天津中医药大学学报  2026, Vol. 45 Issue (5): 523-533

文章信息

洪沁妍, 滕俊, 李磊, 高鸿, 王智娜, 许菲, 吕明圣, 邹珩, 王洪武
HONG Qinyan, TENG Jun, LI Lei, GAO Hong, WANG Zhina, XU Fei, LYU Mingsheng, ZOU Heng, WANG Hongwu
气管支气管腺样囊性癌的临床特征及中医证候研究
Clinical characteristics and traditional Chinese medicine syndrome patterns of tracheobronchial adenoid cystic carcinoma
天津中医药大学学报, 2026, 45(5): 523-533
Journal of Tianjin University of Traditional Chinese Medicine, 2026, 45(5): 523-533
http://dx.doi.org/10.11656/j.issn.1673-9043.2026.05.03

文章历史

收稿日期: 2026-01-08
气管支气管腺样囊性癌的临床特征及中医证候研究
洪沁妍1,2 , 滕俊1,2 , 李磊1 , 高鸿3 , 王智娜3 , 许菲3 , 吕明圣4 , 邹珩1 , 王洪武1     
1. 北京中医药大学东直门医院呼吸科, 北京 100700;
2. 北京中医药大学, 北京 100029;
3. 应急总医院呼吸与危重症医学科Ⅱ部, 北京 100028;
4. 北京中医药大学第三附属医院呼吸科, 北京 100029
摘要: [目的] 探究气管支气管腺样囊性癌(Tracheobronchial Adenoid Cystic Carcinoma,TACC)人群的临床特征及中医证候特征,为TACC的中医临床诊疗提供科学依据。[方法] 通过开展双中心横断面研究,统计TACC人群的临床特征、中医证候特征,基于R语言运用因子分析、多重对应分析、K-means聚类、层次聚类、潜在类别分析等多种统计模型对证候条目进行聚类与结构挖掘,结合拓扑网络分析识别核心证候变量,并运用潜在类别分析进行证型分类合理性验证。[结果] 该研究共纳入双中心112例TACC患者,女性多于男性,病变主要累及主气道中下段。肿瘤原发部位、浸润类型级转移情况等多项临床特征男女之间未见明显差异。TACC患者中医证候以咳嗽(84.82%)、喘促(59.82%)、痰质黏稠(46.43%)、自汗(45.54%)多见,常见舌脉为白苔(72.32%)、舌络滞(49.11%)、脉滑(36.61%)、脉数(33.93%)。经因子分析、聚类分析及应用潜在类别分析,归纳出3个TACC主要中医证候。[结论] TACC病机特点为虚实交错、病程缠绵且始终夹杂癌毒,主要中医证候包括气虚津亏-痰热郁络证、肺脾两虚-湿浊滞络证、瘀毒内结-络损血溢证。
关键词: 气管支气管腺样囊性癌    临床特征    证候特征    多元统计分析    
Clinical characteristics and traditional Chinese medicine syndrome patterns of tracheobronchial adenoid cystic carcinoma
HONG Qinyan1,2 , TENG Jun1,2 , LI Lei1 , GAO Hong3 , WANG Zhina3 , XU Fei3 , LYU Mingsheng4 , ZOU Heng1 , WANG Hongwu1     
1. Department of Respiratory Medicine, Dongzhimen Hospital, Beijing University of Chinese Medicine, Beijing 100700, China;
2. Beijing University of Chinese Medicine, Beijing 100029, China;
3. Department of Respiratory and Critical Care Medicine Ⅱ, Emergency General Hospital, Beijing 100028, China;
4. Department of Respiratory Medicine, Beijing University of Chinese Medicine Third Affiliated Hospital, Beijing 100029, China
Abstract: [Objective] To explore the clinical and traditional Chinese medicine (TCM) syndrome characteristics of patients with tracheobronchial adenoid cystic carcinoma (TACC), providing scientific evidence for TCM clinical diagnosis and treatment of TACC. [Methods] A dual-center cross-sectional study was conducted to collect clinical and TCM syndrome data from 112 TACC patients. Statistical analysis included factor analysis, multiple correspondence analysis, K-means clustering, hierarchical clustering, and latent class analysis using R software to cluster and mine the structure of syndrome entries. Topological network analysis was employed to identify core syndrome variables, and latent class analysis validated syndrome classification rationality. [Results] A total of 112 TACC patients were enrolled from two centers, with a higher prevalence in females than in males. The lesions predominantly involved the middle and lower segments of the major airways. No significant sex differences were observed in clinical characteristics such as the primary tumor site, patterns of infiltration, or metastatic status. The most common TCM syndrome manifestations included cough (84.82%), dyspnea (59.82%), viscous sputum (46.43%), and spontaneous sweating (45.54%). The most frequent tongue and pulse features were white tongue coating (72.32%), stagnated tongue vessels (49.11%), slippery pulse (36.61%), and rapid pulse (33.93%). Through factor analysis, cluster analysis, and latent class analysis, three major TCM syndrome patterns of TACC were identified. [Conclusion] The pathogenesis of TACC is characterized by a complex interplay of deficiency and excess, with a protracted disease course consistently complicated by cancer toxin. The three predominant TCM syndrome patterns were summarized as follows: 1) Qi deficiency with fluid depletion accompanied by phlegm-heat obstructing the collaterals; 2) Lung-spleen deficiency with damp-turbidity stagnating the collaterals; 3) Blood stasis and toxin accumulation with collateral damage leading to hemorrhage.
Key words: tracheobronchial adenoid cystic carcinoma    clinical characteristics    syndrome characteristics    multivariate statistical analysis    

气管支气管腺样囊性癌(Tracheobronchial Adenoid Cystic Carcinoma,TACC)是一种罕见的气道恶性肿瘤,临床发病率极低,在呼吸系统恶性肿瘤中仅占0.1%~0.2%[1]。TACC虽生长缓慢、病程较长,但具有高度血管化及较强的局部侵袭性特征,这限制了外科手术的开展[2-3]。TACC主要累及中央气道,其进展常导致气道狭窄甚至阻塞,进而引发进行性呼吸困难乃至窒息,临床风险较高[4]。中医治疗以整体观念为指导,遵循辨证论治的原则,在TACC等多种肿瘤治疗中展现出独特的优势和潜力[5-7]。团队前期研究发现,TACC的血管招募机制与王永炎院士提出的“病络”理论高度契合,为认识该疾病的关键病理环节及探索中医药干预策略提供了重要启示[8]。然而,目前TACC的中医证候研究尚处于起步阶段,现有报道多以理论探讨或多病种研究为主,缺乏针对TACC单一病种的系统性证候调查[5-8]。这导致TACC的中医证候诊断标准缺乏统一规范,显著制约了临床诊疗水平的提升。基于此,本研究开展横断面调查以探究TACC人群的中医证候特征,为规范TACC的证候诊断标准提供科学的数据支持,以期更好地指导临床医生对TACC患者进行个体化诊疗,并为后续中医药研究提供依据。

1 资料与方法 1.1 病例来源

纳入2023年6月—2025年2月在北京中医药大学东直门医院和应急总医院接受诊治的TACC患者。研究由北京中医药大学东直门医院伦理委员会审批(编号:2023DZMEC-570-04)。

1.2 诊断标准

TACC的诊断基于手术切除或活检获得的组织标本[9],经过病理学检查,包括组织学形态学观察和必要的免疫组织化学染色,诊断结果依据两家医院的病理医师出具的病理诊断报告。

1.3 纳排标准

纳入标准:1)符合TACC病理学诊断。2)年龄≥18岁,不限性别。3)具备完整的人口学及临床资料。4)自愿参与并签署知情同意书,过程符合伦理规范。

排除标准:1)未起源于中央气道八分区内[10]。2)其他部位腺样囊性癌转移至中央气道八分区内。3)合并其他病理类型的肿瘤。4)无法配合观察表信息的填写。

1.4 信息采集与质控

基于前期文献梳理、临床预调查,参考恶性中央气道狭窄中国专家共识[9]、中医证候诊断标准研制指南[11],本研究共筛选出22个TACC的中医证候及体征条目,同时纳入TACC患者的人口学资料、TACC特征、肿瘤治疗史、KPS及气促评分,形成本研究使用的《气管支气管腺样囊性癌临床及中医证候观察表》。

纸质观察表由经过专业培训的医务人员填写留档并扫描留存,以确保信息采集的准确性和完整性。数据录入采用Excel 2021软件,遵循双人双机复核录入原则,构建TACC患者信息数据库。数据库建立后,经双人独立审核确认后锁定,不得随意修改。

1.5 样本量计算

研究涉及22条TACC的证候条目,参照既往中医证候研究样本量的常规估算方法,研究样本量通常为条目数的5至10倍[12-13]。鉴于TACC是临床罕见疾病,且研究具有一定的探索性质,故取条目数的5倍作为样本量下限,最终计算得出的最低样本量应不少于110例。本横断面研究最终纳入TACC患者112例。

1.6 统计分析及可视化

连续变量采用均数±标准差(x±s)表示,组间比较若符合正态分布且方差齐性,采用独立样本t检验,不符合时采用独立样本秩和检验(Mann-Whitney U检验)。分类变量以频数(n)和百分比(%)表示,组间比较采用卡方检验;当理论频数T<1或总样本量n<40时,改用Fisher确切概率法。所有检验均为双侧检验,P<0.05为差异有统计学意义。

采用四分相关矩阵(Tetrachoric Correlation Matrix)进行因子分析,先经Bartlett’s球形检验评估变量关性,随后,结合碎石图和平行分析比较特征确定最佳因子数目,采用主轴因子分析(Principal Axis Factoring,PAF)提取因子,并使用方差最大旋转法优化因子结构,最终以载荷热图展示。构建多重对应分析(Multiple Correspondence Analysis,MCA)模型计算低维空间坐标,经碎石图评估后,基于主维度坐标运用K-means聚类分析对患者分组并优化中心稳定性,可视化呈现患者空间分布及证候特征相似群体。采用Jaccard距离计算变量间的相似性,并基于Ward.D2法进行层次聚类优化变量分组。

综合多模型证候聚类结果,构建各潜在证型相关矩阵并设定相关性阈值筛除弱相关变量;采用Fruchterman-Reingold(FR)力导向布局算法优化网络可视化拓扑网络。拓扑图由证型中心节点(Cluster)及其关联证候变量构成,节点大小依据中心性指标(节点度Degree、节点强度Strength)调整,边权重由变量相关系数决定,以量化变量间的关联强度。同时计算介数中心性、接近中心性和特征向量中心性以识别证候网络的核心变量。应用潜在类别分析(Latent Class Analysis,LCA),通过极大似然估计结合期望最大化算法估计参数,计算个体类别概率及变量条件概率以评估分类结构合理性;借用赤池信息准则(Akaike Information Criterion,AIC)和贝叶斯信息准则(Bayesian Information Criterion,BIC)确定最优类别数,提取条件概率矩阵识别核心证候变量。

所有统计分析与可视化均在R语言环境(版本4.4.1)中完成,使用的核心R包包括:gtsummary、tidyverse、caret、psych、FactoMineR、factoextra、poLCA、mirt、igraph和qgraph。分析过程中,统计学显著性水平设定为P<0.05。

2 结果 2.1 TACC临床特征

共纳入112例TACC患者,其中女性较男性占比高,平均年龄为(55.38±12.62)岁。吸烟史方面,76.79%的患者有吸烟史,男性有吸烟史比例显著高于女性。在家族肿瘤病史方面,8.04%的患者存在家族肿瘤病史。在功能状态评估方面,KPS评分平均为(78.04±13.07)分。气促评分平均为(1.44±1.07)分。

TACC的原发部位以中央气道Ⅱ区(41.07%)和Ⅲ区(36.61%)最为常见。中央气道狭窄程度方面,3级最为常见(37.50%)。肿瘤浸润类型以混合型最为常见(58.93%)。肿瘤转移情况方面,68.75%的患者无或未明确发现肿瘤转移灶。此外,81.25%的患者无或未明确淋巴结转移。

在既往的肿瘤治疗方式方面,14.29%的患者接受过手术,43.75%接受过放疗,38.39%接受过化疗,31.25%接受过靶向治疗,6.25%接受过免疫治疗。所有患者均接受过气管镜介入治疗,其中32.14%进行了气道支架置入。见表 1。

表 1 TACC临床特征
临床特征 例数 年龄
(x±s)
气促评分
(x±s)
KPS评分
(x±s)
吸烟史 家族肿瘤病史 初始肿瘤管壁浸润类型
有 无 有 无 管内型 管外型 管壁型 混合型
全体 112 55.38±12.62 1.44±1.07 78.04±13.07 26(23.21) 86(76.79) 9(8.04) 103(91.96) 33(29.46) 0(0.00) 13(11.61) 66(58.93)
男 43 55.05±13.22 1.44±1.16 77.67±12.88 22(51.16) 21(48.84) 2(4.65) 41(95.35) 11(25.58) 0(0.00) 5(11.63) 27(62.79)
女 69 55.59±12.33 1.44±1.02 78.26±13.28 4(5.80) 65(94.20) 7(10.14) 62(89.86) 22(31.88) 0(0.00) 8(11.59) 39(56.52)
P 0.792 0.799 0.473 < 0.001 0.478 0.720
临床特征 例数 初始肿瘤纵向累及八分区位置a
Ⅰ区
(上1/3气管)
Ⅱ区
(中1/3气管)
Ⅲ区
(下1/3气管)
Ⅳ区
(气管隆突)
Ⅴ区
(右主支气管)
Ⅵ区
(右中间段支气管)
Ⅶ区
(近1/2段左主支气管)
Ⅷ区(远1/2段左主支气管)
全体 112 34(30.36) 46(41.07) 41(36.61) 15(13.39) 20(17.86) 3(2.68) 12(10.71) 6(5.36)
男 43 17(39.53) 13(30.23) 15(34.88) 4(9.30) 7(16.28) 1(2.33) 4(9.30) 1(2.33)
女 69 17(24.64) 33(47.83) 26(37.68) 11(15.94) 13(18.84) 2(2.90) 8(11.59) 5(7.25)
P 0.577
临床特征 例数 初始中央气道狭窄程度 肿瘤转移 淋巴结转移
1级(≤ 25) 2级(26~50) 3级(51~75) 4级(76~90) 5级(91~100) 肺内 肺外 肺内+肺外 无/未明确 有 无/未明确
全体 112 4(3.57) 31(27.68) 42(37.50) 26(23.21) 9(8.04) 18(16.07) 8(7.14) 9(8.04) 77(68.75) 21(18.75) 91(81.25)
男 43 3(6.98) 8(18.60) 16(37.21) 12(27.91) 4(9.30) 8(18.60) 6(13.95) 2(4.65) 27(62.79) 8(18.60) 35(81.40)
女 69 1(1.45) 23(33.33) 26(37.68) 14(20.29) 5(7.25) 10(14.49) 2(2.90) 7(10.14) 50(72.46) 13(18.84) 56(81.16)
P 0.265 0.120 0.975
临床特征 例数 手术 放疗 化疗 免疫治疗 靶向治疗 气道支架置入
有 无 有 无 有 无 有 无 有 无 有 无b
全体 112 16(14.29) 96(85.71) 49(43.75) 63(56.25) 43(38.39) 69(61.61) 7(6.25) 105(93.75) 35(31.25) 77(68.75) 36(32.14) 76(67.86)
男 43 6(13.95) 37(86.05) 18(41.86) 25(58.14) 18(41.86) 25(58.14) 6(13.95) 37(86.05) 13(30.23) 30(69.77) 14(32.56) 29(67.44)
女 69 10(14.49) 59(85.51) 31(44.93) 38(55.07) 25(36.23) 44(63.77) 1(1.45) 68(98.55) 22(31.88) 47(68.12) 22(31.88) 47(68.12)
P 0.937 0.750 0.551 0.013 0.854 0.941
注:a“初始”意为患者病理确诊时的情况。b所有患者均接受了气管镜介入治疗。
2.2 TACC中医证候特征与证型识别 2.2.1 TACC中医证候特征

共计22种症状及体征变量,以咳嗽(84.82%)、喘促(59.82%)、痰质黏稠(46.43%)、自汗(45.54%)等为主。涉及18种舌诊变量和9种脉诊变量,舌诊变量中,以白苔(72.32%)、舌络滞(49.11%)和薄苔(46.43%)为主;脉诊变量中,以脉滑(36.61%)、脉数(33.93%)和脉弦(31.25%)为主。见表 2。

表 2 TACC证候及舌脉分布
症状 频数 频率(%) 症状 频数 频率(%)
咳嗽 95 84.82 腻苔 46 41.07
喘促 67 59.82 舌络郁b 45 40.18
痰质黏稠 52 46.43 脉滑 41 36.61
自汗 51 45.54 舌淡红 39 34.82
夜寐不安 49 43.75 脉数 38 33.93
神疲倦怠 40 35.71 脉弦 35 31.25
纳呆食少 37 33.04 黄苔 31 27.68
口干咽燥 29 25.89 舌紫暗 30 26.79
咯吐黄痰 27 24.11 脉沉 27 24.11
便秘 25 22.32 舌暗红 25 22.32
痰中带血 23 20.54 齿痕舌 25 22.32
小便黄赤 21 18.75 脉细 21 18.75
盗汗 20 17.86 厚苔 15 13.39
口苦 17 15.18 舌络结c 12 10.71
胸痛 15 13.39 舌红 10 8.93
头晕目眩 15 13.39 舌淡白 8 7.14
心悸 14 12.5 剥脱苔 3 2.68
便溏 14 12.5 裂纹舌 2 1.79
夜尿频 13 11.61 瘀斑舌 2 1.79
脘腹胀满 9 8.04 润苔 1 0.89
畏寒肢冷 7 6.25 脉弱 1 0.89
五心烦热 4 3.57 脉代 1 0.89
白苔 81 72.32 脉迟 1 0.89
舌络滞a 55 49.11 脉涩 1 0.89
薄苔 52 46.43
注:a舌络滞:舌下络脉色泽青紫,充盈迂曲;b舌络郁:舌下络脉色泽淡紫,稍充盈不弯曲;c舌络结:舌下络脉色泽紫黑,分支或有条索团块。
2.2.2 TACC证型识别 2.2.2.1 因子分析

Bartlett’s球形检验结果显示,近似卡方为12 158.5,自由度为231,P<0.001,提示变量间存在显著相关性,适合进行因子分析。平行分析碎石图显示,实际数据的特征值曲线在第10个因子后逐渐趋于模拟数据曲线,提示选取10个因子较为合适。见图 1A。

注:图A,碎石图:基于平行分析的结果,展示实际数据的特征值与模拟数据的特征值对比。蓝色折线为实际数据的特征值,红色虚线表示随机模拟数据的特征值;图B,因子载荷热图:基于四分相关矩阵的因子分析结果,PAF1至PAF10代表通过PAF法提取的10个因子,颜色表示不同变量在各因子上的载荷强度,仅显示每个变量的主载荷(绝对值最大)。红色代表正载荷,蓝色代表负载荷,颜色深浅反映载荷大小。 图 1 因子分析碎石图及载荷热图

基于四分相关矩阵,采用PAF法提取因子,并通过因子载荷热图可视化不同因子在关键变量上的载荷强度及方向,见图 1B。因子载荷矩阵进一步量化了10个因子中各变量的具体载荷,见表 3。最后,采用方差最大旋转法优化因子结构,前10个因子累计解释了80.9%的总方差,表明10个因子能够较好地概括数据特征。见表 4。

表 3 因子分析矩阵
变量 因子成分
PAF1 PAF2 PAF3 PAF4 PAF5 PAF6 PAF7 PAF8 PAF9 PAF10
喘促 0.023 -0.098 0.014 0.160 0.710 -0.103 -0.096 0.255 0.128 -0.107
咳嗽 0.126 0.174 0.036 0.126 -0.049 0.106 0.011 0.891 0.033 0.065
咯吐黄痰 0.780 0.045 0.188 0.124 0.151 0.084 0.033 0.310 0.136 0.122
痰质黏稠 0.731 -0.079 0.258 0.131 0.131 0.076 -0.247 0.320 -0.072 -0.083
痰中带血 0.137 0.353 0.088 0.136 0.268 -0.118 -0.621 0.097 0.004 0.298
神疲倦怠 -0.081 0.102 -0.075 0.271 0.419 -0.162 0.427 -0.168 0.175 -0.061
夜寐不安 0.190 0.194 0.205 0.579 0.079 0.003 0.275 0.031 -0.030 -0.027
自汗 0.049 0.095 -0.004 0.004 0.769 0.174 0.157 -0.221 -0.070 -0.020
纳呆食少 0.254 0.172 0.057 0.860 0.336 0.048 -0.050 0.129 -0.002 -0.009
口干咽燥 0.570 0.101 -0.146 0.225 -0.128 -0.172 0.286 -0.202 0.101 0.210
便秘 0.247 0.056 -0.020 0.243 0.290 0.280 0.772 0.152 0.054 -0.028
舌淡红 0.023 -0.832 -0.014 -0.190 0.005 -0.314 -0.184 -0.075 0.028 -0.131
舌暗红 0.063 0.121 -0.024 0.081 0.008 0.854 0.137 0.136 0.010 0.107
舌紫暗 -0.236 0.779 -0.070 0.135 -0.063 -0.625 0.000 0.151 -0.007 0.041
齿痕舌 -0.186 0.003 0.419 -0.535 0.204 -0.131 -0.026 -0.152 -0.263 -0.047
白苔 -0.696 -0.181 -0.231 -0.283 0.123 -0.260 -0.157 0.226 -0.098 0.028
腻苔 0.096 0.036 0.686 0.088 0.078 0.426 0.019 0.428 -0.204 0.066
舌络滞 0.225 0.758 -0.010 0.058 0.056 0.019 -0.176 0.043 0.097 0.015
脉滑 0.301 -0.061 0.862 0.052 -0.055 -0.100 -0.070 -0.029 0.100 -0.055
脉数 0.082 0.040 -0.037 0.028 0.113 0.003 0.089 0.021 0.922 -0.146
脉弦 0.044 0.088 -0.047 -0.040 -0.088 0.116 -0.104 0.065 -0.135 0.867
脉沉 -0.219 -0.121 -0.560 -0.112 0.177 0.039 0.119 0.027 -0.616 -0.583
表 4 因子载荷与方差贡献表
因子 载荷变量 因子载荷平方和 方差贡献率 累计方差贡献率 解释方差比 累计解释方差比
PAF1 咯吐黄痰、痰质黏稠、口干咽燥、白苔 2.458 0.112 0.112 0.138 0.138
PAF2 舌紫暗、舌络滞、舌淡红 2.223 0.101 0.213 0.125 0.263
PAF3 腻苔、脉滑 1.949 0.089 0.301 0.109 0.372
PAF4 夜寐不安、纳呆食少、齿痕舌 1.807 0.082 0.384 0.101 0.474
PAF5 喘促、自汗 1.730 0.079 0.462 0.097 0.571
PAF6 舌暗红 1.726 0.078 0.541 0.097 0.668
PAF7 神疲倦怠、便秘、痰中带血 1.567 0.071 0.612 0.088 0.756
PAF8 咳嗽 1.537 0.070 0.682 0.086 0.842
PAF9 脉数、脉沉 1.480 0.067 0.749 0.083 0.925
PAF10 脉弦 1.329 0.060 0.809 0.075 1.000
2.2.2.2 MCA与层次聚类、K-means聚类

基于Jaccard距离计算证候变量相似性,并采用Ward.D2法进行层次聚类分析,结果显示证候变量可分为三类。第一类(C1)涵盖多种症状、体征和舌脉象,如咯吐黄痰、纳呆食少、神疲倦怠、脉滑和舌暗红等,兼具虚实特征;第二类(C2)以虚性表现为主,主要包括喘促、齿痕舌、脉沉等变量;第三类(C3)以瘀滞表现的舌脉象及症状为主,呈现较明显的实证特征。见表 5。

表 5 层次聚类分析
簇 证候变量
C1 口干咽燥、咯吐黄痰、纳呆食少、夜寐不安、脉滑、腻苔、痰质黏稠、自汗、神疲倦怠、便秘、脉数、舌暗红
C2 舌淡红、喘促、咳嗽、白苔、齿痕舌、脉沉
C3 舌紫暗、舌络滞、痰中带血、脉弦

多重对应分析(MCA)探索了TACC患者间的潜在关联结构。碎石图显示,前3个维度(Dim)分别解释了15.3%、9.5%和9.0%的变异,提示前3个维度具有一定的信息量,且存在拐点,可用于低维空间映射,见图 2A。各变量对MCA维度的贡献度表明,Dim 1的主要贡献变量为咯吐黄痰(0.411)、纳呆食少(0.364)和白苔(0.374),Dim 2的主要贡献变量为舌紫暗(0.344)、脉滑(0.273)和神疲倦怠(0.263),而Dim 3的主要贡献变量为舌紫暗(0.319)、便秘(0.228)和舌络滞(0.211),见表 6。基于MCA降维坐标进行K-means聚类分析,使用Dim 1至Dim 3的坐标作为输入数据,将TACC患者划分为三类,分别为38例、23例和51例,聚类覆盖度及边界分离提示分类稳健,见图 2B。

注:图A,碎石图;图B,图中点的相对位置反映个体间的特征相似性,不同颜色表示K-means聚类的3个类别及聚类数,凸包(Convex Hull)用于表示各聚类的边界。 图 2 MCA碎石图及K-means聚类
表 6 MCA中各变量贡献度(η2)
变量 Dim 1 Dim 2 Dim 3 变量 Dim 1 Dim 2 Dim 3
喘促 0.038 0.022 0.109 舌淡红 0.193 0.216 0.129
咳嗽 0.093 0.001 0.032 舌暗红 0.108 0.004 0.017
咯吐黄痰 0.411 0.058 0.006 舌紫暗 0.003 0.344 0.319
痰质黏稠 0.297 0.179 0.003 齿痕舌 0.057 0.048 0.001
痰中带血 0.064 0.002 0.194 白苔 0.374 0.021 0.011
神疲倦怠 0.022 0.263 0.141 腻苔 0.198 0.188 0.000
夜寐不安 0.271 0.047 0.016 舌络滞 0.159 0.125 0.211
自汗 0.031 0.073 0.176 脉滑 0.138 0.273 0.003
纳呆食少 0.364 0.059 0.017 脉数 0.039 0.026 0.027
口干咽燥 0.124 0.012 0.001 脉弦 0.013 0.011 0.199
便秘 0.180 0.050 0.228 脉沉 0.180 0.076 0.150

综合112例TACC患者的症状/体征、舌脉等证候信息,基于多元统计分析,患者可分为三类,并结合因子分析、层次聚类等模型分析结果、文献查阅及专家意见将其分别命名气虚津亏-痰热郁络证、肺脾两虚-湿浊滞络证、瘀毒内结-络损血溢证。

2.3 拓扑网络与中心性分析

采用FR力导向布局算法构建3种证型的拓扑结构,并设定相关性阈值(|r|≥0.3)筛选相关性较高的证候变量,以可视化证候间的关键联系。此外,为量化证候变量在拓扑网络中的地位,计算多个网络中心性指标,包括节点度、节点强度、中介中心性、接近中心性和特征向量中心性。其中,节点度与节点强度用于衡量变量在网络中的连接程度,代表其影响范围;接近中心性表示变量在网络中到达其他变量的便利程度;中介中心性反映变量在不同证候间的桥梁作用,其值越大,表明该变量在证型结构中的枢纽作用越强;特征向量中心性用于识别关联较强的核心变量,能够反映其对整体网络的影响力。

2.3.1 气虚津亏-痰热郁络证(Cluster 1)

网络拓扑结构显示,气虚津亏-痰热郁络证的核心证候包括咳嗽、喘促、痰质黏稠、咯吐黄痰、夜寐不安、便秘和纳呆食少,舌象中的舌络滞、腻苔,脉象中的脉滑等,其节点度、相关系数(边宽)等指标均较高,提示其在证型结构中的核心地位,见图 3A。中心性分析显示,纳呆食少、齿痕舌和脉滑等变量在网络中具有重要的连接作用,见表 7。

注:图A,Cluster 1证型相关变量的拓扑图;图B,Cluster 2证型相关变量的拓扑图;图C,Cluster 3证型相关变量的拓扑图。图中节点表示证型(红色)、症状体征(黄色)或舌脉(蓝色),节点大小与变量的中心性相关,中心性越高,节点越大。边表示变量之间的相关性,边的宽度与权重成正比,边越粗表示相关性越强。 图 3 各证型相关变量的拓扑图
表 7 Cluster 1拓扑节点及其属性
节点名称 节点度 节点强度 中介中心性 接近中心性 特征向量中心性
Cluster 1 22.000 11.130 0.740 0.423 1.000
喘促 5.000 2.090 0.030 0.288 0.333
咳嗽 4.000 2.042 0.000 0.297 0.398
咯吐黄痰 4.000 1.810 0.035 0.292 0.296
痰质黏稠 2.000 1.265 0.000 0.296 0.295
痰中带血 5.000 1.834 0.000 0.214 0.216
神疲倦怠 4.000 1.531 0.000 0.237 0.249
夜寐不安 5.000 2.493 0.065 0.303 0.378
自汗 4.000 1.753 0.000 0.261 0.265
纳呆食少 4.000 2.424 0.165 0.312 0.344
口干咽燥 5.000 1.906 0.052 0.256 0.239
便秘 5.000 2.103 0.000 0.255 0.302
舌淡红 5.000 1.601 0.022 0.185 0.144
舌暗红 4.000 1.490 0.004 0.240 0.213
舌紫暗 2.000 0.539 0.000 0.152 0.043
齿痕舌 4.000 1.564 0.091 0.224 0.129
白苔 4.000 1.265 0.009 0.172 0.140
腻苔 4.000 1.841 0.000 0.282 0.342
舌络滞 8.000 3.306 0.043 0.309 0.405
脉滑 4.000 1.735 0.061 0.295 0.279
脉数 4.000 1.629 0.009 0.236 0.211
脉弦 4.000 1.528 0.000 0.194 0.190
脉沉 4.000 1.084 0.000 0.180 0.114
2.3.2 肺脾两虚-湿浊滞络证(Cluster 2)

网络拓扑结构显示,肺脾两虚-湿浊滞络证的核心证候包括咳嗽、喘促、痰质黏稠、神疲倦怠、便秘和自汗等,舌象中的舌淡红、白苔,脉象中的脉滑和脉沉等,其节点度、相关系数(边宽)等指标均较高,提示其在证型结构中的核心地位,见图 3B。中心性分析显示,神疲倦怠、舌淡红、脉沉和脉滑等变量在网络中具有重要的连接作用,见表 8。

表 8 Cluster 2拓扑节点及其属性
节点名称 节点度 节点强度 中介中心性 接近中心性 特征向量中心性
Cluster 2 21 21.000 7.157 0.905 0.233
喘促 2 2.000 0.920 0.000 0.175
咳嗽 1 1.000 0.765 0.000 0.180
咯吐黄痰 2 2.000 0.485 0.000 0.107
痰质黏稠 2 2.000 0.720 0.095 0.149
痰中带血 1 1.000 0.059 0.000 0.049
神疲倦怠 4 4.000 1.360 0.095 0.149
夜寐不安 1 1.000 0.235 0.000 0.120
自汗 2 2.000 0.804 0.000 0.163
纳呆食少 1 1.000 0.098 0.000 0.071
口干咽燥 1 1.000 0.137 0.000 0.089
便秘 3 3.000 0.980 0.000 0.121
舌淡红 3 3.000 1.687 0.181 0.184
舌暗红 3 3.000 1.415 0.000 0.150
齿痕舌 2 2.000 0.738 0.000 0.148
白苔 1 1.000 0.902 0.000 0.187
腻苔 2 2.000 0.662 0.000 0.144
舌络滞 2 2.000 0.538 0.000 0.109
脉滑 4 4.000 1.570 0.014 0.152
脉数 2 2.000 0.724 0.000 0.140
脉弦 2 2.000 0.586 0.000 0.126
脉沉 4 4.000 1.716 0.014 0.164
2.3.3 瘀毒内结-络损血溢证(Cluster 3)

网络拓扑结构显示瘀毒内结-络损血溢证的核心证候包括咳嗽、喘促、痰中带血、神疲倦怠、夜寐不安等,舌象中的舌紫暗、舌络滞,脉象中的脉弦等,其节点度、相关系数(边宽)等指标均较高,提示其在证型结构中的核心地位,见图 3C。中心性分析显示,舌紫暗、脉弦和神疲倦怠等变量在网络中具有重要的连接作用,见表 9。

表 9 Cluster 3拓扑节点及其属性
节点名称 节点度 节点强度 中介中心性 接近中心性 特征向量中心性
Cluster 3 22 8.316 0.719 0.318 1.000
喘促 4 1.573 0.000 0.206 0.365
咳嗽 2 1.198 0.000 0.242 0.360
咯吐黄痰 4 1.206 0.009 0.145 0.120
痰质黏稠 3 1.113 0.009 0.184 0.179
痰中带血 3 1.126 0.061 0.189 0.183
神疲倦怠 5 1.939 0.082 0.191 0.316
夜寐不安 5 1.825 0.004 0.216 0.310
自汗 2 0.696 0.000 0.177 0.183
纳呆食少 3 1.031 0.000 0.173 0.213
口干咽燥 3 1.020 0.004 0.169 0.198
便秘 3 1.003 0.000 0.143 0.164
舌淡红 6 1.689 0.017 0.183 0.206
舌暗红 4 1.590 0.013 0.201 0.287
舌紫暗 7 3.294 0.130 0.260 0.597
齿痕舌 1 0.132 0.000 0.096 0.049
白苔 5 2.313 0.009 0.245 0.510
腻苔 5 1.821 0.009 0.179 0.293
舌络滞 2 1.189 0.000 0.236 0.336
脉滑 3 0.989 0.000 0.149 0.150
脉数 4 1.319 0.004 0.183 0.224
脉弦 5 1.910 0.095 0.216 0.328
脉沉 3 0.860 0.000 0.144 0.134
2.4 TACC证型模型评估

基于LCA评估证型分类的整体适配性,模型拟合比较结果显示,随着证型类别数的增加,AIC呈下降趋势,但在类别数≥ 3时下降幅度减小,而BIC在类别数≥3时上升,综合考虑模型适配性与简约性,证型类别拟合选择3类较佳,见表 10。各变量在不同类别中的项响应概率分析表明,Class 1的高响应变量为咳嗽(0.925)、痰质黏稠(0.879)和夜寐不安(0.808);Class 2以白苔(0.863)、咳嗽(0.788)和喘促(0.546)为主;Class 3则由舌紫暗(1.000)、咳嗽(0.895)和白苔(0.893)主导,见表 11。LCA的结果与各证型的拓扑关系相似,表明证型分类结构较为合理。

表 10 LCA模型比较结果
潜在类别 AIC BIC
2类 2940.41 3062.74
3类 2881.27 3066.13
4类 2865.99 3113.37
5类 2846.41 3156.32
表 11 LCA模型中各变量条件项响应概率
变量 Class 1 Class 2 Class 3 变量 Class 1 Class 2 Class 3
喘促 0.698 0.546 0.608 舌淡红 0.212 0.583 0.000
咳嗽 0.925 0.788 0.895 舌暗红 0.378 0.259 0.000
咯吐黄痰 0.673 0.099 0.111 舌紫暗 0.079 0.000 1.000
痰质黏稠 0.879 0.354 0.286 齿痕舌 0.076 0.314 0.180
痰中带血 0.298 0.105 0.321 白苔 0.257 0.863 0.893
神疲倦怠 0.414 0.296 0.427 腻苔 0.702 0.349 0.253
夜寐不安 0.808 0.213 0.535 舌络滞 0.713 0.222 0.824
自汗 0.570 0.450 0.354 脉滑 0.642 0.290 0.251
纳呆食少 0.761 0.095 0.391 脉数 0.454 0.292 0.324
口干咽燥 0.469 0.147 0.284 脉弦 0.333 0.299 0.320
便秘 0.443 0.142 0.175 脉沉 0.036 0.352 0.215
3 讨论

证候是机体在病理状态下对致病因素的整体应答,涵盖病变特征、病位归属、演进过程及发展趋势,并受到个体体质及环境因素的影响[14]。辨证论治作为中医诊疗的核心原则,强调通过四诊全面获取患者的症状、体征及舌脉等中医证候信息,结合病机分析,明确证型,并据此制定个体化治疗方案。基于前期理论探索,本研究开展了双中心横断面研究,首次描述了TACC患者的中医证候特征,并进行了多元统计分析探讨TACC的潜在证型,使用LCA验证证型分类的稳健性,深入剖析其病机特征。本研究或可为TACC的中医辨证论治提供客观依据,亦为遣方用药提供参考。

临床特征分析显示,TACC患者整体的平均年龄为(55.38±12.62)岁,女性(61.61%)占比高于男性(38.39%),肿瘤主要累及中央气道Ⅱ区(41.07%)和Ⅲ区(36.61%),这一分布与既往报道中的相似,可能与气道腺体的解剖分布相关[9, 15-16]。多数患者在确诊时已伴随3级及以上(68.75%)气道狭窄和混合型(58.93%)气道管壁浸润,这一结果与既往研究中TACC确诊较晚、手术机会有限的结论相一致[17-18]。尽管TACC具有较长的延迟诊断时间,但确诊时较少见淋巴结转移(18.75%)及肺外转移(7.14%),与既往研究相同,本研究中肺内转移(16.07%)为最常见的转移形式[2, 19]。64.29%的TACC患者KPS评分为非依赖级,提示多数患者日常生活仍能维持基本自理能力。该研究患者治疗情况与中国当前治疗策略相同,全身辅助治疗以放疗和化疗为主,其次是靶向治疗[2, 18]。该研究男女患者免疫治疗接受率的差异具有统计学意义,考虑到样本量限制所致统计学偏倚,应谨慎评估该结果。82.14%患者气促评分≥1分,对于存在中央气道狭窄的患者,气管镜介入治疗是改善症状的重要手段[20]。总体而言,该研究纳入的TACC患者临床特征与既往研究具有较高的可比性,同时补充了新的数据,丰富了TACC临床特征的信息维度。

咳嗽(84.82%)、喘促(59.82%)和痰质黏稠(46.43%)是TACC患者的主要中医证候特征。咳嗽和喘促可归因于肺气失于宣降,其病理机制可能与肿瘤所致的中央气道管腔狭窄和气道阻力增加相关。气道狭窄导致肺气失于宣发肃降,肺气上逆为咳、气不续接为喘。咳嗽往往伴随嗽痰,且痰质多为黏稠。肺为主气之脏,亦为贮痰之器。肿瘤对中央气道的压迫导致气机郁滞、肺主行水功能失调,湿浊积聚成痰。TACC浸润性生长的特性加重了对气道的刺激和压迫,导致痰液分泌增多和难以咯出,形成“易储难出”的病理状态,而肿瘤伴随的局部炎症进一步导致痰液壅滞。此外,TACC患者病程长久,久病则元气亏虚,以致“虚气留滞”之态,则痰凝之象愈显[21]。在舌象方面,TACC患者呈现出白苔(72.32%)、舌络滞(49.11%)和腻苔(41.07%)的特点。白腻苔为肺脾气虚、湿浊内蕴之象,脾不运化,湿邪内生,肺不输布,储痰聚湿;舌络滞,反映脉络受阻,气血运行不畅,抑或气机逆乱、气血失调之象[109],与TACC病程绵长相关。脉象则多见脉滑(36.61%)、脉数(33.93%)、脉弦(31.25%),脉滑数为痰、为热,弦则气滞、痰饮,提示痰湿阻滞、气机不畅、内蕴郁热的病机特征。

多元统计方法是实现中医证候定量化与规范化的重要工具。本研究参照朱文锋教授《证素辨证学》中的证候辨证素量表,结合病位、病性证素的证候特征及临床专家意见,初步归纳了TACC的证候特征。结果显示,TACC的病位累及多个脏腑,主要为肺、脾,兼及心、肝、大肠;病机以虚为本,实为标。虚证包括气虚、津液亏耗,实证包括火热、痰湿、气滞、血瘀,亦兼有癌毒。因此,TACC总体呈现虚实交错、病程缠绵难愈的临床特征。

层次聚类分析基于证候相似性形成证候类型的层级结构,解析证候类型间的层次关系及潜在关联。基于MCA结果的K-means聚类分析通过最小化方差准则,将TACC患者划分为具有较高内部相似性和较大群体间差异的类别,实现证候的精准分类,减少人为偏差,提高分类的客观性与一致性[22]。多元统计分析的结果显示,可将TACC患者分为3类(表 5,图 2),并通过LCA(表 10,表 11)验证了证型分类结构的合理性。结合课题组前期对于TACC的中医诠释[8]及当前中医肿瘤学界对恶性肿瘤病机的认识[23-25],综合专家意见,该研究将3类TACC证型分别命名为气虚津亏-痰热郁络证、肺脾两虚-湿浊滞络证、瘀毒内结-络损血溢证。

气虚津亏-痰热郁络证以气虚为本,痰热为标,体现了“邪之所凑,其气必虚”的病理机制。气虚失运为起始环节,气郁、湿郁、热郁三郁并存,形成病理枢纽,“虚-痰-热”的病理转变完成,进而痰热郁络构成微型癥积,最终浊毒内生与癌毒形成病理呼应。针对此证候,用药应综合考虑邪正关系,化痰通络同时不忘益气养阴。

肺脾两虚-湿浊滞络证以肺脾两虚为本,湿浊滞络为标,形成虚实夹杂、气水失调的复合病理格局。肺脾两脏同属气与水液调控的枢纽,肺失宣肃则治节失司,脾失健运则转输不利,两者互为因果,导致宗气下陷、水精不布的恶性循环。肺气虚馁,宣肃无权,致咳喘频作;脾气虚弱,中焦失运,升降失序,清浊错杂而为患。此双虚状态引发气血生化乏源与津液输布障碍的连锁反应:一方面,肺失治节,水道不通,脾失转输,湿浊内生;另一方面,宗气不足,气机升降失调,使湿浊滞留于脉络。在此过程中,湿浊作为核心病理产物,历经“湿郁-浊凝-络滞”的三阶段演变,舌脉体现了病机的动态演变,舌淡红伴齿痕提示脾虚湿困之本,白苔滑腻提示湿浊蕴结之标,脉沉则反映正虚邪恋、气血涩滞的复杂病态。总之,初期脾虚湿困,继而湿浊交结,循三焦上渍华盖,最终形成微观层面的湿浊缠滞络脉,促生癌毒之势。针对此证候,用药应“通补”,活血养血,通络生新。

瘀毒内结-络损血溢证以瘀毒互结为本,络损血溢为标,呈现毒瘀胶着、络损血溢的恶性病理循环。在此过程中,毒瘀之邪具备有形实邪与无形浊毒的双重属性,既阻滞气血运行,又耗伤脏腑正气,痰中带血实为“络损-血溢-痰凝”的临床表现,舌紫暗伴络滞为毒瘀胶结的外候,正如叶桂所云:“瘀伤宿血在胸膈中,挟热而搏,其舌色必紫而暗”。治宜开通诸络,治道阴阳,润泽枯朽。

本研究系统地提出TACC的中医证候分型系统,TACC证候特征与同为呼吸系统肿瘤的非小细胞肺癌(NSCLC)既有相似,亦有不同。NSCLC的证候分布以“虚实夹杂、证型多样”为特征,与肿瘤分期相关,随着疾病进展气阴两虚证、肺脾气虚证比例上升,证候变化呈现“由实转虚”的趋势。相比之下,本研究中的112例TACC患者证候特征仅部分呈现上述演变规律,具有“癌毒胶着于清道,痰瘀湿毒久羁络脉”的局部病机主导模式,呈现“络损”与“癌毒”动态交织的特点。TACC的证候特征不宜简单套用肺癌证候模型,临床用药亦需参考证候特征,分期用药。尽管本研究为横断面设计,未纵向捕获TACC患者治疗前后的证候轨迹,但多项现有研究已提示临床干预可显著重塑证型分布。根治性手术在切除瘤体的同时可能削弱脾胃运化,驱动术前实证向脾阳虚、肾阳虚等虚证转化;化疗或靶向药等细胞毒药物在抑瘤同时易耗气伤阴;放疗通过“火热邪毒”灼伤津液,可能使患者证型渐转为“阴虚内热”;反复支气管镜下消融虽可迅速解除痰热郁络之标实,但多次局部机械刺激有加重“络损血溢”倾向,未来可建立多中心、前瞻性队列,动态观察疾病治疗过程中的证候演变。

综上所述,本研究基于双中心横断面研究,初步揭示了TACC的临床特征与证候分布规律。TACC病变主要累及主气道中下段(Ⅱ区和Ⅲ区),远处转移率低,以肺内转移为主。咳嗽、喘促及痰质黏稠为TACC的主要临床症状。在中医病机方面,TACC病程迁延,病位涉及多个脏腑,以肺、脾为主,整体呈现本虚标实的特征。虚证以气虚、津液亏耗为主,实证则涵盖火热、痰湿、气滞、血瘀,并始终兼夹癌毒这一关键病理因素。本研究初步将TACC归纳为三类证型:气虚津亏-痰热郁络证、肺脾两虚-湿浊滞络证和瘀毒内结-络损血溢证,为临床TACC的中医规范诊疗提供参考。然而,本研究仍存在一定局限性,包括样本量较小,以及可能存在地域偏倚,仍需多地域、多中心、大样本的病例数据进行深入研究,以得出更能反映临床实际的结论。

参考文献
[1]
GU Y, LAI S, WANG Y, et al. A population study comparing tracheal and lung adenoid cystic carcinoma[J]. Cancer Medicine, 2024, 13(7): e7158. DOI:10.1002/cam4.7158
[2]
HONG Q, TENG J, LUO Y, et al. Prognosis of palliative treatment for primary tracheal carcinoma: A two-center retrospective study[J]. Frontiers in Oncology, 2025, 15: 1532005. DOI:10.3389/fonc.2025.1532005
[3]
MICHAELIDES I, KüNZEL J, ETTL T, et al. Adenoid cystic carcinoma of the salivary glands: A pilot study of potential therapeutic targets and characterization of the immunological tumor environment and angiogenesis[J]. European Archives of Oto-Rhino-Laryngology, 2023, 280(6): 2937-2944. DOI:10.1007/s00405-023-07884-3
[4]
SHI Y, XUE S, ZOU J. Treatment and outcomes of primary tracheal adenoid cystic carcinoma: A systematic review[J]. Cancer Management and Research, 2025, 17: 767-778. DOI:10.2147/CMAR.S501202
[5]
余祥丰, 朱睿, 张帅阳, 等. 基于聚类分析探索中央型气道恶性肿瘤中医临床特征[J]. 中国临床保健杂志, 2025, 28(1): 110-114.
[6]
余祥丰. 中央型气道恶性肿瘤临床特征观察及证候分析[D]. 北京: 北京中医药大学, 2024.
[7]
王金娥. 氩氦刀治疗中央型气道恶性肿瘤手术前后中医证候学研究[D]. 北京: 北京中医药大学, 2023.
[8]
滕俊, 李磊, 夏君彦, 等. 病络视域下气管支气管腺样囊性癌血管招募探赜[J]. 中国实验方剂学杂志, 2025, 31(6): 260-269.
[9]
JIN F, LI Q, LI S, et al. Interventional bronchoscopy for the treatment of malignant central airway stenosis: An expert recommendation for China[J]. Respiration, 2019, 97(5): 484-494. DOI:10.1159/000497213
[10]
LIU Y, TENG J, MEI J, et al. Analysis of airway structural parameters in Han Chinese adults: A prospective cross-sectional study[J]. Annals of Medicine, 2024, 56(1): 2316258. DOI:10.1080/07853890.2024.2316258
[11]
世界中医药学会联合会, 呼吸疾病中医药防治省部共建协同创新中心, 河南中医药大学, 等. 中医证候诊断标准研制指南[J]. 中国循证医学杂志, 2023, 23(9): 993-998.
[12]
田文得, 张杰, 鞠建庆, 等. 超高危动脉粥样硬化性心血管疾病证候分布规律研究[J]. 中国中西医结合杂志, 2024, 44(7): 799-805.
[13]
黄宝仪, 易立琛, 李平甘, 等. 100例造血干细胞移植后患儿中医证候分布特点的潜在类别及隐结构分析[J]. 中医杂志, 2025, 66(17): 1783-1792.
[14]
付广威, 桑希生. 论现代背景下"以病为纲, 辨证论治"中医诊疗模式的构建[J]. 上海中医药杂志, 2024, 58(1): 66-70.
[15]
MAZIAK D E. Biology of adenoid cystic carcinoma of the tracheobronchial tree and principles of management[J]. Thoracic Surgery Clinics, 2018, 28(2): 145-148. DOI:10.1016/j.thorsurg.2018.01.002
[16]
NASO J R, RODEN A C. Recent developments in the pathology of primary pulmonary salivary gland-type tumours[J]. Histopathology, 2024, 84(1): 102-123. DOI:10.1111/his.15039
[17]
ESTEPHAN J, MERCIER O, THOMAS D M V, et al. Retrospective study of outcomes after extended resection for tracheobronchial adenoid cystic carcinoma[J]. The Journal of Thoracic and Cardiovascular Surgery, 2023, 165(6): 1954-1964. DOI:10.1016/j.jtcvs.2022.10.048
[18]
WANG Y, CAI S, GAO S, et al. Tracheobronchial adenoid cystic carcinoma: 50-year experience at the National Cancer Center, China[J]. The Annals of Thoracic Surgery, 2019, 108(3): 873-882. DOI:10.1016/j.athoracsur.2019.03.065
[19]
RAN J, QU G, CHEN X, et al. Clinical features, treatment and outcomes in patients with tracheal adenoid cystic carcinoma: A systematic literature review[J]. Radiation Oncology, 2021, 16(1): 38. DOI:10.1186/s13014-021-01770-0
[20]
BANACH A, NAITO M, KING F, et al. Computer-based airway stenosis quantification from bronchoscopic images: Preliminary results from a feasibility trial[J]. International Journal of Computer Assisted Radiology and Surgery, 2023, 18(4): 707-713.
[21]
金雨静, 黄世敬, 王永炎. "虚气留滞"病机理论的考证与发挥[J]. 中华中医药杂志, 2024, 39(12): 6310-6318.
[22]
纪丰烨, 朱中一, 张金, 等. 基于因子分析和聚类分析的儿童重症肺炎支原体肺炎中医证候分布研究[J]. 中国中医药信息杂志, 2025, 32(2): 144-148.
[23]
张广辉, 花宝金. 癌络学说的学术内涵及应用[J]. 中国实验方剂学杂志, 2025, 31(10): 245-255.
[24]
陈珏, 吴苏, 廖蜀宁, 等. 络瘀生癌毒与恶性肿瘤[J]. 中华中医药杂志, 2024, 39(4): 2062-2065.
[25]
李文娜, 周慧迪, 万宇翔, 等. 基于"瘤络瘀阻"病机探讨瘤周围刺对肿瘤的生物力学效应[J]. 中华中医药杂志, 2023, 38(11): 5192-5196.