SEER数据库投稿期刊

难。SEER数据挖掘内容无非就是构建模型，绘制列线图、校准图、ROC曲线图、生存曲线图，这些学习过SEER数据挖掘的朋友基本上都掌握，人人都会分析，以至于这种套路已经烂大街，所以SEER数据越来越难发表。

需要获取权限。这个数据库是挺好的，很规范，癌症患者都登记在册，这个系统最早是用于保险数据分析，现在有很多SCI文章是基于这个数据库发表。美国国家癌症研究所监测，流行病学和最终结果数据库，简称SEER数据库The Surveillance, Epidemiology, and End Results (SEER) Program of the National Cancer Institute (NCI)。收录范围：美国部分州县（约35％的美国人口）的发病率、死亡率和患病情况等信息。收录变量：定期收集患者人口统计学、原发肿瘤部位、肿瘤形态、部分免疫组化、诊断阶段、第一疗程以及生存状态随访的等临床回顾性数据。收录癌种：所涉及的肿瘤划分为9类：乳腺、结直肠、其他消化系统、女性生殖、淋巴&白血病、男性生殖、呼吸系统、泌尿系统及其它尚未确指明的类型（最大的四个癌症组是肺癌，结肠癌/直肠癌，乳腺癌和前列腺癌。）数据更新：SEER提交的数据将在每年的十一月进行检查，在第二年的四月份开放使用。

一篇论文需要有自己的亮点。《拉丁美洲研究》编辑委员Fiona Macaulay曾经说过：“ 不要把你的亮点藏得像大海捞针一样 ”。 Nomogram就是这样一种可以清晰简洁地展示你的亮点方式。 近年来，Nomogram崭露头角，越来越多地在高质量临床论文中出现。 一张好的nomogram图能给你的论文添加一抹亮色。 Nomogram：中文称为诺莫图或者列线图，是由Henderson于1926年创制的一种预测模型，可以用多个指标诊断疾病、预测疾病预后、预测疾病复发等。 其核心在于对不同的指标分配不同的评分，联合所有评分计算总分，以此进行诊断或者预测。 接下来以一篇食管癌的nomogram为例给大家讲解下nomogram怎么解读。 Nomogram主要有三个部分：评分部分、指标部分和结局部分。 根据病人情况，选择对应指标的评分。 比如我的病人是一个65岁的女性食管鳞癌患者，其病理分级为高级别（G3）期，未进行放疗和化疗，TNM分期为T2 N0，检验淋巴结＞13个。 我想要预测下该病人的3年生存率和五年生存率。 针对每个指标，比如年龄、性别、病理类型、放化疗情况等，对应评分部分，如下图。年龄65岁，对应的评分为12分；女性，对应的评分为0分；鳞癌，对应的评分为20分。 每个指标评分完毕后，将各个子分数相加，得到总分。 比如上述患者，相加后总分为150分。 在结局部分，根据150分的总分，分析对应的3年生存率和5年生存率，分别为54%和42% nomogram可用于预测个体患病的可能性；或者用于预测患者3年生存率、5年生存率等；或者用于预测患者复发或者转移的可能性等等。 在肿瘤领域应用最广泛，其他疾病的临床研究也可应用。 最常用的绘制工具是R语言。 最简便的绘制工具是“易侕软件”。 其他软件有SAS等。 在SEER研究中，Nomogram也是常规的一种套路。使用Nomogram发表SEER文章非常常见，也是一种比较快速的发文方法。