艾滋病病毒感染率，总数（占15-49岁人口的百分比）

Prevalence of HIV, total (% of population ages 15-49)

下载数据

指标代码：SH.DYN.AIDS.ZS所属主题：健康：Risk factorsHealth: Risk factors

2024最新有效年份

148最新年份有值国家

265历史上有数据经济体

65%总体缺失率

指标解释

World Bank official description / 世界银行官方说明

Prevalence of HIV refers to the percentage of people ages 15-49 who are infected with HIV.

可供参考的中文翻译：艾滋病病毒感染率指的是15-49岁年龄段人口中感染艾滋病病毒（HIV）的人数占比。

数据口径与风险提示

本指标仅覆盖15-49岁年龄组，无法反映其他年龄段的HIV感染情况
数据为模型估算值而非直接调查统计，存在一定不确定性
不同国家的监测能力和报告标准存在差异，可能影响跨国可比性
低感染率国家的数据精度通常较低，变化趋势解读需谨慎
本指标反映的是感染率而非新发感染率，无法直接体现防治成效
中国在此指标上缺乏公开数据记录，无法进行中国与世界对比
数据来源为世界银行定期更新版本，年份间可能存在口径调整

中国趋势

趋势解读

中国在该指标上暂无公开的连续数据记录，无法提供15-49岁人口HIV感染率的长期趋势分析。这意味着在讨论中国艾滋病病毒流行水平时，不宜直接引用本指标进行判断。世界银行数据库中中国数据的缺失可能与监测体系差异、数据报告口径或质量评估结果有关，不代表中国感染率数据本身不存在。中国拥有完善的艾滋病哨点监测系统，具体数据可查询中国疾控中心或国家卫生健康委员会发布的官方报告。建议研究中国HIV流行情况时参考国内权威来源的专门调查数据，而非基于本指标的数据缺失进行任何推断。

世界银行数据库中中国15-49岁人口HIV感染率无公开数据记录
中国在该指标上数据完全缺失，无法进行任何趋势或国际比较分析
数据缺失本身不应被解释为中国感染率高低，需区分“数据存在但未公开”与“数据不存在”的区别
研究中国HIV流行情况应参考中国疾控中心等国内权威机构发布的专门统计数据，本指标不宜作为中国相关分析的依据

全球趋势

趋势解读

全球15-49岁人口HIV感染率在1990年至2024年间呈现先升后降的走势。从1990年的约0.3%逐步攀升至2016年前后约0.8%的历史峰值，随后小幅回落至2024年的约0.7%。整体而言，全球感染率在过去三十余年间增长约2.3倍，但近十年呈现小幅下降趋势（约12.5%的相对降幅）。这一变化轨迹可能反映出全球范围内HIV流行态势经历了从快速扩散到逐步受控的转变，然而当前水平仍约为1990年的两倍以上，全球仍面临较大的防治压力。需要注意的是，该指标反映的是存量感染率而非新发感染率，其变化受新发感染、治疗效果及人口结构等多重因素影响，不宜将感染率变化直接等同于防治成效。

1990年全球15-49岁人口HIV感染率约为0.3%，至2024年升至约0.7%
2016年前后全球感染率达到历史峰值约0.8%
1990年至2024年间全球感染率增长约2.3倍
近八年（2016-2024年）全球感染率从约0.8%降至约0.7%，相对降幅约12.5%
此为全球平均值，各地区和国家间差异悬殊，非洲南部部分国家感染率超过20%，与低感染率国家不可简单类比
感染率为存量概念，反映特定时点现有感染者占总人口的比例，无法直接区分新发感染增加还是治疗延长导致的感染人口积累
0.1个百分点的变化在不同人口基数下代表的实际感染人数差异可能达到数百万人
数据为模型估算值，依赖于各国监测报告能力，不同年份间可能存在口径调整，低感染率国家的估算不确定性较大

每十年变化摘要

十年区间	中国变化	世界变化	提示
1960-1969	-	-	人口与健康指标的十年变化通常较慢，应结合人口年龄结构、医疗体系、登记完整性和社会发展阶段解读。
1970-1979	-	-	人口与健康指标的十年变化通常较慢，应结合人口年龄结构、医疗体系、登记完整性和社会发展阶段解读。
1980-1989	-	-	人口与健康指标的十年变化通常较慢，应结合人口年龄结构、医疗体系、登记完整性和社会发展阶段解读。
1990-1999	-	2.3x	该阶段全球感染率增长约2.3倍，主要反映全球HIV流行初期监测覆盖面扩大和疫情实际扩散的双重效应；但中国缺乏对应数据，无法判断该阶段中国感染率是否同样经历上升，或已采取有效的源头控制措施。
2000-2009	-	1.0x	全球该阶段感染率基本持平（倍数约1.0），可能意味着在高感染率地区新发感染与人口增长趋于平衡；中国在此阶段同样无数据公开，可能与监测体系完善程度或报告口径有关。
2010-2019	-	1.1x	全球感染率轻微上升至期初值的1.14倍，可能反映部分地区疫情持续传播与防治覆盖之间的拉锯；中国数据缺失限制了对全球增长是否与中国输入型病例变化相关的验证。
2020-2029	-	0.9x	全球感染率下降至期初值的0.875倍，可能反映抗逆转录病毒治疗覆盖率提升对降低新发感染的效果；中国在该阶段同样缺乏公开数据，无法判断中国下降幅度是否与全球一致或存在差异。

2024 年全部国家排名

排名已尽量排除 World、地区组和收入组，仅保留国家参与比较。排名高低应结合指标口径解释。

排名	国家	代码	数值
1	Eswatini 斯威士兰	SWZ	23.4
2	South Africa 南非	ZAF	17.2
3	Lesotho 莱索托	LSO	17.1
4	Botswana 博茨瓦纳	BWA	15.7
5	Mozambique 莫桑比克	MOZ	11.5
6	Zimbabwe 津巴布韦	ZWE	9.80
7	Zambia 赞比亚	ZMB	9.40
8	Namibia 纳米比亚	NAM	9.00
9	Malawi 马拉维	MWI	6.20
10	Uganda 乌干达	UGA	4.90
11	Tanzania 坦桑尼亚	TZA	3.50
12	Congo, Rep. 刚果（布）	COG	3.20
13	Kenya 肯尼亚	KEN	3.00
14	Gabon 加蓬	GAB	2.80
15	Cameroon 喀麦隆	CMR	2.50
16	Central African Republic 中非共和国	CAF	2.40
17	Guinea-Bissau 几内亚比绍	GNB	2.20
18	Rwanda 卢旺达	RWA	2.00
19	Cote d'Ivoire 科特迪瓦	CIV	1.70
20	Angola 安哥拉	AGO	1.60
21	Guyana 圭亚那	GUY	1.60
22	Haiti 海地	HTI	1.60
23	Suriname 苏里南	SUR	1.60
24	Togo 多哥	TGO	1.60
25	Ghana 加纳	GHA	1.50
26	Papua New Guinea 巴布亚新几内亚	PNG	1.50
27	South Sudan 南苏丹	SSD	1.50
28	Sierra Leone 塞拉利昂	SLE	1.40
29	Gambia, The 冈比亚	GMB	1.30
30	Guinea 几内亚	GIN	1.30
31	Belize 伯利兹	BLZ	1.20
32	Nigeria 尼日利亚	NGA	1.20
33	Antigua and Barbuda 安提瓜和巴布达	ATG	1.10
34	Bahamas, The 巴哈马	BHS	1.10
35	Jamaica 牙买加	JAM	1.10
36	Panama 巴拿马	PAN	1.10
37	Barbados 巴巴多斯	BRB	1.00
38	Dominican Republic 多米尼加共和国	DOM	1.00
39	Fiji 斐济	FJI	1.00
40	Thailand 泰国	THA	1.00
41	Cabo Verde 佛得角	CPV	0.90
42	Chad 乍得	TCD	0.90
43	Djibouti 吉布提	DJI	0.90
44	Liberia 利比里亚	LBR	0.90
45	Moldova 摩尔多瓦	MDA	0.90
46	Myanmar 缅甸	MMR	0.90
47	Burundi 布隆迪	BDI	0.80
48	Mali 马里	MLI	0.80
49	St. Kitts and Nevis 圣基茨和尼维斯	KNA	0.80
50	St. Vincent and the Grenadines 圣文森特和格林纳丁斯	VCT	0.80
51	Benin 贝宁	BEN	0.70
52	Brazil 巴西	BRA	0.70
53	Chile 智利	CHL	0.70
54	Congo, Dem. Rep. 刚果（金）	COD	0.70
55	Estonia 爱沙尼亚	EST	0.70
56	Ethiopia 埃塞俄比亚	ETH	0.70
57	Colombia 哥伦比亚	COL	0.60
58	Costa Rica 哥斯达黎加	CRI	0.60
59	Cuba 古巴	CUB	0.60
60	Venezuela, RB 委内瑞拉	VEN	0.60
61	Burkina Faso 布基纳法索	BFA	0.50
62	Cambodia 柬埔寨	KHM	0.50
63	Dominica 多米尼克	DMA	0.50
64	Latvia 拉脱维亚	LVA	0.50
65	Madagascar 马达加斯加	MDG	0.50
66	Mexico 墨西哥	MEX	0.50
67	Paraguay 巴拉圭	PRY	0.50
68	Portugal 葡萄牙	PRT	0.50
69	Argentina 阿根廷	ARG	0.40
70	Armenia 亚美尼亚	ARM	0.40
71	Bolivia 玻利维亚	BOL	0.40
72	Ecuador 厄瓜多尔	ECU	0.40
73	El Salvador 萨尔瓦多	SLV	0.40
74	Eritrea 厄立特里亚	ERI	0.40
75	Georgia 格鲁吉亚	GEO	0.40
76	Indonesia 印度尼西亚	IDN	0.40
77	Lao PDR 老挝	LAO	0.40
78	Peru 秘鲁	PER	0.40
79	St. Lucia 圣卢西亚	LCA	0.40
80	Tuvalu 图瓦卢	TUV	0.40
81	Viet Nam 越南	VNM	0.40
82	Greece 希腊	GRC	0.30
83	Italy 意大利	ITA	0.30
84	Kazakhstan 哈萨克斯坦	KAZ	0.30
85	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	0.30
86	Luxembourg 卢森堡	LUX	0.30
87	Malaysia 马来西亚	MYS	0.30
88	Malta 马耳他	MLT	0.30
89	Philippines 菲律宾	PHL	0.30
90	Senegal 塞内加尔	SEN	0.30
91	Spain 西班牙	ESP	0.30
92	Belgium 比利时	BEL	0.20
93	Bhutan 不丹	BTN	0.20
94	Germany 德国	DEU	0.20
95	Guatemala 危地马拉	GTM	0.20
96	Honduras 洪都拉斯	HND	0.20
97	India 印度	IND	0.20
98	Ireland 爱尔兰	IRL	0.20
99	Lithuania 立陶宛	LTU	0.20
100	Niger 尼日尔	NER	0.20
101	Pakistan 巴基斯坦	PAK	0.20
102	Romania 罗马尼亚	ROU	0.20
103	Sudan 苏丹	SDN	0.20
104	Switzerland 瑞士	CHE	0.20
105	Tajikistan 塔吉克斯坦	TJK	0.20
106	Timor-Leste 东帝汶	TLS	0.20
107	Afghanistan 阿富汗	AFG	0.10
108	Albania 阿尔巴尼亚	ALB	0.10
109	Algeria 阿尔及利亚	DZA	0.10
110	Australia 澳大利亚	AUS	0.10
111	Azerbaijan 阿塞拜疆	AZE	0.10
112	Bahrain 巴林	BHR	0.10
113	Bangladesh 孟加拉国	BGD	0.10
114	Bulgaria 保加利亚	BGR	0.10
115	Comoros 科摩罗	COM	0.10
116	Croatia 克罗地亚	HRV	0.10
117	Denmark 丹麦	DNK	0.10
118	Egypt, Arab Rep. 埃及	EGY	0.10
119	Iceland 冰岛	ISL	0.10
120	Iraq 伊拉克	IRQ	0.10
121	Jordan 约旦	JOR	0.10
122	Kuwait 科威特	KWT	0.10
123	Lebanon 黎巴嫩	LBN	0.10
124	Libya 利比亚	LBY	0.10
125	Maldives 马尔代夫	MDV	0.10
126	Mauritania 毛里塔尼亚	MRT	0.10
127	Mongolia 蒙古	MNG	0.10
128	Montenegro 黑山	MNE	0.10
129	Morocco 摩洛哥	MAR	0.10
130	Nepal 尼泊尔	NPL	0.10
131	New Zealand 新西兰	NZL	0.10
132	North Macedonia 北马其顿	MKD	0.10
133	Norway 挪威	NOR	0.10
134	Oman 阿曼	OMN	0.10
135	Qatar 卡塔尔	QAT	0.10
136	Saudi Arabia 沙特阿拉伯	SAU	0.10
137	Serbia 塞尔维亚	SRB	0.10
138	Singapore 新加坡	SGP	0.10
139	Slovak Republic 斯洛伐克	SVK	0.10
140	Slovenia 斯洛文尼亚	SVN	0.10
141	Solomon Islands 所罗门群岛	SLB	0.10
142	Somalia, Fed. Rep. 索马里	SOM	0.10
143	Sri Lanka 斯里兰卡	LKA	0.10
144	Syrian Arab Republic 叙利亚	SYR	0.10
145	Tunisia 突尼斯	TUN	0.10
146	United Arab Emirates 阿联酋	ARE	0.10
147	Vanuatu 瓦努阿图	VUT	0.10
148	Yemen, Rep. 也门	YEM	0.10

使用建议、常见误用与研究场景

数值较高通常意味着什么

感染率越高，意味着该国家或地区15-49岁人群中携带HIV的比例越高，反映HIV在该年龄段人群中的流行程度更为广泛。

数值较低通常意味着什么

感染率越低，表示该国家或地区15-49岁人群中携带HIV的比例越低，HIV在该年龄段人群中的流行程度相对有限。

鍙ｅ緞闄愬埗

该指标为点流行率（prevalence）而非发病率（incidence），无法区分是新发感染还是存量感染
不反映感染后的治疗效果或死亡情况
0.1%的差异在不同人口规模下代表数十万人的差异，跨国比较时需考虑人口基数
低感染率国家的估算不确定性较大
不同国家的检测覆盖率和数据报告质量差异显著
无法反映特定高危群体的感染情况
数据为年度估算值，可能滞后于实际疫情变化

使用建议

跨国比较时优先参考同一数据源和估算方法的结果
结合新发感染率（incidence）指标综合判断疫情趋势
研究中国情况时建议参考中国疾控中心等国内专门调查数据
分析时间序列时注意数据方法论的调整说明
结合抗逆转录病毒治疗覆盖率等变量评估防治成效
使用时应标注数据来源和估算年份
避免将低感染率简单等同于防治成功，需结合防治投入等投入指标验证

常见错误用法

错误做法：因为中国数据缺失，认为中国HIV感染率为零或可以忽略不计

正确做法：需要明确说明中国在该指标上数据缺失，HIV感染情况应参考中国疾控中心发布的专门统计数据

数据缺失不等于感染率低，世界银行未将中国纳入该指标可能是由于数据口径或报告机制差异，不代表实际情况

错误做法：将全球0.7%的感染率解读为全球每100人中有7人感染HIV

正确做法：应理解为在全球范围内，每100名15-49岁人口中约有0.7人感染HIV

百分比是比例而非人数，0.7%意味着千分之七，而非百分之七，错误理解会导致对疫情严重程度的严重高估

错误做法：直接比较中国与非洲高感染率国家（如斯威士兰23.4%）的感染率差距，得出中国防治工作远优于非洲的结论

正确做法：感染率高低受多种因素影响，包括人口结构、传播途径分布、监测体系差异等，不宜直接进行跨国好坏评判

不同地区HIV流行的驱动因素、统计口径和监测能力差异很大，简单比较感染率数值缺乏科学严谨性

错误做法：将本指标的变化趋势直接等同于HIV防治工作的成效

正确做法：流行率变化受新发感染、治疗效果、人口结构等多重因素影响，需结合发病率、治疗覆盖率等指标综合判断

流行率是存量概念，可能因治疗延长感染者寿命而上升，也可能因新发感染减少而下降，单一指标无法直接反映防治成效

错误做法：将0.1个百分点的全球感染率下降（约12.5%的相对降幅）解读为HIV疫情已基本得到控制

正确做法：需要认识到0.7%仍是1990年的两倍以上，全球仍有数千万人感染，且不同地区疫情趋势分化明显

虽然全球感染率出现下降拐点，但绝对水平仍处历史高位，且高感染率地区与低感染率地区差异悬殊，不宜过度乐观

实际应用场景

HIV流行率的跨国差异及决定因素分析：比较不同收入水平国家或不同地区的HIV感染率差异，探究医疗资源、防治政策、文化因素对流行率的影响因变量（被解释变量）控制人均GDP、医疗支出占比等变量时注意内生性问题；建议使用面板数据固定效应模型控制国家层面不可观测的异质性
抗逆转录病毒治疗覆盖率对HIV流行率的影响评估：研究ART治疗覆盖率提升是否有效降低HIV感染率结果变量（被解释变量）需使用滞后项或工具变量处理反向因果问题；治疗覆盖率提高可能同时延长感染者寿命而使流行率上升，效应分解需谨慎
HIV感染率与结核病发病率的关联研究：HIV阳性者患结核病风险显著升高，分析两者感染率的时间协同变动自变量（解释变量）或协变量注意两个指标的年龄定义可能不完全一致；建议使用分年龄段数据以提高可比性
高危人群HIV感染率与一般人群感染率的差异分析：比较一般人群指标与高危人群专门调查数据的差异，评估监测覆盖盲区稳健性检验变量本指标可能低估高危人群的实际感染水平，需要结合专门的哨点监测数据验证结论稳健性
中国HIV感染率水平的专项研究：由于本指标缺乏中国数据，研究中国HIV流行情况时需要寻找替代数据源不可使用建议使用中国疾控中心发布的全国艾滋病疫情估计数据，或利用流行病学调查原始数据进行分析；明确说明数据局限性