公开免费数据库SEER文章刊登柳叶刀主刊

陈肥

SEER（The Surveillance, Epidemiology, and End Results）数据库是由美国国立癌症研究所于 1973 年建立，是美国常用的癌症数据库，里面包括了各式各样的肿瘤类型，如肺癌、乳腺癌、胃癌等；还提供了各式各样的临床资料，如性别、年龄、TNM 分期等。

一、本周SEER文献预览

本周PubMed数据库“标题/摘要：SEER”搜索发现，本周发表15篇SEER论文。

部分高分论文列表如下：

1.外国学者文章介绍（一）



研究背景：在许多外科手术领域，治疗和结果的差异不成比例地影响了少数民族和种族人口。尽管对种族差异的大量研究集中在结果上，但对外科医生的建议如何受到患者种族的影响知之甚少。本研究的目的是调查原发性脑肿瘤手术治疗中的种族和社会经济差异。数据来源：监测、流行病学和最终结果（SEER）数据库（1975-2016）和美国美国外科医师学会国家癌症数据库（NCDB）的数据方法：在这项基于注册的队列研究中，我们使用来自监测、流行病学和最终结果（SEER）数据库（1975-2016）和美国美国外科医师学会国家癌症数据库（NCDB）的数据进行独立分析。分析中纳入了新诊断为脑膜瘤、胶质母细胞瘤、垂体腺瘤、前庭神经鞘瘤、星形细胞瘤和少突胶质细胞瘤的成人（≥20 岁），并提供了有关肿瘤大小和手术建议的信息。这项研究的主要结果是外科医生在诊断原发性脑肿瘤时建议不要手术切除的几率。该结局是使用具有临床、人口统计学和社会经济因素的多变量逻辑回归来确定的。结果：这项研究包括来自SEER（1975-2016）和NCDB（2004-17）数据库中的美国国家数据，这些数据库是脑膜瘤新诊断的成年人（SEER n = 63 674;NCDB n=222 673）、胶质母细胞瘤（n=35 258;n=104 047）、垂体腺瘤（n=27 506;n=87 772）、前庭神经鞘瘤（n=11 525;n=30 745）、星形细胞瘤（n=5402;n=10 631）和少突胶质细胞瘤（n=3977;n=9187）。与临床和人口因素无关，包括保险状况和城乡连续体代码，黑人患者对脑膜瘤手术切除的推荐几率显着更高（调整比值比 1.13，95% CI 1.06-1.21，p<0.0001）、胶质母细胞瘤（1.14、1.01-1.28，p=0.038）、垂体腺瘤（1.13， 1·05-1·22， p<0.0001）和前庭神经鞘瘤（1.48，1<19-1.84，p0.0001）与SEER数据集中的白人患者相比。此外，未知种族的患者对垂体腺瘤（1.80，1.41-2.30，p<0.0001）和前庭神经鞘瘤（1.49，1.10-2.04，p=0.011）手术切除的推荐几率显着更高。使用NCDB数据集进行验证分析证实了脑膜瘤（1.18，1.14-1.22，p<0.0001），胶质母细胞瘤（1.19，1-1<28，p0.0001），垂体腺瘤（1.21，1.16-1<25，p0.0001）和前庭神经鞘瘤（1.19，1.04-1.35，p=0.0085）的这些显着结果， 并指出并表明这些发现与患者合并症无关。当进一步局限于SEER的最近十年时，这些不平等现象适用于黑人患者，除了胶质母细胞瘤（脑膜母细胞瘤[1.18，1.08-1.28，p<0.0001]，垂体腺瘤[1.20，1.09-1<31，p0.0001]和前庭神经鞘瘤[1.54，1.16-2.04，p=0.0031]）。解释：在美国，原发性脑肿瘤患者的手术建议存在种族差异，与潜在的混杂因素无关，包括临床、人口统计学和选定的社会经济因素。需要进一步的研究来了解这种偏倚的驱动因素，并加强外科护理的平等性。



2.外国学者文章介绍（二）



研究背景：黑色素瘤占皮肤癌死亡的大部分。在过去的十年中，美国食品和药物管理局（FDA）批准的黑色素瘤疗法已经出现。研究目的：回顾美国长期黑色素瘤死亡率（MMR）趋势的变化，并确定它们是否与FDA批准新药有任何时间关联。数据来源：监测、流行病学和最终结果 （SEER） 数据库方法：这项横断面研究使用了来自监测、流行病学和最终结果 （SEER） 数据库的人口数据，并回顾了 1975 年至 2019 年美国人群中成年患者（≥18 岁）的年龄调整 MMR 趋势。还审查了FDA批准黑色素瘤治疗的时间表。分析了 2022 年 3 月 15 日至 8 月 15 日的数据。结果：在2011年引入较新的治疗方法后（大多数是在2013年之后），美国从2013年到2017年MMR在过去40年中首次显着降低。从1975年到1988年，比率有所增加（APC，1.65% [95% CI，1.30%-2.00%];P < .001）。从1988年到2013年，MMR没有统计学意义变化（APC，0.01% [95% CI，-1.10%至0.12%];P = .85）。2013年至2017年，MMR显著下降（APC，-6.28% [95% CI，-8.52%至-3.97%];P < .001）。结论：这些发现表明，在过去十年中，有效疗法的可用性具有益处，并进一步表明，使用新的药物治疗与美国人群中MMR的降低有关。这些数据非常令人鼓舞，并支持此类疗法的持续发展。此外，需要解决这些治疗的可及性和相关的医疗保健费用问题。



3.外国学者文章介绍（三）

研究目的：卵巢癌的生存差异持续存在，可能与患者的生活环境有关。本研究的主要目的是分析卵巢癌患者居住区域对总生存期的全球影响。
数据来源：监测、流行病学和最终结果数据库方法：我们纳入了2010年至2016年间诊断出的所有上皮性卵巢癌患者。通过主成分的层次聚类对居住区域进行分析，以对相似县进行分组。然后拟合多变量Cox比例风险模型，以评估每个预测因子对总生存期的独立影响。我们共纳入了16，806名患者。聚类算法将 607 个县分配到四个聚类中，聚类 1 是最弱势的，聚类 4 具有最高的社会经济地位和最容易获得护理的机会。在多变量分析中，居住面积聚类仍然是总生存期的统计学显著独立预测因子。生活在第1类患者的死亡风险比生活在第4类的患者高25%以上。本研究强调了在制定护理计划和随访时考虑患者居住区域内的社会人口因素的重要性。

4.中国学者文章介绍（四）



研究目的：尽管最近发布了第 8 版 TNM 分期系统，但低分化甲状腺癌 （PDTC） 的风险分层仍然存在争议。
数据来源： SEER数据库和中国医科大学第一医院（FHCMU）数据库
方法：在2004年至2015年期间，来自SEER数据库的1201名PDTC患者被招募，以提出新的分期系统。38名PDTC患者来自FHCMU。结果：对 1201 例 PDTC 病例进行了回顾性分析，并制定了新的分期分类如下：I 期：年龄 < 55 岁和 T1/任何 N/M0（n = 127，10.57%）;II期：年龄<55岁和T2-4/任何N/M0或年龄≥55岁和T1-2/任何N/M0（n = 523，43.55%）;III期：<55岁和任何T/N0/M1或≥55岁和任何T3/任何N/M0（n = 239，19.90%）;IV 期：< 55 岁和任何 T/N1/M1 或年龄≥ 55 岁和 T4/任何 N/M0，以及 T/任何 N/M1 （n = 312，25.98%）。新I期、II期、III期和IV期患者的10年疾病特异性生存率分别为97.9%、77.9%、35.3%和12.1%。所提出的系统疾病特异性生存率的变异解释比例（PVE）高于第8次AJCC TNM分期（30.61%对27.15%）。分期系统的准确性在FHCMU的38名PDTC患者中得到验证。结论：拟议的分期系统为PDTC患者提供了更准确的风险分层。新的分期模型可能有助于设计PDTC患者的个性化治疗策略。



5.中国学者文章介绍（五）

研究背景：年龄是小细胞肺癌（SCLC）的独立预后因素。我们旨在基于监测、流行病学和最终结果（SEER）数据库构建老年SCLC患者的列线图生存预测。
数据来源：监测、流行病学和最终结果 （SEER）数据
方法： 从SEER数据库中共选择2851名老年SCLC患者作为主要队列，随机分为培训队列和内部验证队列。此外，来自中国两家机构的512名患者被确定为外部验证队列。我们使用单变量和多变量来确定独立的预后因素，并建立列线图来预测生存率。通过校准图、一致性指数（C指数）和决策曲线分析（DCA）评估列线图的值。
结果：确定了十个独立的预后因素并整合到列线图中。校准图显示列线图预测与实际观测生存概率之间有理想的一致性。基于列线图的癌症特异性生存（CSS）训练组和验证组的C指数（分别为0.757和0.756）高于TNM分期系统的C指数（分别为0.631和0.638）。与TNM模型相比，AUC值和DCA也有所提高。风险分层系统可以显著区分具有不同生存风险的个体。
结论：我们构建并外部验证了列线图，以预测老年SCLC患者的生存率。我们的新型列线图优于传统的TNM分期系统，为老年SCLC患者的预后提供了更准确的预测。

6.中国学者文章介绍（六）



研究背景：对非转移性宫颈癌（CC）患者具有高准确率的预测模型是有限的。本研究旨在基于机器学习（ML）算法构建和比较预测模型，通过使用美国国家癌症研究所的监测，流行病学和最终结果公共数据库来预测CC患者的5年生存状态
数据来源：监测、流行病学和最终结果 （SEER） 数据库
方法： 提取2004年至2016年注册的数据，并将其随机分为训练队列和验证队列（8：2）。采用最小绝对收缩和选择算子（LASSO）回归来确定显著因素。然后，构建了4个预测模型，包括逻辑回归（LR）、随机森林（RF）、支持向量机（SVM）和极端梯度提升（XGBoost）。分别使用受试者工作特征与曲线下面积（AUC）和决策曲线分析（DCA）对预测模型进行评估和比较。
结果：共有13，802名患者参与，并分为培训（N = 11，041）和验证（N = 2761）队列。通过使用LASSO回归方法，确定了七个因素。在训练队列中，与其他三个模型相比，XGBoost 模型表现出最佳性能 （AUC = 0.8400）（Delong 检验均 p < 0.05）。在验证队列中，XGBoost模型也表现出优于LR和SVM模型（Delong测试的p<0.05）更好的预测能力（AUC = 0.8365），尽管XGBoost和RF模型之间的差异在统计学上并不显着（德龙检验p = 0.4251）。基于DCA结果，XGBoost模型也更胜一筹，特征重要性分析表明肿瘤分期是7个因素中最重要的变量。
结论： XGBoost模型被证明是一种具有更好预测能力的有效算法。提出该模型是为了支持未来非转移性CC患者做出更好的决策。




更多实战课程
2022年以来，我们召集了一批富有经验的高校专业队伍，着手举行短期统计课程培训班，包括R语言、meta分析、临床预测模型、真实世界临床研究、问卷与量表分析、医学统计与SPSS、临床试验数据分析、重复测量资料分析、结构方程模型等9门课。如果您有需求，不妨点击查看：

9门科研与统计课程介绍：不限次直播，每周答疑！配纸质版讲义
更多课程资料下载
本公众号作为医学数据分析公众号，提供一些免费医学统计学学习资源下载，欢迎点击下载。1.免费下载！统计初学者的福音！《妙趣横生统计学》视频，生动有趣的统计学！2.样本量计算器，免费下载使用，手把手教你计算样本量!3.绝对值得收藏！原创高清SPSS 操作视频免费下载
4.推荐！这个流行病大神制作的公共卫生研究小工具，可以计算标准化率及置信区间5.【绝对精品】这套954张PPT的医学统计学教程，现在公开赠送！6.精制原创11讲短视频下载！零基础者2小时掌握医学统计学基本原理7.2022年如何学习医学统计学？无偿奉上我们精心制作的医学统计学全套资料8.超级好用的统计思维导图来了！一步步告诉你如何选择合适统计方法特别提醒：上述资源每天限分享和下载一个。

各位，我们成立了一个新的专门介绍公共数据库最新论文进展和好文章的一个公众号，欢迎关注。

“公共数据库与孟德尔随机化”，是“医学论文与统计分析”的姊妹号，初衷是为了自己的团队能够跟踪最新的公共数据库研究进展，方便凝练主题。现在我们让学生一起把每周进展和论文分享到该公众号，以此与诸位一起学习与进步。公共数据库与孟德尔随机化公开数据库与孟德尔随机化2篇原创内容公众号

夜之哀伤

求沙发