生信做膩了嗎？或者不做生信數據挖掘的，可以嘗試一下別的發文思路，例如挖掘SEER資料庫的臨床數據進行發表SCI。本次分享的範文發表在FRONT ONCOL上，影響因子：4.848，中科院分區：2區。
文章題目：Breast Subtypes and Prognosis of Breast Cancer Patients With Initial Bone Metastasis: A Population-Based Study
研究背景：
轉移性乳腺癌是一種高度異質性疾病，骨骼是最常見的轉移部位之一。這項回顧性研究旨在調查患有初始骨轉移的乳腺癌患者的臨床特徵，預後因素和手術獲益。
研究方法：
從2010年到2015年，從SEER資料庫中分析了6,860名被診斷患有初始骨轉移的乳腺癌患者。採用單因素Cox和多因素Cox分析來確定預後因素。根據從Cox回歸結果中選擇的因素進行列線圖。根據不同的亞型，轉移負擔和通過列線圖區分的風險組繪製生存曲線。
研究結果：
與其他亞型相比，激素受體（HR）陽性/人表皮生長因子受體2（HER2）陽性患者表現出最好的預後。年齡較小（<60歲），白人，低年級，T期較低（<= T2）且未合併內臟轉移的患者傾向於有更好的預後。約37％（2,249）的患者接受了原發腫瘤手術。所有亞型的患者均可從手術中受益。如果進行手術，僅骨轉移（BOM），骨和肝轉移，骨和肺轉移的患者也顯示出更長的生存時間。但是，骨和腦轉移患者不能從手術中受益（p = 0.05）。列線圖的C指數為0.66。列線圖點的臨界值被確定為87點和157點，將所有患者分為低，中，高風險組。所有組的患者在接受手術時均表現出更好的總體生存率。
研究結論：
我們的研究為初始骨轉移性乳腺癌患者提供了基於人群的預後分析，並構建了具有良好準確性的預測列線圖。手術對整體生存的潛在益處的發現將為該組患者的治療策略提供一些啟示。
分析思路：
1、從SEER資料庫下載相關數據，然後整理好，進行卡方檢驗
2、進行單因素和多因素Cox回歸分析
3、根據上面的結果，篩選出重要的臨床因素構建模型並繪製列線圖
4、計算C-index和繪製校準圖評價模型
5、根據風險評分和各臨床因素分組，分別繪製生存曲線，看預後價值
像這種發文思路，分析操作往往都是比較簡單的。比較難的地方就是需要對臨床專業意義比較熟悉，同時還要看結果的陽性程度，陽性程度越高，文章相對比較好發。如果想文章能發在更好的專業期刊上，就很可能需要收集額外的數據進行外部驗證。