葡京娱乐场-富盈娱乐场开户_百家乐试玩_sz全讯网网址xb112 (中国)·官方网站

（專利號：ZL 201510680435.X） 簡介：本發(fā)明公開了一種負載型Au?Pd/mpg?C3N4納米催化劑催化甲酸脫氫的方法，屬于化學(xué)化工技術(shù)領(lǐng)域。本發(fā)明將制備好的負載型Au?Pd/mpg?C3N4納米催化劑置于反應(yīng)器中，將反應(yīng)器置于油浴中升至一定溫度，接著將甲酸和甲酸鈉混合液加入反應(yīng)器中進行反應(yīng)，生成的氫氣采用排水法收集。所述Au?Pd/mpg?C3N4納米催化劑是采用Au、Pd和去離子水按照一定摩爾比配置，將載體mpg?C3N4加入上述溶液中，向混合液中添加還原劑，經(jīng)過濾、干燥后制得。與傳統(tǒng)的負載型催化劑不同的是：根據(jù)本發(fā)明，調(diào)節(jié)催化劑中金屬金、鈀的含量及mpg?C3N4含量就可以制得用于甲酸脫氫制氫氣的高活性、高選擇性負載型Au?Pd/mpg?C3N4納米催化劑。

本發(fā)明公開了一種基于二維正交各向異性復(fù)合材料板的熱模態(tài)對結(jié)構(gòu)參數(shù)的靈敏度分析方法，包括如下步驟：（１）求解考慮拉壓、彎曲、剪切變形的二維正交各向異性復(fù)合材料板線性剛度矩陣Ｋ０；（２）求解熱結(jié)構(gòu)的初應(yīng)力剛度矩陣Ｋσ；（３）求解考慮熱應(yīng)力影響的結(jié)構(gòu)有限元動力學(xué)方程的目標函數(shù)，即為轉(zhuǎn)化為考慮結(jié)構(gòu)熱應(yīng)力影響的廣義特征值問題；（４）基于步驟（３）中的目標函數(shù)ｆ，采用復(fù)變函數(shù)法求解二維正交各向異性復(fù)合材料板的熱模態(tài)對結(jié)構(gòu)參數(shù)的靈敏度。本發(fā)明考慮了熱應(yīng)力對結(jié)構(gòu)剛度以及結(jié)構(gòu)響應(yīng)（熱模態(tài)）分析的影響，能夠利用復(fù)變函數(shù)法分析得到精度較高的熱模態(tài)對結(jié)構(gòu)參數(shù)的靈敏度矩陣。

本技術(shù)基于聲發(fā)射原理進行原巖應(yīng)力測試的一種方法。聲發(fā)射發(fā)又稱凱塞效應(yīng)法，是巖石材料的凱塞效應(yīng)來測量巖體原巖應(yīng)力的一種方法。材料在受到外載荷作用時，期內(nèi)部儲存的應(yīng)變能快速釋放產(chǎn)生彈性波并發(fā)生聲響的現(xiàn)象。1950 年，德國學(xué)者凱塞發(fā)現(xiàn)，受單向拉伸作用的材料在應(yīng)力未達到材料的最大先期應(yīng)力時，不會出現(xiàn)明顯的聲發(fā)射現(xiàn)象，但應(yīng)力達到或者超過歷史上所受的最大值之后，聲發(fā)射率明顯增加，這種現(xiàn)象稱為凱塞效應(yīng)。從很少產(chǎn)生聲發(fā)射到大量產(chǎn)生聲發(fā)射的轉(zhuǎn)折點就是凱塞效應(yīng)點，凱塞效應(yīng)點的應(yīng)力即為材料在歷史上受到的最大應(yīng)力。后來，古德曼在 20 世紀 60 年代初通過實驗驗證了材料具有凱塞效應(yīng)，從而為應(yīng)用這一技術(shù)測定巖石應(yīng)力奠定了基礎(chǔ)，根據(jù)凱塞效應(yīng)，如果從原巖中取回定向巖芯制成巖石試件，通過對加工好的取自不同方向的巖石試件進行加載聲發(fā)射實驗，并測定凱塞效應(yīng)點，即可找出每個巖石試件先前受到的最大應(yīng)力值，進而可以求出取樣點的三維應(yīng)力狀態(tài)。目前進行原巖應(yīng)力的方法主要有直接測量法和間接測量法兩大類，直接測量方法包括扁千斤頂法、水壓致裂法等，間接測量方法主要有應(yīng)力解除法等，這些方法中一般需要進行大量的鉆孔、裝配測試傳感器和測定等工程工序，工程量大，如果在地下空間進行原巖應(yīng)力測試，空間相對狹小，施工不方便，也不易實現(xiàn)大規(guī)模、大區(qū)域內(nèi)的原巖應(yīng)力測量。本技術(shù)進行原巖應(yīng)力測量和現(xiàn)在所有方法相比，地下空間進行測量時，只需在測量地點進行一次水平取芯便能完成現(xiàn)場工作，方法簡單，余下少量的測量和計算工作均在實驗室內(nèi)完成，加快了原巖應(yīng)力測量的工序進行，減少了在地下空間的工作時間，大大減少了測量費用，特別適合大面積多點區(qū)域內(nèi)的原理應(yīng)力測量，而且比較其它原巖應(yīng)力的測量方法，成功率明顯提高，使得測量工作更易控制和操作，因此本技術(shù)是原巖應(yīng)力測量中一種施工方便、工期縮短、成功率高的原巖應(yīng)力測量方法。

本發(fā)明公開了一種鈣載體循環(huán)H2?CO?C2H2多聯(lián)產(chǎn)協(xié)同CO2捕集方法，將工業(yè)生產(chǎn)的電石渣漿進行超聲?除雜?煅燒工藝后，作為鈣基吸附劑重新用于煤氣化并制制備高濃度氫氣，煤氣化反應(yīng)后的固體混合物主要成分為CaCO3與未轉(zhuǎn)化的焦炭，將其在O2氣氛下煅燒爐后捕集CO2氣體，生成的CaO部分繼續(xù)用于煤氣化制氫，另一部分作為電石原料煉制CaC2，同時得到富CO合成氣，將其分別作為1）煤氣化原料以提高氫氣產(chǎn)量；2）燃燒以提供系統(tǒng)熱量；3）經(jīng)除雜等處理后，儲存。生成的電石進一步與水反應(yīng)得到C2H2氣體與電石渣漿，

"流行性感冒是由流感病毒引起的一種全球性的感染性疾病，嚴重影響著人類的正常生活，其預(yù)防與治 療的主要手段是使用神經(jīng)氨酸酶抑制劑藥物。流感病毒不斷變異，需要不斷開發(fā)新型流感病毒神經(jīng)氨酸酶 抑制劑。本研究在前期工作的基礎(chǔ)上，設(shè)計合成了一類環(huán)己烯新化合物，合成方法上有創(chuàng)新，

（專利號：ZL 201410181859.7） 簡介：本發(fā)明公開了一種磁性Fe3O4納米材料嫁接酸性離子液體(MNPs-IL-HSO4)催化芳胺乙酰化反應(yīng)的方法，屬于有機化學(xué)合成領(lǐng)域。該乙酰化反應(yīng)中芳胺與乙酸酐的摩爾比為1：1～2，MNPs-IL-HSO4催化劑的摩爾量是所用芳胺的10～15％，在室溫下反應(yīng)15～60min，反應(yīng)后用乙醚稀釋，接著用磁鐵吸附出濾渣并用乙醚洗滌，收集含有乙酰化產(chǎn)物的濾液，濾渣經(jīng)真空干燥后可以循環(huán)使用。本發(fā)明與

（專利號：ZL 201310710005.9） 簡介：本發(fā)明公開一種用緩沖溶液從硫化氫酸氣中脫除二氧化碳的方法，屬于脫碳技術(shù)領(lǐng)域。本發(fā)明方法首先將含有氫氧化鈉和碳酸氫鈉的緩沖溶液與未脫碳的硫化氫酸氣進行混合反應(yīng)吸收酸氣中的二氧化碳和部分硫化氫，得到含碳酸氫鈉和硫氫化鈉的脫碳富液，然后加熱脫碳富液，使脫碳富液中的硫氫化鈉發(fā)生水解反應(yīng)，轉(zhuǎn)化成氫氧化鈉，水解反應(yīng)生成的氫氧化鈉與脫碳富液中的游離堿和碳酸氫鈉反應(yīng)生成碳酸鈉，酸氣中的二氧化碳最終生成

（專利號：ZL 201410081879.7） 簡介：本發(fā)明公開一種超級電容器用三維中孔納米籠狀碳材料的一步法制備方法，屬于碳材料制備技術(shù)領(lǐng)域。該方法是以有機金屬配位化合物為碳源和模板，氫氧化鉀為活化劑，兩者研磨混合后轉(zhuǎn)移至陶瓷坩堝中，采用微波加熱制得超級電容器用三維中孔納米籠狀碳材料。所得三維中孔納米籠狀碳材料的比表面積介于1041～1595m2/g之間，總孔孔容介于0.79～1.52cm3/g之間，平均孔徑介于3.05～4.88nm之

在醫(yī)學(xué)領(lǐng)域首次應(yīng)用商務(wù)智能軟件（Business Objects XI）作為中醫(yī)臨床數(shù)據(jù)倉庫OLAP分析的軟件基礎(chǔ)。開發(fā)實現(xiàn)了基于細節(jié)數(shù)據(jù)模型、多維數(shù)據(jù)模型和海量臨床診療數(shù)據(jù)的探索性分析、展示系統(tǒng)，分析展示的內(nèi)容包括名老中醫(yī)經(jīng)驗傳承、重大疾病的病證及臨床表現(xiàn)要素關(guān)系等的主題分析集。可從數(shù)據(jù)概況、方劑、藥物、疾病、癥狀、治法和證候等方面分別對名老中醫(yī)和重大疾病臨床數(shù)據(jù)進行多種關(guān)系知識的探索性分析。同時，對分析結(jié)果可進行實時查詢、導(dǎo)出和展示（下圖是一位名老中醫(yī)某經(jīng)典處方的臨床應(yīng)用證候分布情況）。    本實驗室與中國中醫(yī)科學(xué)院合作進行中醫(yī)臨床數(shù)據(jù)倉庫與挖掘分析平臺，以及中醫(yī)臨床數(shù)據(jù)挖掘方法的研究，實現(xiàn)了對中醫(yī)臨床采集病歷數(shù)數(shù)據(jù)的集成與整合，數(shù)據(jù)挖掘與分析的中醫(yī)臨床數(shù)據(jù)倉庫及挖掘分析平臺，該平臺旨在支持從真實世界中醫(yī)臨床診療中產(chǎn)生海量科研分析用數(shù)據(jù)，并以真實、高質(zhì)量的數(shù)據(jù)為基礎(chǔ)進行中醫(yī)臨床與理論研究，為中醫(yī)臨床療效評價、臨床中藥新藥創(chuàng)制提供客觀的醫(yī)學(xué)證據(jù)和適宜的數(shù)據(jù)分析方法。該成果于2009年12月獲得國家科技進步二等獎。   名老中醫(yī)OLAP展示例子 1.2多維分析與復(fù)雜網(wǎng)絡(luò)分析系統(tǒng)   以中醫(yī)臨床數(shù)據(jù)中癥-證-治的復(fù)雜關(guān)系和復(fù)雜網(wǎng)絡(luò)分析方法研究為出發(fā)點，開發(fā)實現(xiàn)了中醫(yī)臨床復(fù)雜網(wǎng)絡(luò)分析系統(tǒng)。該系統(tǒng)包括如聯(lián)機數(shù)據(jù)篩選、復(fù)雜網(wǎng)絡(luò)建模、統(tǒng)計特性分析、可視化網(wǎng)絡(luò)數(shù)據(jù)篩選等基本功能，能夠支持中醫(yī)臨床診療數(shù)據(jù)中的疾病（中西醫(yī)）、癥狀、證候、藥物等實體內(nèi)部元素以及實體之間元素的網(wǎng)絡(luò)模型構(gòu)建和多種復(fù)雜網(wǎng)絡(luò)分析方法如節(jié)點中心性分析、社團分析、節(jié)點相似度分析等。從大量的臨床數(shù)據(jù)中分析獲得臨床核心處方及其主要適應(yīng)癥，以及隨癥加減信息。該系統(tǒng)采用Eclipse 富客戶端(Rich Client Platform, RCP)和Java語言開發(fā)（下圖是該系統(tǒng)的主界面）。  在醫(yī)學(xué)領(lǐng)域首次應(yīng)用商務(wù)智能軟件（Business Objects XI）作為中醫(yī)臨床數(shù)據(jù)倉庫OLAP分析的軟件基礎(chǔ)。開發(fā)實現(xiàn)了基于細節(jié)數(shù)據(jù)模型、多維數(shù)據(jù)模型和海量臨床診療數(shù)據(jù)的探索性分析、展示系統(tǒng)，分析展示的內(nèi)容包括名老中醫(yī)經(jīng)驗傳承、重大疾病的病證及臨床表現(xiàn)要素關(guān)系等的主題分析集。可從數(shù)據(jù)概況、方劑、藥物、疾病、癥狀、治法和證候等方面分別對名老中醫(yī)和重大疾病臨床數(shù)據(jù)進行多種關(guān)系知識的探索性分析。同時，對分析結(jié)果可進行實時查詢、導(dǎo)出和展示（下圖是一位名老中醫(yī)某經(jīng)典處方的臨床應(yīng)用證候分布情況）。  獲獎證書   1.中醫(yī)臨床數(shù)據(jù)倉庫與挖掘分析平臺 通過分析中醫(yī)臨床數(shù)據(jù)元素及其多維、多層次的關(guān)系特點，研究設(shè)計了中醫(yī)臨床參考信息模型，以及為基礎(chǔ)構(gòu)建中醫(yī)臨床數(shù)據(jù)倉庫細節(jié)數(shù)據(jù)模型和多維數(shù)據(jù)模型，建立以數(shù)據(jù)倉庫為核心的數(shù)據(jù)整合、數(shù)據(jù)抽取/轉(zhuǎn)換/轉(zhuǎn)載和數(shù)據(jù)整理、數(shù)據(jù)挖掘、OLAP和統(tǒng)計分析的智能信息處理平臺。該平臺以中醫(yī)臨床數(shù)據(jù)倉庫及其運行環(huán)境工具的構(gòu)建為基礎(chǔ)，基于實際的臨床診療數(shù)據(jù)，實現(xiàn)對中醫(yī)診療數(shù)據(jù)進行多主題、多粒度、多需求、高效、快捷的展示、研究和查詢檢索，并支持基于Web的OLAP主題應(yīng)用，為名老中醫(yī)經(jīng)驗繼承研究、中醫(yī)臨床評價研究和臨床科研提供實際的診療數(shù)據(jù)證據(jù)和知識來源，以支持臨床科研決策分析，滿足中醫(yī)臨床評價研究的探索性分析需求。針對中醫(yī)臨床數(shù)據(jù)的特點，研究體現(xiàn)中醫(yī)臨床數(shù)據(jù)模型特點的數(shù)據(jù)挖掘新方法，為面向中醫(yī)臨床研究的數(shù)據(jù)挖掘和機器學(xué)習(xí)方法研究提供新的思路和研究方向。該平臺的構(gòu)建初期以重大慢性疾病：中風(fēng)、冠心病和糖尿病診治規(guī)律，以及名老中醫(yī)經(jīng)驗傳承研究為支持目標。   中醫(yī)臨床數(shù)據(jù)倉庫平臺   1.1中醫(yī)臨床數(shù)據(jù)預(yù)處理技術(shù)臨床數(shù)據(jù)的預(yù)處理包括數(shù)據(jù)整合、數(shù)據(jù)整理和數(shù)據(jù)轉(zhuǎn)換等技術(shù)，我們面向中醫(yī)臨床數(shù)據(jù)結(jié)構(gòu)內(nèi)容以及中醫(yī)臨床研究的分析需求，實現(xiàn)具有完善的數(shù)據(jù)抽取-轉(zhuǎn)換-裝載（Extraction-transforming-loading，ETL）、數(shù)據(jù)整理和數(shù)據(jù)轉(zhuǎn)換導(dǎo)出功能的數(shù)據(jù)前處理軟件。該軟件針對醫(yī)學(xué)數(shù)據(jù)利用中的分布式（多采集點）采集、患者隱私保護和大規(guī)模數(shù)據(jù)處理的特點，采用靈活的數(shù)據(jù)映射配置和臨床術(shù)語庫銜接等方式把各采集點數(shù)據(jù)導(dǎo)入到臨床數(shù)據(jù)倉庫中，并支持批量數(shù)據(jù)核查和數(shù)據(jù)規(guī)范整理（對臨床數(shù)據(jù)中的術(shù)語性數(shù)據(jù)如癥狀體征、診斷和藥物等進行概念化語義規(guī)范）功能。   在醫(yī)學(xué)領(lǐng)域首次應(yīng)用商務(wù)智能軟件（Business Objects XI）作為中醫(yī)臨床數(shù)據(jù)倉庫OLAP分析的軟件基礎(chǔ)。開發(fā)實現(xiàn)了基于細節(jié)數(shù)據(jù)模型、多維數(shù)據(jù)模型和海量臨床診療數(shù)據(jù)的探索性分析、展示系統(tǒng)，分析展示的內(nèi)容包括名老中醫(yī)經(jīng)驗傳承、重大疾病的病證及臨床表現(xiàn)要素關(guān)系等的主題分析集。可從數(shù)據(jù)概況、方劑、藥物、疾病、癥狀、治法和證候等方面分別對名老中醫(yī)和重大疾病臨床數(shù)據(jù)進行多種關(guān)系知識的探索性分析。同時，對分析結(jié)果可進行實時查詢、導(dǎo)出和展示（下圖是一位名老中醫(yī)某經(jīng)典處方的臨床應(yīng)用證候分布情況）。   名老中醫(yī)OLAP展示例子    以中醫(yī)臨床數(shù)據(jù)中癥-證-治的復(fù)雜關(guān)系和復(fù)雜網(wǎng)絡(luò)分析方法研究為出發(fā)點，開發(fā)實現(xiàn)了中醫(yī)臨床復(fù)雜網(wǎng)絡(luò)分析系統(tǒng)。該系統(tǒng)包括如聯(lián)機數(shù)據(jù)篩選、復(fù)雜網(wǎng)絡(luò)建模、統(tǒng)計特性分析、可視化網(wǎng)絡(luò)數(shù)據(jù)篩選等基本功能，能夠支持中醫(yī)臨床診療數(shù)據(jù)中的疾病（中西醫(yī)）、癥狀、證候、藥物等實體內(nèi)部元素以及實體之間元素的網(wǎng)絡(luò)模型構(gòu)建和多種復(fù)雜網(wǎng)絡(luò)分析方法如節(jié)點中心性分析、社團分析、節(jié)點相似度分析等。從大量的臨床數(shù)據(jù)中分析獲得臨床核心處方及其主要適應(yīng)癥，以及隨癥加減信息。該系統(tǒng)采用Eclipse 富客戶端(Rich Client Platform, RCP)和Java語言開發(fā)（下圖是該系統(tǒng)的主界面）。     中醫(yī)臨床復(fù)雜網(wǎng)絡(luò)分析系統(tǒng)  1.3 真實世界中醫(yī)臨床有效處方發(fā)現(xiàn)系統(tǒng) 中藥新藥創(chuàng)制與研發(fā)是極具挑戰(zhàn)和機遇的領(lǐng)域，當(dāng)前化學(xué)制藥和單成份藥物研發(fā)已經(jīng)出現(xiàn)明顯的瓶頸，傳統(tǒng)植物/天然藥以及多成份復(fù)方藥物的研發(fā)成為國內(nèi)外關(guān)注的焦點。而從多成份調(diào)控和多靶點機理的研究為主要視角的網(wǎng)絡(luò)藥理學(xué)更成為新的趨勢和方法。針對中醫(yī)臨床診療過程中具有證-治-效信息，且個體性的真實世界診療實踐特點，我們研究基于大規(guī)模臨床診療數(shù)據(jù)進行有效處方分析和發(fā)現(xiàn)的問題，通過對以中藥復(fù)方為重點的治療手段藥物組成原理的分析，基于復(fù)雜網(wǎng)絡(luò)模型和方法研制形成了有效核心處方及適應(yīng)癥分析方法、有效臨床中藥篩選與發(fā)現(xiàn)系統(tǒng)，對基于真實世界臨床診療數(shù)據(jù)分析獲得有效處方知識的方法、技術(shù)平臺和示范應(yīng)用進行了探索和初步實踐，初步表明從真實世界臨床診療數(shù)據(jù)中發(fā)現(xiàn)和挖掘有效方藥是一種可行的途徑，有望為中醫(yī)新藥創(chuàng)制提供可以驗證的新處方、新藥物等臨床有效目標藥物。     1.  中醫(yī)臨床數(shù)據(jù)挖掘分析方法 海量觀察型臨床數(shù)據(jù)是中醫(yī)辨證論治數(shù)據(jù)的主體內(nèi)容，具有復(fù)雜、多維和多關(guān)系的特點。從大規(guī)模中醫(yī)臨床觀察數(shù)據(jù)中分析提煉形成有意義的臨床假設(shè)或診療知識如有效處方、人群劃分、藥癥關(guān)系以及多階段優(yōu)化治療方案等，是實現(xiàn)從復(fù)雜、系統(tǒng)的中醫(yī)辨證論治過程中發(fā)現(xiàn)并確認有效優(yōu)化的臨床診療處方及其藥物組成的基本方法。中醫(yī)臨床數(shù)據(jù)包括門診數(shù)據(jù)和住院數(shù)據(jù)兩大主要部分，其數(shù)據(jù)內(nèi)容由臨床表現(xiàn)、診斷和治療（臨床療法）三部分核心內(nèi)容（如下圖），其中辨證知識、證候分布、藥癥關(guān)系、方證關(guān)系和藥物組成等是數(shù)據(jù)挖掘和分析的主要目標，而所有這些知識的有效性的評價依據(jù)是臨床療效，即確認和發(fā)現(xiàn)臨床有效的中醫(yī)診療知識是中醫(yī)臨床數(shù)據(jù)挖掘分析方法的主要有價值研究目標。    中醫(yī)臨床數(shù)據(jù)挖掘問題：在療效信息的約束下，驗證和發(fā)現(xiàn)有價值的臨床診斷/治療關(guān)系知識。  2.1基于復(fù)雜網(wǎng)絡(luò)的中藥配伍分析方法 人們通過對中醫(yī)臨床處方數(shù)據(jù)的初期分析，并與臨床專家的交流中發(fā)現(xiàn)，名老中醫(yī)的臨床復(fù)方的組織特性體現(xiàn)在兩個層次。第一層次為臨床醫(yī)生一般以經(jīng)典復(fù)方（包括經(jīng)方、時方和驗方等）為基礎(chǔ)進行臨床處方；第二層次為在藥對或藥癥關(guān)系基礎(chǔ)上的藥物隨癥加減處理。這兩個層次的臨床處方配伍過程形成了具有核心處方結(jié)構(gòu)，而又具有較大靈活性的處方集合。因此，通過對名老中醫(yī)處方集的共性網(wǎng)絡(luò)結(jié)構(gòu)分析，能夠發(fā)現(xiàn)體現(xiàn)其處方思維和學(xué)術(shù)特點的核心處方配伍結(jié)構(gòu)，從而輔助進行名老中醫(yī)經(jīng)驗的傳承和整理研究。通過應(yīng)用基于無尺度網(wǎng)絡(luò)現(xiàn)象的網(wǎng)絡(luò)分析方法進行研究。無尺度網(wǎng)絡(luò)作為復(fù)雜系統(tǒng)研究的一種實證現(xiàn)象和方法，對基于網(wǎng)絡(luò)研究復(fù)雜現(xiàn)象和復(fù)雜系統(tǒng)的方法具有很大的推動作用。具有宏觀無尺度現(xiàn)象的網(wǎng)絡(luò)在拓撲上存在冪律現(xiàn)象，即節(jié)點的度分布服從冪函數(shù)分布。這在醫(yī)生處方中的具體體現(xiàn)就是某醫(yī)生對藥物的使用具有比較集中的趨勢，某些名老中醫(yī)偏好使用某些藥物，使得這些藥物的已有或潛在功效得到更大的發(fā)揮或挖掘。 我們基于網(wǎng)絡(luò)中權(quán)值的冪律分布規(guī)律，實現(xiàn)了多層核心子網(wǎng)分析方法，能夠從復(fù)雜的中藥配伍網(wǎng)絡(luò)中抽取多層核心子網(wǎng)。該算法已經(jīng)在名老中醫(yī)處方配伍經(jīng)驗的分析中得到廣泛應(yīng)用。其得到的結(jié)果具有直接而明確的臨床含義，且可靠性較強。第一層核心子藥物子網(wǎng)一般解釋為共性的核心處方；第二層解釋為主要藥物配伍；第三層解釋為次要藥物配伍。這些藥物配伍分別對應(yīng)樣本的核心病機如主要疾病和主要證候等、兼證和加減癥狀等。以下是兩類特定中藥處方：1287個肝脾不調(diào)證(GPBT)處方和752個2型糖尿病合并代謝綜合征處方的分析結(jié)果。   特定中藥處方的核心藥物配伍網(wǎng)絡(luò)和主要加減網(wǎng)絡(luò)，其中的網(wǎng)絡(luò)中的節(jié)點是藥物，邊的權(quán)重表示兩相關(guān)藥物配伍使用的次數(shù)。 2.2基于隱主題模型的疾病人群臨床特征類別分析方法 癥狀-中藥-診斷主題模型（Symptom-Herb-Diagnosis Topic model，SHDT), 用來提取中醫(yī)臨床數(shù)據(jù)中的癥狀、中藥和診斷間的隱主題結(jié)構(gòu)。SHDT模型是LDA主題模型在多關(guān)系應(yīng)用中的擴展。該模型的核心思想是假設(shè)一類樣本里面包含有多個主題，例如，一類糖尿病人群有不同的并發(fā)癥，且這些主題所包含的信息特征（以癥狀來表達）具有相對完整性和獨立性。SHDT把每個主題看作是癥狀上的多項式分布，并通過癥狀來表達主題的內(nèi)容；同時，把每種中藥看作是主題上的多項式分布，因為一類中藥可以治愈多種癥狀/疾病；又因為一種診斷包含多種癥狀/疾病，于是把診斷看作是對主題的描述，構(gòu)建一種“癥狀-中藥-診斷”主題模型。SHDT模型這種分析原理和思路與中醫(yī)辨證論治過程基本吻合，它可以客觀地按照癥狀找到自然分類人群，給出診斷描述特征和中藥治療特征。SHDT模型分別在2型糖尿病、冠心病和肝炎等慢性疾病中進行人群特征分析。實驗結(jié)果說明了該模型具有較好的適宜性和科學(xué)性，分析結(jié)果能夠較為完整的反映特定疾病中相關(guān)的主要人群特征類別。   癥狀-中藥-診斷主題模型，圖中三個黑色圓圈，代表顯變量（觀察變量），其中s 表示一個采樣癥狀，表示患者p的所有藥，表示患者p的所有診斷。白色圓圈代表隱變量，其中z 采樣癥狀s對應(yīng)的主題，x表示s對應(yīng)的藥，u表示s對應(yīng)的診斷。矩形框表示重復(fù)采樣。外部矩形框表示在集合中有P個患者。內(nèi)部矩形框表示對患者p的個癥狀、主題、藥物以及診斷重復(fù)采樣。 2.3基于內(nèi)隱對照和部分可觀察馬爾可夫決策過程模型的動態(tài)序貫處方治療方案優(yōu)化方法 中醫(yī)辨證論治是癥-治-效緊密相關(guān)的個體、動態(tài)的復(fù)雜干預(yù)過程，動態(tài)序貫干預(yù)是中醫(yī)臨床治療慢性疾病的基本方法。以患者為軸心的治療原則和醫(yī)生的個體性特點，使得中醫(yī)動態(tài)序貫干預(yù)過程中包含多樣化的治療方案。在臨床診療經(jīng)驗知識的形成階段，醫(yī)生往往通過對治療前后患者健康狀態(tài)的判斷，試圖獲得較好的治療方案的認識，進而逐步形成固化的有效經(jīng)驗性治療方案。因此，在無外部對照的情況下，如何從大規(guī)模的復(fù)雜多維臨床關(guān)系數(shù)據(jù)中發(fā)現(xiàn)并確認在臨床實際中較優(yōu)的動態(tài)序貫診療方案是有效臨床方案形成的重要課題。 考慮到實際可行性和研究代價的問題，在未有明確的有效干預(yù)方案形成的臨床研究初期，無外部對照的傳統(tǒng)中醫(yī)經(jīng)驗整理和歸納普遍存在，且長期的中醫(yī)學(xué)實踐表明是有效的。但由于臨床診療信息關(guān)系的復(fù)雜性，基于傳統(tǒng)經(jīng)驗整理方式形成有效治療方案是一個較為漫長的過程。 因此，如何借助源自真實世界（無外部對照）的大規(guī)模臨床觀察數(shù)據(jù)，進行挖掘分析，以輔助發(fā)現(xiàn)和確認較優(yōu)的臨床治療方案成為辨證論治臨床評價研究的關(guān)鍵問題之一。我們采用部分可觀察馬爾可夫決策過程模型(POMDP)對此問題進行研究，實現(xiàn)了基于POMDP的中醫(yī)臨床處方優(yōu)化分析方法，以探尋從來自臨床實際的大規(guī)模觀察性臨床數(shù)據(jù)中發(fā)現(xiàn)較優(yōu)或最優(yōu)的動態(tài)序貫治療方案，為中醫(yī)辨證論治有效動態(tài)干預(yù)方案的形成和臨床驗證提供參考知識。   中醫(yī)臨床診療過程對應(yīng)的POMDP模型 1.  成果的推廣應(yīng)用 本成果已經(jīng)在國家科技重大專項：重大傳染病防治、重大新藥創(chuàng)制等兩個項目；國家科技支撐計劃項目-名老中醫(yī)經(jīng)驗傳承研究；北京市科技攻關(guān)項目和國家中醫(yī)臨床研究基地等項目中進行推廣應(yīng)用。分別對艾滋病、肝炎和肺結(jié)核等傳染病的中醫(yī)藥防治規(guī)律，從中醫(yī)臨床中分析確認有效處方與藥物，名老中醫(yī)的辨證論治個體診療經(jīng)驗，中風(fēng)、冠心病和糖尿病等重大慢性疾病的臨床診治規(guī)律，以及全國10余家重點中醫(yī)院診療優(yōu)勢病種（如上海龍華醫(yī)院的中醫(yī)胃癌治療、骨關(guān)節(jié)病治療；河南中醫(yī)學(xué)院一附院的中醫(yī)艾滋病治療、中醫(yī)慢性阻塞性肺炎治療等）的臨床診療優(yōu)化方案等進行應(yīng)用研究。逐步探索和完善中醫(yī)臨床科研一體化技術(shù)體系，支持基于臨床診療實踐及其真實世界診療數(shù)據(jù)，進行中醫(yī)臨床研究和中藥新藥創(chuàng)制研究的醫(yī)學(xué)模式。   北京地區(qū)22家單位應(yīng)用分布圖