虚劳是中医学发展史上较早被系统认识的疾病之一。《中医临床诊疗术语》[1]将其概括为一类因劳倦过度，或饮食不节、七情内伤、酒色无度等因素耗损，或大病久病后失于调养，导致阴阳失调、气血亏虚或脏腑虚损难以恢复，从而表现出一系列气、血、阴、阳及五脏虚弱证候的慢性虚衰性疾病。现代研究表明，虚劳的证候表现复杂多样[2]。因此，虚劳的药物治疗规律研究具有重要学术价值和临床现实意义。

随着信息技术的发展，数据挖掘技术在中医药复杂系统中的知识发现作用日益凸显。在中药组方规律研究中，关联规则算法（Apriori）和互信息熵（mutual information entropy，MIE）分析已成为两种常用且有效的研究方法。关联规则分析的核心目标是借助兴趣度评价指标，找出数据库中变量间具有强关联性的规则[3]。MIE通过分析一个变量所能提供的关于另一个变量的信息量，来量化其之间的关联强度[4]。本研究基于上述两种分析方法，通过系统梳理《中华人民共和国药典》（以下简称“《中国药典》”）（2020年版）[5]、《药品标准·中药成方制剂》[6]中虚劳相关中成药的配伍规律，进一步揭示中医治疗虚劳的组方思路和用药特点，为虚劳的临床实践和药物研发提供参考。

1 数据与方法

1.1 数据来源与清理

以“虚劳”“虚损”“血劳”“髓劳”“内伤发热”“劳倦”“乏力”等为关键词，在《中国药典》（2020年版）[5]及《药品标准·中药成方制剂》[6]功能主治部分进行检索，并对其中成分组成、用量等标注不清、内容重复等的药品进行排除，如同一制剂在两版标准中出现不一致的情况则以《中国药典》（2020年版）为准，最终得到中药成方制剂175个。

1.2 数据规范与处理

对同物异名药材（如北沙参、辽沙参等）、同一药材不同炮制方式（如山楂、炒山楂等）等进行合并，同时以《中国药典》（2020年版）[5]、《中华本草》[7]、《中药大辞典》[8]、《中医临床诊疗术语》[1]等作为参照，对涉及中药的性味、归经、证候、疾病等内容进行标准化处理。

1.3 数据分析方法

1.3.1 频次统计分析 利用Excel等软件，以《中国药典》（2020年版）[5]为参照标准，对中药成方制剂所涉及的药物的使用频次、四气、五味、归经等内容进行统计，并进行可视化处理。

1.3.2 Apriori分析 运用Excel等软件，构建方剂-药物出现矩阵，利用IBM SPSS Modeler 18.0软件，进行Apriori分析，得到关于治疗虚劳的中药成方制剂强关联规则，并运用Cytoscape 3.9.1软件，绘制药对出现频次加权网络图谱。

1.3.3 MIE分析 MIE可用于度量如药材i和j这类离散随机变量间的相关性。具体而言，MIE（i，j）的数值大小直接反映了药对关联的强弱，数值越大，关联性越显著，公式如下：

其中，P（i）和P（j）为边缘概率，表示单味药材i或j在方剂中的出现概率；P（i，j）为联合概率，表示药材i和j的共现程度；n表示药材出现次数，m表示总制剂数量。

1.3.4 聚类分析 利用IBM SPSS Statistics 25.0，采用层次聚类法对高频中药进行聚类分析，运用肘部法则确定最优聚类数，呈现显著的功效导向型用药特征。

2 结果

2.1 药物频次分析结果

在筛选出的175种中药成方制剂中，涉及药材232味，共计使用频次1 829次。将上述232味药材按照使用频次进行排序，使用频次 ≥20次的药物有28种，构成治疗虚劳中药成方制剂的高频药物。见表1。

表1 治疗虚劳中药成方制剂的高频药物（频次 ≥20次）

序号药物频数（次）序号药物频数（次）（%）（%）3茯苓6336.0017丹参2514.284党参6235.4318牛膝2413.7110人参4123.4324鹿茸2212.5711五味子4022.8625女贞子2112.00使用频率使用频率1黄芪10761.1415何首乌3017.142当归7341.7116麦冬3017.145熟地黄6235.4319菟丝子2413.716白术5732.5720淫羊藿2413.717甘草5330.2821陈皮2313.148枸杞子4425.1422红参2212.579白芍4123.4323黄精2212.5712川芎3318.8626远志2112.0013山药3218.2827阿胶2011.4314生地黄3218.2828杜仲2011.43

2.2 药物性味、归经分析结果

药性方面，在治疗虚劳的成方制剂所涉及的232味中药中，药性频次最高的为温性药物，出现频次为91次，加权频次为921次（所有温性药物累计出现频次）；其次为平性药物，出现频次为49次，加权频次为481次（所有平性药物累计出现频次）；接下来为寒性药物，虽然寒性药物的出现频次为80次，但在加权频次方面为354次（所有寒性药物累计出现频次）。

在药味方面，总药味出现频次为370次，其中甘味物药频次最高，出现频次为119次，加权频次为1 352次（所有甘味药物累计出现频次）；其次为苦味药物，出现频次为106次，加权频次为652次（所有苦味药物累计出现频次）；辛味药物出现频次为81次，加权频次为484次（所有辛味药物累计出现频次）；酸味药物与咸味药物出现频次分别为20次和21次，加权频次分别为180次（所有酸性药物累计出现频次）和110次（所有咸味药物累计出现频次）。

在归经方面，归肾经和脾经的药物虽然出现频次尚未达到最高，分别为95次和78次，但是该两种归经药物的加权频次（累计出现频次）分别为955次和902次；归肝经的药物虽然出现频次最高，达到118次，但是加权频次（累计出现频次）为887次。药物性味、归经加权频次情况见图1。

图1 药物性味、归经加权频次分布

2.3 药物功效分析结果

根据《中药学》，对治疗虚劳的中药成方制剂的组成药物功效类别进行统计。其中补虚药累计出现频次达1 021次，是最主要的药物功效类别；除补虚药外，还有活血化瘀药、利水渗湿药，以及收涩、清热、理气药物。药物功效分布见图2。

图2 药物功效分布

2.4 Apriori分析结果

通过IBM SPSS Modeler 18.0软件对治疗虚劳的中药成方制剂组方药物进行Apriori分析，对使用频次＞20次的药物进行关联规则分析，支持度为5%，置信度为50%，获取关联规则达到3 470条，其中强关联规则40条，关联规则分布情况见图3。

图3 关联规则分布

关联规则分布显示，支持度、置信度越高，关联规则数越少。本研究选定支持度（条件）为20%，可精准筛选高频药物组合，避免弱关联干扰，同时置信度设置为55%，＞50%基准线，确保关联规则的可靠性与统计学意义。设置置信度 ≥1则排除随机关联，保证规则具有实际应用价值，其关联规则分布情况见表2。高频药物网络图谱分析见图4。

图4 相关中药关联规则网络

表2 高频药物关联分析结果（支持度 ≥20%，置信度 ≥55%，提升度 ≥1）

序号前项后项支持度置信度提升度序号前项后项支持度置信度提升度1茯苓、甘草当归0.2060.9002.15821当归黄芪0.2910.6991.1432当归、甘草茯苓0.2060.9002.50022茯苓当归0.2510.6981.6743茯苓、白术当归0.2060.9002.15823熟地黄当归0.2400.6771.6244白术、甘草茯苓0.2000.8752.43124茯苓黄芪0.2400.6671.0905茯苓、甘草白术0.2000.8752.68625甘草熟地黄0.2000.6601.8646茯苓、白术甘草0.2000.8752.88926白术熟地黄0.2110.6491.8327白芍当归0.2000.8542.04627党参白术0.2290.6451.9818当归、白术茯苓0.2060.8372.32628熟地黄黄芪0.2290.6451.0559当归、茯苓甘草0.2060.8182.70229茯苓甘草0.2290.6352.09610当归、茯苓白术0.2060.8182.51230茯苓白术0.2290.6351.94911甘草白术0.2290.7552.31731熟地黄茯苓0.2170.6131.70312甘草茯苓0.2290.7552.09632茯苓熟地黄0.2170.6031.70313甘草当归0.2290.7551.80933当归茯苓0.2510.6031.67414白术当归0.2460.7541.80834熟地黄白术0.2110.5971.83215白术黄芪0.2460.7541.23435当归白术0.2460.5891.80816甘草黄芪0.2170.7171.17336党参当归0.2060.5811.39217党参黄芪0.2510.7101.16137当归熟地黄0.2400.5751.62418白术党参0.2290.7021.98138党参熟地黄0.2000.5651.59319白术甘草0.2290.7022.31739熟地黄党参0.2000.5651.59320白术茯苓0.2290.7021.94940熟地黄甘草0.2000.5651.864

2.5 MIE分析结果

在全部175种成方制剂中，232味药材共形成6 398个非重复药对。MIE值越大，表示药材之间联系越强。对药对进行MIE计算，获取前20位的MIE值药对。见表3。

表3 前20位的MIE值药对

序号药物1药物2MIE值共现次数（次）药物1出现次数（次）药物2出现次数（次）1白术甘草0.260 9784057532白术白芍0.249 5263457413茯苓甘草0.212 4054063534甘草白芍0.203 6983153415党参白术0.183 5594062576当归白芍0.180 6523573417茯苓白术0.176 4874063578甘草川芎0.174 7392653339白芍川芎0.173 47123413310当归白术0.166 62743735711熟地黄牛膝0.161 41822622412当归川芎0.155 00729733313当归甘草0.149 57640735314白术川芎0.135 15525573315当归茯苓0.134 05944736316熟地黄白术0.130 98037625717枸杞子菟丝子0.130 47618442418茯苓白芍0.129 47930634119熟地黄甘草0.126 24935625320菟丝子牛膝0.115 419132424

注 MIE：互信息熵。

2.6 聚类分析结果

基于二元用药数据，采用K-means聚类和层次聚类方法，对175种成方制剂中的高频药物（使用频次 ≥20次）的用药规律进行系统分析，通过肘部法则确定最优聚类数k=5。采用层次聚类法（Jaccard距离+ward方法），识别出5个具有显著用药特征的方剂聚类，见表4。各聚类药物频率热力见图5。

图5 各类方剂的药物出现频率热力（按药物总频率排序）

表4 各方剂聚类及其核心药物（出现占比 ≥50%）

聚类编号方剂数量（个）占比（%）核心特征药物（出现占比 ≥50%）聚类1158.57熟地黄（100.00%）、枸杞子（93.33%）、山药（93.33%）、五味子（86.67%）、菟丝子（80.00%）、黄芪（80.00%）、牛膝（73.33%）、当归（66.67%）、茯苓（66.67%）、麦冬（53.33%）聚类22011.43黄芪（85.00%）、生地黄（60.00%）、淫羊藿（60.00%）、黄精（55.00%）、当归（97.37%）、白术（94.74%）、茯苓（89.47%）、甘草（86.84%）、白芍（86.84%）、党参（73.68%）、熟地黄（73.68%）聚类33821.71黄芪（68.42%）、川芎（63.16%）聚类45229.71黄芪（100.00%）聚类55028.57未出现占比≥50%的核心药物

3 讨论

3.1 高频药物分析

本研究筛选的175种虚劳相关中药成方制剂中，黄芪以107次使用频次和61.14%的使用频率位居首位，当归、茯苓、党参、熟地黄等紧随其后，构成核心用药集群。中医理论认为，虚劳以“脏腑功能衰退，气血阴阳亏损，日久不复”为核心病机，高频药物的功效特点与该病机高度契合[9]。黄芪作为补气第一要药，契合虚劳患者气虚为本的核心证候；当归养血活血，与熟地黄、白芍配伍形成经典补血组合，针对性改善血虚证候；茯苓、白术健脾利湿，兼顾脾虚失运的继发病机。对高频药物的功效分析显示，补虚药占比最高，累计使用频次达1 021次，充分体现了《黄帝内经·素问》在“三部九候论”中提出的“虚则补之”治疗虚劳的基本原则。

3.2 药物性味、归经分析

药性分析显示，温性药物以921次加权频次位居首位，占比显著高于其他药性。温性药物多具温中散寒、补气助阳功效，契合“阳虚者兼以温阳”的诊治原则[10]。甘味药物以1 352次加权频次占绝对优势。甘味药能补益、调和、缓急，直接针对气血阴阳亏虚的核心病机。归经分析显示，肾经与脾经药物加权频次最高，分别为955次和902次。脾为后天之本，肾为先天之本，脾肾亏虚是虚劳发生发展的核心环节，高频归经药物的分布印证了“补脾益肾”是治疗虚劳的根本大法[11]。

3.3 关联规则与MIE分析

核心关联规则呈现出鲜明的功效导向特征，高度契合虚劳“气血亏虚、脏腑虚损”的核心病机，如当归-黄芪、党参-黄芪等，构成气血双补的核心框架，是治疗气血两虚型虚劳的经典配伍。其中“当归-黄芪”药对的支持度最高，提示该药对在治疗虚劳的成方制剂中的共现频次最高。该药对出自《内外伤辨惑论》的当归补血汤，该方以黄芪、当归两味药为核心，通过黄芪补气生血、当归养血和营的配伍，专治气血两虚、血虚发热等证型[12]。现代研究表明，“当归-黄芪”药对通过改善免疫调节、正常细胞因子和相关信号通路，缓解慢性疲劳症[13]。“党参-黄芪”药对出自金元时期李东垣《脾胃论》的“补中益气汤”，虽原方配伍使用的是人参，后世医家在遇到需要温和、平补的病症时便常用药性更为平和的党参来替代人参，与黄芪配伍，以达到类似的补中益气效果[14]。王思远等[15]通过实验验证“党参-黄芪”药物组合对血虚型小鼠模型的干预作用，发现“党参-黄芪”药物组合能够显著提高红细胞计数、血红蛋白水平、白细胞计数、淋巴细胞计数等指标，改善外周血象指标参数。本研究中，3项药组中“当归、甘草、茯苓”构成的药物组合支持度、置信度最高，提示三者配伍使用治疗虚劳的效果优于单一药物或两两组合。茯苓健脾利湿、甘草调和诸药、当归补血活血，三者功效互补，既能增强补虚效果，又能兼顾湿滞、气滞等兼夹证候。

MIE分析进一步揭示了药物间的潜在关联强度，在保持较高的支持度和置信度的同时，“白术-甘草”药对以0.261的最高MIE值位居首位，其次为“白术-白芍”“茯苓-甘草”等药对，体现了中医理论对于虚劳“脾为后天之本，气血生化之源”的治疗理念。通过分析发现部分药对虽共现频次不高，但MIE值显著偏高，体现出极强的特异性配伍特征。例如，“熟地黄-牛膝”的MIE值达0.161，在所有药对中排名第11位，其共现次数仅22次。熟地黄滋阴补血、益精填髓，牛膝补肝肾、强筋骨，二者配伍专于肝肾同补，常用于肝肾阴虚所致的腰膝酸软、筋骨无力等证型。另外，“枸杞子-菟丝子”作为补肾类代表性药对，MIE值达0.130。二者均归肝、肾经，协同发挥滋补肝肾、益精明目功效，是《医宗金鉴》中滋补肝肾方剂的核心组合[16]。

3.4 聚类分析

通过K-means聚类与层次聚类分析将高频药物分为5类，各聚类呈现显著的功效导向型用药特征。聚类1体现出补肾益精的功效，以熟地黄、枸杞子、山药、五味子、菟丝子为核心的药物组合。该组合与《景岳全书》“左归丸”的核心配伍高度契合，专于滋补肝肾、益精填髓[17]。聚类2呈现出益气补肾的功效，以黄芪、生地黄、淫羊藿、黄精为核心药物。黄芪益气、生地黄滋阴、淫羊藿补肾阳、黄精气阴双补，四者配伍形成“益气养阴、阴阳双补”的模式。聚类3呈现出补血健脾的功效，以当归、白术、茯苓、白芍、甘草为核心特征药物，形成典型的“补血+健脾”配伍模式。“当归、白芍”组合、“白术、茯苓、甘草”组合分别与《太平惠民和剂局方》“四君子汤”补气健脾、《仙授理伤续断秘方》“四物汤”补血调血的合方逻辑保持一致[18]。聚类4以单味黄芪出现率100%为显著特征，其他药物出现率均低于30%，充分验证了《药性论》中关于黄芪“补肺气而实皮毛，益胃气而去肤热，补虚治劳”的观点[19]。聚类5中未有出现率 ≥50%的核心特征药物，药物分布分散且多元，体现中医用药模式与“辨证施治”“一人一方”的个性化诊疗思路，多适用于复杂病症。

4 结论

本研究通过对《中国药典》《药品标准·中药成方制剂》中治疗虚劳的相关中药成方制剂进行数据挖掘和分析，得到治疗虚劳的高频药物，并通过Apriori分析、MIE分析、聚类分析等方法，发现治疗虚劳的重要配伍组合有“当归-黄芪”“党参-黄芪”“当归-甘草-茯苓”“白术-甘草”等，为临床虚劳的标准化用药、经典方剂的现代应用及相关新药研发提供客观数据支撑与明确方向，也为中医配伍经验的量化传承提供可行的方法学范例。

利益冲突声明：本文所有作者均声明不存在利益冲突。

[参考文献]

[1] 国家市场监督管理总局，国家标准化管理委员会. GB/T 16751.1—2023 中医临床诊疗术语·第1部分：疾病[S/OL].https://www.doc88.com/p-59216357481746.html.

[2] 邢永发，王保和，黄宇虹. 从历代虚劳医案中分析虚劳证候特点及药物应用规律[J]. 西部中医药，2019，32（8）：60-64.

[3] 但文超，赵国桢，何庆勇，等. 中医药处方数据挖掘的常见问题辨析与展望[J]. 中国中药杂志，2023，48（17）：4812-4818.

[4] 刘杰辉，陶卓，王桂梅. 基于互信息改进的VMD算法及管道泄漏信号降噪[J]. 现代电子技术，2021，44（1）：53-57.

[5] 国家药典委员会. 中华人民共和国药典[S]. 一部.北京：中国医药科技出版社，2020.

[6] 国家药典委员会. 药品标准·中药成方制剂[S].北京：中华人民共和国卫生部，1989.

[7] 国家中医药管理局《中华本草》编委会. 中华本草[M].上海：上海科学技术出版社，1999.

[8] 南京中医药大学. 中药大辞典（第二版）[M]. 上海：上海科学技术出版社，2006.

[9] 胡鸿毅，方祝元，吴伟.中医内科学[M]. 北京：人民卫生出版社，2021.

[10] 邵状，张诏. 《金匮要略》虚劳证治探析[J]. 中国中医基础医学杂志，2022，28（12）：1934-1937.

[11] 尹晓琳，魏凤琴. 五行互藏理论研究述评[J]. 中医杂志，2022，63（5）：494-497.

[12] 李亚荣，杜素芬，赵信科，等. 当归-黄芪药物作用于NF-κB通路的抗炎机制研究进展[J]. 中华中医药学刊，2025，43（6）：66-70，后插14.

[13] 杨飞霞，王玉，夏鹏飞，等. 当归补血汤化学成分、药理作用、临床应用的研究进展及质量标志物的预测分析[J]. 中国中药杂志，2021，46（11）：2677-2685.

[14] 李梦洁，黄辉. 国医大师徐经世运用补中益气汤加减之验案6则[J]. 中华中医药杂志，2025，40（3）：1184-1187.

[15] 王思远，谭金燕，徐树恩. 补中益气汤及其主要配伍药对环磷酰胺所致血虚模型小鼠的干预作用[J]. 新乡医学院学报，2025，42（10）：792-798.

[16] 韩世杰，马桃梅，王晶，等. 基于网络药理学和分子对接探究枸杞子-菟丝子“异病同治”2型糖尿病性骨质疏松症和肾病综合征的作用机制[J]. 内蒙古中医药，2023，42（3）：146-151.

[17] 李璐，梁永林，安冬，等. 基于“阳中求阴”理论研究左归丸对肾阴虚证能量代谢的影响[J]. 中医药信息，2021，38（3）：35-39.

[18] 梁华，梁尔新，李奇玮，等. 基于方证相关探寻气、血虚证物质基础的蛋白质组学研究[J]. 中医药学报，2022，50（6）：16-21.

[19] 谢伟，沈小勇，王硕，等. 知识史视野下黄芪性-效-用-忌的古今源流考证[J]. 中成药，2024，46（7）：2470-2474.

Research on medication rules of traditional Chinese medicine compound preparations for consumptive disease based on combined analysis of Apriori and MIE methods

LI Yang1 MA Wei2

1.School of Graduate, Heilongjiang University of Chinese Medicine, Heilongjiang Province, Harbin 150040, China;2.College of Pharmacy, Heilongjiang University of Chinese Medicine, Heilongjiang Province, Harbin 150040, China

[Abstract] Objective To explore the medication rules of traditional Chinese medicine compound preparations for consumptive disease based on the combined analysis of Apriori and MIE methods. Methods This paper used the key words such as “consumptive disease”, “deficiency syndrome”, “fatigue from overexertion”, and “weakness”, relevant information on proprietary Chinese medicine formulations was retrieved from the Pharmacopoeia of the People’s Republic of China and the Pharmaceutical Standards· Chinese Patent Medicine Formulations, and a database was subsequently established. The Apriori algorithm, mutual information entropy (MIE) algorithm, and Cytoscape 3.9.1 in IBM SPSS Modeler 18.0 software were used for association rule analysis, MIE analysis, and frequency analysis, etc. Meanwhile, the hierarchical clustering method of IBM SPSS Statistics 25.0 was employed to cluster the frequently used drugs and analyze the medication rules. Results Among the 175 compound preparations, 232 kinds of medicinal materials were involved. Astragalus, Angelica sinensis, and Poria cocos, etc. were the core and frequently used drugs for treating consumptive disease, the medicinal properties were mainly warm, and the medicinal flavors were mainly sweet. The meridians were mainly focused on the kidney meridian and the spleen meridian. The efficacy categories mainly centered on tonifying deficiency drugs, while also including promoting blood circulation for removing blood stasis and eliminating dampness and diuresis. Apriori analysis was conducted on the drugs with a usage frequency of ≥20 times, and 40 strong association rules were obtained. MIE analysis showed that the “Atractylodes-Glycyrrhiza” drug pair had the strongest correlation(MIE=0.261). Cluster analysis divided the prescriptions into five categories, which respectively adapted to different syndromes such as deficiency of qi and blood and kidney yang deficiency and exhaustion. Conclusion Through Apriori and MIE analysis, the medication rules for treating consumptive disease with modern compound preparationsare comprehensively revealed. The research results provide data support for the standardized medication of consumptive disease and the development of new drugs.

[Key words] Traditional Chinese medicine compound preparation; Consumptive disease; Apriori; Mutual information entropy; Medication rule

[中图分类号] R285.6

[文献标识码] A

[文章编号] 1673-7210（2026）06（c）-0001-07

DOI：10.20047/j.issn1673-7210.25112217

[基金项目] 国家自然科学基金面上项目（82173927）；黑龙江省博士后资助项目（LBH-Z20199）。

[作者简介]

李杨（1984.9-），博士，研究馆员；研究方向：中药资源与药用植物生物工程。

[通讯作者] 马伟（1969.7-），博士，研究员；研究方向：中药资源与药用植物生物工程。

（收稿日期：2025-11-27）

（修回日期：2026-02-11）