SEER数据库系列|SEER数据挖掘文章有哪些研究模式

SEER数据的大规模数据优势是无可比拟的。大规模的病例数还可以减轻病理学诊断的少数或随机错误分类的影响。SEER依靠实验室的质量规范来最大程度地减少此类错误

  1. 肿瘤发病率的研究

    SEER能发现一些无法通过简单的估计病例数和频数分布得出的结论。率(rates)告诉我们的是某个地区个体的发病率。而百分比(Percentages)只是告诉我们特定时间点上特定癌症的数量占所有癌症的比例。即使在从人群中收集每种癌症的研究中,按亚型分类的癌症百分率也可能会产生误导,因为未考虑高危人群中癌症的发生率。例如:SEER数据显示,美国乳腺癌的总体患病率极高,这在很大程度上是因为老年女性中雌激素受体(ER)阳性癌症的发生率很高。举例说明:尽管马来西亚的三阴性阴性癌症的百分比或相对频率分布高于美国,但美国的三阴性阴性癌症的发病率也高于许多其他国家,例如马来西亚。相反,在SEER中进行的研究已经证实了流行病学研究的结果,这些研究表明,非洲裔美国人的人群中三阴性乳腺癌的发病率明显更高

  2. 罕见肿瘤的发病率

    研究罕见肿瘤的发病率,由于SEER的大规模数据优势,使得研究多条件限制的较小群体成为可能。举例说明:有人利用SEER数据得出了这样的结论年龄标准化的非西班牙裔白人女性的乳腺癌发病率总体上比黑人女性高。其中的变量包括了人种族、肤色和年龄

  3. 出生队列效应与周期效应

    一段时间内癌症发病率的变化可能反映出重要危险因素(出生队列或暴露影响)的发生率和/或筛查的变化。对SEER数据的分析可以追溯到过去的40多年,为了解癌症发生率的时间趋势提供了重要的背景。 举例说明:Ravdin等人报告说,与2002年相比,2003年美国按年龄校正的乳腺癌发病率急剧下降了6.7%。

  4. 肿瘤风险预测模型

    这是一种比较常见的研究模式了,应用TCGA的基于分子构建预测模型有一个不足在于较小的样本量,这是一个先天的不足。反过来, SEER在构建模型这一点上具备先天的优势,这样的模型更具有推广的可能性。SEER 可以被看作是一个开放的队列或一群有共同经验的个人,可以随时进入或退出。在 SEER中,子队列可以通过出生年份,人口统计学,随访和/或诊断日期来定义。在许多风险预测模型中,特定年龄的SEER发生率数据会可以产生基线风险,该基线风险会因个人的其他风险因素而被修改,从而可以预测在特定时期内在特定年龄发生特定癌症的风险。最著名和广泛使用的工具之一是“乳腺癌风险评估工具”或“盖尔模型”,用于估计患乳腺癌的发生风险。该模型最初是为白人妇女开发的,然后扩展到适用于非白人妇女 www.cancer.gov.bcrisktool 。定期更新以反映乳腺癌发病率的变化.

  5. 肿瘤实践与生物标志物的利用

    单独的SEER数据或与生物标本,生物标志物和其他资源结合使用的SEER数据对理解病理诊断的临床意义具有重要意义。例如一个一份评估9基因标记的肺癌预后的研究报道,将结果与来自SEER的基本患者信息相结合,可以提高预测模型的预测效果。这表明与其他几种癌症类型相似,肿瘤分类法可能越来越多地将组织病理学分类,分子检测和临床因素共同纳入。其它研究还有很多,后续的推文,我可能会分享一些应用 SEER数据库的文献。

  6. SEER的局限性

    SEER数据的最佳利用可利用有以下方面的优势:对美国人群的代表性和普遍性,较长的数据收集时间,大量的病例以及特定癌症结局的收集。

    局限性包括

    • 收集有关特定癌症风险和治疗的个人水平数据不完整,以及从源登记处收集的数据不准确和不完整。另外就是缺失降低风险的数据记录,目前尚未收集肿瘤复发数据,因此无法评估无进展生存期 PFS(Progression free survival),局部,区域和远距离控制的相关性以及挽救疗法的有效性。

    • 此外,由于收集的数据不能区分治疗的目的是治愈性的还是姑息性的,因此不能完全评估生存结果。

    • 未收集有关化学疗法和放射疗法的类型,剂量和持续时间以及使用其他口服药物的具体细节。

    • 当个体移入和移出SEER和非SEER地区时,会出现治疗和随访方面的信息空白,并且可能会偏重关于癌症行为的结论,尤其是在重新定位和结局相关的情况下。

  7. SEER的未来与机遇

    EER计划的未来计划包括扩大生物标志物和治疗的收集,自定义注释,与其他数据库的链接以完全捕获相关信息,随着时间的推移统一编码系统以及扩大生物标本资源。注释的使用可能会扩大,以提供关键变量来解决当前的癌症研究问题。电子记录与药房和商业生物标志物实验室数据库的链接为更详细,完整的治疗和生物标志物数据提供了前景。

  8. 中国的SEER数据

    说到这,我更想说的是这是美国人的癌症登记数据库。我们国家还有多大的差距?登记数据库是否存在?有哪些困难?

    说起来我们国家的论文数量爆炸性增长,CNS多少多少篇也不在话下,却怎么连这样一个基建性的工作都没有呢?我们基于人家的数据库得出的研究结论并不能推广到我国,说白了 SEER的模型做的再好,咱自己也不一定用的上。

    道阻且长,我辈仍需努力。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 206,482评论 6 481
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,377评论 2 382
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 152,762评论 0 342
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,273评论 1 279
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,289评论 5 373
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,046评论 1 285
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,351评论 3 400
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,988评论 0 259
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,476评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,948评论 2 324
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,064评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,712评论 4 323
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,261评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,264评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,486评论 1 262
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,511评论 2 354
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,802评论 2 345

推荐阅读更多精彩内容

  • 今日农历初一,公车路过小街城郊,有一些老少在道路边烧着纸钱,赈济遗孤。我于此是不反感的。逢年过节烧一烧,表达一下哀...
    化浊阅读 200评论 1 1
  • 每天至少好好做顿饭:二白菜炖粉条(早晨被鞭炮声吵醒了,心里骂了一句,可睁开眼睛看看表,却感谢那个吵人的鞭炮了,即便...
    风筝2017阅读 221评论 0 0
  • 今天早上忙好家务,我给儿子发了个信息,问他是不是很早就起床了。儿子过了二十多分钟回:是的,带队集合去了!过一会儿还...
    黃燕华阅读 112评论 0 1
  • 题目 将给定的数字转换成罗马数字。所有返回的 罗马数字都应该是大写形式。如果你被难住了,记得使用 Read-Sea...
    delphuy阅读 370评论 0 0