SEER数据库介绍
SEER数据库（NATIONAL CANCER INSTITUTE The Surveillance, Epidemiology, and End Results Program），即美国国家癌症研究所用来监测、统计流行病学和最终结果的癌症数据库，官方网址：https://seer.cancer.gov/
SEER数据库包含了来自各个州的注册癌症患者的信息，其中包括患者的人口学特征（如年龄、性别、种族）、癌症类型、诊断时间、治疗方法和生存状况等。这些数据对于研究癌症的流行病学、病因学、诊断和治疗方面的问题非常有价值。
数据获取与准备
前往SEER官网（https://seer.cancer.gov）申请账号并签署数据使用协议。下载并安装SEER*Stat软件，用于数据提取。
SEER*Stat软件登录页面后有Data、Selection、Table、Output四个选项。Data界面中可以选择任意你想要查阅的数据集。数据集的名字上会介绍参与此个数据集的机构数量及起始时间。大家可根据自己的需要随意选择。选好数据集后点击Selection，进入下一个界面。Selection其实就是选择病例筛选的条件。筛选条件设定好之后，点击Table，Table是选择你需要用到的临床信息。点击工具栏的闪电按钮（Execute）就可以下载病例数据。字典功能可以提供部分变量的含义，会提供相关的链接（第四栏Output，指的是输出文件的文件名，可以随便命名）。
最后会出现表格形式，可以将表格的数据直接复制粘贴到excel里，保存格式可以保存为csv格式，excel皆可。下文以csv为例进行数据清洗展示：
数据导入
setwd("E:/SEER/")#设置工作路径data <-read.csv('数据.csv')#数据导入
数据清洗
▶ 年龄处理成2位小数（导出来的文档，年龄是显示的XXyears）
data$Age <-as.numeric(substr(as.character(data$Age.recode.with.single.ages.and.90.), 1, 2))#年龄保留两位小数data <-data[data$PRCDA.2020!="Unknown PRCDA",]#删掉Unknown PRCDA的行data <-data[!is.na(data$PRCDA.2020),]#删掉缺失的行data$Stage <-ifelse(grepl("IV", data$Derived.AJCC.Stage.Group..7th.ed..2010.2015.), "IV", ifelse(grepl("III", data$Derived.AJCC.Stage.Group..7th.ed..2010.2015.), "III", ifelse(grepl("II", data$Derived.AJCC.Stage.Group..7th.ed..2010.2015.), "II", ifelse(grepl("I", data$Derived.AJCC.Stage.Group..7th.ed..2010.2015.), "I", "Unknown"))))ata<-data[data$SEER.cause.specific.death.classification !='Dead (missing/unknown COD)', ]#SEER 中部分患者标记为 "Dead (missing/unknown COD)"，这类个体无法确定死因，不建议纳入 CSS 分析。data$OS <-ifelse(data$SEER.cause.specific.death.classification =='Dead (attributable to this cancer dx)', 1, 0)#总生存（OS）data$CSS <-data$OSdata$CSS <-ifelse(data$CSS ==1, 1, ifelse(data$`COD to site recode` =='Alive', 0, 2))#癌症特异性生存（CSS）：死于本癌症 = 1；存活 = 0；死于其他原因 = 2（可用于竞争风险分析）data$time <-as.numeric(data$Survival.months)#转化为数值型
评论列表