基于開放數(shù)據(jù)庫(kù)發(fā)表Journal of Clinical Oncology的全程解析

徐聰聰 阮宇航 陳棟 陳保富 沈建飛

一、選題

筆者認(rèn)為，對(duì)于臨床科研類文章的選題需要考慮3大要素：實(shí)用性、新穎性和可操作性。只有具備這些要素文章才有生命力，才有執(zhí)行的必要，才有可能順利完成。以下就這幾個(gè)方面進(jìn)行解說(shuō)。

1. 實(shí)用性

實(shí)用性即文章的指導(dǎo)價(jià)值，對(duì)臨床決策的影響，簡(jiǎn)單的說(shuō)就是研究想解決的臨床中的問(wèn)題。這需要研究者在非常了解臨床需求的同時(shí)對(duì)臨床進(jìn)展非常了解，即哪些問(wèn)題亟待臨床醫(yī)生解決而又懸而未決。本研究將立足于早期肺癌患者手術(shù)決策的選擇，即對(duì)于≤1 cm或1～2 cm的肺癌患者應(yīng)選擇何種外科治療手段。當(dāng)然這個(gè)選題需要一定的時(shí)代背景，在下面的新穎性方面筆者會(huì)詳細(xì)闡述。

2. 新穎性

新穎性，即文章是否緊跟時(shí)代的步伐，我們所做的事情多在特定的時(shí)代背景下完成。就像20年前vs今天結(jié)婚所要求的條件完全不一樣，20年前是電視、冰箱和自行車，今天是房子、車子和票子。因此設(shè)計(jì)研究時(shí)必須結(jié)合當(dāng)前實(shí)際，考慮新穎性。2015年國(guó)際肺癌協(xié)會(huì)（International Association for the Study of Lung Cancer，IASLC）

推出的新版肺癌分期建議將T1a（≤2 cm）非小細(xì)胞肺癌（non-small cell lung cancer，NSCLC）進(jìn)一步分為≤1 cm和1～2 cm，腫瘤大小顯著影響早期肺癌患者的預(yù)后，細(xì)化這部分后患者手術(shù)方式的選擇就顯得尤為重要[1-3]，這是本研究的思路來(lái)源。細(xì)想國(guó)際組織剛推出一項(xiàng)新指南，你就用你的數(shù)據(jù)進(jìn)行完善、補(bǔ)充、驗(yàn)證，這文章能發(fā)不出去嗎？筆者認(rèn)為，新穎性除去一些大的創(chuàng)造性的發(fā)現(xiàn)外，更多的是點(diǎn)滴推動(dòng)學(xué)術(shù)的發(fā)展，因此在參加臨床工作的同時(shí)記得閱讀文獻(xiàn)，緊跟時(shí)代的發(fā)展，思路源于閱讀。

3. 可操作性

可操作性，即設(shè)計(jì)的可行性，這不但是理論可行性，更要注重實(shí)際操作的可行性。今天想做一道菜穿山甲燉小雞，可是你無(wú)法獲得穿山甲，即使獲得了，你也不敢廣而告知，因?yàn)檫@不合法。因此在設(shè)計(jì)課題時(shí)須考慮實(shí)際情況，畢竟巧婦難為無(wú)米之炊。筆者在構(gòu)思這篇文章時(shí)有美國(guó)國(guó)立癌癥研究所（National Cancer Institute，NCI）監(jiān)測(cè)、流行病學(xué)和結(jié)果數(shù)據(jù)庫(kù)（Surveillance，Epidemiology and End Results，SEER）作為材料，該數(shù)據(jù)庫(kù)有足夠的病例讓筆者進(jìn)行統(tǒng)計(jì)分析，筆者會(huì)在下文對(duì)該數(shù)據(jù)庫(kù)進(jìn)行詳細(xì)的介紹。

二、資源獲取

SEER是較為典型的醫(yī)學(xué)數(shù)據(jù)庫(kù)（https://seer.cancer.gov/）。SEER由NCI于1973年建立，是北美最具代表性的大型腫瘤登記注冊(cè)數(shù)據(jù)庫(kù)之一。其收集了大量循證醫(yī)學(xué)的相關(guān)數(shù)據(jù)，為臨床醫(yī)師的循證實(shí)踐及臨床醫(yī)學(xué)研究提供了系統(tǒng)的證據(jù)支持和寶貴的第一手資料。

SEER 數(shù)據(jù)庫(kù)所涉及的腫瘤劃分為9 類：乳腺、結(jié)腸&直腸、其他消化系統(tǒng)、女性生殖、淋巴&白血病、男性生殖、呼吸系統(tǒng)、泌尿系統(tǒng)及其他尚未確定的類型。數(shù)據(jù)記錄中包括患者的注冊(cè)編號(hào)、個(gè)人信息、原發(fā)病灶部位、腫瘤尺寸、腫瘤編碼、治療方案、死亡原因等信息。

SEER也有很多不完善的地方：部分臨床數(shù)據(jù)缺失，部分臨床數(shù)據(jù)并未收集，其中包括治療的詳細(xì)信息（如化療信息等），數(shù)據(jù)庫(kù)有偏倚。但它的優(yōu)勢(shì)是樣本量足夠大。最重要的一點(diǎn)是隨訪資料結(jié)局往往只有死亡與非死亡，并沒(méi)有復(fù)發(fā)等結(jié)局指標(biāo)，只能計(jì)算總體生存率（overall survival，OS）和腫瘤特異性生存率（cancerspecific survival，CSS）。所以在此基礎(chǔ)上，NCI開發(fā)了一系列基于SEER的數(shù)據(jù)庫(kù)，但是這些數(shù)據(jù)庫(kù)往往收費(fèi)使用，有些甚至需要向機(jī)構(gòu)發(fā)研究方案才可以使用，所以一方面燒錢，另一方面使用也比較麻煩。

以下筆者就圖文并茂向大家展示如何一步步使用SEER數(shù)據(jù)庫(kù)：

1. 打開SEER的官網(wǎng)（https://seer.cancer.gov/），點(diǎn)擊圖1的圖示并進(jìn)行注冊(cè)提交。

2. 第一次注冊(cè)提交后會(huì)出現(xiàn)一些信息，帶星號(hào)的需要填寫。

3. 填寫好之后SEER會(huì)發(fā)一份郵件給你，登錄你注冊(cè)的郵箱，打開收件箱，讀取SEER的郵件。

4. 點(diǎn)擊中間的鏈接，會(huì)跳躍到SEER官網(wǎng)，點(diǎn)擊其中鏈接地址，之后會(huì)彈出你需要打印并且掃描的文件，簽上你的英文名和日期，并掃描成PDF或者圖片格式，并發(fā)給郵箱地址：seerfax@imsweb.com。具體怎么寫郵件，可以參考下筆者的內(nèi)容，并附上你已經(jīng)簽好字的掃描版郵件，模板如下。

（1）隨后你會(huì)收到seertrack@imsweb.com發(fā)來(lái)的賬號(hào)和密碼。

（2）拿到賬號(hào)和密碼之后就可以去下載SEER的官方軟件SEER*Stat（提取數(shù)據(jù)資料和分析用）獲取方式見圖2。

（3）安裝SEER*Stat后登陸軟件獲取肺癌數(shù)據(jù)，點(diǎn)擊上方的%選項(xiàng)，選擇需要篩選的數(shù)據(jù)中心

（Deta）。

（4）點(diǎn)擊Selection，選擇Edit按鈕，根據(jù)需要挑選患者資料，本例選擇肺和支氣管（根據(jù)部位選擇），見圖3。

（5）選擇需要納入的患者資料后點(diǎn)擊Parameters，調(diào)整納入年限，case listing（以患者編排），和最長(zhǎng)隨訪年限，見圖4。

（6）點(diǎn)擊Table按鈕，根據(jù)研究需要選擇需要輸出的變量，如腫瘤的大小、淋巴結(jié)清掃個(gè)數(shù)和病理分類等，然后點(diǎn)擊上方的閃電按鈕輸出病例列表，見圖5。

（7）輸出的病例列表，需要指出的是該表格可以通過(guò)復(fù)制轉(zhuǎn)移到Execle表格中進(jìn)行整理，便于后續(xù)的統(tǒng)計(jì)分析。

三、文章的設(shè)計(jì)

文章的idea即是你下一步工作的大方向，就像小平同志1979年提出改革開放，這是一個(gè)大方向，那么具體的執(zhí)行就需要進(jìn)行分解、細(xì)化和改進(jìn)等一系列舉措才能推動(dòng)發(fā)展。拿我們這篇文章來(lái)說(shuō)，大方向≤2 cm的NSCLC患者的外科治療決策。然而，在這部分患者中我們又需要將其進(jìn)一步細(xì)化，即探索和尋找新的突破點(diǎn)，這非常重要，因?yàn)閿?shù)據(jù)量大不是目的，找出其有效的信息指導(dǎo)臨床才是終極目標(biāo)。因此，在本文的統(tǒng)計(jì)之初筆者們就將其分為以下幾個(gè)部分進(jìn)行統(tǒng)計(jì)分析：①≤2 cm的NSCLC外科手術(shù)方式的選擇（肺葉vs肺段vs楔形）；②1～2 cm的NSCLC外科手術(shù)方式的選擇（肺葉v s 肺段v s 楔形）；③≤1 cmNSCLC外科手術(shù)方式的選擇（肺葉vs肺段vs楔形）[4-6]，具體流程詳見圖6。

四、統(tǒng)計(jì)方法的選擇及其重現(xiàn)

當(dāng)想要對(duì)資料進(jìn)行統(tǒng)計(jì)時(shí)，首先做的事情通常是選擇高質(zhì)量的文獻(xiàn)進(jìn)行閱讀，尋找與本研究需要處理的數(shù)據(jù)相似的方法，然后進(jìn)行自我學(xué)習(xí)或向統(tǒng)計(jì)學(xué)專家進(jìn)行請(qǐng)教。筆者認(rèn)為這句話是這篇文章統(tǒng)計(jì)部分最重要的一點(diǎn)，授人以魚不如授人以漁，這也是可持續(xù)發(fā)展的一種方案。因?yàn)榕R床醫(yī)生不可能掌握所有的統(tǒng)計(jì)方法，即便你今天掌握了明天在應(yīng)用時(shí)你還是可能會(huì)忘記怎么應(yīng)用，所以實(shí)戰(zhàn)是最好的老師，現(xiàn)學(xué)現(xiàn)賣（當(dāng)然最重要的是需要有一定的統(tǒng)計(jì)學(xué)基礎(chǔ)和一定的學(xué)習(xí)能力）。

言歸正傳，筆者將本文的統(tǒng)計(jì)方法分為3個(gè)部分：一般資料的統(tǒng)計(jì)分析、生存曲線的繪制及其優(yōu)化和Cox比例風(fēng)險(xiǎn)模型進(jìn)行闡述。

1. 一般資料的統(tǒng)計(jì)分析

2000—2012年共15 760例符合納入標(biāo)準(zhǔn)的患者納入研究，對(duì)患者的一般資料進(jìn)行統(tǒng)計(jì)分析，就接受肺葉切除（lobectomy）的11 520例和亞肺葉切除（sublobectomy）的4 240例的變量進(jìn)行比較（圖7），連續(xù)性變量用t檢驗(yàn)，分類變量用χ2檢驗(yàn)。

以下我們分別展示使用SPSS 16.0進(jìn)行t檢驗(yàn)分析連續(xù)性變量，χ2檢驗(yàn)分析分類變量[7-9]。

（1）兩組獨(dú)立樣本的t檢驗(yàn)（以手術(shù)方式和年齡為例）

首先，導(dǎo)入樣本數(shù)據(jù)，我們可以看到樣本中的兩組數(shù)據(jù)“手術(shù)方式和年齡”。但是我們會(huì)發(fā)現(xiàn)，手術(shù)方式是數(shù)字標(biāo)記的，很多人可能會(huì)對(duì)其不習(xí)慣，我們可以設(shè)置轉(zhuǎn)換一下，首先點(diǎn)擊“surgery”進(jìn)入“value labels”，我們點(diǎn)擊“值”將“1設(shè)置為sublobecomy”，“2設(shè)置為lobecomy”（圖8），設(shè)置好之后確定，點(diǎn)擊轉(zhuǎn)換，數(shù)字就變成文字了。

圖1 SEER數(shù)據(jù)庫(kù)注冊(cè)登記

圖2 在SEER官網(wǎng)下載SEER*Stat軟件

圖3 根據(jù)不同的需要選擇不同的篩選條件

圖4 選擇納入患者的區(qū)間和最長(zhǎng)隨訪時(shí)間

圖5 根據(jù)研究需要選擇輸出變量

圖6 文章設(shè)計(jì)流程圖

圖7 患者的一般資料，連續(xù)變量用t檢驗(yàn)，分類變量用χ2檢驗(yàn)

圖8 變量標(biāo)記

基礎(chǔ)數(shù)據(jù)處理好之后，執(zhí)行“分析-比較均值-獨(dú)立樣本t檢驗(yàn)（t）”，彈出窗口，將”年齡“設(shè)定為檢驗(yàn)變量”，手術(shù)方式“設(shè)為分組變量”，同時(shí)點(diǎn)擊定義組（圖9），設(shè)置組1（亞肺葉切除數(shù)據(jù)組），組2（肺葉切除數(shù)據(jù)組），點(diǎn)擊繼續(xù)-確定。

之后我們就得出數(shù)據(jù)，而我們的獨(dú)立樣本必須服從方差齊性，如果方差齊，那么就得用“t”檢驗(yàn)，所以，我們開始分析這組數(shù)據(jù)，第二個(gè)表上面P（sig）值＞0.05，方差齊，提示得選用“t”檢驗(yàn)，故選第一行的數(shù)據(jù)值。

（2）分類變量的χ2檢驗(yàn)（以性別為例）：①先整理數(shù)據(jù)（圖10）；②接著進(jìn)行加權(quán)，選擇Date→Weight case→Weight case by→ N，點(diǎn)擊OK，對(duì)頻數(shù)進(jìn)行加權(quán)；③在菜單欄上執(zhí)行：分析-描述統(tǒng)計(jì)-交叉表；④將性別組設(shè)置為行變量，手術(shù)方式設(shè)置為列變量；然后設(shè)置統(tǒng)計(jì)量，點(diǎn)擊statistic；⑤勾選卡方值，這樣才能輸出卡方值（圖11）。

首先看到的表格（圖1 2）是基本的頻數(shù)統(tǒng)計(jì)，第二個(gè)表格是最關(guān)鍵的信息，P（sig）值＜0.05為達(dá)到了顯著水平，拒絕虛無(wú)假設(shè)，認(rèn)為性別對(duì)手術(shù)方式的選擇產(chǎn)生了顯著影響。

2. 生存曲線的繪制及其優(yōu)化

為了進(jìn)一步分析肺葉切除和亞肺葉切除≤2 cm NSCLC患者預(yù)后的影響，我們采用SPSS 16.0繪制Kaplan-Meier生存曲線，并選用Log Rank法比較兩組患者的生存曲線是否有差異。具體步驟如下。

（1）數(shù)據(jù)整理

收集肺葉切除和亞肺葉切除兩種手術(shù)方法治療15 760例肺癌患者的隨訪資料，數(shù)據(jù)包括患者的治療分組、生存狀態(tài)和生存時(shí)間（月）。數(shù)據(jù)見圖13，其中分組1為肺葉切除手術(shù)組（11 520例），分組2為亞肺葉切除手術(shù)組（4 240例）；生存狀態(tài)0表示失訪或存活，1表示死亡。

（2）對(duì)數(shù)據(jù)結(jié)構(gòu)的分析

整個(gè)數(shù)據(jù)資料涉及兩組的研究對(duì)象，研究比較兩組手術(shù)方式患者的生存情況，且包含生存時(shí)間數(shù)據(jù)，因此屬于兩組設(shè)計(jì)的生存時(shí)間資料。要比較兩種手術(shù)方式是否有差異，且僅有一個(gè)分析因素（手術(shù)方式），可繪制Kaplan-Meier生存曲線觀察兩組生存曲線，并可選用Log Rank法比較兩組患者的生存曲線是否有差異。

SPSS 分析方法數(shù)據(jù)錄入SPSS；選擇Analyze→Survival→Kaplan-Meier（圖14）。①主對(duì)話框設(shè)置：將生存時(shí)間變量送入Time框中→將死亡狀態(tài)變量送入Status 框中→點(diǎn)擊Define Event→定義表示終點(diǎn)事件發(fā)生的數(shù)值（本例中為死亡，賦值為1）→將分組變量送入Factor框中；②Compare Factor選項(xiàng)設(shè)置：在Test Statistics選項(xiàng)中選擇Log rank作為檢驗(yàn)組間生存分布是否相同的組間比較方法，其他按默認(rèn)選項(xiàng)→Continue；③Options選項(xiàng)設(shè)置：選擇Statistics選項(xiàng)中的Mean and Median survival（輸出平均、中位生存時(shí)間及其標(biāo)準(zhǔn)誤、可信區(qū)間），以及Plots中的Survival生存曲線作為輸出的結(jié)果→Continue→OK結(jié)果解讀。

Case Processing Summary表格給出了兩種手術(shù)方式患者生存數(shù)據(jù)的部分統(tǒng)計(jì)信息，包括組別（Group）、數(shù)量（N）、事件發(fā)生數(shù)（N of Events；即前面Event的中的定義：死亡）、刪失數(shù)據(jù)和百分比（Censored N and Percent）。所謂刪失數(shù)據(jù)，是指沒(méi)有出現(xiàn)結(jié)局事件的研究對(duì)象。這包括隨訪期間失訪、死于其他疾病和隨訪結(jié)束時(shí)仍然存活的研究對(duì)象等。

Mean and Medians for Survival Time表格給出了生存時(shí)間估計(jì)的結(jié)果，顯示兩種手術(shù)組平均生存時(shí)間（Mean）的估計(jì)值（Estimate）、標(biāo)準(zhǔn)誤（Standard Error）和估計(jì)值的95%可信區(qū)間（95% Confidence Interval），以及中位生存時(shí)間（Median）的估計(jì)值（Estimate）、標(biāo)準(zhǔn)誤（Standard Error）和估計(jì)值的95%可信區(qū)間（95%Confidence Interval）。

Overall Comparisons表格給出生存曲線組間的整體比較，結(jié)果顯示對(duì)兩組生存曲線整體比較的Log Rank檢驗(yàn)結(jié)果為P（sig）值＝0.000。按照Log Rank檢驗(yàn)的結(jié)果，可以認(rèn)為兩種手術(shù)方式后患者的生存率有差異（圖15）。

Survival Functions為生存函數(shù)曲線，直觀地顯示接受肺葉切除手術(shù)患者的生存曲線高于接受亞肺葉手術(shù)患者的生存曲線。接受肺葉和亞肺葉切除手術(shù)后，兩組患者的中位生存時(shí)間估計(jì)值分別為90.9個(gè)月和77.52個(gè)月。接受兩種手術(shù)后，患者的生存曲線不同（Log RankP＝0.000），肺葉切除優(yōu)于亞肺葉切除（圖16）。

采 用Graphpad 美 化Kaplan-Meier 生 存 曲線：①打開GraphdPad Prism的主界面；②選擇Survival→Enter/import data（圖17）；③錄入數(shù)據(jù)：X是生存時(shí)間，Y軸是存活事件，默認(rèn)情況下，1代表死亡，0代表存活。X軸中數(shù)據(jù)可以沒(méi)有順序，也可以重復(fù)，只要將對(duì)應(yīng)的生存事件填入到相應(yīng)的Y軸即可。如果在相同時(shí)間段有好幾個(gè)死亡事件，則重復(fù)輸入即可；④單擊左邊的Graphs，可以看到生存曲線（圖18）；⑤修改生存曲線的屬性，使之更有可讀性；⑥更改生存曲線的顏色，將肺葉切除組改為紅色，亞肺葉切除組改為綠色，并對(duì)圖片的X-Y軸的坐標(biāo)進(jìn)行修改。

3. C o x 比例風(fēng)險(xiǎn)模型——S P S S 變量視圖（圖19）

（1）菜單選擇：點(diǎn)擊進(jìn)入Analyze→Survival→Cox主對(duì)話框，將time選入“時(shí)間”框，將代表刪失的censor變量選入“狀態(tài)”框，其余分析變量選入“協(xié)變量”框。其余默認(rèn)。

（2）點(diǎn)擊“狀態(tài)”框下方的“define event”，將事件發(fā)生的標(biāo)志設(shè)為值1，即1代表事件發(fā)生。

（3）在主對(duì)話框中點(diǎn)擊“分類”按鈕，將所有分類變量選入右邊框中。

（4）在主對(duì)話框中點(diǎn)擊“選項(xiàng)”按鈕，設(shè)置輸出HR的95%置信區(qū)間。

（5）回到主界面，點(diǎn)擊“確定”輸出結(jié)果（圖20）。

圖9 兩組樣本的t檢驗(yàn)，以手術(shù)方式分組

圖10 分類變量的χ2檢驗(yàn)數(shù)據(jù)錄入

圖11 選擇卡方檢驗(yàn)

圖12 統(tǒng)計(jì)結(jié)果表明性別對(duì)手術(shù)方式的選擇產(chǎn)生了顯著影響

圖13 生存分析統(tǒng)計(jì)前的數(shù)據(jù)處理

圖14 SPSS分析步驟

圖15 兩組患者的統(tǒng)計(jì)分析結(jié)果

圖16 生存函數(shù)曲線

圖17 選擇Survival開始繪制生存曲線

圖18 錄入數(shù)據(jù)（X軸是生存時(shí)間，Y軸是存活事件）

圖19 SPSS變量視圖

圖20 多因素回歸結(jié)果

這是多元回歸結(jié)果，第二列B為偏回歸系數(shù)，最后三列為HR值及其置信區(qū)間。由P值可以看出，手術(shù)方式、WHO病理分類、年齡、性別等是患者預(yù)后的獨(dú)立危險(xiǎn)因素。

五、總結(jié)

最終該研究發(fā)現(xiàn)，NSCLC無(wú)論≤1 cm還是1 ～2 c m，肺葉切除在O S 和肺癌特異性生存率（lung cancer-specific survival，LCSS）均明顯優(yōu)于肺段切除和楔形切除。多因素分析表明，相比肺葉切除，肺段切除和楔形切除是≤1 cm和1～2 cm的NSCLC預(yù)后較差的獨(dú)立危險(xiǎn)因素。對(duì)于亞肺葉切除，1～2 cm的NSCLC患者接受楔形切除在OS和LCSS較接受肺段切除的患者差，然而，對(duì)于≤1 cm的NSCLC兩者的預(yù)后相似[10]。多因素分析表明，楔形切除1～2 cm的NSCLC患者預(yù)后較差的的獨(dú)立危險(xiǎn)因素，而對(duì)于≤1 cm并不是危險(xiǎn)因素。