0
点赞
收藏
分享

微信扫一扫

R语言Apriori关联规则、K-means均值聚类数据挖掘中药专利复方治疗用药规律网络可视化

应用关联规则、聚类方法等数据挖掘技术分析治疗抑郁症的中药专利复方组方配伍规律。方法检索治疗抑郁症中药专利复方,排除外用中药及中西药物合用的复方。最近我们被要求撰写关于用药规律的研究报告,包括一些图形和统计输出。对入选的中药专利复方进行术语规范化等处理,抽取信息、建立表,应用数据分析软件R对数据进行关联规则分析,应用网络分析软件进行聚类分析。

查看数据

R语言Apriori关联规则、K-means均值聚类数据挖掘中药专利复方治疗用药规律网络可视化_聚类

转换成二值矩阵数据

colnames(data) <- paste0("X",1:ncol(data))

for(i in 1:nrow(data)) {
tmp <- integer(length(total_types))

R语言Apriori关联规则、K-means均值聚类数据挖掘中药专利复方治疗用药规律网络可视化_数据_02

建立apriori

plot(all_rules, method = "graph")

R语言Apriori关联规则、K-means均值聚类数据挖掘中药专利复方治疗用药规律网络可视化_关联规则_03

中药专利复方中药对的关联规则分析

药对是方剂配伍的基本形式,它反映了中药之间相辅相成、相反相成、同类相从等配伍关系。药对中的中药在组方配伍时具有在处方中同时出现的特点,因此在关联规则分析中,分析置信度较大且双向关联的规则即可得到药对。 

R语言Apriori关联规则、K-means均值聚类数据挖掘中药专利复方治疗用药规律网络可视化_聚类_04

根据置信度和支持度筛选强关联规则

R语言Apriori关联规则、K-means均值聚类数据挖掘中药专利复方治疗用药规律网络可视化_聚类_05

K-means均值网络聚类分析

抑郁症中药专利复方中药物之间形成了一个复杂的配伍关系网络,关联规则分析可以用来发现其中的药对及强关联规则,但随着支持度和置信度阈值参数的降低,关联规则大量涌现,使得其中的配伍规律变得难以分析,应用网络聚类方法可以有效地发现其中的配伍规律。

#聚类类别号
kmod$cluster

R语言Apriori关联规则、K-means均值聚类数据挖掘中药专利复方治疗用药规律网络可视化_关联规则_06

查看每个类别中的强关联规则

R语言Apriori关联规则、K-means均值聚类数据挖掘中药专利复方治疗用药规律网络可视化_数据_07

聚类1

R语言Apriori关联规则、K-means均值聚类数据挖掘中药专利复方治疗用药规律网络可视化_聚类_08

聚类2

R语言Apriori关联规则、K-means均值聚类数据挖掘中药专利复方治疗用药规律网络可视化_数据_09

配伍关系网络的聚类分析结果显示了抑郁症治疗中常用的中药“社团”,反映了复方中一些配伍关系相对密切、固定的中药联合,临床运用可以提高疗效。

R语言Apriori关联规则、K-means均值聚类数据挖掘中药专利复方治疗用药规律网络可视化_聚类_10

举报

相关推荐

0 条评论