如何在SEER数据库找到感兴趣的数据，含步骤详解

3步精准定位法

 第一步：明确研究变量类型 

明确我所需要的变量类别：

1.我的变量是人口统计学还是肿瘤类型？

• 人口统计学数据：

Race，Sex，Year，DX模块 

→ Sex 【患者性别】

→Year of diagnosis 【诊断年份】

→Race recode (W, B,AI,API）【种族】   

Race and Age 模块 

→ Age recode with single ages and 90+ 【患者年龄】

Other模块 

→ Marital status at diagnosis 【婚姻状态】

→Patient ID 【患者ID】

County attributes模块 

→ Median household income inflation Type of Reporting Source 【家庭收入】

• 肿瘤治疗数据

Therapy 模块

→ RX SUMM—SURG PRIM SITE (1998+) 【原发部位手术变量】

→ RX SUMM--SURG/RAD SEQ 【手术和放射治疗顺序】

→ RADIATION RECODE 【化疗情况】

→ CHEMOTHERAPY RECODE 【放疗情况】

• 肿瘤位置和形态学

Site and Morphology 模块

→ Site recode ICD-O-3/WHO 2008, Site recode ICD-O-3/WHO 2008 (for SIRs) 【基于ICD-03记录的肿瘤位置】

→ Behavior code ICD-O-3 【病灶良恶性】

→ Histologic Type ICD-O-3, ICD-O-3 Hist/behav, ICD-O-3 Hist/behav, malignant 【国际肿瘤疾病分类第二版（ICD-O-3）组织学编码参考】

→ Grade (thru 2017) 【肿瘤分级，17年之前】

→ Grade Clinical (2018+) 【肿瘤分级，18年之后】

→ Grade Pathological (2018+) 【病理分级】

→ Laterality 【成对器官的一侧或肿瘤可报告起源的一侧】

2.我的结局变量在哪里？

Cause of Death（COD）and Follow-up 模块

→ COD to site recode 【根据部位编码确定死因】

→ SEER cause-specific death classification 【SEER特定原因死亡分类】

→ Survival months 【生存月数】

3.不同时间周期的数据如何获取？

部分数据根据诊断存在不同变量中

例：肿瘤大小随年份不同存在两个变量之中，需要全部获取

 第二步：使用官方数据与工具 

最佳路径：

访问SEER*Stat：进入case listing，选择table，使用find功能：查找关键词对应变量。

访问SEER官网：

https://seer.cancer.gov/analysis/

查找筛选所需变量：

 第三步：确认变量细节 

找到数据文件后，在进行分析前，务必仔细查阅变量文档，这是确保分析准确性的关键。

1️⃣ 查找变量定义与编码规则：

核心文档：在下载数据的页面，找到并下载最新的 “SEER Data Dictionary” 或 “Case Listing Variables” 文档。

2️⃣ 检查变量描述：

在此文档中搜索您感兴趣的变量名（如 RX_SUMM_SURG_PRIM_SITE），确保其定义与您的研究概念完全匹配。

3️⃣ 理解编码格式：

仔细查看每个代码对应的具体医学或操作含义（例如，手术代码30代表“根治性切除术”）。

4️⃣ 确认数据可用年份与版本：

SEER数据库包含多个子数据集（如SEER 9, SEER 17, SEER 22等），覆盖的年份和人群不同。

5️⃣ 注意变量变更：

许多变量（如TNM分期、治疗编码标准）会随着时间更新（例如，从AJCC 6th版变为7th版）。务必确认您所使用的变量在您选择的研究时间范围内是一致可用的，避免将不同标准的编码混合分析。

6️⃣ 特别关注：

保密规则：SEER为保护隐私，对某些变量进行了处理（如将年龄大于等于90岁的患者统一编码为90）。

未知值/缺失值编码：明确缺失值或未知值的特定编码（通常是99, 999, Blank等），并在数据分析前进行正确处理。

实战案例：寻找手术、死亡和生存时间变量

目标变量：

• 治疗变量：原发部位的手术信息

• 结局变量：死亡原因、生存时间

操作步骤：

▶ 手术变量查找：

进入SEER*Stat：点击Case Listing，进入Table，选择Therapy模块。

找到核心变量：

• RX Summ—Surg Prim Site (1998+) 【原发部位手术代码】：记录了对原发肿瘤进行的最明确的手术操作。

• RX Summ—Surg/Rad Seq 【手术和放疗的时序】：记录了手术和放射治疗的先后顺序。

在Table中继续寻找，进入Cause of Death（COD）and Follow-up模块。

找到核心变量：

• Survival months 【生存月数】：从诊断到最后一次联系或死亡的月份数。这是计算生存时间的核心变量。

• COD to site recode【根据部位编码确定死因】：导致患者死亡的部位。

• SEER cause-specific death classification 【SEER特定原因死亡分类】：由SEER算法判断的死亡是否由所患癌症导致。这是肿瘤研究中常用的终点指标。

• 查看代码手册：在数据字典中仔细查阅上述每个变量的详细编码规则。例如，RX Summ—Surg Prim Site代码0通常代表“无手术”，30可能代表“根治性切除术”，必须根据字典进行准确解读。

• 确认数据可用性：注意这些变量在选择的SEER数据集（如SEER 17）中覆盖的诊断年份范围（例如，1975-2021），确保它们适用研究时段。

通过以上步骤，就可以精准地定位到SEER数据库中进行癌症生存分析所需的最关键的治疗和结局变量。

常见问题与解决方案

1. 变量选择与理解

常见问题场景：研究“肺癌的手术治疗”，有多个手术变量，该如何选择？

解决方案与建议：

• 优先使用通用变量：选择名称含“Summ”的标准化变量。

• 特定癌种深入研究：考虑站点特异性变量。

• 核心原则：查阅数据字典，选择最符合研究问题的变量。

2. 数据处理与分析

常见问题场景：生存时间变量中有值为0，是否正常？

解决方案与建议：

• 小数正常：由天数精确计算而来。

• 检查标记变量：结合Survival months flag使用。

• 值为0的处理：代表存活不足一个月，根据研究目的决定是否保留。

3. 数据处理与分析

常见问题场景：如何准确定义“癌症特异性死亡”？

解决方案与建议：

• 使用COD to site recode变量和SEER cause-specific death classification变量。

• 分析标准：将“死于癌症”记为事件1，“Alive”记为删失，“死于其他疾病”记为事件2。

4. 数据合并与版本

常见问题场景：TNM分期变量中途有过变化，如何处理？

解决方案与建议：

• 识别版本：数据字典会标注变量有效年份和版本。

• 分时段分析：分别使用不同版本进行分析，统一转换变量。