做肿瘤方向的研究，想找到一套几乎覆盖全癌种、有官方权威背书的公开数据？前四篇讲完人群调查（NHANES）、中老年追踪（CHARLS）、全球模型估算（GBD）、ICU 真实世界数据（MIMIC）——这一篇讲肿瘤专科方向的"母库"：SEER，美国国家癌症研究所（NCI）的人群级肿瘤登记系统。老规矩，一条主线——认识它（01）→ 拿到它（02）→ 看懂它（03）→ 用对它（04）→ 做研究（05）→ 发论文（06），先看图。
全称：Surveillance, Epidemiology, and End Results Program（监测、流行病学与最终结果项目）
主持机构：美国国家癌症研究所（NCI）癌症控制与人口科学部（DCCPS）
官网：https://seer.cancer.gov/
最新数据：SEER Incidence Data 1975-2023（2026 年 4 月发布）
覆盖：SEER 8/12/17/21 四档登记处子集，最大子集覆盖美国约 45% 人口
01 认识它：美国肿瘤统计的官方口径
SEER 项目成立于 1973 年，发病数据自 1975 年起持续收集，是美国运行最久、覆盖最广的人群级肿瘤登记系统。它不是一家医院的病历，而是从分布在全国的多个癌症登记处（registries）收集病例。SEER 按登记处数量分档提供子集——SEER 8（约 8.3% 美国人口，1975 年起）到 SEER 21（约 45.8%，2000 年起）——最大子集覆盖美国约 45% 的人口。每一个登记处覆盖其辖区内的所有新发癌症病例，形成真正意义上的"人群级"数据。
你在文献里看到的"美国癌症发病率""五年生存率"的权威数字，绝大多数来自 SEER——它就是美国肿瘤流行病学的官方统计口径。最新一轮 SEER Incidence Data 覆盖 1975-2023 年，于 2026 年 4 月发布（基于 2025 年 11 月提交的登记数据）。
02 拿到它：两档数据，两种门槛
SEER 的数据申请完全免费，但不同于前几个数据库"下载即用"——它的数据需要先在官网申请访问权限，再通过专用软件 SEER*Stat 筛选导出。官网把数据分成两档，门槛差别很大：
- Research Data（研究数据）：排除了地理信息、精确诊断月份（只保留年份）和部分人口学字段——任何人凭有效邮箱即可申请，填写注册表 → 签署协议 → 获取 SEER*Stat 账号 → 登录取数
- Research Plus and NCCR Data（研究增强版 + 儿童癌症登记数据）：包含地理信息、精确诊断月份和全部人口学字段——需要 eRA Commons（NIH 研究者账号系统）或 HHS（美国卫生与公众服务部）账户，且不在受限国家/地区（2025 年 4 月起 NIH 明确禁止"受关注国家/地区"用户访问 Research Plus 与 NCCR 数据），额外需要提供导师或监督人信息
对大多数国内研究者，Research Data 已经够用——发病率、生存率、分期分布这些核心分析都不需要地理字段。提交申请并验证邮箱后由官方处理发放账号，Research Plus/NCCR 通道官方口径约 2 个工作日；数据本身不直接给 CSV 文件，必须安装 SEER*Stat 客户端软件在本地筛选、计算后导出。
03 看懂它：每个病例的五类信息
SEER 的每一条记录是一个癌症病例，核心字段分五类：
- 人口学：诊断年龄、性别、种族（白人/黑人/亚裔/其他）、婚姻状况
- 肿瘤信息：原发部位（ICD-O-3 部位编码，国际疾病分类肿瘤学专辑第 3 版）、组织学类型（形态学编码）、诊断时的分期（SEER Historic Stage / AJCC 分期，美国癌症联合委员会分期系统）、分级
- 治疗：一线治疗方案——手术、放疗、化疗（是否接受）、激素治疗等
- 结局：随访生存状态、生存月数、死因（癌症特异性死亡 vs 其他死因）
- 多原发：同一患者的第 1/2/3…个原发癌序列号——做"第二原发癌"研究的钥匙
癌种覆盖几乎全谱系：乳腺、肺、结直肠、前列腺、胃、肝、甲状腺、淋巴瘤、白血病……凡是你能想到的实体瘤和血液肿瘤，基本都在 SEER 里。选癌种时先确认该癌种在所选登记数据里的样本量是否足够——罕见癌种建议合并多年份。
04 用对它：登记数据的三个关键口径
SEER 数据干净、字段规范，但有三个口径必须拿捏准：
- 发病率 ≠ 患病率 ≠ 死亡率：SEER Incidence 是"新发病例"数据；做生存分析用的是随访模块；不要拿发病数据直接算患病负担
- 分期口径因年份而异：SEER Historic Stage 是粗粒度（localized/regional/distant，仅覆盖到 2015 年诊断的病例，2018 年起由 Summary Stage 2018 接续），AJCC 分期字段分代加入：6th 版对应 2004 年起诊断的病例（Collaborative Stage 系统），7th 版自 2010 年诊断年起、8th 版自 2018 年起——跨年合并必须统一口径
- 生存分析的竞争风险：肿瘤特异性死亡和非肿瘤死亡互为竞争事件——用 Fine-Gray 模型或累积发生率函数，而不是简单 Kaplan-Meier（KM 生存曲线，会高估）
SEER*Stat 软件按分析目标分多种会话类型：Frequency（频数统计）、Rate（计算发病率/死亡率，用于流行病学描述）、Trends（长期趋势）、Case Listing（导出病例清单，用于自定义分析）、Survival（生存率计算）、MP-SIR（多原发癌的标准化发病比）、Left-Truncated Life Table（条件生存）等。入门者通常从频数、发病率与生存三类入手；软件本身内置率计算（age-adjusted rate，年龄标准化率）、生存分析、趋势检验——但灵活的分析（多因素回归、竞争风险、倾向评分）要导出到 R/Stata 完成。
05 做研究：SEER 高频发文方向
- 单癌种流行病学描述：某癌种的发病率趋势、年龄分布、种族差异——入门方向，样本量天然充足
- 预后因素分析：分期、治疗、人口学特征与肿瘤特异性生存的关联——Cox/竞争风险模型是标配
- 治疗模式演变：如某癌种化疗使用率十年变化、新辅助治疗的推广轨迹
- 第二原发癌：放疗后第二肿瘤风险、癌症幸存者的新发癌监测
- 预后模型与列线图：基于 SEER 构建 nomogram 预测癌症特异性生存——发文量极大，需要外部验证才站得住
能力边界明确：只有美国人群，且登记最大子集覆盖约 45% 而非全美——外推到其他地区要谨慎；治疗只记录一线方案，化疗只记"用/不用"无剂量；没有合并症、生活质量、复发信息；登记滞后（最新数据通常晚 2-3 年）。
06 发论文：癌种选题的差异化空间
SEER 发文量巨大，但肿瘤领域病种细分极多——热门癌种的套路选题（乳腺癌 nomogram）高度饱和，而罕见癌种、特定亚组（青少年、老年、少数族裔）、第二原发癌、治疗模式演变仍有大量空白。选题时先看近 2 年该癌种的 SEER 发文量，饱和方向果断换。
我们辅导的常规路径：选题查新与癌种/亚组差异化设计（1-2 周）→ SEER*Stat 队列构建与数据导出（2-3 周）→ 生存分析/竞争风险/建模与可视化（3-5 周）→ STROBE/TRIPOD 规范写作与投稿（5-8 周）。导师一对一示范与把关，分析与写作由你本人完成。
下一篇讲 GCO（GLOBOCAN）——覆盖全球 186 个国家、34 种癌症的全球癌症观测数据库，回答"某国某癌种负担多重"这类宏观问题的首选。关注医嘉研科研资讯，九大临床公共数据库逐个讲透。