Bu çalışma, Zhejiang Çin Tıp Üniversitesi Birinci Bağlı Hastanesi Etik Kurulu tarafından onaylanmıştır (Onay No. 2020-KL-072-01). Çalışmanın retrospektif doğası ve mevcut tıbbi kayıtların kullanılması nedeniyle, bilgilendirilmiş onamdan feragat edilmiştir. Veri çıkarma ve analiz süreçleri boyunca hasta gizliliğine sadık kalınmış ve araştırma amaçları için yalnızca kimliksizleştirilmiş bilgiler kullanılmıştır.
Veri kaynağı
Eylül 2019 ile Aralık 2020 tarihleri arasında Zhejiang Geleneksel Çin Tıbbı Eyalet Hastanesi'nde Profesör Xu tarafından tedavi edilen AE-IPF tanılı hastaların tıbbi kayıtları retrospektif olarak incelenmiştir. Başlangıçta toplam 96 AE-IPF hastası taranmıştır. Önceden belirlenmiş dahil etme ve hariç tutma kriterleri uygulandıktan sonra, 42 uygun hasta dahil edilmiş ve sonraki veri madenciliği analizi için 84 adet tam Çin bitkisel ilaç reçetesi elde edilmiştir. 42 hastadan türetilen bu 84 reçetenin her biri, sendrom farklılaştırmasına dayalı bağımsız bir klinik ayarlamayı temsil etmekte ve AE-IPF tedavi süresindeki gerçek dünya reçeteleme kararlarını yansıtmaktadır. Her bir reçete bağımsız bir analitik birim olarak kabul edilmiş ve tüm reçeteler, akut alevlenme evresindeki gerçek dünya klinik uygulamalarından türetilmiştir. Tanı Kriterleri: AE-IPF tanısı, Avrupa Solunum Derneği (ERS) ve Amerikan Toraks Derneği (ATS) tarafından 2018'de yayınlanan interstisyel akciğer hastalıkları tanı kriterlerine15 ve Çin Toraks Derneği'nin İnterstisyel Akciğer Hastalıkları Grubu tarafından oluşturulan İdiyopatik Pulmoner Fibrozisin Akut Alevlenmesinin Tanı ve Tedavisine İlişkin Çin Uzman Konsensüsüne16 dayanarak konulmuştur. Dahil etme kriterleri şunları içerir: IPF tanı kriterlerini karşılamak ve akut alevlenme evresinde olmak; Profesör Xu'nun IPF tedavi evreleme teorisine göre AE-IPF tanı kriterlerini karşılamak ve TCM sendrom farklılaştırmasının akciğerleri tıkayan balgam-ısı veya akciğerleri tıkayan balgam-nem olarak belirlenmiş olması; bir ay içinde tipik solunum kötüleşmesi veya akut bozulma yaşamak; yüksek çözünürlüklü bilgisayarlı tomografinin (HRCT) mevcut retikülasyonlar veya bal peteği görünümü üzerine eklenmiş yeni buzlu cam opasiteleri veya konsolidasyonlar göstermesi; doğrulanmış pulmoner enfeksiyonun olmaması. Hariç tutma kriterleri şunları içerir: kardiyovasküler ve serebrovasküler bozukluklar, hematopoetik sistem hastalıkları veya psikiyatrik rahatsızlıklar gibi ağır primer hastalıkları olan hastalar; pulmoner kalp hastalığı veya solunum yetmezliği ile komplike olmuş hastalar; hamile veya emziren kadınlar ve deneme ilacının herhangi bir bileşenine karşı bilinen alerjisi olanlar; uyumu düşük olan hastalar (gerektiği şekilde tedavi olamayanlar veya tedaviyi isteyerek bırakanlar).
Mevcut tıbbi kayıtlara dayalı retrospektif gözlemsel bir çalışma olduğu için randomizasyon ve körleme uygulanmamıştır. Çalışma tasarımı, tedavi etkinliğini değerlendirmekten ziyade reçeteleme modellerini belirlemeye odaklanmıştır. Bu nedenle, semptom iyileşme oranı, hastanede yatış süresi ve önceden tanımlanmış sonlanım noktaları gibi klinik sonuçlar bu veri madenciliği çalışmasında analiz edilmemiştir.
Çin Bitkisel İlaçları Terminolojisinin Standartlaştırılması
Bitkisel ilaçların nomenklatürü, Çin Farmakopesi (2015 Baskısı)17 ve Çin Materia Medica'nın (Yeni Yüzyıl Baskısı) ikinci baskısına18 göre standardize edilmiştir. Her bir bitki, istatistiksel analizden önce birleşik bir kodlu formata dönüştürülmüştür. Aynı tıbbi materyale atıfta bulunan farklı eş anlamlılar, işleme formları ve bölgesel adlandırma varyasyonları tek bir standardize edilmiş giriş altında birleştirilmiştir. Nihai standardize edilmiş veri seti, analiz platformuna aktarılmadan önce iki araştırmacı tarafından bağımsız olarak incelenmiştir. white peony root, white atractylodes rhizome ve Ephedra gibi belirtilmiş işleme yöntemleri olmayan tıbbi materyaller, ham formlarında kaydedilmiştir. Etkinliklerini veya endikasyonlarını etkilemeyen çok sayıda isme sahip bitkiler için birleşik bir adlandırma standardı uygulanmıştır.
Reçete girişi ve doğrulaması
Taranan ilaçlar, sonraki veri madenciliği analizleri için bilgisayarlı bir geleneksel Çin tıbbı mirası ve reçete analiz platformuna girilmiştir. Tamlığı ve doğruluğu sağlamak amacıyla standart bir veri yönetim prosedürü uygulanmıştır. İki bağımsız araştırmacı veri çıkarma ve giriş işlemlerini ayrı ayrı gerçekleştirmiş; tutarsızlıklar, solunum hastalıkları ve GÇT pratiğinde 15 yılı aşkın deneyime sahip kıdemli bir klinisyen tarafından incelenerek çözülmüştür. Çıkarılan reçete bilgileri, orijinal elektronik tıbbi kayıtlarla çapraz kontrol edilmiştir. Analizden önce, eksik reçete bileşenleri, belirsiz bitki isimleri veya tutarsız ilaç bilgileri içeren kayıtlar hariç tutulmuştur. İlaç reçeteleme modelleri, veri madenciliği platformunun tıbbi vaka analizi ve reçete analizi fonksiyonları kullanılarak araştırılmıştır.
Veri madenciliği iş akışı ve sonuç değerlendirmesi
Genel analitik iş akışı dört ardışık adımdan oluşmuştur. İlk olarak, standartlaştırılmış reçete verileri bilgisayarlı geleneksel Çin tıbbı veri madenciliği platformuna aktarılmıştır. İkinci olarak, yaygın olarak kullanılan bitkileri belirlemek için frekans analizi yapılmış; bitki frekansı ve kümülatif uygulama frekansı birincil sonuç ölçütleri olarak değerlendirilmiştir. Üçüncü olarak, destek ve güven değerleri nicel değerlendirme göstergeleri olarak kullanılarak, temel bitki kombinasyonlarını belirlemek amacıyla Apriori algoritmasına dayalı birliktelik kuralı analizi gerçekleştirilmiştir. Son olarak, potansiyel yeni formüller üretmek için entropi tabanlı kümeleme analizi yapılmış ve elde edilen kombinasyonlar Geleneksel Çin Tıbbı teorisine ve önceki farmakolojik kanıtlara göre yorumlanmıştır.
Bu çalışma, müdahale etkilerini karşılaştırmaktan ziyade reçeteleme kalıplarını belirlemeyi amaçladığı için geleneksel hipotez testi istatistikleri uygulanabilir değildi. Bitki sıklıklarını ve terapötik kategorileri özetlemek için tanımlayıcı istatistiksel analizler yapılmıştır. Birliktelik kurallarının sağlamlığı; destek, güven ve kaldırma (lift) dahil olmak üzere birden fazla nicel gösterge kullanılarak değerlendirilmiştir. Destek, bitki kombinasyonlarının görülme sıklığını yansıtmış, güven, ilişkili bitkiler arasındaki koşullu olasılığı temsil etmiş ve 1'den büyük kaldırma değerleri, rastgele bir arada bulunmanın ötesinde pozitif korelasyonlara işaret etmiştir. Bu nicel parametreler, belirlenen reçeteleme kalıplarının gücünü ve güvenilirliğini değerlendirmek için kullanılmıştır. Birliktelik gücü destek, güven ve kaldırma değerleri kullanılarak nicel olarak değerlendirilirken, potansiyel formül kombinasyonlarını belirlemek için entropi tabanlı kümeleme parametreleri kullanılmıştır.
Bitkisel frekans analizi
Bitki sıklığı , 84 reçetenin tamamında her bir bitkinin toplam görülme sayısı olarak tanımlanmıştır. Bitkileri toplam görünüm sayılarına göre sıralamak için Excel PivotChart kullanılarak sıklık analizi yapılmış ve en yüksek sıklığa sahip bitkiler yüksek sıklık listesinde toplanmıştır. Bu sıklık sonuçlarına dayanarak, genel reçete özelliklerini ve uyumluluk ilkelerini TCM özellik teorisi perspektifinden özetlemek amacıyla; dört doğa (soğuk, sıcak, ılık, serin), beş tat (ekşi, acı, tatlı, keskin, tuzlu) ve meridyen tropizmini (örneğin; akciğer, dalak meridyenleri) içeren bitkilerin tıbbi özellikleri daha ayrıntılı analiz edilmiştir.
Reçeteli ilaç kurallarının analizi
Birliktelik kuralı analizi, IBM SPSS Modeler yazılımındaki Apriori algoritması kullanılarak gerçekleştirilmiştir. Her reçete bir “işlem”, her bitki ise bir “öge” olarak ele alınmıştır. Yüksek frekanslı ilaç kombinasyonları ve bunların kendi aralarındaki ilişkiler, karmaşık ağ analizi yoluyla incelenmiştir. Temel parametreler analiz öncesinde önceden belirlenmiştir. Minimum destek eşiği, yalnızca sık gözlenen bitki kombinasyonlarının tutulmasını sağlamak amacıyla 50 reçete olarak ayarlanmıştır. Veri seti 84 reçeteden oluştuğu için, mutlak destek frekansı 84 occurrences değerini aşamazdı. Güven eşiği 0,8 olarak belirlenmiş olup, bu durum bitki A göründüğünde bitki B'nin birlikte görülme olasılığının %80'i geçtiği anlamına gelmekte ve böylece çıkarılan birliktelik kurallarının güvenilirliği sağlanmaktadır. Bununla birlikte, güven asimetrik olduğu ve sonuç bitkisinin temel frekansından etkilenebileceği için, gözlemlenen birlikteliğin rastgele beklentileri aşıp aşmadığını belirlemek amacıyla ek olarak lift değerleri hesaplanmıştır. 1'den büyük bir lift değeri pozitif bir birlikteliği, 1'e eşit bir değer bağımsızlığı ve 1'den küçük bir değer ise negatif bir birlikteliği göstermiştir. Destek ≥50, güven ≥0,80 ve lift >1 kriterlerini karşılayan kurallar anlamlı kabul edilmiş ve yorumlama için tutulmuştur. Tutulan kurallar dışa aktarılmış ve AE-IPF için temel bitki kombinasyonlarını ve potansiyel uyumluluk modellerini sistematik olarak özetlemek amacıyla destek, güven ve lift değerlerine göre sıralanmıştır.
Yeni formül analizi
Ardından, kompleks sistem entropi kümeleme yöntemi kullanılarak yeni bir formül analizi gerçekleştirilmiştir. Bu analiz, bilgisayarlı geleneksel Çin tıbbı veri madenciliği platformu kullanılarak yapılmıştır. İlk olarak, daha önce oluşturulan formül-bitki veri matrisi kullanılarak, çekirdek bitki kombinasyonlarının sayısı ve uyumunu kontrol etmek için korelasyon derecesi 8'e ve ilişki gücünü sınırlayarak çıkarılan kombinasyonların klinik rasyonelliğini sağlamak için ceza derecesi 2'ye ayarlanmıştır. Parametre konfigürasyonundan sonra, geliştirilmiş karşılıklı bilgi yöntemi ve kompleks entropi kümeleme algoritmasına dayanarak bitkiler arasındaki örtük, yüksek korelasyonlu çekirdek kombinasyonlarını otomatik olarak belirlemek için yazılımdaki “Kombinasyonları Çıkar” fonksiyonu uygulanmıştır. Platform daha sonra bu çekirdek kombinasyonları daha fazla kümeleyip entegre ederek, nihayetinde AE-IPF tedavisi için potansiyel yeni formüller üretmiştir. Çıkarılan çekirdek kombinasyonların ve aday formüllerin güvenilirliği üç yaklaşımla daha değerlendirilmiştir: yüksek frekanslı bitki sonuçlarıyla tutarlılık değerlendirmesi; AE-IPF için klasik TCM terapötik prensipleriyle karşılaştırma ve temsili bitkilerin önceden bildirilmiş farmakolojik mekanizmalarına dayalı yorumlama. Bu prosedürler, tanımlanan reçete paternlerinin klinik yorumlanabilirliğini artırmak için dahili doğrulama yaklaşımları olarak kullanılmıştır.