利用SEER数据进行分析，早在1996年便引起了国际学者的关注。
随后发文量逐年上升，说明国际上学者对该数据库应用的关注度日渐增加。
（▲Pubmed检索“SEER”结果）
而国内，利用SEER数据做分析的研究还相对较少。
（▲知网检索“SEER数据库”结果）
可以看到，相关研究明显增多已是在2011年。
相比于国外，国内研究动向明显具有滞后性。
如果英文不够nice的小伙伴，可以紧紧抓住SEER的风口，将心血播种在祖国大地上哦。
虽然不能在国际上发光发热，但也可为本国的科学研究尽一份属于自己的力量。
▽ 什么是SEER数据库？
（SEER数据库首页）
美国国家癌症研究所监测，流行病学和最终结果数据库，简称SEER数据库 [The Surveillance, Epidemiology, and End Results (SEER) Program of the National Cancer Institute (NCI)]。
SEER数据库收集了大量循证医学的相关数据，为临床医师的询证实践及临床医学研究提供了系统的证据支持和宝贵的第一手资料。
SEER数据库会定期收集患者人口统计学、原发肿瘤部位、肿瘤形态、部分免疫组化、诊断阶段、第一疗程以及生存状态随访等临床回顾性数据。
该数据库收录的肿瘤划分为9类：乳腺、结肠&直肠、其他消化系统、女性生殖、淋巴&白血病、男性生殖、呼吸系统、泌尿系统及其它尚未确指的类型。
▽ SEER数据库能做什么
SEER数据分析的优势在于，可以短时间获取大量临床回顾性资料。
SEER的大规模数据优势是无可比拟的。大规模病例数还可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。
此外，SEER数据库样本量大，统计学效能强，这使基于SEER数据库的研究具有较高的临床参考价值。
但也存在局限，如回顾性研究存在的偏倚；治疗方案中化疗信息只收录是否化疗，无方案和剂量；放疗信息只有部位、部分技术；随访结局只包括死亡与否以及死亡原因（即OS和CSS），对研究复发、转移或进展有限制。
尽管有些许局限性，但以SEER数据库为数据来源的研究却有增无减。
PubMed搜索"SEER"显示，10年来SEER相关文章呈良好的上升趋势。
对于有思路却苦于无数据的小伙伴，SEER数据库是一个不错的选择。
同时，因为SEER数据比较庞大，对于基层医院缺乏肿瘤大数据，又想发SCI文章的朋友可以练练手。
使用数据库过程中，如果遇到任何困难，欢迎共同探讨
