SEER数据库详解：它能回答什么，不能回答什么，以及如何分析它

发布时间 2026 年 9 月 14 日

SEER数据库是全球最便捷的癌症结局资源。注册只需几分钟，数据完全免费，分析软件也免费。这种便捷性既解释了该资源为何如此宝贵，也解释了为何肿瘤学期刊的编辑们对其格外关注。仅中国大陆的研究人员截至2020年8月就发表了1,566篇SEER论文，这一数字逐年显著增长（Lin等人，《JMIR医学信息学》，doi:10.2196/21931），而且每次投稿都会出现同样的少量方法学缺陷。如今，审稿人在阅读讨论部分之前，都会先寻找这些缺陷。

本指南阐述了该资源实际包含的内容、应使用的注册库分组以及为何大多数论文仍称之为 SEER 22 的注册库已不再以该名称存在、数据能够支持和不能支持的问题、导致大多数论文被拒的五种分析错误，以及优秀期刊目前所期望的报告标准。以下每项声明均附有 DOI 或指向其来源的美国国家癌症研究所 (NCI) 网页的链接。

SEER数据库实际包含哪些内容

美国国家癌症研究所指出，SEER（监测、紧急和最终结果）数据库“目前收集并发布来自基于人群的癌症登记处的癌症发病率和生存数据，覆盖了约45.9%的美国人口”。这些登记处常规记录患者的人口统计学信息、原发肿瘤部位、肿瘤形态、诊断时的分期、初始治疗方案以及生存状态的随访信息。最新公开研究文件中的诊断数据涵盖1975年至2023年。

头条新闻报道的数字掩盖了大多数报纸从未提及的事实。不同群体的覆盖率差异显著，白人为39.6%，非裔美国人为43.5%，西班牙裔为64.9%，美洲印第安人和阿拉斯加原住民为59.3%，亚裔为68.2%，夏威夷人和太平洋岛民为69.9%。图1清晰地展示了这种差异。SEER项目旨在对那些国家层面估计数据难以准确反映的人群进行过度抽样，这对于差异研究而言是一项优势，但对于任何以“在美国”开头的句子而言，这都是一个真正的局限性。基于SEER的生存率估计值是针对SEER覆盖区域（即城市和少数族裔人口）的估计值，而从事癌症流行病学研究的审稿人对此心知肚明。

后续随访是SEER数据库另一个值得深入了解的特点。登记员会主动追踪生命状态并与国家死亡索引关联，因此SEER队列拥有长期且近乎完整的死亡率随访数据，其质量是任何单一机构都无法比拟的。死因是根据死亡证明编码的，而准确性问题也正是从这里开始，而非结束。

哪个注册登记组别，以及为什么 SEER 22 现在变成了 SEER 21

SEER以重叠的登记组形式发布数据，分组决定了最早的诊断年份以及包含哪些变量。该项目自身的登记组文档列出了SEER 8和SEER 9（始于1975年）、SEER 12（始于1992年）和SEER 17（始于2000年）。目前最大的登记组也始于2000年，其包含的变量集比其他较小的登记组更为有限。许多作者在围绕某个缺失的变量构建队列时，才发现这一差异。

命名容易让人误解。SEER 文档现在将最大的分组标记为 SEER 21，并指出它以前是 SEER 22。文档还记录，从 2024 年 11 月提交的 1975 年至 2022 年的研究数据开始，马萨诸塞州不再包含在任何新数据库中。方法部分引用了最近的数据发布，却写着“我们使用了 SEER 22”，这描述的是与它所基于的文件不符的内容。实际操作中，应该阅读您下载的特定年份提交数据附带的分组定义，而不是从之前的论文中复制句子。底特律也存在同样的问题，文档中已将其标记为不再受合同约束提交数据的研究支持注册机构。

选择分组方式是一项真正的设计决策，而非形式主义。长期趋势研究需要SEER 8或SEER 9的深厚历史数据，但代价是地理覆盖范围较窄。而当代人口估计则需要SEER 21的广度数据，但代价是时间窗口较短、变量较少。无论选择哪种分组方式，都应在方法部分明确说明并加以论证，否则审稿人会认为你未经深思熟虑就选择了数据量最大的分组。

SEER数据库能够很好地回答以下问题

该资源在探讨人群层面的结果而非临床决策时最为有效。按分期和组织学类型划分的生存率、数十年来的发病率和死亡率趋势、种族、保险状况或地域差异，以及罕见肿瘤的自然病程（目前尚无相关试验，也没有任何单一中心积累到足够的病例来得出任何有用的结论）都属于此类。

SEER数据库在罕见病领域声名鹊起。全国每年仅有几百例病例的癌症，根本无法开展随机对照试验；而单中心11例患者的病例系列研究也无济于事。然而，一个拥有50年数据积累的基于人群的登记系统，却能将同样的疾病转化为一个可供分析的队列。正因如此，罕见肿瘤的描述性流行病学研究主要依赖于登记系统的数据，这也合情合理。

SEER数据库无法回答的问题

缺失的字段比现有的字段更重要。例如，没有合并症指数、没有体能状态评分、没有详细的化疗方案、没有复发记录，也没有首次疗程后任何治疗的记录。这些缺失并非可以随意填补的空白。它们是决定哪些患者接受哪些治疗的关键变量，而这正是治疗方案比较需要控制的因素。

这一点的证据异常直接。Soni及其同事筛选了3,657项研究，从SEER、SEER-Medicare或国家癌症数据库中筛选出350项登记治疗比较研究，然后将它们与121项检验相同比较的随机试验进行匹配，结果发现观察性研究报告的风险比与试验得出的风险比之间没有显著相关性（《临床肿瘤学杂志》，doi:10.1200/JCO.18.01074）。根据这一证据，登记比较结果与试验结果一致的概率几乎为零。倾向性匹配无法弥补这一缺陷，因为匹配只能平衡已测量的指标。

Jones及其同事从临床角度得出了同样的结论，他们列举了基于SEER和国家癌症数据库的头颈部研究中反复出现的缺陷，并得出结论：无论分析技术多么精湛，登记设计都会限制这些数据所能支持的研究范围（《耳鼻咽喉头颈外科杂志》2019;161(2):245-250, doi:10.1177/0194599819838823）。但这并不意味着SEER是一个薄弱的资源。它只是适用于特定类型的问题，而那些失败的研究恰恰是那些试图用登记数据来回答试验性问题的研究。我们的临床研究证据等级指南阐明了登记研究相对于试验证据的地位，以及何时孟德尔随机化设计是得出因果结论的更佳途径。

导致SEER数据库论文被拒的五种错误

以下是审阅者首先检查的错误，大致按检查顺序排列。

1. Kaplan-Meier法适用于存在竞争风险的情况

在老年癌症患者队列中，心血管疾病死亡并非截尾事件，而是一个竞争事件，它永久性地消除了死于癌症的可能性。Austin、Lee 和 Fine 明确指出，在估计结局的粗略发生率时，分析人员应使用累积发生率函数，而不是 Kaplan-Meier 生存函数的补集，因为 Kaplan-Meier 方法会高估事件概率（Circulation 2016;133(6):601-609, doi:10.1161/CIRCULATIONAHA.115.017719）。对于回归分析，Fine 和 Gray 子分布风险模型仍然是标准，自发表以来已被引用超过 13,000 次（美国统计协会杂志 1999;94(446):496-509, doi:10.1080/01621459.1999.10474144）。

一篇可信的论文会同时报告病因特异性风险和亚分布风险，并说明它们各自回答的问题。两者不可互换，一篇论文如果只呈现其中一种风险却声称自己解释了另一种风险，则需要重新修改。我们模拟了它们之间可能出现的偏差程度，发现当两组人群的癌症特异性风险相同时，Fine-Gray 检验在高达 100% 的研究中都能得出显著结果。完整的检验结果显示，Kaplan-Meier 检验会高估风险，而 Fine-Gray 检验回答的是另一个问题。

2. 不进行比例风险检验的 Cox 模型

Cox模型假设协变量对风险的影响随时间保持不变。然而，对注册队列进行长达二十年的随访通常会违反这一假设，尤其是在分期方面，早期分离的曲线后期可能会收敛。自Schoenfeld在比例风险回归模型中引入部分残差以来（Biometrika 1982;69(1):239-241, doi:10.1093/biomet/69.1.239），这种检验方法就已经存在，而且只需要一行代码。

当假设不成立时，补救措施包括使用时变系数、分层或采用限制平均生存时间，而这种不成立本身通常也很有意义。如果风险比在一段时间内发生了明显变化，却只用一个数值来概括，那就毫无意义。

3. 诊断后定义的任何事物都存在永生时间偏见

任何在确诊、接受手术或完成放疗等事件发生后被归类为暴露的因素，都会在患者进入暴露组之前创造一段有保障的生存期。早期死亡的患者无法被归类为接受治疗，因此接受治疗组获得了原本不属于自己的生存时间。Suissa 在观察性药物研究中证实了这一机制并量化了其规模（《美国流行病学杂志》2008;167(4):492-499, doi:10.1093/aje/kwm324），同样的结构也经常出现在肿瘤登记研究中。

里程碑分析和时变协变量都能解决这个问题。这两种方法都不难。审稿人经常看到这种简单的比较，它只是凭空捏造出一个生存优势。

4. 不兼容的 AJCC 版本之间的阶段比较

在SEER研究期间，AJCC分期系统多次修订，不同版本间衍生的分期变量不可互换。即使肿瘤本身没有变化，同一患者在某一版本中被分期为IIIA期，在下一版本中可能被分期为不同的期数。如果在未进行协调的情况下将不同版本的数据合并，就会产生分期迁移的假象，看起来像是预后发生了真实变化，这种现象有时被称为“威尔·罗杰斯现象”。请在研究期间明确协调汇总分期和衍生AJCC分期，或者将研究范围限定在编码一致的时间段内，并在方法部分说明您是如何做的。

5. 信任注册表代码而非其之前的分类

这是最常通过同行评审的错误，2026 年的一项范围界定综述对此进行了评估。Hanson 及其同事分析了 2012 年至 2022 年间使用 SEER 或国家癌症数据库研究胃肠胰神经内分泌肿瘤的 1,079 篇文献中的 170 篇，发现 141 项可评估的研究中，88%（即 124 项研究）错误地应用了世界卫生组织 (WHO) 的命名法。其中，82.3% 的研究将低分化或未分化肿瘤纳入神经内分泌肿瘤队列，平均污染了这些队列 18.7%；9.9% 的研究将数据库中的分化程度字段与 WHO 增殖分级混淆（Cancers 2026;18(15):2508, doi:10.3390/cancers18152508）。

该综述的另外两项发现值得深思。准确性并未随时间推移而提高，2017 年至 2021 年间发表的可评估研究中，89.4% 至少存在一处不一致之处，且在 p 值等于 0.14 时未观察到显著的时间趋势。此外，错误还在不断传播，不一致的研究在 5,145 篇文献中累计被引用 7,323 次，其中 87.9% 的研究在 1,075 篇不同的综述中至少被一篇综述引用，还有 6 篇被 NCCN、ESMO 或 ENETS 指南引用。这种模式绝非疏忽所致，其根源在于结构性因素。注册库存储的是早于当前分类的旧代码，因此，通过选择数据库字段构建的队列并非 WHO 定义所描述的队列。检查病例定义是否与临床实体相符，而非仅仅匹配代码，是任何统计方法都无法替代的步骤。

获取SEER数据库访问权限

数据访问比大多数研究人员预期的要简单，分为两个级别，详情请参阅美国国家癌症研究所的数据访问页面。SEER 研究数据仅需在数据请求系统中注册一个电子邮件地址，填写申请表，并确认同意 SEER 研究数据使用协议以及关于 SEER 治疗数据限制的声明。SEER 研究 Plus 包含更详细的信息，需要使用与机构邮箱关联的 eRA Commons 或 HHS 账户，签署相同的协议，并提供同一机构的导师或指导老师的联系方式。申请将在两个工作日内处理完毕。

这两个层级的数据均无需机构签字、伦理审批或费用，这与创伤登记工作有着显著区别。任何计划开展NTDB或TQP创伤登记研究的人员都需自行通过其所在机构签署数据使用协议，而SEER数据库的访问权限则可单独获取且快捷。如果您仍在选择数据源，我们提供的健康数据库对比分析可以帮助您权衡利弊，并展示我们分析中关于NHANES调查权重三种不同处理方式的示例，以说明此类设计决策对已发表估计值的影响程度。

报告标准审查员的期望

STROBE 是基准测试，正确完成 STROBE 测试可以比审核人员更早发现上述几种错误。我们的STROBE 教程会详细讲解每个项目的实际要求，而不是简单地重复清单内容。

在肿瘤登记领域，有三项新增指标已基本符合预期。当报告生存率时，Pohar Perme净生存率估计量已取代以往用于跨人群比较的相对生存率方法。其作者已证明，标准估计量无法提供独立于国家一般人群死亡率的癌症死亡率信息，因此不适用于国家间的比较（Biometrics 2012;68(1):113-120, doi:10.1111/j.1541-0420.2011.01640.x）。当呈现治疗组和未治疗组之间的任何比较时，E值量化了未测量的混杂因素需要多强才能解释结果，VanderWeele和Ding专门针对这种情况设计了一种敏感性分析（Annals of Internal Medicine 2017;167(4):268-274, doi:10.7326/M16-2607）。现在，一些期刊要求对回顾性注册方案进行注册，我们在关于为什么回顾性研究仍然应该注册的文章中介绍了这一转变。

从实际操作层面来看，分析本身主要在于数据准备。我们关于如何在 Stata 中准备用于生存分析的患者数据以及如何清理临床注册数据的详细步骤涵盖了大多数隐性错误产生的关键环节。对于那些因果关系比描述性问题更为重要的研究设计，遗传学研究中工具变量质量的判断逻辑同样适用。我们对F 统计量实际含义以及四种估计量各自能够避免哪些问题进行了分析，展示了正确实施敏感性分析的正确方法。

为SEER数据库研究提供专业支持

上述标准现已成为我们编辑工作的准则，这也是为什么许多SEER数据库的投稿未经审核就被退回的原因。生存曲线本身很少是问题所在。真正的问题在于围绕生存曲线的方方面面，例如：没有进行比例风险检验的Cox模型、将癌症特异性死亡分析得好像除了癌症之外没有其他原因会导致80岁老人死亡、将治疗比较误认为是因果关系、以及使用旧代码而非疾病代码来定义队列。我们的生物统计学家会在R或Stata中运行所有分析程序，并提供完整的STROBE检查清单和可运行的代码，而不是把报告撰写的工作留给您。

如果您正在权衡癌症登记分析与人口调查、创伤登记或遗传因果设计，请从我们的指南开始，了解您的研究应该使用哪个健康数据库。

结语

SEER数据库奖励的是狭义的问题，而惩罚的是宽泛的问题。该数据库旨在描述人群层面的生存率、发病率趋势、差异以及罕见肿瘤的自然病程，而且它在这方面的描述比任何其他免费资源都更加出色。然而，该数据库并非旨在描述治疗效果，而且有充分的证据表明，登记治疗比较未能追踪随机对照试验的结果，因此审稿人有权首先提出这一异议。

SEER数据库文献中的方法学缺陷比大多数作者预想的要少。例如，应使用累积发病率和Fine-Gray模型处理竞争风险，检验比例风险而非直接假设，设计具有里程碑或时变协变量的“永生超时”策略，协调不同AJCC版本之间的分期，以及根据疾病而非旧代码定义队列。Hanson的综述表明，最后一点最有可能通过同行评审并最终纳入指南，因此，在进行任何其他操作之前，都应首先检查这一点。

案例

1. Hanson TF、Hua M、Zarate Rodriguez J、Yaeger LH、Chilukuri SR、Trikalinos NA、Hammill CW。神经内分泌肿瘤命名中的误解：国家数据库研究的范围综述及其临床意义。Cancers. 2026;18(15):2508。 doi:10.3390/cancers18152508
2. Soni PD、Hartman HE、Dess RT、Abugharib A、Allen SG、Feng FY、Zietman AL、Jagsi R、Schipper MJ、Spratt DE。肿瘤学中基于人群的观察性研究与随机试验的比较。J Clin Oncol. 2020;37(14):1209-1216。 doi:10.1200/JCO.18.01074
3. Austin PC、Lee DS、Fine JP。竞争风险存在下生存数据分析简介。《循环》。2016；133(6)：601-609。 doi：10.1161 / CIRCULATIONAHA.115.017719
4. Fine JP, Gray RJ.竞争风险子分布的比例风险模型。美国统计协会杂志。1999;94(446):496-509。 DOI：10.1080 / 01621459.1999.10474144
5. Schoenfeld D. 比例风险回归模型的偏残差。Biometrika. 1982;69(1):239-241。 doi:10.1093/biomet/69.1.239
6. Suissa S. 药物流行病学中的永生时间偏倚。美国流行病学杂志。2008;167(4):492-499。 doi:10.1093/aje/kwm324
7. Pohar Perme M、Stare J、Estève J. 关于相对生存估计。生物统计学。2012；68(1):113-120。 DOI：10.1111 / j.1541-0420.2011.01640.x
8. VanderWeele TJ, Ding P. 观察性研究中的敏感性分析：引入 E 值。内科年鉴。2017;167(4):268-274。 doi:10.7326/M16-2607
9. Jones EA、Shuman AG、Egleston BL、Liu JC。利用癌症登记处进行头颈部研究的常见陷阱。耳鼻咽喉头颈外科杂志。2019；161(2):245-250。 DOI：10.1177 / 0194599819838823
10. Lin MQ, Lian CL, Zhou P, Lei J, Wang J, Hua L, Zhou J, Wu SG. 基于SEER数据库的中国大陆临床癌症研究论文发表趋势分析：文献计量学研究. JMIR Med Inform. 2020;8(11):e21931. DOI：10.2196 / 21931
11. 国家癌症研究所。 SEER计划概述; SEER登记分组; SEER 数据访问访问日期：2026年9月14日。