介绍一下近期发表的10分以上的纯SEER数据库SCI文章。

第一篇是美国麻省总医院4月28日发表的一篇纯SEER数据库使用竞争风险方法的文章，IF达到了惊人的15.475

这篇文章关于治疗Merkel细胞癌（MCC）的研究，主要比较了采用广泛切除术（WLE）和Mohs显微镜手术（MMS）两种手术方式对MCC患者的整体生存率和MCC特异性生存率的影响。文章使用了SEER-18数据库中1989年至2015年间的数据，共包括2,359名美国成年MCC患者。

研究结果显示，在临床和病理节点阴性的MCC患者中，采用WLE和MMS两种手术方式的整体生存率和MCC特异性生存率没有显著差异。但是，研究发现前哨淋巴结活检（SLNB）与患者的整体生存率和MCC特异性生存率有关联，即SLNB对于MCC患者的预后具有积极的影响。

总之，该研究表明在临床和病理节点阴性的MCC患者中，WLE和MMS手术方式的整体生存率和MCC特异性生存率相似，但是SLNB可能对MCC患者的生存率具有积极的影响。

------------------------------

第二篇是来自华中科技大学同济医学院的胃肠研究团队的使用PSM方法的纯SEER数据研究，发表日期为5月4日，影响因子为13.40，一区杂志。

这篇研究旨在评估手术治疗对胃肠胰神经内分泌肿瘤（GEP-NETs）患者的影响。研究使用了基于美国国家癌症研究所（Surveillance, Epidemiology, and End Results，SEER）数据库的倾向性匹配分析（PSM）来评估手术治疗在GEP-NETs患者中的有效性。

研究结果显示，共有7,515名于2004年至2015年被诊断为GEP-NETs的患者被纳入了SEER数据库的评估。手术组共有1,483名患者，非手术组共有6,032名患者。与手术组相比，非手术组患者更倾向于接受化疗（50.8% vs. 16.7%）和放疗（12.9% vs. 3.7%）作为治疗选择。多元Cox回归分析显示，接受手术治疗的GEP-NETs患者具有更高的总生存率（OS）结果（风险比（HR）=0.483，95% CI=0.439-0.533，P <0.001）。

然后，为减少偏差的影响，对这两组患者进行了1:1的PSM分析。共评估了1,760名患者，每个亚组包括880名患者。在匹配的人群中，患者表现出能够明显从手术中获益（HR = 0.455，95% CI = 0.439-0.533，P <0.001）。已接受手术治疗的放疗或化疗患者的OS结果优于未接受手术治疗的患者（P <0.001）。此外，发现直肠和小肠手术后患者的OS并没有显著差异，而结肠、胰腺和胃手术后患者的OS存在显著差异。直肠和小肠手术后的患者表现出更好的治疗效果。

综上所述，GEP-NETs患者接受手术治疗具有更好的OS结果。因此，建议对特定选定的转移性GEP-NETs患者进行手术治疗。

--------------------------

第三篇是来自武汉人民医院团队的PSM+sIPT+lasso的纯SEER数据研究，发表日期为4月4日，影响因子为13.40，一区杂志。

该研究验证了内镜治疗对T1b食管癌患者长期生存结果的有效性，并建立一个预测预后的模型。研究使用了Surveillance，Epidemiology和End Results（SEER）数据库，分析了2004年至2017年期间T1bN0M0食管癌患者的癌症特异性生存和总生存率，比较了内镜治疗组、食管切除组和化疗放疗组之间的生存情况。采用稳定反向概率治疗加权法（sIPTW）作为主要分析方法，借助倾向性评分匹配法（PSM）和我们医院的独立数据集作为敏感性分析。使用最小绝对收缩和选择算子回归（Lasso）筛选变量，建立了预后模型，并在两个外部验证集中进行验证。结果显示，经过sIPTW调整后，内镜治疗组和食管切除组的CSS和OS相似（P = 0.32，P = 0.83），而化疗放疗患者的CSS和OS较内镜治疗患者差（P <0.01，P <0.01）。年龄、组织学、分级、肿瘤大小和治疗被选中用于建立预测模型。验证集1的1、3和5年的AUC分别为0.631、0.618和0.638，验证集2的AUC分别为0.733、0.683和0.768。校准曲线也证明了在两个外部验证队列中预测值和实际值的一致性。因此，对于T1b食管癌患者，内镜治疗可达到与食管切除术相当的长期生存结果，预后模型可以很好地计算T1b食管癌患者的总生存率。

——————————————————————————

在人工智能+大数据的时代背景下，肿瘤临床数据研究领域SEER数据占据极其重要的位置，目前唯有SEER数据库可以让研究者快速获取和使用临床肿瘤学的研究数据，从而发表自己的研究论文。

推荐学习：SEER数据库基础+6篇SCI论文从零复现实战全流程，完整的从原始数据下载开始的教学，带领学员手写代码，流程清晰易懂，覆盖90%论文所涉及的分析方法学。

包括

数据下载+数据过滤+数据编码| COX回归分析+KM+NOMOGRAM+时间以来生存ROC| LASSO+机器学习生存 | PSM倾向匹配评分方法 | 竞争风险方向+累积发生率| SEER数据库第二原发肿瘤的处理方式等十几种SEER临床数据的数据处理方式的详细教学

目的是帮助学员做到举一反三，将SEER数据库数据应用到自己研究的领域中，从而快速发表自己的SCI论文。

咨询：