Deze studie is goedgekeurd door de ethische commissie van het First Affiliated Hospital of Zhejiang Chinese Medical University (goedkeuringsnummer 2020-KL-072-01). Vanwege het retrospectieve karakter van de studie en het gebruik van bestaande medische dossiers is afgezien van geïnformeerde toestemming. De vertrouwelijkheid van de patiënten is gewaarborgd tijdens de extractie en analyse van gegevens, en uitsluitend gedeïdentificeerde informatie is voor onderzoeksdoeleinden gebruikt.
Gegevensbron
Medische dossiers van patiënten gediagnosticeerd met AE-IPF die tussen september 2019 en december 2020 door professor Xu werden behandeld in het Zhejiang Provincial Hospital of Traditional Chinese Medicine werden retrospectief beoordeeld. In eerste instantie werden in totaal 96 patiënten met AE-IPF gescreend. Na toepassing van de vooraf gedefinieerde in- en uitsluitingscriteria werden 42 geschikte patiënten geïncludeerd, waarbij 84 volledige recepten voor Chinese kruidengeneeskunde werden verkregen voor daaropvolgende data-mininganalyse. De 84 recepten waren afgeleid van 42 patiënten, waarbij elk recept een onafhankelijke klinische aanpassing vertegenwoordigde op basis van syndroomdifferentiatie en reflecteerde op beslissingen over voorschriften in de praktijk tijdens de behandelingsperiode van AE-IPF. Elk recept werd beschouwd als een onafhankelijke analyse-eenheid, en alle recepten waren afgeleid van klinische praktijkervaringen tijdens de fase van acute exacerbatie. Diagnostische criteria: De diagnose AE-IPF werd gesteld op basis van de diagnostische criteria voor interstitiële longziekten uitgevaardigd door de European Respiratory Society (ERS) en de American Thoracic Society (ATS) in 201815, evenals de Chinese Expert Consensus over de Diagnose en Behandeling van Acute Exacerbatie van Idiopathische Pulmonale Fibrose opgesteld door de Interstitial Lung Disease Group van de Chinese Thoracic Society16. Inclusiecriteria omvatten: voldoen aan de diagnostische criteria voor IPF en zich in de fase van acute exacerbatie bevinden; voldoen aan de diagnostische criteria voor AE-IPF volgens de faseringstheorie van professor Xu voor IPF-behandeling, waarbij de TCM-syndroomdifferentiatie werd geïdentificeerd als slijm-hitte die de long blokkeert of slijm-vocht dat de long blokkeert; typische respiratoire verslechtering of acute deteriorated binnen één maand ervaren; hoge-resolutie computertomografie (HRCT) die nieuwe matglasopaciteiten of consolidaties onthult bovenop reeds bestaande reticulaties of honingraatvorming; afwezigheid van bevestigde pulmonale infectie. Uitsluitingscriteria omvatten patiënten met ernstige primaire ziekten zoals cardiovasculaire en cerebrovasculaire aandoeningen, ziekten van het hematopoëtische systeem of psychiatrische aandoeningen; patiënten met complicaties zoals pulmonale hartziekte of respiratoir falen; zwangerschap of lactatie, en personen met een bekende allergie voor een component van de proefmedicatie; patiënten met een slechte therapietrouw (onvermogen om de behandeling zoals vereist te ondergaan, of vrijwillige stopzetting van de behandeling).
Aangezien dit een retrospectieve observationele studie was op basis van bestaande medische dossiers, waren randomisatie en blindering niet van toepassing. Het studiedesign was gericht op het identificeren van voorschrijfpatronen in plaats van het evalueren van de behandelingsdoelmatigheid. Daarom werden klinische uitkomsten, zoals de snelheid van symptoomverbetering, de duur van de ziekenhuisopname en vooraf gedefinieerde eindpunten, niet geanalyseerd in deze data-miningstudie.
Standaardisatie van de nomenclatuur van Chinese kruidengeneeskunde
De nomenclatuur van de kruidengeneesmiddelen werd gestandaardiseerd volgens de Chinese Farmacopee (editie 2015)17 en de tweede editie van de Chinese Materia Medica (New Century Edition)18. Elk kruid werd omgezet in een uniform gecodeerd formaat voorafgaand aan de statistische analyse. Verschillende synoniemen, bewerkingsvormen en regionale naamvariaties die naar hetzelfde medicinale materiaal verwezen, werden samengevoegd tot één gestandaardiseerde vermelding. De uiteindelijke gestandaardiseerde dataset werd onafhankelijk beoordeeld door twee onderzoekers voordat deze werd geïmporteerd in het analyseplatform. Medicinale materialen zonder gespecificeerde bewerkingsmethoden — zoals white peony root, white atractylodes rhizome en Ephedra — werden in hun ruwe vorm genoteerd. Voor kruiden met meerdere namen die hun werkzaamheid of indicaties niet beïnvloeden, werd een uniforme naamgevingsstandaard toegepast.
Invoer en verificatie van het recept
De gescreende medicatie werd ingevoerd in een geautomatiseerd platform voor de analyse van overgeleverde Traditionele Chinese Geneeskunde en voorschriften voor daaropvolgende data-mininganalyse. Om volledigheid en nauwkeurigheid te waarborgen, werd een gestandaardiseerde procedure voor databeheer geïmplementeerd. Twee onafhankelijke onderzoekers voerden de data-extractie en -invoer afzonderlijk uit, en discrepanties werden beoordeeld en opgelost door een senior clinicus met meer dan 15 jaar ervaring in de respiratoire geneeskunde en de praktijk van TCM. De geëxtraheerde informatie over de voorschriften werd gecontroleerd aan de hand van de oorspronkelijke elektronische medische dossiers. Dossiers met onvolledige voorschriftcomponenten, onduidelijke kruidennamen of inconsistente medicatie-informatie werden vóór de analyse uitgesloten. Voorschrijfpatronen voor medicatie werden onderzocht met behulp van de functies voor medische casusanalyse en voorschriftanalyse van het data-miningplatform.
Workflow voor datamining en beoordeling van de uitkomsten
De algemene analytische workflow bestond uit vier opeenvolgende stappen. Ten eerste werden gestandaardiseerde voorschriftgegevens geïmporteerd in het geïnformatiseerde data-miningplatform voor traditionele Chinese geneeskunde. Ten tweede werd er een frequentieanalyse uitgevoerd om veelgebruikte kruiden te identificeren, waarbij de kruidenfrequentie en de cumulatieve toepassingsfrequentie als primaire uitkomstmaten werden beschouwd. Ten derde werd een associatieregelanalyse op basis van het Apriori-algoritme uitgevoerd om kerncombinaties van kruiden te identificeren, waarbij support- en confidence-waarden als kwantitatieve evaluatie-indicatoren werden gebruikt. Tot slot werd een clusteringanalyse op basis van entropie uitgevoerd om potentiële nieuwe formules te genereren, en de geëxtraheerde combinaties werden geïnterpreteerd volgens de TCM-theorie en eerdere farmacologische bewijzen.
Omdat deze studie bedoeld was om voorschrijfpatronen te identificeren in plaats van interventie-effecten te vergelijken, waren conventionele statistische hypothesetoetsen niet van toepassing. Er werden beschrijvende statistische analyses uitgevoerd om de frequenties van kruiden en therapeutische categorieën samen te vatten. De robuustheid van associatieregels werd beoordeeld aan de hand van meerdere kwantitatieve indicatoren, waaronder support, confidence en lift. Support weerspiegelde de frequentie van het voorkomen van kruidencombinaties, confidence representeerde de conditionele waarschijnlijkheid tussen geassocieerde kruiden, en lift-waarden groter dan 1 duidden op positieve correlaties die verder gingen dan willekeurig gelijktijdig voorkomen. Deze kwantitatieve parameters werden gebruikt om de sterkte en betrouwbaarheid van de geïdentificeerde voorschrijfpatronen te evalueren. De associatiesterkte werd kwantitatief geëvalueerd met behulp van support-, confidence- en lift-waarden, terwijl clusteringparameters op basis van entropie werden gebruikt om potentiële formulecombinaties te identificeren.
Kruidenfrequentieanalyse
Kruidenfrequentie werd gedefinieerd als het cumulatieve aantal voorkomens van elk kruid over alle 84 recepten. De frequentieanalyse werd uitgevoerd met behulp van Excel PivotChart om de kruiden te rangschikken op basis van hun totale aantal voorkomens, en de kruiden met de hoogste frequenties werden verzameld in een lijst met hoge frequentie. Op basis van deze frequentieresultaten analyseerden we verder de medicinale eigenschappen van de kruiden, waaronder de vier naturen (koud, heet, warm, koel), vijf smaken (zuur, bitter, zoet, scherp, zout) en meridiaantropisme (bijv. long-, miltmeridianen), om de algemene kenmerken van de recepten en de compatibiliteitsprincipes samen te vatten vanuit het perspectief van de TCM-eigenschapstheorie.
Analyse van voorschriftregels voor medicatie
Associatieregelanalyse werd uitgevoerd met behulp van het Apriori-algoritme in de software IBM SPSS Modeler. Elk recept werd beschouwd als een “transactie” en elk kruid als een “item.” Hoogfrequente drugcombinaties en hun interne relaties werden verkend via complexe netwerkanalyse. De kernparameters waren voorafgaand aan de analyse gedefinieerd. De minimale support-drempelwaarde werd ingesteld op 50 recepten, waardoor werd gegarandeerd dat alleen frequent waargenomen kruidencombinaties werden behouden. Omdat de dataset uit 84 recepten bestond, kon de absolute support-frequentie niet meer dan 84 voorkomstijden bedragen. De confidence-drempelwaarde werd ingesteld op 0,8, wat betekent dat wanneer kruid A verscheen, de waarschijnlijkheid van co-occurrentie van kruid B meer dan 80% bedroeg, waardoor de betrouwbaarheid van de geëxtraheerde associatieregels werd gewaarborgd. Omdat confidence echter asymmetrisch is en beïnvloed kan worden door de basis-frequentie van het gevolgkruid, werden daarnaast lift-waarden berekend om te bepalen of de waargenomen co-occurrentie de toevallige verwachtingen overtrof. Een lift-waarde groter dan 1 duidde op een positieve associatie, een waarde gelijk aan 1 duidde op onafhankelijkheid en een waarde kleiner dan 1 duidde op een negatieve associatie. Regels die voldeden aan de criteria support ≥50, confidence ≥0,80 en lift >1 werden als betekenisvol beschouwd en behouden voor interpretatie. De behouden regels werden geëxporteerd en gerangschikt op basis van support-, confidence- en lift-waarden om systematisch de kerncombinaties van kruiden en potentiële compatibiliteitspatronen voor AE-IPF samen te vatten.
Analyse van nieuwe formule
Vervolgens werd een analyse van nieuwe formules uitgevoerd met behulp van de complex system entropy clustering-methode. Deze analyse werd uitgevoerd met het gecomputeriseerde data-miningplatform voor traditionele Chinese geneeskunde. Ten eerste hebben we, gebruikmakend van de eerder geconstrueerde formule-kruid datamatrix, de correlatiegraad op 8 ingesteld om het aantal en de cohesie van kerncombinaties van kruiden te beheersen, en de strafgraad op 2 om de associatiesterkte te beperken, waardoor de klinische rationaliteit van de geëxtraheerde combinaties werd gewaarborgd. Na de parameterconfiguratie werd de functie “Extract Combinations” in de software toegepast om automatisch impliciete, sterk gecorreleerde kerncombinaties tussen kruiden te identificeren, gebaseerd op de verbeterde wederzijdse informatiemethode en het complex entropy clustering-algoritme. Het platform clusterde en integreerde deze kerncombinaties vervolgens verder om uiteindelijk potentiële nieuwe formules voor de behandeling van AE-IPF te genereren. De betrouwbaarheid van de geëxtraheerde kerncombinaties en kandidaatformules werd verder geëvalueerd via drie benaderingen: een consistentiebeoordeling met resultaten van hoogfrequente kruiden; vergelijking met klassieke TCM-therapeutische principes voor AE-IPF; en interpretatie op basis van eerder gerapporteerde farmacologische mechanismen van representatieve kruiden. Deze procedures werden gebruikt als interne validatiebenaderingen om de klinische interpreteerbaarheid van de geïdentificeerde receptuurpatronen te verbeteren.