite, une analyse de formule novatrice a été réalisée à l'aide de la méthode de regroupement par entropie du système complexe. Cette analyse a été effectuée à l'aide de la plateforme informatisée de fouille de données en médecine traditionnelle chinoise. Premièrement, en utilisant la matrice de données formule–plante précédemment construite, nous avons fixé le degré de corrélation à 8 afin de contrôler le nombre et la cohésion des combinaisons centrales de plantes, et le degré de pénalité à 2 afin de limiter l'intensité des associations, garantissant ainsi la pertinence clinique des combinaisons extraites. Après la configuration des paramètres, le “Combinaisons d'extraits” Une fonction du logiciel a été appliquée afin d'identifier automatiquement des associations centrales implicites et fortement corrélées entre plantes médicinales, selon une méthode d'information mutuelle améliorée et un algorithme de regroupement par entropie complexe. La plateforme a ensuite regroupé et intégré ces associations centrales afin de générer finalement des formules novatrices potentielles pour le traitement de la FPI-AG. La fiabilité des associations centrales extraites et des formules candidates a été évaluée selon trois approches : une évaluation de la cohérence avec les résultats concernant les plantes médicinales à haute fréquence d'utilisation ; une comparaison avec les principes thérapeutiques classiques de la médecine traditionnelle chinoise (MTC) appliqués à la FPI-AG ; et une interprétation fondée sur les mécanismes pharmacologiques précédemment rapportés pour des plantes médicinales représentatives. Ces procédures ont été utilisées comme approches de validation interne afin d'améliorer l'interprétabilité clinique des profils de prescriptions identifiés.