【原创】这几个非肿瘤临床数据库你不会不知道吧（三）

【题外话】昨天绝对是个特殊的日子，青海云南两地地震，中国痛失两位院士。长沙市民自发对袁老的送别更是让人潸然泪下，原来真有与我们非亲非故的人，但他们的离开让我们痛心不已。逝者已逝，精神永存，深切缅怀两位前辈!

上两篇文章分别给大家介绍了MIMIC和NHANES数据库，有小伙伴就质问我了，说好的写给科研小白呢？可这两数据库分析起来都要有一定的编程基础，要学习R或SAS等软件。……我一时无言以怼，只能尴尬又不失礼貌的围笑，是我疏忽了。但今天分享的这个数据库我确定一定以及肯定适合科研小白，比纯牛奶还白的那种。

 这个数据库就是Dryad，全称是……，没有其他名字，Dryad就是全称。该数据库是2008年9月由美国国家科学基金会资助建立。主要目的是鼓励研究作者上传原始数据，使研究成果可被支持和被证实。该数据库包罗万象，储存了医学、生物学、生态学等数据。作为文章发表者，可以在这里上传数据，作为研究者，则可以在这里免费下载数据。而且，数据下载不需要申请，而且，数据下载后是excel格式。只要你下好了数据，想到好的idea,不用学习R语言，不用学习MySQL，直接导入SPSS，各种花式分析来一套，SCI就指日可待。

 要提醒的是，Dryad数据库里每个数据都有独一无二的DOI号，在使用了数据后记得引用原文和数据DOI。

 接下来，我就带大家逛逛这个宝藏数据库吧。首先，这个是它的主页。

右上方是个稍显小气的检索框，输入检索词就可以直接检索了。检索框下方四个导航栏，分别是检索数据，网站介绍，帮助，登录。从注册开始吧，既然想白嫖人家数据，注册个账号总是应该的。点击Login，来到注册ORCID账户。

小白肯定一脸黑人问号脸，ORCID是个什么鬼？ORCID是一个独特的标识符，记录你所有的学术活动，包括你发表的文章、参与的研究和资金支持等。大白话讲就是你的学术身份证，需要绑定你的邮箱。很多期刊都可以通过ORCID登录和投稿，所以注册一个对你百利无一害。按步骤填写就行，我就不赘述了。

 登录以后就可以在数据库检索，也可以在导航栏检索。有同学可能会问检索框和导航栏检索是不是重复了。大同小异吧，直接检索框检索，以“coronary heart disease”为例，是这个界面，最左边四个栏目是限制条件，分别是研究领域、地理位置、期刊和机构。用过Pubmed的小伙伴是不是有种似曾相识的感觉，先通过检索词检索，然后点左边的限制条件就可以快速筛选出想要的结果了。我就不一一演示了。 

而通过Explore data则出现这个界面，中间是检索框，左下还是那四个限制条件，只不过加了个可视化图标，右边则直接挂了幅地图，可以直接选择地点。总之，殊途同归，后一种花里胡哨，然并卵，确实有多此一举之嫌，到最后还是一样的界面。 

当检索到结果后，例如目前“coronary heart disease”有21个结果，任意点击一个标题，就可以看到利用该数据已经发表的文章标题、作者和摘要。右边 Data File 就是原始数据了。可以直接点击 Download dataset，一般是压缩文件，也可以点击下方日期，展示数据后下载。还是殊途同归，哈哈哈。下方related works 就是已发表的文章的DOI号，点击可直接跳转至原文。Metric 则是数据访问量和下载量。如果大家觉得文字描述不直观，可以去公众号 大话统计 搜索Dryad,可以找到视频讲解哦。

怎么样？整个数据库就这么简单明了，没有太过繁杂的信息，可以直奔主题下载数据。不知道你内心有何感想，反正我下载到第一份数据时，而且是excel格式时，好家伙，我直呼好家伙，相见恨晚的赶脚。 

But, this is a big but。天下真的有免费的午餐吗？浏览整个网站，仔细查看每个页面，你会发现，确实是个免费的午餐。只是这份午餐稍显简陋。第一，所有的数据都是别人用过的，所以我们只能看菜下饭，要找一个和原文截然不同的点子去挖掘数据。第二，这些数据的样本量普遍不大，很多只有几十几百个，当然也有少数上万的数据量。第三，当你真正使用数据，就会发现各种Bug。比如有些数据显示 embargo状态，因为人家的文章还没发表，这可以理解。比如有些作者只上传了文章的附件，并没有上传原始数据。最坑的是上传了原始数据，但是缺少一些关键变量。前段时间我自认为下载了一份堪称完美的数据，准备来一场说干就干的临床预测模型，用R语言各种分析，一顿操作猛如虎，分析过半，准备建模，结果发现数据竟然少了LVEF，而在原文的基线资料中却有这个变量。LVEF在心内的研究绝对是黄金地位，缺少这个变量，模型大打折扣。我也尝试给原作者发邮件，结果可想而知，最终只能扼腕惋惜。 

我后来又下载了不少数据，发现这个问题普遍存在，原文基线资料有的变量在原始数据找不到。至于为什么会出现这个情况，大家应该心知肚明吧。我们都乐于白嫖，却不愿于分享。我不是说谁，我是说在座的各位。大部分上传者都想着凭什么我的数据要给别人白嫖吧，但又碍于杂志要求，于是就……当然这也只是我的个人猜测而已，真实性有待考证。 

所以，为了防止空欢喜一场，我的建议是，当确定了方向后，在检索框输入你的检索词，直接点击Data File 下的日期，看看有没有xls格式的文件，没有的话直接看下一篇，有的话仔细阅读原文摘要，觉得有可以挖掘的点子才去下载数据。下载好数据，仔细比对原文的基线资料表，看有没有缺少关键变量。如果缺少的是无关紧要的变量，恭喜你，可以挖矿了，如果确实少了重要变量，那请转身吧。 

好了，个人能力有限，精力有限，接触的数据库就这几个，已经倾囊相授了。至于有小伙伴说的CHNS、GBD、UK Biobank/Chinabank数据库，请大家自行挖掘吧。那这么多数据库选哪个更好啊？小孩子才做选择，成年人都要。哈哈，开个玩笑，Dryad简单易上手，下好就能用，但缺点也很突出。MIMIC和NHANES数据庞大齐全，但对新手不友好，所以大家量力选择吧，切忌不要贪杯。大家有好用的数据库，欢迎留言啊。（转自 公众号 松哥科研笔记）