Phytomedicine：基于证据的中医诊断模式识别和鉴别的潜在树分析，临床医生入门
2022-08-23 紫菀款冬 MedSci原创
利用来自功能性消化不良患者的横断面研究数据，回顾并说明了一种结合中医专业知识和计算机算法能力的定量方法，即潜在树分析（LTA），以建立基于评分的模式区分规则。
背景：最新版《国际疾病分类》（ICD-11）中引入了一个关于包括中医在内的传统医学诊断模式的补充章节。然而，对于具有特定常规医学诊断的患者，尚需制定循证规则来区分模式。如果没有这样的标准化规则，从业人员之间的诊断一致性水平仍有欠缺。这可能会降低实践的可靠性和临床研究的普遍性。
目的：利用来自功能性消化不良患者的横断面研究数据，回顾并说明了一种结合中医专业知识和计算机算法能力的定量方法，即潜在树分析（LTA），以建立基于评分的模式区分规则。
方法概述：LTA包括六个主要步骤：
①编制中医临床特征问卷；
②统计模式发现；
③统计模式解释；
④中医诊断模式识别；
⑤中医诊断模式量化；
⑥中医诊断模式的鉴别。
步骤①通过系统回顾，制定涵盖相关疾病的所有基本中医临床特征的综合问卷。步骤②至④需要TCM专家的输入，算法能力由Lantern提供（Lantern是TCM LTA的专用软件）。
方法示例：根据交互信息和累积信息覆盖率，LTA用于量化每个中医诊断模式中各种临床特征的诊断重要性。
LTA还能够为每个中医诊断模式导出基于分数的区分规则，每个临床特征都被提供了其存在的数值分数。
随后，生成求和阈值以允许模式区分。如果患者的总分超过阈值，则在该特定中医诊断模式下为该患者做出相应诊断。
结论：LTA是一种定量方法，可提高中医诊断的评分者间信度，并解决目前ICD-11缺乏客观性的问题。未来的研究应侧重于如何将诊断信息与来自网络元分析的有效性证据相结合。这将有助于制定可实施的诊断-治疗方案，以供进一步评估。如果成功，该方案将以循证方式改变中医实践，同时保持模型的有效性。
文献来源：
https://doi.org/10.1016/j.phymed.2022.154392
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#DIC#
70
#CIN#
47
#临床医生#
50
#Medicine#
57
#Med#
46
学习学习学习学习学习学习学习学习学习学习学习学习学习学习学习学习学习学习学习学习学习学习学习学习
38