介紹一下近期發表的10分以上的純SEER數據庫SCI文章。
第一篇是美國麻省總醫院4月28日發表的一篇純SEER數據庫使用競爭風險方法的文章，IF達到了驚人的15.475
這篇文章關于治療Merkel細胞癌（MCC）的研究，主要比較了采用廣泛切除術（WLE）和Mohs顯微鏡手術（MMS）兩種手術方式對MCC患者的整體生存率和MCC特異性生存率的影響。文章使用了SEER-18數據庫中1989年至2015年間的數據，共包括2,359名美國成年MCC患者。
研究結果顯示，在臨床和病理節點陰性的MCC患者中，采用WLE和MMS兩種手術方式的整體生存率和MCC特異性生存率沒有顯著差異。但是，研究發現前哨淋巴結活檢（SLNB）與患者的整體生存率和MCC特異性生存率有關聯，即SLNB對于MCC患者的預后具有積極的影響。
總之，該研究表明在臨床和病理節點陰性的MCC患者中，WLE和MMS手術方式的整體生存率和MCC特異性生存率相似，但是SLNB可能對MCC患者的生存率具有積極的影響。
------------------------------
第二篇是來自華中科技大學同濟醫學院的胃腸研究團隊的使用PSM方法的純SEER數據研究，發表日期為5月4日，影響因子為13.40，一區雜志。
這篇研究旨在評估手術治療對胃腸胰神經內分泌腫瘤（GEP-NETs）患者的影響。研究使用了基于美國國家癌癥研究所（Surveillance, Epidemiology, and End Results，SEER）數據庫的傾向性匹配分析（PSM）來評估手術治療在GEP-NETs患者中的有效性。
研究結果顯示，共有7,515名于2004年至2015年被診斷為GEP-NETs的患者被納入了SEER數據庫的評估。手術組共有1,483名患者，非手術組共有6,032名患者。與手術組相比，非手術組患者更傾向于接受化療（50.8% vs. 16.7%）和放療（12.9% vs. 3.7%）作為治療選擇。多元Cox回歸分析顯示，接受手術治療的GEP-NETs患者具有更高的總生存率（OS）結果（風險比（HR）=0.483，95% CI=0.439-0.533，P <0.001）。
然后，為減少偏差的影響，對這兩組患者進行了1:1的PSM分析。共評估了1,760名患者，每個亞組包括880名患者。在匹配的人群中，患者表現出能夠明顯從手術中獲益（HR = 0.455，95% CI = 0.439-0.533，P <0.001）。已接受手術治療的放療或化療患者的OS結果優于未接受手術治療的患者（P <0.001）。此外，發現直腸和小腸手術后患者的OS并沒有顯著差異，而結腸、胰腺和胃手術后患者的OS存在顯著差異。直腸和小腸手術后的患者表現出更好的治療效果。
綜上所述，GEP-NETs患者接受手術治療具有更好的OS結果。因此，建議對特定選定的轉移性GEP-NETs患者進行手術治療。
--------------------------
第三篇是來自武漢人民醫院團隊的PSM+sIPT+lasso的純SEER數據研究，發表日期為4月4日，影響因子為13.40，一區雜志。
該研究驗證了內鏡治療對T1b食管癌患者長期生存結果的有效性，并建立一個預測預后的模型。研究使用了Surveillance，Epidemiology和End Results（SEER）數據庫，分析了2004年至2017年期間T1bN0M0食管癌患者的癌癥特異性生存和總生存率，比較了內鏡治療組、食管切除組和化療放療組之間的生存情況。采用穩定反向概率治療加權法（sIPTW）作為主要分析方法，借助傾向性評分匹配法（PSM）和我們醫院的獨立數據集作為敏感性分析。使用最小絕對收縮和選擇算子回歸（Lasso）篩選變量，建立了預后模型，并在兩個外部驗證集中進行驗證。結果顯示，經過sIPTW調整后，內鏡治療組和食管切除組的CSS和OS相似（P = 0.32，P = 0.83），而化療放療患者的CSS和OS較內鏡治療患者差（P <0.01，P <0.01）。年齡、組織學、分級、腫瘤大小和治療被選中用于建立預測模型。驗證集1的1、3和5年的AUC分別為0.631、0.618和0.638，驗證集2的AUC分別為0.733、0.683和0.768。校準曲線也證明了在兩個外部驗證隊列中預測值和實際值的一致性。因此，對于T1b食管癌患者，內鏡治療可達到與食管切除術相當的長期生存結果，預后模型可以很好地計算T1b食管癌患者的總生存率。
——————————————————————————
在人工智能+大數據的時代背景下，腫瘤臨床數據研究領域SEER數據占據極其重要的位置，目前唯有SEER數據庫可以讓研究者快速獲取和使用臨床腫瘤學的研究數據，從而發表自己的研究論文。
推薦學習：SEER數據庫基礎+6篇SCI論文從零復現實戰全流程，完整的從原始數據下載開始的教學，帶領學員手寫代碼，流程清晰易懂，覆蓋90%論文所涉及的分析方法學。
包括
數據下載+數據過濾+數據編碼| COX回歸分析+KM+NOMOGRAM+時間以來生存ROC| LASSO+機器學習生存 | PSM傾向匹配評分方法 | 競爭風險方向+累積發生率| SEER數據庫第二原發腫瘤的處理方式等十幾種SEER臨床數據的數據處理方式的詳細教學
目的是幫助學員做到舉一反三，將SEER數據庫數據應用到自己研究的領域中，從而快速發表自己的SCI論文。
咨詢：
