中医优势病种专方专药本草文献研究的若干思考

来源 :中国中医基础医学杂志 | 被引量 : 0次 | 上传用户:licarson
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
专方专药治专病即针对某一种疾病的主要症状和根本病机,采用特效的方剂、中药进行治疗。此治疗模式建立在辨病基础上切中疾病本质,具有可重复性强、临床疗效确切的优势。基于本草文献学对专方专药进行挖掘、整理与考证,对临床应用及新药研发有重要的学术价值,亦能丰富和诠释专方专药本草文献理论。本文从本草文献研究概况、本草文献研究中存在问题、专方专药治疗中医临床优势病种的现状与优势、专方专药本草文献研究的意义及需注意的问题4方面展开论述,探索专方专药本草研究的新方法和路径,以期为认识疾病、切中疾病本质提供参考,为方药的临床应用提供依据,为中药新药发现与研发提供参考和支撑。
其他文献
研究典型柱型破片质量、着靶姿态对装甲钢的弹道极限速度(V50)的影响规律,可为战斗部毁伤元设计提供有效的参考数据。通过弹道冲击试验获取了长径比为1,质量5 g的钨柱在0°和90°着靶姿态下对10 mm装甲钢的V50。试验得到钨柱破片纵向正侵彻10 mm装甲钢的V50为745 m/s,横向正侵彻10 mm装甲钢的V50为761 m/s,钨柱破片在侵彻过程中,破片被横向镦粗,破片头部受靶板挤压磨蚀,形
为了研究冷却速率对Al-Cu二元合金凝固组织和性能的影响,通过楔形铜模铸造制备了Al-6%Cu合金铸锭。结果表明,当冷却速率从100 K/s降低到2 K/s时,铸锭晶粒形态的转变过程为:全部柱状晶→柱状晶与等轴晶混合→全部等轴晶。同时,靠近模壁处的柱状晶宽度从244.7μm增加到408.2μm,铸锭心部等轴晶的平均晶粒尺寸从629.8μm减小到152.8μm,并且平均枝晶臂间距从10.1μm增加到
裂缝是混凝土结构的主要病害,查明裂缝的深度能够为结构的耐久性和安全性评价提供可靠的信息,但同时也是混凝土结构检测的难点之一。提出了一种基于数据驱动的学习算法,通过考察波经过带缝结构传播的信号预测裂缝深度,采用扩展有限元法(Extended finite element methods, XFEM)和边界吸收层模型模拟了带缝大体积混凝土结构中的波传播过程,将接收点的观测信号和裂缝信息配对。基于人工神
随着人工智能技术的发展,采用机器学习方法进行势函数的构建和拟合,成为目前解决经验势函数精度问题的主要技术途径。机器学习方法解决了传统势函数拟合中的试错低效问题,已成为材料设计和物性研究不可或缺的有力工具。本文围绕当前机器学习势函数的特点,及其在相变研究、本征性质研究和界面研究等方面的应用,全面总结介绍势函数及其拟合策略,以及其在特定物性研究中的应用,推动机器学习势函数在材料力热性质的多尺度模拟研究
为准确预测蜗轮副齿高热变形量的变化情况,提高蜗轮副的传动精度,提出了基于深度学习的蜗轮副热变形预测方法。通过使用有限元软件对蜗轮蜗杆进行热分析处理,建立环境温度与蜗轮齿高热变形量的关系模型,再结合深度学习,预测蜗轮副齿高变化量。
准确评估战斗部侵彻爆炸作用下混凝土遮弹层的损伤破坏可为防护工程设计提供重要参考。首先基于Karagozian & Case(K&C)模型框架建立了新型混凝土动态损伤本构模型,其中强度面综合考虑了静水压力、Lode角、应变率和损伤;独立描述了拉伸和压缩损伤,并考虑了拉压之间的连续过渡以及剪切变形和体积压缩对损伤的贡献。随后,开展了半无限厚混凝土靶体的105 mm口径弹体侵彻爆炸联合作用试验。进一步通
近距空中支援作战在现代战争中的地位日益凸显,是各军种联合作战的基本战术。武器弹药是近距空中支援作战实施毁伤目标的核心环节。近距空中支援的实施对改变地面作战的战场态势具有重要作用。针对历次战争的作战效果及经验教训,分析了近距空中支援作战对武器弹药的应用情况,针对现代近距空中支援作战的需求,描述了武器弹药精确制导、低附带毁伤、智能协同打击的发展趋势,总结了武器弹药对近距空中支援作战的作用,为未来近距空
Monolith催化器被广泛用于移动源和固定源的废气净化,是气相催化体系中的关键优化对象。计算模拟的方法有助于进一步理解monolith中宏微观耦合的多尺度物理与化学过程,实现催化体系的快速评估,促进废气后处理催化体系的更新迭代与技术升级。总结了monolith多尺度模型的总体框架,详细讨论了建模过程中涉及到的催化器内部物质与能量的扩散、反应动力学、流动均匀性等基本原理与过程,综述了不同尺度模型的
目前针对高强钢构件整体稳定性的研究多采用有限元建模或实验室试验方法,而基于机器学习的预测方法能够给预测的准确性和便捷性带来显著提升。为了准确预测高强钢焊接等截面箱型柱的整体稳定性,提出使用纤维模型构建数据库,并利用机器学习建立预测模型的方法。首先确定模型的输入输出参数,并通过纤维模型方法建立数据库;接着,选用常见的3种不同类型的机器学习模型和现有规范中的经验模型进行预测,并依据评价指标进行性能对比