目前在国内医学领域，包括各大三甲医院、科研机构和院校，SCI论文的发表正在逐渐成为一个硬性的要求。
首先是医院临床医师职称的晋升，文章是最重要的评价体系，毕竟一直处于住院医或主治的状态确实不好受，临床工作和夜班的双重压力加持对于大家身心健康是个巨大的影响因素。对于临床一线工作者来说，时间是最大的成本。
图片.png
而对于还在医学院校读研和读博的同学，能否顺利发表sci首先是直接关乎到我们能否毕业，这个其实也是我们医学生最为焦虑甚至导致失眠的事情，尤其是后面有导师和师兄师姐疯狂的push你的时候，这个是我们医学生焦虑的根源。
而对于升学，985，211的医学院校硕博面试的时候导师可能非常看重是否有SCI论文的发表，尤其是对于现在正在推行的博士申请考核制来说。
图片.png
我本人研究生毕业已经2年，在读期间以第一作者发表sci 2篇，共同第一作者发表sci 3篇，现阶段为医学科研技术交流的自由职业者。总结一下我们可能发文的途径和现状：
- META:刚入学校可能有师姐师兄推荐你发meta文章，因为在大多数医学生眼中meta文章很耗费。但是这个地方大家要注意难的不是分析方法（什么森林图的绘制，统计软件R或stata的使用，这些不是难点），而是选题很难，因为分析方法都是固定的，但你想到的很多选题都已经被发表过。况且很多医学院校不认可meta文章来作文毕业文章。
- 基础实验:对于临床医师和临床型研究生几乎不可能有时间去实验学习做实验，这个工作是一个非常“肝”的工作，会耗费巨大的时间和精力，而且不一定能做出结果，所有这个对于非专业科研的我是极力不推荐的
- 生物信息学：这个要分俩种情况，一是课题组有自己的经费去做测序并得到自己的测序数据，这一类生信文章还可以结合公共数据库和部分基础实验，这一类文章比较好发表。二是纯公共数据库生信文章，现在的情况确实也可以发表，但是大家要明白就是这个是投稿的门槛越来越高，简单的来说就是很难投，中稿的是少数人，因为目前生信发文的趋势是生信分析结合基础实验。
- 临床文章：这个才是医生和医学生真正能够拿到数据源并且进行快速撰写的一类。一般临床数据源分俩种：一是你所在科室的数据，自己搜集，可能0.5-1H一例样本，主要是搜集速度较慢，二是公共数库：SEER，MIMIC。MIMIC是重症医学数据，且注册相比SEER麻烦的不止一星半点，而且最反人类的就是居然要用SQL进行数据查询，也就是说让医学研究者用数据库编程语言去搜索数据库。而SEER是唯一最全最友好的回顾性研究临床肿瘤和死亡率统计数据库，且数据源可以快速获取。结合自己的数据和SEER数据库数据进行选题、分析，这个也是我目前最为推荐也是最为靠谱的快速发表SCI方式，对于节约我们的时间成本是最为有效的途径。大家看到的有些同学一年发2-3篇，很多就是临床文章花式变化选题之后进行的论文发表。
图片.png
但是对于初学者，使用SEER数据库进行临床模型文章发表SCI下面几个最大的难题：
- SEER数据库账号注册及数据下载、数据筛选和字段编码注释：**SEER数据库在数据下载及编码注释上的查询流程写的非常模糊，初学者很多时候是完全懵的。
- 临床数据分析和临床模型建立的方法学探索困难：如COX回归的亚组分析森林图、GIVITI曲线、决策分析曲线，PSM，竞争风险模型以及机器学习等代码和实战流程的资料很少。在方法学的学习，我们提倡就是完整性，以及发表临床数据分析论文的方法学你尽量都要掌握
- 统计分析工具的学习：这里如果是刚开始做科研的的同学，我强烈建议你直接从R起步，跳过SPSS,STAT等统计软件，R是未来数据统计的趋势，可以替代SPSS和STAT的任何分析和功能
- 论文投稿决策：大家很多人可能还未意识到，论文的发表是一个系统性的工程。而我们很多人只过分关注于学习临床数据分析的方法学，而忽略了这至关重要的一步。很多时候我们发现论文写完时候却投不出去，屡次拒稿，浪费了大量的时间和精力，最后导致导师对我们的研究失去信心或者耐心，这个其实也是很多硕士和博士所最为困扰的一点，也是硕博研究生焦虑的根源。然而为什么会被联系拒稿？这个地方大家要意识到一个问题就是论文的评定是编辑和审稿人决策，既然是人的行为，那就必然有偏好，如果我们在选择杂志时不去考虑这个潜在的偏好因素，我们做的一切工作都只能变成我们的自嗨。所以当我们屡次被拒稿的时候我们必须冷静下来去分析不同的杂志，去搜集信息去决策，去分析杂志编辑接收论文的偏好，但是怎么去做，这个非常关键。**同样在同期众多1000~2000的稿件中，如何去获得杂志编辑的关注，这个也是大家必须要思考的问题。
图片.png
在这里我以个人经验说几点：
- 任何数据库的数据下载及转换都需要探索，对于SEER数据库来说，要尤其在官网页面的SEERdata页面进行仔细查找和搜索
- 临床数据分析方法大家要学习一些更新的临床数据模型和方法，nomogram这个虽然目前还能发文，但创新性已大打折扣
- R语言学习，大家要先学习R语言最核心的内容，就是数据类型和数据结构，包括python，golang也是如此。对于R的学习来说，我个人认为数据类型和数据结构占R学习70%，剩下30%就是照搬代码。
- 文章写完投哪个杂志，这里我建议大家要对临床数据论文和杂志做系统性的信息分享，找出近俩年SEER相关文章的投稿趋势，对杂志进行层级的归类。
想要获取进一步的问题解决方案，腾讯课堂搜索 : SEER数据库论文体系。让我们一起成长，共同进步
