SEER數(shù)據(jù)庫(kù)的申請(qǐng)及數(shù)據(jù)提取方法與流程

楊津，柳青青，耿輝，田國(guó)祥，曾憲濤，呂軍

癌癥是嚴(yán)重威脅人類(lèi)生命和社會(huì)發(fā)展的重大疾病，運(yùn)用科學(xué)的方法對(duì)癌癥進(jìn)行預(yù)防控制已成為全球最重要的公共衛(wèi)生問(wèn)題之一[1-3]。由于腫瘤資料數(shù)量巨大、種類(lèi)多、分布廣等原因，傳統(tǒng)數(shù)據(jù)收集的方法難以及時(shí)、完整和準(zhǔn)確的收集腫瘤資料[4]。腫瘤登記是系統(tǒng)的收集所有有關(guān)腫瘤及腫瘤患者信息的一個(gè)連續(xù)的過(guò)程，能夠收集、存儲(chǔ)、分析、解釋和傳播腫瘤患者的數(shù)據(jù)信息，對(duì)于腫瘤的預(yù)防和控制發(fā)揮著重大作用[5-7]。為減少人群癌癥負(fù)擔(dān)，美國(guó)國(guó)立衛(wèi)生研究院下屬的美國(guó)癌癥研究所于1973年針對(duì)本國(guó)腫瘤患者建立了監(jiān)測(cè)、流行病學(xué)和最終結(jié)果數(shù)據(jù)庫(kù)（SEER），這是北美最具代表性的大型腫瘤數(shù)據(jù)庫(kù)之一，收集了美國(guó)部分州縣幾十年來(lái)腫瘤患者的發(fā)病率、患病率、死亡率及其他循證醫(yī)學(xué)的相關(guān)信息情況，為廣大的臨床醫(yī)務(wù)人員提供了寶貴的腫瘤疾病的相關(guān)資料，尤其是為惡性腫瘤和罕見(jiàn)腫瘤的研究提供了寬廣的路徑[6,8]。SEER在建立之初僅有為數(shù)不多的幾個(gè)地區(qū)的登記站，目前登記站數(shù)量已擴(kuò)展為18個(gè)，這些登記站利用可用于統(tǒng)計(jì)分析的強(qiáng)大的計(jì)算機(jī)工具—SEER*STAT軟件進(jìn)行運(yùn)作，并以一年兩次的頻率提交到NCI進(jìn)行分類(lèi)統(tǒng)計(jì)和匯總，而后向全美及全世界公示所覆蓋人群的腫瘤相關(guān)信息[9]。

1 SEER數(shù)據(jù)庫(kù)的申請(qǐng)及軟件下載流程

1.1 SEER數(shù)據(jù)庫(kù)的申請(qǐng)SEER數(shù)據(jù)庫(kù)的樣本量大，質(zhì)量高，統(tǒng)計(jì)效能強(qiáng)，能夠?yàn)槟[瘤相關(guān)研究人員提供較高臨床參考價(jià)值的數(shù)據(jù)，研究者均可通過(guò)官方網(wǎng)站賬號(hào)的申請(qǐng)獲得部分?jǐn)?shù)據(jù)。從SEER數(shù)據(jù)庫(kù)中獲得數(shù)據(jù)的途徑有3種：一是通過(guò)SEER*Stat軟件獲取，此種方法最為簡(jiǎn)單，使用廣泛；二是從SEER官方網(wǎng)站下載壓縮文件，解壓后獲得二進(jìn)制的資料，之后通過(guò)R等軟件進(jìn)行轉(zhuǎn)化，此種方法需要具備一定的相關(guān)軟件的知識(shí)；三是通過(guò)向管理人員申請(qǐng)DVD光盤(pán)，在使用SEER*Stat且沒(méi)有高速I(mǎi)nternet支持的情況下，才使用此種方法。本文介紹第一種方法。

S E E R數(shù)據(jù)庫(kù)的申請(qǐng)流程如下：進(jìn)入SEER數(shù)據(jù)庫(kù)的官方網(wǎng)站（https://seer.cancer.gov/）（圖1），依次點(diǎn)擊“For Researchers”“SEER*Stat”，在“Datasets”一欄點(diǎn)擊“SEER Data 1973-2014”，此頁(yè)面介紹了SEER數(shù)據(jù)庫(kù)數(shù)據(jù)收錄的基本情況。接著點(diǎn)擊“Submit Request for the Data”“submit”，即可出現(xiàn)注冊(cè)信息頁(yè)面（圖2）。其中，“*”表示必填信息，“zip”指代郵政編碼。信息填寫(xiě)完成后，點(diǎn)擊下方“submit”即可發(fā)出申請(qǐng)。

圖1 SEER數(shù)據(jù)庫(kù)界面

圖2 SEER數(shù)據(jù)庫(kù)注冊(cè)表界面

申請(qǐng)者注冊(cè)郵箱將收到SEER數(shù)據(jù)庫(kù)的回復(fù)郵件，若3～5 d內(nèi)未收到該郵件的申請(qǐng)者可重復(fù)上述步驟重新申請(qǐng)。郵件內(nèi)含協(xié)議書(shū)鏈接，點(diǎn)擊鏈接即可進(jìn)入?yún)f(xié)議書(shū)頁(yè)面。申請(qǐng)者需按照協(xié)議書(shū)的要求簽字、掃描并發(fā)送到協(xié)議最后提供的郵箱。需要注意的是，該協(xié)議書(shū)必須簽署并以?huà)呙杓男问桨l(fā)送，否則無(wú)法登陸SEER*Stat軟件。

協(xié)議書(shū)發(fā)送后1～5 d內(nèi)，申請(qǐng)者可查收SEER數(shù)據(jù)庫(kù)回復(fù)郵件，該郵件為申請(qǐng)者提供了初次使用的賬號(hào)和密碼，由此可下載并使用SEER*Stat軟件（圖3）。

圖3 SEER數(shù)據(jù)庫(kù)協(xié)議書(shū)回復(fù)郵件

1.2 SEER＊Stat軟件下載及登錄獲得用戶(hù)名和密碼的申請(qǐng)者可進(jìn)入SEER數(shù)據(jù)庫(kù)的官方網(wǎng)站，點(diǎn)擊“For Researchers”“SEER*Stat”“+”，在展開(kāi)欄目中點(diǎn)擊“Installation Files”，最后點(diǎn)擊“ss8_3_4.exe”（圖4），在彈出的登錄對(duì)話(huà)框中輸入用戶(hù)名和密碼，并根據(jù)提示下載軟件。

下載完成后，點(diǎn)擊軟件圖標(biāo)進(jìn)入軟件，點(diǎn)擊左上方“Profile” “Client-Server Login”，輸入用戶(hù)名和密碼即可登錄（圖5）。確認(rèn)登錄后，點(diǎn)擊左上方“Profile” “Client-Server User Information”可修改原始密碼。注意，原用戶(hù)名無(wú)法修改，只能修改原始密碼。

圖4 SEER *Stat下載界面

圖5 SEER*Stat軟件登錄界面

1.3 SEER數(shù)據(jù)庫(kù)放化療數(shù)據(jù)的申請(qǐng)從2016年11月數(shù)據(jù)提交開(kāi)始，公共數(shù)據(jù)庫(kù)中的放射治療和化療變量已被刪除。這些變量可以在簽署額外的數(shù)據(jù)使用協(xié)議之后獲得，該協(xié)議描述了放化療處理變量的完整性以及使用放化療數(shù)據(jù)存在的潛在偏差。通過(guò)https://seer.cancer.gov/data/treatment.html，進(jìn)入SEER數(shù)據(jù)庫(kù)放化療界面，點(diǎn)擊“Complete the Data Use Agreement for SEER Radiation Therapy and Chemotherapy Information”，下載放射治療和化療信息的協(xié)議書(shū)，并按照要求簽字、掃描及發(fā)送（圖6）。

協(xié)議發(fā)送后，SEER數(shù)據(jù)庫(kù)的回復(fù)郵件中將為申請(qǐng)者創(chuàng)建新的用戶(hù)名，但是申請(qǐng)者仍然可以使用上一個(gè)用戶(hù)名內(nèi)的全部?jī)?nèi)容。申請(qǐng)者需登錄SEER*Stat軟件，點(diǎn)擊“password”進(jìn)行驗(yàn)證，SEER數(shù)據(jù)庫(kù)將以郵件的形式發(fā)送驗(yàn)證碼，申請(qǐng)者輸入驗(yàn)證碼后重新設(shè)置密碼，即可獲得放化療數(shù)據(jù)。

需要注意的是，SEER數(shù)據(jù)庫(kù)的權(quán)限有一定的時(shí)間限制，但是軟件內(nèi)的數(shù)據(jù)不會(huì)過(guò)期。當(dāng)新的數(shù)據(jù)發(fā)布后，每一位用戶(hù)都會(huì)收到來(lái)自seerstat@imsweb.com的電子郵件，并附有新的SEER數(shù)據(jù)使用協(xié)議，如果用戶(hù)想要更新訪(fǎng)問(wèn)的權(quán)限，必須重新簽署協(xié)議獲得權(quán)限。更新訪(fǎng)問(wèn)權(quán)限的用戶(hù)新舊數(shù)據(jù)都可使用。

圖6 放化療數(shù)據(jù)界面

2 SEER數(shù)據(jù)庫(kù)數(shù)據(jù)的提取

點(diǎn)擊SEER*Stat進(jìn)入軟件，登錄個(gè)人ID。注意每次關(guān)閉軟件后，下一次都需要重新登錄。點(diǎn)擊上方“Case Listing Session”按鈕（圖7），軟件系統(tǒng)會(huì)自動(dòng)驗(yàn)證數(shù)據(jù)位置，點(diǎn)擊“OK”。

圖7 “Case Listing Session”界面

案例列表中有四個(gè)按鈕，分別為“Data”、“Selection”、“Table”和“Output”，簡(jiǎn)介如下：（1）點(diǎn)擊“Data”，這是一個(gè)數(shù)據(jù)來(lái)源范圍的列表，用戶(hù)可以根據(jù)自己的研究范圍進(jìn)行選擇，通常選擇數(shù)據(jù)更新年份最新的數(shù)據(jù)集。需要注意的是，已申請(qǐng)放化療數(shù)據(jù)的用戶(hù)可在含有“with additional treatment fields”的數(shù)據(jù)集或含有“with chemotherapy recode”的數(shù)據(jù)集中找到相應(yīng)數(shù)據(jù)（圖8）。

圖8 “Data”界面

②點(diǎn)擊“Selection”，此選項(xiàng)可根據(jù)篩選條件進(jìn)行病例的篩選。點(diǎn)擊“Edit”，進(jìn)入病例篩選界面，“Variable”指篩選的變量，變量多為英文縮寫(xiě)，使用者需具備一定的英語(yǔ)知識(shí)并結(jié)合SEER數(shù)據(jù)字典進(jìn)行查找，數(shù)據(jù)字典或者“CS coding instructions”可通過(guò)官方網(wǎng)站下載。在此以簡(jiǎn)單示例向讀者展示如何篩選變量?；颊吣挲g可選“Age at Diagnosis”或“Race and Age（case data only）”，前者將年齡設(shè)定為幾個(gè)年齡段，后者的年齡則沒(méi)有設(shè)定年齡范圍，使用者可根據(jù)自身情況進(jìn)行選擇。在此選擇年齡“大于等于18歲以上”，種族選擇“white，black”，診斷年份選擇“1994-2014”，性別選擇“male and female”，發(fā)病部位選擇“stomach”，如需改正點(diǎn)擊“Delete”刪除后重新選擇即可，篩選完成后點(diǎn)擊“OK”（圖9）。

圖9 病例篩選界面

③點(diǎn)擊“Table”，將上一步篩選的變量在再次選中，點(diǎn)擊“Column”使其進(jìn)入“Column”列表。需要注意的是，變量選擇完成之后，要在“Other”中選擇“Patient ID”，點(diǎn)擊“sort”使其進(jìn)入“sort”列表，提取出來(lái)的數(shù)據(jù)會(huì)按照病例號(hào)排列，不會(huì)導(dǎo)致數(shù)據(jù)混亂（圖10）。

④點(diǎn)擊“Output”，為導(dǎo)出的數(shù)據(jù)創(chuàng)建一個(gè)名稱(chēng)，例如“數(shù)據(jù)1”（圖11）。點(diǎn)擊“execute”（圖11），生成數(shù)據(jù)表格（圖12）。將鼠標(biāo)放在行或列上會(huì)形成黑色箭頭，選中全部數(shù)據(jù)，點(diǎn)擊右鍵選擇“copy”，在EXCLE中粘貼即可。

圖10 “Table”界面

圖11 “execute”界面

圖12 數(shù)據(jù)表格

3 討論

SEER數(shù)據(jù)庫(kù)是北美最具代表性的腫瘤數(shù)據(jù)庫(kù)之一，部分?jǐn)?shù)據(jù)免費(fèi)向公眾開(kāi)放。盡管SEER數(shù)據(jù)庫(kù)有著些許不足，例如腫瘤患者家族史、遺傳病史、基因，疾病復(fù)發(fā)和輔助化療等指標(biāo)未被收錄[10-13]，但SEER數(shù)據(jù)庫(kù)仍然是一個(gè)良好的數(shù)據(jù)來(lái)源，為臨床研究者提供了高質(zhì)量的臨床信息[14]。本文通過(guò)介紹SEER數(shù)據(jù)庫(kù)的賬號(hào)申請(qǐng)及數(shù)據(jù)提取方法，旨在幫助臨床研究者提供高效、便利、明晰的數(shù)據(jù)資料獲取途徑，減少使用者在探索軟件過(guò)程中浪費(fèi)時(shí)間和精力，提高工作效率。