沈阳农业大学一、二年级女生中医体质调查

2011-10-12彭英琦

中国中医药现代远程教育 2011年1期

彭英琦

沈阳农业大学一、二年级女生中医体质调查

彭英琦

目的探讨一、二年级女大学生的体质类别分布，及其反映出的整体健康状态的分级评价方法，以利于对生理和/或心理干预的结果进行评估。方法通过体质电子问卷收集数据，经统计分析和改进的投影寻踪等级评价模型找到反映体质数据结构特征的最优投影方向，从而对女生健康状态作出综合评价。结果沈阳农业大学311例一、二年级女大学生的中医体质量表每次辨识平均用时5.25′±2.58′。体质分布为平和质37.3%，气虚质19.9%，阳虚质16.1%，阴虚质15.1%，痰湿质10.3%，湿热质10.6%，血瘀质7.4%，气郁质14.8%，特禀质3.2%。其中单一体质类型占44.1%，多数兼夹其他体质类型。最佳投影方向α*=(0.3803 0.4778 0.2476 0.3724 0.4806 0.1966 0.1696 0.3340 0.1308)，311例女生中医体质健康者占79.75%，需要生理、心理干预者为20.25%。结论中医体质评价是大学生生理及心理综合身体素质评价的不错选择，但还需要与一直沿用的学生体能测验做一个对比研究。

中医体质；投影寻踪等级评价；女大学生

“中医体质（constitution of TCM）是指人体生命过程中，在先天禀赋和后天获得的基础上所形成的形体结构、生理功能和心理状态方面综合的、相对稳定的固有特质”[1]，体质的差异性决定着个体对疾病的易感性[2]。中医体质评价与《国家学生体质健康标准》的评价还有“本”与“标”的关系，即中医体质的偏颇影响到后者的评价指标的相应下降[3]。

本文应用公开发布的《中医体质分类与判定》（中华中医药学会标准ZYYXH/T157-2009）所提供的体质辨识的方法，调查了我校一、二年级（2008级和2009级）的311例女生，通过数据分析，探讨一、二年级女生的体质类别分布，并用改进的投影寻踪等级评价模型( Projection Pursuit Grade Evaluation Model，PPE)对其反映出的整体健康状态的分级评价方法进行探索，以利于对生理和/或心理干预的结果进行评估。

1 资料和方法

1.1 资料收集根据《中医体质分类与判定》的“中医体质分类和判定表”的体质分类量表制作电子问卷，于2010年3月27日至5月8日，利用课余时间采用体质电子问卷自测的方式收集到近400份电子答卷，去掉不完整数据，获我校一、二年级311份年龄为18～20岁女生的中医体质量表答卷，平均每份电子答卷用时5.25′±2.58′。

统计每一例的各类体质的得分，即《中医体质分类与判定》中的转化分，记为，i表示调查序号；j表示“平和质，气虚质，阳虚质，阴虚质，痰湿质，湿热质，血瘀质，气郁质，特禀质”的排列序号。

1.2 方法

1.2.1 体质类别分布根据《中医体质分类与判定》的判定标准，分别统计311例样本的平和质，气虚质，阳虚质，阴虚质，痰湿质，湿热质，血瘀质，气郁质，特禀质和倾向各类体质的例数及其百分比。

1.2.2 投影寻踪等级评价数据表明，大多数女生除具有一种主要体质外，还兼具其他体质，这对于综合评价某个人的疾病易感性的危险程度（或综合健康状态）较困难，而且，8种偏颇体质并非独立，对于这种复杂非

1.2.2.2 构造投影寻踪等级评价模型[4]首先对样本评价指标进行归一化处理，设各评价指标值的样本集为，其中为第 i个样本的第j个指标值，n＝145，P＝9分别为样本容量和指标数量。平和质指标采用越大越优的指标的归一化公式，其他气虚质等8项指标采用越小越优的指标归一化公式。

由于尚无中医体质等级评价标准及各个中医体质经验等级样本点可供建立投影寻踪的等级评价模型，因而以种群的投影值排序后投影散布图来分为5个等级。线性问题，尝试用PPE寻找一个有效的综合危险度的评价标准。

PPE是通过数值优化计算将高维数据投影到低维空间，从而找到反映数据结构特征的最优投影的一种多元数据处理方法。而遗传算法与直接搜索工具箱正是模仿自然界生物进化机制发展起来的随机全局搜索和优化方法。

1.2.2.1 初始种群的选择在遗传算法中，初始种群的产生采用完全的随机方式，而没有解决初始种群中各个个体的分布情况。这有可能让许多个体都集中在某一局部区域内，不利于扩大搜索空间和收敛到全局最优解。

3 结果

3.1 311例女生中医体质分布 311例样本数据按照《中医体质分类与判定》的体质辨识评估结果为平和质 116例，占37.3%，气虚质62例，占19.9%，阳虚质50例，占16.1%，阴虚质47例，占15.1%，痰湿质32例，占10.3%，湿热质33例，占10.6%，血瘀质23例，占7.4%，气郁质46例，占14.8%，特禀质10例，占3.2%，见表1。其中单一体质类型139例，占44.1%，多数兼夹其他体质类型。

应用基于实数编码的加速遗传算法RAGA_PPC[6]，选择种群数n=145，交叉概率pc=0.8，变异概率pm=0.1，得到一个各体质状态变量的最佳投影方向 α* =(0.3803 0.4778 0.2476 0.3724 0.4806 0.1966 0.1696 0.3340 0.1308)，将 α*代入，i=1，2，…，145，j=1，2，…，9。得到145个种群的投影值，排序后投影散布图见图1。

图1 145个种群的投影值排序后投影散布图

从图1中可以找到1.00和2.20两个分类点，并把小于 1.00的投影值所反映的健康状况判为“差”，把大于等于2.20的投影值判为“优”，其间三等分，即0≤＜1.00为差，1.00≤＜1.40为较差，1.40≤＜1.80为中等，1.80≤＜2.20为良好，≥2.20为优秀。应用此等级评价模型对311例女大学生进行综合健康状态评价，分为差、较差、中、良、优5个健康等级，并计算每类各体质状态均值，见表2。

由表2可见，这个等级评价模型与《中医体质分类与判定》的评价标准相当一致。

4 讨论

4.1 沈阳农业大学311例一、二年级女大学生的体质分布为平和质37.3%，气虚质19.9%，阳虚质16.1%，阴虚质15.1%，痰湿质10.3%，湿热质10.6%，血瘀质7.4%，气郁质14.8%，特禀质3.2%，见表2。其中单一体质类型占44.1%，多数兼夹其他体质类型。

4.2 中医体质投影寻踪等级评价反映出了整体健康状态，各体质状态均值表示其体质分类，因此，从每一类各体质状态均值可以作出推断：属优、良者，无需生理、心理干预，属中者一般不需干预，较差者需要干预，差者必须生理、心理干预。这样，311例女生中医体质健康者占79.75%，需要生理、心理干预者为20.25%。

4.3 源远流长的中国饮食和养生文化，被认为是改善体质易感性的宝贵资源，中医体质分类可以直接指导这些资源的利用，而其整体健康状态的等级评价模型，可以用来检验干预的效果。

4.4 体质差异是一个进化问题，选用遗传算法分析其数据有直观的合理性。本次中医体质调查每次辨识平均用时 5.25′±2.58′，是大学生生理及心理综合身体素质评价的不错选择，但还需要扩大样本并与一直沿用的学生体能测验做一个对比研究。

4.5 遗传算法是启发式随机优化算法，还有一个难点是关于R (局部密度的窗口半径)的选择。因为遗传算法只负责投影方向α，而R根据试验来决定。因此我期望的计算量是很大的，因为每一个不同值的R就需要用多次遗传算法的计算来得到一个对于该R的已给比较可靠的结果。然后再比较不同R所得到的结果，找到最好的。另外一种处理方式是将R也纳入遗传算法中，作为一个优化变量。这样，遗传算法就可同时对α和R进行优化。得到的结果是优化的α和R。