建立中风病血瘀证宏观辨证量化标准的方法探讨

广州中医药大学学报 1999年第4期第16卷 中风病研究

作者：吴大嵘　梁伟雄　温泽淮　黄燕　赖世隆

单位：吴大嵘　黄燕（广州中医药大学第二临床医学院，广州　510120）；梁伟雄　温泽淮　赖世隆（广州中医药大学DME中心，广州　510405）

关键词：中风/中医病机；脑出血/中医病机；脑梗塞/中医病机；血瘀/诊断；多元分析

　　摘要：试采用 非条件和 kli: k2i 配对的条件logistic 回归的分析方法，对221例中风病人的临床中医证候特征进行比较分析，建立急性期中风病血瘀证的证候预测模型，并采用临床调查的结果对模型进行验证，以探讨建立中风病血瘀证宏观辨证量化标准的方法。结果：非条件与条件 logistic 回归均提示口唇紫暗或面色晦暗、舌有瘀点或舌有瘀斑、舌背脉络瘀张青紫、舌紫暗是鉴别血瘀证与非血瘀证的重要指标，且4项指标与急性期中风病血瘀证发生概率均呈正相关。将另外的一组与本研究无关、但研究对象的选择相似的临床数据作为检验样本代入模型得到的诊断准确率达99.06%(105/106)。结论：模型对急性期中风病血瘀证具有较好的预测作用。条件和非条件 logistic 统计模型以及 k1i: k2i 的配对方法用于急性期中风病血瘀证的研究有助于宏观辨证量化标准的建立，并且这些方法可以推广应用到非急性期中风病以及其他系统疾病的血瘀证或其他证候的量化研究中。

　　分类号：R255.2　文献标识码：A

　　文章编号：1007-3213(1999)04-0249-05

Establishing Standards of Measuring Blood-stasis Syndrome

　　in the Patients with Acute Stroke

WU Darong　HUANG Yan

　　（The Second Affiliated Hospital, Guangzhou University of TCM, Guangzhou 510120,China）

　　LIANG Weixiong　WEN Zehuai　LAI Shilong

　　（DME Center, Guangzhou University of TCM, Guangzhou 510405,China）

　　Abstract:Non-conditional logistic regression and k1i:k2i matched conditional logistic regression were applied to develop predictive models that could differentiate blood-stasis syndrome from non-blood-stasis in 221 patients with acute stroke.Results showed that purple or darkish lips of darkish complexion, purple spots or ecchymosis on the tongue, stagnated and purple dorsal lingual veins, purple or darkish tongue, were important variables in the differentiation of blood-stasis syndrome and non-blood-stasis.Positive correlation was found between the above indexes and the incidence of blood-stasis syndrome. An independent data was used to test the non-conditional logistic model, and the precise rate was 99.06%. It is concluded that the non-conditional logistic model can be used to predict the syndrome of blood stasis in the patients with acute stoke, and k1i:k2i conditional and non-conditional logistic modeling are proper ways of investigating the syndrome of blood stasis in patients with acute stroke. Furthermore these methods might be used in the research of non-acute stroke, blood-stasis syndrome in the patients with other diseases, or other syndromes.

　　Key words:STROKE/pathogenesis(tcm);　CEREBRAL HEMORRHAGE/pathogenesis(tcm);

　　CEREBRAL INFARCTION/pathogenesis(tcm);　BLOOD STASIS/diagnosis;

　　MULTIVARIATE ANALYSIS

　　关于中风病血瘀证的研究，近年来较活跃，基本上是从微观或宏观两方面入手。微观辨证是试用微观指标认识与辨别证^［1］；宏观辨证则是以四诊为手段，以中医理论为指导，搜集有关的临床信息，判断出病因、病位、病性等的辨证过程。后者对于中风病血瘀证的实质的研究具有同样重要的实际意义。本研究拟用多变量分析的方法，对221例急性期中风病人的临床中医证候特征进行比较分析，利用条件和非条件的 logistic 回归的分析方法，建立急性期中风病血瘀证的证候预测模型，并采用临床调查的结果对模型进行验证，以探讨建立中风病血瘀证中医宏观辨证量化标准的方法。

　　1　研究对象和方法

　　1.1　研究对象的确定　病例来源：1992年9月至1995年12月在广州中医药大学第二附属医院神经内科和急诊科连续收治的中风病急性期病人。研究对象：符合纳入标准的中风急性期的病人。诊断标准：采用1986年中华医学会第二次全国脑血管病学术会议第三次修订标准^［2］和中华全国中医学会内科学会的“中风病中医诊断、疗效评定标准”^［3］。纳入标准：①经 CT 或 MRI 诊断为急性脑出血、脑梗塞的住院病人；②病程在 72 h 以内者；(3)第一次中风的患者。排除标准：调查前受到药物对证候的干扰者。

　　1.2　资料收集　按照广东省科学技术委员会的课题“中风中医证候特征及其规范化研究”的前瞻性专题科研设计方案，制定统一的标准和统一的调查表，由专门的中医和神经内科医师负责，在病人未用药前，根据全国脑病急症协作组第二次 会议通过的“中风病证候诊断标准(试行)”作出血瘀证、非血瘀证(包括风证、火热证、痰证、气虚证、阴虚阳亢证等)的量化诊断，填写调查表格。

　　1.3　统计学处理　用 STATA Ver5.0 统计软件对资料进行筛选，并进行非条件和条件 logistic 回归分析，建立预测模型。

　　2　结果

　　2.1　一般资料　在所有入选病例中，血瘀证 150 例，非血瘀证 71例 。血瘀证中，男 100 例，女 50 例，男女比例 2∶1，年龄43～96 岁，年龄中位数67.5岁；非血瘀证中，男 49 例，女 22 例，男女比例 2.2∶1，年龄 42～92 岁，年龄中位数 71 岁。两组间性别频数分布无差异，年龄差别有显著性)t=2.285, P=0.023)，故年龄作为一个入选指标。

　　2.2　变量的筛选　各单项指标在两组病人的分布，采用卡方检验(或四格表的确切概率法)或秩和检验(Wilcoxon 检验)或 t 检验进行统计。其中，分类资料符合卡方检验条件的用卡方检验，如舌紫暗；分类资料不符合卡方检验条件的用四格表的确切概率法，如脉沉弦迟；等级资料用秩和检验，如尿短赤；连续性变量用 t 检验，如年龄。

　　从119项单项指标在血瘀证及非血瘀证病人中的比较可以看出，年龄、神疲乏力、少气懒怠、倦怠嗜卧、口燥咽干、尿短赤、表情淡漠、反应迟钝、寡言少语、面红目赤、口唇干红、口唇淡暗、声高气粗、气促口臭、语声低怯或咳声无力、舌歪斜、舌红、苔腻、脉滑 、脉数、口唇紫暗或面色晦暗、头痛而痛处不移或头痛如针刺、舌有瘀点或舌有瘀斑、睑下青黑、舌背脉络瘀张青紫、舌紫暗和脉沉弦细，经统计学处理，其两组间差异有显著性(P＜0.05)，因而具有鉴别价值，可用于建立 logistic 模型，余项指标无显著性差异。

　　2.3　logistic 回归分析结果　变量的赋值原则：等级变量中不出现、轻度、中度、重度分别用0、1、2、3表示；二值变量中无、有分别用0、1表示；连续性变量用原数值。对进入模型的每两个变量的交互作用进行统计学检验，未发现交互作用。采用逐步回归方法(前进法，Forward method)，初始模型中没有变量，每进入一个变量，计算包含该变量和没包含该变量的所得的最大似然值差值，这反应了该变量的进入对模型的贡献大小，并计算其 P 值大小，不进入P＞0.01的变量，最后建立模型。结果，认为由舌紫暗(x₂₅)、舌背脉络瘀张青紫(x₂₄)、口唇紫暗或面色晦暗(x₂₀)和舌有瘀点或舌有瘀斑(x₂₂)所建立的模型为最佳模型。诊断为血瘀证的概率P(Y)=1/(1+e^-z)，式中：

Z=-2.742 974+0.582 170 7x₂₅ +0.969 433 9x₂₄ +4.808 999x₂₀+4.767 154x₂₂

　　分别计算方程中各变量的标准偏回归系数，以比较各变量的重要性。舌背脉络瘀张青紫在模型中的标准偏回归系数最大，表明该指标在血瘀证的诊断中占相当重要的位置，其他依次为口唇紫暗或面色晦暗、舌有瘀点或舌有瘀斑、舌紫暗。经 STATA 程序检验模型的拟合优度，χ²=0.22，自由度 γ=11, P=1.000 0。参照文献［4］，P＞0.50， 说明样本的频数分布符合 logistic 分布，样本可以用于 logistic 模型的建立。绘制 logistic 模型的 ROC 曲线，见图1。ROC 曲线下面积为 0.973 8，表明模型对血瘀证有预测作用。

图1　logistic模型的 ROC 曲线

　　以 P=0.5作为截点，用自身样本所计算出的 P 值(即先验概率)与截点比较，大于或等于 0.5为血瘀证，小于0.5为非血瘀证。最后判定如表1。

表1　logistic 回归模型的先验概率　　N/例

　　敏感度为97.33%，特异度为83.10%，准确度为92.76%，阳性预测值为92.41%，阴性预测值为93.65%。

　　比较原始诊断与模型诊断的符合率(卡帕值，又写作 Kappa 值)：经过 STATA 程序计算， Kappa 值=0.828 9，表明原始诊断与模型诊断的符合率较高，其 kappa 值的一致性强度为最强(Almost perfect)^［5］。

　　2.4　条件 logistic 回归分析　我们将资料按其兼夹证的不同进行 k1i:k2i 的配对(即不等比配对)^［6］，除去无法配对的12 例，共有 209 例进入计算。进行变量的筛选时，为了体现配对后的效果，我们在以上的 k1i:k2i 的配对中随机选出 88例组成 1∶1 配对，利用这88例进行变量的筛选。在配对后再对127 项(包括 8 项填写率为 0 的指标)单项指标在两组间进行比较，得到少气懒怠、口苦咽干、口唇淡暗、苔腻、口唇紫暗或面色晦暗、头痛而痛处不移或头痛如针刺、舌背脉络瘀张青紫、舌紫暗、舌有瘀点或舌有瘀斑及脉沉弦细等10项指标，经统计学检验，其差异有显著性(P＜0.05)，可用于建立条件 logistic 模型。

　　变量的赋值原则同上。对进入模型的每两个变量的交互作用进行统计学检验，未发现交互作用。采用前进法，初始模型中没有变量，每进入一个变量计算包含该变量和没包含该变量所得的最大似然值差值，并计算其 p值大小，不进入P＞0.01的变量，最后建立模型。结果认为包含舌紫暗、舌背脉络瘀张青紫、口唇紫暗或面色晦暗、舌有瘀点或舌有瘀斑等变量的模型为最佳模型。

　　比较各变量的比数比值(即OR值)大小，可反映变量对血瘀证的贡献大小。可以看出，在排除了兼夹证的干扰后，依然是口唇紫暗或面色晦暗、舌有瘀点或舌有瘀斑、舌背脉络瘀张青紫及舌紫暗这几项指标对血瘀证的诊断最有价值。其贡献由大到小依次为口唇紫暗或面色晦暗、舌有瘀点或舌有瘀斑、舌背脉络瘀张青紫、舌紫暗。

　　2.5　对非条件 logistic 回归模型的检验　将另外的一组与本研究无关，但研究对象选择相似的临床数据作为检验样本代入模型(该研究纳入标准之一是符合中风气虚血瘀证者)^*，计算出每个检验样本的概率，依概率判断其是否为血瘀证的诊断，并与原始诊断相比较，以评价模型。

　　我们仍以 P=0.5 作为截点，用模型所计算出的 P值与截点比较，大于或等于 0.5 为血瘀证，小于0.5为非血瘀证。得到在共106例中风气虚血瘀证中，模型的诊断准确率达99.06%(105/106)。3　讨论

　　辨证论治是中医学的诊疗基础，而证候是辨证论治的前提和基础。证是一个动态的变化过程，一方面容易受外界因素的影响，另一方面也容易为诊治者的主观倾向所影响，而使其可认知性、可重复性和可比较性受到限制，从而也影响了中西医在国际上的交流。故我们认为证候的规范化研究既关系到中医临床诊疗水平的提高和发展，又关系到中西医学的沟通和交流。关于血瘀证的研究，近年来发展较为迅速，是学术界重点关注的课题，但血瘀证的诊断标准尚存较多的争议。

　　本研究旨在通过严格规范的临床流行病学调查，在较好地排除了兼夹证候干扰的同时，运用 logistic 回归模型对建立急性期中风病血瘀证量化标准的方法作一定程度的探讨，寻找一个较合适的能推广应用到非急性期中风病以及其他系统疾病的血瘀证的量化方法，或其他证候的量化方法。

　　在中医证候的研究中，兼夹证候的普遍存在是混杂性偏倚的一 个重要来源。在研究某些因素对某一证候的定量关系时，由于兼夹证候的存在而产生的混杂因素将可能导致研究结论的不真实性。在分析各危险因素与疾病发生之间的定量关系时，为了正确说明这种关系，就需要控制许多混杂因素。而 logistic 回归模型能克服上述弱点，能对危险因素的定量测定值进行分析。条件 logistic 模型又可以在尽量不损失一些资料信息的同时，对配对的资料进行多因素的综合分析。同样，在中医证候研究中，有可能与证候发生有关的因素较多，如年龄、性别、职业、饮食以及情志因素等等，这就意味着需要分层的因素较多，给定量的估计带来困难。如选择 logistic 回归模型就可以克服这一弱点。

　　通常在研究中人们选择1：k2i 的配对方式，但在中医的证候研究中这种配对方式有可能造成较大量的信息损失。这是和中医证候研究中证候以及证候组合的复杂性、多变性有关。我们认为运用 k1i:k2i 的配对方式较1：k2i 的配对方式能尽可能多地保留资料的信息。

　　在非条件 logistic 模型中，全部样本共 221 例，均用于建立模型。最后保留在模型中的变量为舌背脉络瘀张青紫、口唇紫暗或面色晦暗、舌有瘀点或舌有瘀斑和舌紫暗，这些变量均与血瘀证的发生概率呈正相关。这些保留的变量与条件 logistic 模型中保留的变量是一致的。logistic 回归模型的 ROC 曲线下面积为 0.973 8，大于 0.80，说明该模型对急性期中风病血瘀证具有预测能力^［7］，对模型的拟合优度检验，P ＞0.5 ，表明对这些病人而言，其急性期中风病血瘀证的分布是符合 logistic 分布规律的，用 logistic 回归模型是合理的。

　　将另外一组临床数据作为检验样本代入模型后得到其诊断的准确率达 99.06%。因此，我们认为模型应是可供诊断急性期中风病血瘀证参考用的。当然，由于该临床数据只包括了气虚血瘀证的病例，故只能说明本模型对该组数据的敏感度较高，对其特异度、阳性预测值、阴性预测值、准确度等并不能作出评价。

　　在今后的进一步研究中，如有可能还需扩大样本含量，在不同的地区、不同的医院用类似的方法进行探讨，以寻找较合理的建立中风病血瘀证或其他病种、其他证候的量化标准的方法。

　　基金项目：广东省科学技术委员会科学基金课题，编号 920320

　　作者简介：吴大嵘，女，住院医师，医学硕士；

　　参考文献：

　　［1］　中西医结合杂志社.微观辨证与辨证微观化［J］.中西医结合杂志，1987，7(5)：263

　　［2］　1986年中华医学会第二次全国脑血管病学术会议第三次修订标准［S］.中华神经精神科杂志，1988，21(1)：60

　　［3］　中华全国中医学会内科学会.中风病中医诊断、疗效评定标准［S］.中国医药学报，1986(20)：56

　　［4］　耿贯一.流行病学［M］.北京：人民卫生出版社，1995.564

　　［5］　刘正乐.临床意见分歧的分析和处理.见：王家良主编.临床流行病学［M］.上海：上海科学技术出版社，1993.133

　　［6］　Stata. Clogit-Conditional(fixed-effects)logistic regression［M］.Technical Mannal，1984.120

　　［7］　Garrett J, Porter C.Exploratory data analysis and logistic regression［M］. In: Advanced short course for clinical epidemiologists. SMU and WCUMS, 1997.153

收稿日期：1999-08-02