一周65多篇文章,SEER的热度又回来了|SEER数据库周报(11.2)

news2024/10/6 6:50:21

欢迎参加郑老师2023年孟德尔随机化课程

发表文章后退款!孟德尔随机化方法快速撰写SCI论文” ,11.18-11.19

SEER(The Surveillance, Epidemiology, and End Results)数据库是由美国国立癌症研究所于 1973 年建立,是美国常用的癌症数据库,里面包括了各式各样的肿瘤类型,如肺癌、乳腺癌、胃癌等;还提供了各式各样的临床资料,如性别、年龄、TNM 分期等。

一、本周SEER文献预览

本周PubMed数据库“标题/摘要:SEER”搜索发现,本周发表65篇SEER论文

部分高分论文列表如下:

1.中国国学者文章介绍(一

fe92644939e3a32e6df1e6adf36e193f.png

标题:全球黑色素瘤的发病率、死亡率、危险因素和趋势:登记系统分析

背景:皮肤黑色素瘤是世界上最危险的皮肤癌,尽管报告的新病例和与黑色素瘤相关的死亡人数很低。

目的:皮肤黑色素瘤是世界上最危险的皮肤癌,尽管报告的新病例和与黑色素瘤相关的死亡人数很低。

数据来源:北欧癌症登记处(NORDCAN);监测、流行病学和最终结果(SEER)项目;查阅了世界卫生组织(卫生组织)国际癌症研究机构(癌症研究机构)死亡率数据库。

方法:北欧癌症登记处(NORDCAN);监测、流行病学和最终结果(SEER)项目;查阅了世界卫生组织(卫生组织)国际癌症研究机构(癌症研究机构)死亡率数据库,了解世界范围内的发病率和死亡率。平均年变化百分率(AAPC)计算使用Joinpoint回归来检查趋势。

结果:2020年,全球年龄标准化癌症发病率和死亡率分别为3.4 / 10万和0.55 / 10万。澳大利亚和新西兰报告的发病率和死亡率最高。相关的风险因素包括吸烟、饮酒、不健康饮食、肥胖和代谢疾病的患病率较高。发病率上升的趋势主要发生在欧洲国家,而死亡率总体呈下降趋势。50岁及以上年龄组男女发病率均有显著上升趋势。

结论虽然死亡率和趋势有所下降,但全球发病率有所上升,特别是在老年群体和男性中。虽然发病率的增加可能归因于医疗基础设施和癌症检测方法的改善,但不应忽视发达国家生活方式和代谢风险因素的日益普遍。未来的研究应探索流行病学趋势背后的潜在变量。

75c5542734c35ba7d5bb88997a720588.png

2.中国学者文章介绍(二)

d437867badfbcc4846b958032f59ea2f.png

标题:脾边缘区淋巴瘤脾切除术的时间趋势分析:手术减少,生存前景看好

背景:本研究的目的是探讨脾边缘区淋巴瘤(SMZL)的发病率、特征、治疗和生存率。

数据来源:使用SEER-18数据库,纳入2000 - 2018年诊断为SMZL的患者。

方法:使用SEER-18数据库,纳入2000 - 2018年诊断为SMZL的患者。通过倾向评分匹配平衡混杂因素后评估脾切除术对生存的影响。计算每年的脾切除术率和1年相对生存率。逻辑回归模型确定与脾切除术相关的因素,Cox回归模型评估与总生存期(OS)相关的因素。

结果:共分析2790例SMZL患者。大多数是60岁以上的女性和白人。年龄校正后的SMZL发病率为0.17/10万人年,男性发病率较高。发病率增加0.68%/年,男女发病高峰均在80-84岁。3年和5年SMZL特异性生存率分别为89.6%和85.3%。同期的相对生存率分别为88.6%和85.9%。脾切除术患者多为年轻男性,且诊断为早期疾病。尽管脾切除术的使用率从2000年的59.4%下降到2018年的16.2%,但1年相对生存率保持相对稳定,随时间波动较小。患者是否行脾切除术并不是OS的重要预后指标。

结论:我们的研究表明,SMZL患者脾切除术的使用减少,但生存相对稳定,强调了更好地了解脾切除术的作用及其相关结果的紧迫性。

bc3b0502cb5516f537fadb22568051b8.png

3.中国学者文章介绍(三)

57f1d508c1974defff82fffa0d2c52d2.png

标题:基于SEER数据库的胃肠外间质瘤的生存分析:一项基于人群的研究

背景:胃肠外间质瘤(EGIST)是一种罕见的起源于胃肠道外的间质肿瘤。然而,EGIST的人群水平生存分析仍然知之甚少。因此,我们的目的是利用监测、流行病学和最终结果(SEER)数据库分析EGIST患者的生存。

数据来源:利用SEER数据库对2000年至2019年间诊断为GIST和EGIST的所有患者进行鉴定。

方法:利用SEER数据库对2000年至2019年间诊断为GIST和EGIST的所有患者进行鉴定。缺失数据采用多重插值方法处理。采用Kaplan-Meier分析和Cox比例风险模型来评估人口学和临床特征对总生存期(OS)和癌症特异性生存期(CSS)的影响。

结果:共有13330例患者入组研究,其中12627例诊断为GIST, 703例诊断为EGIST。与GIST患者相比,EGIST患者的OS[风险比(HR) 1.732, 95%可信区间(CI) 1.522 ~ 1.970, P < 0.001]和CSS (HR 2.167, 95% CI 1.821 ~ 2.577, P < 0.001)明显较差。EGIST患者1年、3年、5年和10年平均OS率分别为78.3%、61.9%、50.5%和32.5%,相应的平均CSS率分别为84.3%、70.8%、61.3%和46.5%。多因素Cox回归分析发现年龄、种族、性别、分级、大小和手术类型是EGIST患者OS的独立危险因素,而年龄、性别、诊断年份、分级、手术类型和放疗是CSS的独立危险因素。接受手术治疗的EGIST患者的5年OS率(49.0%比39.9%,P = 0.035)和CSS率(63.9%比53.0%,P = 0.028)明显高于未接受手术治疗的患者。

结论:与GIST患者相比,EGIST患者预后较差;然而,手术治疗已被证明可以改善预后。

9a8cca6297213f124872a80c0b5ec779.png

6e162b590e59be9d14087b751d021fab.png

4.外国学者文章介绍(四)

a1cd396b8ed96bb2f8418abfcfaeecda.png

标题:成人脑转移的发病率、治疗和生存的种族差异:一项10年国家数据库分析

目的:本研究的目的是评估成人脑转移性恶性肿瘤的发病率、治疗和生存的人口统计学和种族差异。

数据来源:使用监测、流行病学和最终结果(SEER)项目数据库,作者确定了2010年至2019年间患有非原发性脑转移的成年人。

方法: 使用监测、流行病学和最终结果(SEER)项目数据库,作者确定了2010年至2019年间患有非原发性脑转移的成年人。计算所有10年的发病率,并使用2010年至2014年的数据进行生存分析。主要结局指标是5年内的全因死亡率,通过6个月、1年、2年和5年生存率进行评估。分别采用独立性卡方检验和单因素方差分析比较非西班牙裔白人(NHW)、西班牙裔白人(HW)、黑人和亚洲/太平洋岛民(API)患者的分类和连续测量。建立多变量Cox比例风险模型评价5年内死亡风险。

结果:在基于年龄(排除bb0 ~ 84岁或< 18岁的患者)、缺失的种族数据和缺失的生存数据进行排除后,共识别和分析了64,690例患者记录。据报道,发病率为每10万名成年人。脑转移的发病率从2010年的2.59例上升到2019年的2.78例,10年平均发病率为2.72例。API患者的人群调整发生率最高(3.52),其次是NHW(2.99)、Black(2.32)和HW(1.59)患者。黑人患者多为低收入和单身,API患者多为高收入和已婚。随后,黑人患者的生存时间最短(NHW为9.05个月,NHW为9.19个月,API为15.89个月,HW为12.93个月,p < 0.001)。在控制了社会经济因素对生存的影响后,多变量分析显示,与NHW患者相比,Black (HR 0.91, 95% CI 0.88-0.94)、HW (HR 0.73, 95% CI 0.69-0.76)和API (HR 0.69, 95% CI 0.66-0.73)患者均具有生存优势。手术也带来了强大的生存优势(HR 0.47, 95% CI 0.44-0.49)。

结论:2010年至2019年,脑转移的发病率略有上升,其中API患者的发生率最高。黑人患者的存活率最低,可能是由于社会经济地位低下,手术和化疗的比例较低。黑人患者最有可能不被推荐手术,这表明为这些患者提供的服务存在差异。有必要进行更多的研究,以了解这些差异的根本原因。

dbf308c40f7f2817a860b97cbba28ddc.png

fed3ef674c1f3017c00f61a3f296f551.png

5.外国学者文章介绍(五)

e74c30061fe55c3343ee45771e1a1cc8.png

标题:乳腺癌女性保留乳头乳房切除术立即重建和全乳切除术立即重建的肿瘤预后:机器学习分析

背景:本研究使用了一个单一机构的队列,即Severance数据集,通过监测、流行病学和最终结果(SEER)数据库验证了结果,用倾向得分匹配(PSM)进行了调整,并使用机器学习方法进行了分析。目的:探讨保留乳头乳房切除术(NSM)合并即刻乳房重建(IBR)患者的5年无病生存期(DFS)和总生存期(OS)是否优于保留皮肤乳房切除术(TM/SSM)的患者。

数据来源:Severance数据集纳入了2010年至2017年611例早期浸润性乳腺癌患者。SEER数据集包含2000年至2018年间485245例TM患者和14770例NSM患者的数据。

方法: Severance数据集纳入了2010年至2017年611例早期浸润性乳腺癌患者。SEER数据集包含2000年至2018年间485245例TM患者和14770例NSM患者的数据。所有患者均行乳房切除术和IBR。术中,NSM组对乳晕后组织进行冷冻切片活检。采用TM/SSM和NSM操作类型提取SEER数据集。主要结果是Severance数据集的DFS和SEER数据集的OS。采用PSM分析。生存结局采用Kaplan-Meier法和Cox比例风险(Cox PH)回归模型分析。我们采用XGBSE对死亡率进行了高精度预测,并使用一致性指数评估了模型的预测性能。最后的模型使用shapley加性解释(SHAP)值检验了相关预测因子对模型输出的影响。

结果:在Severance数据集中,151例患者接受了NSM合并IBR, 460例患者接受了TM/SSM合并IBR。两组间未发现显著差异。在多变量分析中,NSM与肿瘤预后降低无关。在PSM分析中也观察到相同的结果。在SEER数据集中,根据SHAP值,各个特征的贡献表明AJCC阶段排名第一。两个数据集的分析证实两种手术方法对生存结果没有影响。

结论:就肿瘤预后而言,NSM合并IBR是一种安全可行的手术。使用机器学习方法的分析可以成功地应用于识别肿瘤结果的重要风险因素。

8eed6da48d117884f61f4ff4ac79c157.png

7ca54ce83591481dc3a2ec4d749c35f3.png

6.外国学者文章介绍(六)

a72744c919261af76eba67bc09cc2d4c.png

标题:患者护理经历与接受乳腺癌初始手术治疗之间的种族/民族差异:来自SEER-CAHPS的研究结果

目的:我们确定患者护理经历的种族/民族差异是否影响女性医疗保险癌症患者初始手术乳腺癌治疗的及时性和类型。

数据来源:我们使用相关的流行病学和最终结果-医疗保健提供者和系统的消费者评估(SEER-CAHPS)数据集进行了回顾性队列研究。

方法: 我们使用相关的流行病学和最终结果-医疗保健提供者和系统的消费者评估(SEER-CAHPS)数据集进行了回顾性队列研究。结果是:(1)到初始手术治疗的时间,(2)治疗类型[保乳手术(BCS)与乳房切除术]。这些指标是关于四种患者护理体验的报告,包括医生沟通、快速获得护理、获得所需护理和获得所需处方。每个多变量逻辑模型中的相互作用项检查了这些关联是否因种族/民族而异。

结果:2069例患者中白人占84.6%,黑人占7.6%,西班牙裔占7.8%。在调整了潜在的混杂因素后,非西班牙裔黑人患者在诊断后2个月内接受手术的几率较低,而非西班牙裔白人患者在诊断后2个月内接受手术的几率较低(aOR: 0.29, 95% CI 0.09-0.98)。基于1个月和3个月的阈值没有差异。我们没有发现其他统计上显著的种族/民族影响。至于手术类型,在NH黑人中,快速获得护理的优秀报告与接受BCS比乳房切除术的几率更高(aOR: 2.82, 95% CI 1.16-6.85),而在NH白人中,报告不太优秀的人接受BCS的几率更高。我们没有发现其他统计上显著的种族差异。

结论:护理经验是可测量和可修改的因素,可用于评估和改进以患者为中心的护理。改善老年癌症患者的护理经验,特别是少数民族患者的护理经验,可能有助于消除手术治疗及时性和类型上的种族/民族差异。

5558f35f6135d273f2679a1c76e30c29.png

26e307b27d5578c7fba79732a27c4fbf.png

7.外国学者文章介绍(七)

bcf9c7b7889ea734f2e81d1641f05b27.png

标题:邻里剥夺指数对美国乳腺癌生存的影响

目的:分析邻域剥夺指数(Neighborhood Deprivation Index, NDI)与局部区域乳腺癌(local - regional breast cancer, BC)临床结局的关系。

数据来源:监测、流行病学和最终结果(SEER)数据库。

方法: 查询监测、流行病学和最终结果(SEER)数据库,评估2010 - 2016年诊断的早期BC患者的总生存期(OS)和疾病特异性生存期(DSS)。采用Cox多元回归来衡量NDI(最多剥夺(Q1)、高于平均剥夺(Q2)、平均剥夺(Q3)、低于平均剥夺(Q4)、最低剥夺(Q5)对应的五分位数)与OS/DSS之间的关系。

结果:在88,572例局部BC患者中,27.4% (n = 24,307)属于Q1五分位,26.5% (n = 23,447)属于Q3五分位,17% (n = 15,035)属于Q2五分位,13.5% (n = 11,945)属于Q4五分位,15.6% (n = 13,838)属于Q5。在Q1和Q2的五分位数中,少数种族占主导地位,黑人妇女占13-15%,西班牙裔妇女占15%,而在Q5的五分位数中,黑人妇女只有8%,西班牙裔妇女只有6% (p < 0.001)。在多变量分析中,在整个队列中,生活在Q2和Q1五分位数的患者的OS和DSS低于生活在Q5五分位数的患者(OS:- Q2:风险比(HR) 1.28, Q1: HR 1.2;DSS:- Q2: HR 1.33, Q1: HR 1.25,均p < 0.001)。

结论:NDI较差地区的局部BC患者OS和DSS较差。为改善贫困程度高的地区的社会经济地位而进行的投资,可能有助于缩小医疗保健差距,改善乳腺癌的预后。

1d553af28403797f701d1d9a298104d1.png

更多文章如下

外国学者

e43f7ee84757513915be33287d6c05aa.png

中国学者

a45178edd0613b9cafc6852d20a9b6c9.png

5a7fbe97ea2c2fdc5f4ac9190c87f24b.png

1087ae4ce7f5dc2c739e3da4cb33f0db.png

我们将召开孟德尔随机化方法初级班、高级班的课程,欢迎各位参加

2023年“孟德尔随机化方法快速撰写SCI论文” 直播课,11.18-11.19.

本公众提供各种科研服务了!

一、课程培训

2022年以来,我们召集了一批富有经验的高校专业队伍,着手举行短期统计课程培训班,包括R语言、meta分析、临床预测模型、真实世界临床研究、问卷与量表分析、医学统计与SPSS、临床试验数据分析、重复测量资料分析、nhanes、孟德尔随机化等10门课。如果您有需求,不妨点击查看:

发表文章后退款!2023年郑老师团队多门科研统计直播课程,欢迎报名

二、统计服务

为团队发展,我们将与各位朋友合作共赢,本团队将开展统计分析服务,帮忙进行临床科研。欢迎了解详情:

医学统计服务| 医公共数据库论文一对一指导

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1214335.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

CCF CSP认证历年题目自练Day46

兄弟们记得去官网报名CSP认证。 题目 试题编号&#xff1a; 201709-3 试题名称&#xff1a; JSON查询 时间限制&#xff1a; 1.0s 内存限制&#xff1a; 256.0MB 问题描述&#xff1a; 问题描述   JSON (JavaScript Object Notation) 是一种轻量级的数据交换格式&#xff…

大数据Hadoop之——部署hadoop+hive+Mysql环境(Linux)

目录 一、JDK的安装 1、安装jdk 2、配置Java环境变量 3、加载环境变量 4、进行校验 二、hadoop的集群搭建 1、hadoop的下载安装 2、配置文件设置 2.1. 配置 hadoop-env.sh 2.2. 配置 core-site.xml 2.3. 配置hdfs-site.xml 2.4. 配置 yarn-site.xml 2.5. 配置 ma…

11-15 周三 softmax 回归学习

11-15 周三 softmax 回归学习 时间版本修改人描述2023年11月15日11:17:27V0.1宋全恒新建文档 简介 softmax分享可以参考什么是softmax 回归估计一个连续值&#xff0c;分类预测一个离散类别。 恶意软件的判断 回归和分类 分类可以认为从回归的单输出变成多输出 B站学习 softm…

RT-DETR优化改进:IoU系列篇 | Inner-IoU融合MPDIoU,创新十足,2023年11月最新IoU改进

🚀🚀🚀本文改进: Inner-IoU(基于辅助边框的IoU损失)结合MPDIoU进行创新,创新十足,全网首发 🚀🚀🚀RT-DETR改进创新专栏:http://t.csdnimg.cn/vuQTz 学姐带你学习YOLOv8,从入门到创新,轻轻松松搞定科研; RT-DETR模型创新优化,涨点技巧分享,科研小助手…

轻量封装WebGPU渲染系统示例<33>- 单精度浮点纹理(源码)

在WebGPU中创建纹理使用纹理很方便&#xff0c;只是js中只有Float32Array而默认不支持Float16Array&#xff0c;所以略微费点事。不过网上的大神多的是&#xff0c;摇摇小手就能获得解决方案。 废话多了容易挨胖揍&#xff0c;看代码。 js中float16单精度float数值转换: // …

【vue2绘制echarts环状图】vue2使用echarts绘制环状图

效果图&#xff1a; 鼠标悬浮的效果图&#xff1a; 1&#xff1a;安装echarts yarn add echarts5.3.2 或 npm install echarts5.3.2 --save2.局部引入使用 在vue页面引入 <template><div><divref"myChart"style"{width: 400px;height: 350…

C语言再学习 -- 编程规范

C语言编程规范这部分一直想总结一下。现在终于付诸行动了。 其实之前讲过一些面试题&#xff0c;参看&#xff1a;嵌入式面试知识点总结 – C语言篇 里面已经有包含一部分了&#xff0c;比如《高质量C C编程指南》.林锐着.pdf。 此次主要参考 华为技术有限公司c语言编程规范 …

Radau Quadrature

https://mathworld.wolfram.com/RadauQuadrature.html 这一部分&#xff0c;见书籍《JShen_TTang_LLWang_Spectral Methods-Algorithms Analysis and applications》

BMS系统项目

1、通过电压监测是否冲满&#xff0c;通过电压可以监测是否放完电 电池得参数 单体过压&#xff08;充满电&#xff09; 过压恢复&#xff08;百分之90多&#xff09; 欠压保护&#xff08;百分之几得电&#xff0c;快关机了&#xff09; 欠压恢复&#xff08;就是欠压之上…

2023年【陕西省安全员C证】最新解析及陕西省安全员C证试题及解析

题库来源&#xff1a;安全生产模拟考试一点通公众号小程序 陕西省安全员C证最新解析根据新陕西省安全员C证考试大纲要求&#xff0c;安全生产模拟考试一点通将陕西省安全员C证模拟考试试题进行汇编&#xff0c;组成一套陕西省安全员C证全真模拟考试试题&#xff0c;学员可通过…

百面深度学习-图神经网络

百面深度学习-图神经网络部分 什么是图神经网络&#xff1f; 图神经网络&#xff08;Graph Neural Networks&#xff0c;GNNs&#xff09;是深度学习模型的一个类别&#xff0c;专门设计来处理图结构数据。在图结构数据中&#xff0c;实体以节点&#xff08;vertex&#xff0…

复现YOLO v1 PyTorch

复现YOLO v1 PyTorch Paper: [1506.02640] You Only Look Once: Unified, Real-Time Object Detection (arxiv.org) Github: EclipseR33/yolo_v1_pytorch (github.com) 数据集 VOC2007&#xff1a;The PASCAL Visual Object Classes Challenge 2007 (VOC2007) VOC2012&…

Python in Visual Studio Code 2023年11月发布

排版&#xff1a;Alan Wang 我们很高兴地宣布 Visual Studio Code 的 Python 和 Jupyter 扩展将于 2023 年 11 月发布&#xff01; 此版本包括以下公告&#xff1a; 改进了使用 Shift Enter 在终端中运行当前行弃用内置 linting 和格式设置功能对 Python linting 扩展的改进重…

单片机的冷启动、热启动、复位

一文看懂STC单片机冷启动和复位有什么区别-电子发烧友网 单片机的冷启动、热启动和复位是不同的启动或重置方式&#xff0c;它们在系统状态和初始化方面有所不同&#xff1a; 1.冷启动&#xff08;Cold Start&#xff09;&#xff1a; 定义&#xff1a; 冷启动是指系统从完全关…

2023.11.14 关于 Spring Boot 创建和使用

目录 Spring Boot Spring Boot 项目的创建 网页版创建 Spring Boot 项目 Spring Boot 目录说明 项目运行 Spring Boot Spring Boot 是基于 Spring 设计的一个全新的框架&#xff0c;其目的是用来简化 Spring 的应用、初始搭建、开发的整个过程Spring Boot 就是一个整合了…

Redis配置、Redis类型

系列文章目录 第一章 Java线程池技术应用 第二章 CountDownLatch和Semaphone的应用 第三章 Spring Cloud 简介 第四章 Spring Cloud Netflix 之 Eureka 第五章 Spring Cloud Netflix 之 Ribbon 第六章 Spring Cloud 之 OpenFeign 第七章 Spring Cloud 之 GateWay 第八章 Sprin…

Opengauss到Oracle增量同步, 使用debezium

一、概述 PG到Oracle的同步方案使用debezium kafka kafka-connect-jdbc。debezium是一款开源的变更捕获软件&#xff0c;它以kafka的connector形式运行&#xff0c;可以捕获PostgreSQL、MySQL、Oracle中的变更数据&#xff0c;保存到kafka。kafka-connect-jdbc是confluent公…

stable diffusion到底是如何工作的

stable diffusion简单入门 stable diffusion是一个文生图模型&#xff0c;主要由CompVis、Stability AI和LAION的研究者们创建。这个模型主要是在512X512分辨率的图像上训练的&#xff0c;训练数据集是LAION-5B&#xff0c;该数据集是目前可访问的最大的多模态数据集。 在这篇…

springboot服务和python服务如何自定义启动banner

shigen日更文章的博客写手&#xff0c;擅长Java、python、vue、shell等编程语言和各种应用程序、脚本的开发。记录成长&#xff0c;分享认知&#xff0c;留住感动。 shigen最近在修改ruoyi的框架&#xff0c;看到了框架自带的banner图&#xff0c;就是一个不爽&#xff0c;于是…

基于JavaWeb+SSM+微信小程序基金优选系统的设计和实现

基于JavaWebSSM微信小程序基金优选系统的设计和实现 源码获取入口前言主要技术系统设计功能截图Lun文目录订阅经典源码专栏Java项目精品实战案例《500套》 源码获取 源码获取入口 前言 基金优选是金融机构的核心&#xff0c;是必不可少的一个部分。在金融机构的整个服务行业中…