SEER数据挖掘4.8分SCI发文思路

生信做腻了吗？或者不做生信数据挖掘的，可以尝试一下别的发文思路，例如挖掘SEER数据库的临床数据进行发表SCI。本次分享的范文发表在FRONT ONCOL上，影响因子：4.848，中科院分区：2区。

文章题目：Breast Subtypes and Prognosis of Breast Cancer Patients With Initial Bone Metastasis: A Population-Based Study

研究背景：

转移性乳腺癌是一种高度异质性疾病，骨骼是最常见的转移部位之一。这项回顾性研究旨在调查患有初始骨转移的乳腺癌患者的临床特征，预后因素和手术获益。

研究方法：

从2010年到2015年，从SEER数据库中分析了6,860名被诊断患有初始骨转移的乳腺癌患者。采用单因素Cox和多因素Cox分析来确定预后因素。根据从Cox回归结果中选择的因素进行列线图。根据不同的亚型，转移负担和通过列线图区分的风险组绘制生存曲线。

研究结果：

与其他亚型相比，激素受体（HR）阳性/人表皮生长因子受体2（HER2）阳性患者表现出最好的预后。年龄较小（<60岁），白人，低年级，T期较低（<= T2）且未合并内脏转移的患者倾向于有更好的预后。约37％（2,249）的患者接受了原发肿瘤手术。所有亚型的患者均可从手术中受益。如果进行手术，仅骨转移（BOM），骨和肝转移，骨和肺转移的患者也显示出更长的生存时间。但是，骨和脑转移患者不能从手术中受益（p = 0.05）。列线图的C指数为0.66。列线图点的临界值被确定为87点和157点，将所有患者分为低，中，高风险组。所有组的患者在接受手术时均表现出更好的总体生存率。

研究结论：

我们的研究为初始骨转移性乳腺癌患者提供了基于人群的预后分析，并构建了具有良好准确性的预测列线图。手术对整体生存的潜在益处的发现将为该组患者的治疗策略提供一些启示。

分析思路：

1、从SEER数据库下载相关数据，然后整理好，进行卡方检验

2、进行单因素和多因素Cox回归分析

3、根据上面的结果，筛选出重要的临床因素构建模型并绘制列线图

4、计算C-index和绘制校准图评价模型

5、根据风险评分和各临床因素分组，分别绘制生存曲线，看预后价值

像这种发文思路，分析操作往往都是比较简单的。比较难的地方就是需要对临床专业意义比较熟悉，同时还要看结果的阳性程度，阳性程度越高，文章相对比较好发。如果想文章能发在更好的专业期刊上，就很可能需要收集额外的数据进行外部验证。