想回答"某国某癌种到底有多严重"这种宏观问题，却不想碰任何患者级数据？前五篇讲完调查（NHANES）、追踪（CHARLS）、全球模型（GBD）、ICU 实录（MIMIC）、美国肿瘤登记（SEER）——这一篇讲最"宏观"的一个：GCO（全球癌症观测），IARC 运营的全球癌症统计平台。它不需要注册、不需要申请、不需要装任何软件——打开网页就能查。老规矩——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：Global Cancer Observatory（全球癌症观测）
运营机构：国际癌症研究机构（IARC，世界卫生组织下属）
官网：https://gco.iarc.who.int/
最新版本：GLOBOCAN 2024（2026 年 7 月发布）
获取方式：完全免费、无需注册，在线查询或直接下载
01 认识它：WHO 系统里的全球癌症官方统计
GCO 由国际癌症研究机构（IARC）运营——IARC 是世界卫生组织（WHO）下属的癌症研究专门机构。GCO 的核心数据产品是 GLOBOCAN：把全球各国的癌症登记数据汇总、建模，估算出每个国家、每种癌症的发病率与死亡率。最新一轮 GLOBOCAN 2024 于 2026 年 7 月发布，覆盖 186 个国家、34 种癌症。
与 SEER 不同：SEER 是美国内部的人群级登记（每条记录是一个真实病例），GCO/GLOBOCAN 是国家级估算——它告诉你"2024 年全球新发癌症约 2060 万例、死亡约 980 万例"（GLOBOCAN 2024 官方口径），但不给你任何一个具体患者的记录。粒度粗，但覆盖是全球性的。
02 拿到它：打开网页就能查
GCO 是九个数据库里获取门槛最低的一个：不注册、不申请、不装软件。核心工具是 Cancer Today（gco.iarc.who.int/today/）：在搜索框里选国家或癌种，立即得到对应的 fact sheet（数据摘要页）；也可以选五种可视化方式（条形图/饼图/热力图/散点图/表格）在线做交互查询，结果直接下载 CSV 或 PDF。
同平台的 Cancer Tomorrow（gco.iarc.who.int/tomorrow/）提供基于人口结构变化的发病率与死亡率预测，一直延伸到 2050 年——做"未来负担预测"类研究时可直接引用。
平台还有两个专项工具：CI5（Cancer Incidence in Five Continents）提供五大洲分册的癌症发病率详细数据（时间跨度更长、适合历史趋势研究）；NORDCAN 提供北欧国家的精细癌症统计（发病率、死亡率、生存率一体化）。
03 看懂它：估算值从哪来、怎么读
GLOBOCAN 的估算逻辑：IARC 收集各国癌症登记处的上报数据（质量参差不齐——有的国家有全国性高质量登记，有的只有局部登记，有的几乎没有），然后用统计模型把缺失国家"填补"出来。引用任何一个数字之前，先弄清它的来源：
- 数据源透明度：GLOBOCAN 在官网 "Data sources & methods（数据来源与方法）" 专页公布每个国家的数据来源类型——从全国性高质量人口登记，到局部登记外推，再到无数据纯模型推算——引用某国数据时先看它属于哪一类
- 核心指标：粗发病率/死亡率（crude rate）、年龄标化率（ASR，按世界标准人口加权，用于消除各国人口年龄结构差异的影响，见 04）、累积风险（0-74 岁）
- 34 种癌症按 ICD-10（国际疾病分类第 10 版）部位分组，另有"全癌种合计"和"除 NMSC 外合计"两个常用汇总口径
与其他五个数据库的关键区别：GCO 的数据不能下载成"一行一个病例"的数据集——它就是国家级汇总表。想分析个体级数据要回 SEER 或 NHANES；想做全球比较，GCO 和 GBD 是互补的。
04 用对它：估算不是观测，比较要标化
- 永远用 ASR（年龄标化率）做跨国比较——各国人口年龄结构差异巨大，直接比粗率会严重失真
- 注意数据来源类型：非洲和部分亚洲国家的估算基于有限的局部登记或纯模型，引用时要注明
- GLOBOCAN 与 GBD 的口径差异：两者都覆盖全球，但数据源、建模方法、癌种分组不同——同一国同一癌种，两套数字可能相差明显。论文里选一套用到底，并说明理由
- NMSC（非黑色素瘤皮肤癌）通常单列：GLOBOCAN 的"全癌种合计"默认含 NMSC，引用时确认是否需要排除
05 做研究：GCO 高频发文方向
- 某癌种的全球/区域负担描述：发病率与死亡率的全球分布、地区差异、与 HDI（人类发展指数）的关联
- 国别对比：中国与美国、中国与日本、金砖国家之间的同癌种负担比较——对国内研究者尤其顺手
- 趋势与预测：结合 Cancer Tomorrow 做 2050 年负担预测，或用多轮 GLOBOCAN 与 CI5 历史数据做长周期趋势分析
- 政策相关性研究：某癌种负担与筛查政策、HPV 疫苗覆盖率、控烟政策的跨国关联
能力边界明确：无个体数据、无分期、无治疗、无生存细节——不能做任何预后分析；国家级估算在数据稀疏地区基于模型外推、可靠性低；GLOBOCAN 约每 2 年更新一轮，跨轮次比较要注意口径变化。
06 发论文：宏观负担描述的快速通道
GCO 类论文的典型结构：选 1-2 个癌种 × 全球或特定区域 × GLOBOCAN 最新一轮——描述负担分布、计算 ASR、做 HDI 关联或预测。它的优势是快（数据即查即用）、权威（IARC/WHO 官方背书）、适合写 Review/Commentary 类的宏观论述；局限是深度不够——纯 GCO 分析很难单独撑起一篇高分论著，通常需要叠加其他数据源或做成系统综述的背景框架。
我们辅导的常规路径：选题查新与癌种/区域差异化设计（1-2 周）→ GCO 数据提取与口径核对（1-2 周）→ ASR 标化分析、HDI 关联与可视化（2-4 周）→ 规范写作与投稿（4-6 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 HRS——美国健康与退休研究，CHARLS 的"老师傅"，全球老龄化追踪研究的开山鼻祖。关注医嘉研科研资讯，九大临床公共数据库逐个讲透。