艾滋病病毒感染率，男性（占15-24岁的百分比）

Prevalence of HIV, male (% ages 15-24)

下载数据

指标代码：SH.HIV.1524.MA.ZS所属主题：健康：Risk factorsHealth: Risk factors

2024最新有效年份

144最新年份有值国家

265历史上有数据经济体

67%总体缺失率

指标解释

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

Prevalence of HIV, male is the percentage of males who are infected with HIV. Youth rates are as a percentage of the relevant age group.

可供参考的中文翻译：男性艾滋病病毒感染率是指感染HIV的男性所占的百分比。青少年感染率是相关年龄组的百分比。

数据口径与风险提示

本指标仅涵盖15-24岁男性群体，不能反映全人群或女性HIV感染水平
该指标为感染率（prevalence）而非发病率（incidence），反映的是存量感染状态而非新发感染
数据主要基于人口调查和哨点监测系统，不同国家监测网络密度和覆盖人群可能存在差异
部分国家因样本量限制或统计口径调整可能导致年度间数据波动
本指标为世行根据各国上报数据整合的估计值，并非各国原始调查数据
缺少中国数据点，无法直接比较中国与世界或与其他国家
感染率指标受检测覆盖率影响，高检测率地区可能报告更高的感染率
该比率反映的是特定年龄段的相对感染风险，不宜直接用于推断医疗系统负担或死亡率

中国趋势

趋势解读

该指标在中国缺乏连续公开的监测数据。现有公开数据多为局部地区哨点监测结果或特定人群调查，难以形成全国代表性时间序列。世界银行数据库中该指标的中国记录数为零，无法进行趋势描述或国际比较分析。

数据库中无中国数据点记录
无法提取中国该指标的历史极值
无法计算中国该指标的期初期末变化倍数
建议参考国家卫健委发布的艾滋病防治报告获取中国分年龄、分性别数据
中国艾滋病监测数据通常不向世行数据库常规报送
现有数据空白限制了对中国青年男性HIV流行趋势的判断
如需中国相关数据，应查阅国家疾控局或联合国艾滋病规划署中国办事处发布报告
本页面无法提供中国与世界在该指标上的对比分析

全球趋势

趋势解读

全球15-24岁男性HIV感染率在1990年代初曾短暂上升，1992至2000年间维持在约0.3%的水平，此后逐步下降，2006年后稳定在0.2%并持续至今。1990年与2024年均报告为0.2%，整体变化倍数约为1.0倍，表明近三十余年间全球该年龄段男性HIV感染率基本保持平稳。1990年代曾出现约1.5倍的阶段性上升，2000年代则下降至约0.67倍，此后两个十年期均维持在期初水平。

1990年全球该指标值为0.2%，2024年同样为0.2%
最高值0.3%出现在1992年至2000年间
最低值0.2%出现在1990年及2006年至2024年
2006年至2024年连续19年保持0.2%不变
期初至期末变化倍数为1.0倍
1990年代上升期倍数约1.5倍
2000年代下降期倍数约0.67倍
2010年代及2020年代倍数均为1.0倍

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	-	1.5x	该时期全球男性青年HIV感染率呈阶段性上升，倍数约为1.5倍，可能反映1980年代末至1990年代初全球HIV/AIDS流行加速期的滞后效应，以及监测网络扩大后报告量增加。这一变化需要结合同期全球新发感染数据和检测能力扩张趋势加以验证。
2000-2009	-	0.7x	该时期全球该指标下降至期初值的约0.67倍，可能与抗逆转录病毒治疗（ART）覆盖率提升使感染者存活期延长但感染率分母扩大、以及预防干预措施见效有关。但需注意分子（现有感染者）和分母（总人口）可能同步变化，需结合发病率指标和ART覆盖数据验证。
2010-2019	-	1.0x	该阶段只有世界具备可比变化率，适合用作背景参照，不宜直接推断中国差异。该判断仍应结合指标定义、相关变量和缺失年份理解，避免把单一比例变化写成确定因果。
2020-2029	-	1.0x	当前十年期数据显示倍数维持1.0（基于现有数据点），但受数据年份限制，无法评估COVID-19疫情对该指标的潜在影响。需结合新发感染率和ART覆盖率等变量验证疫情前后变化。

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	4.60
2	South Africa 南非	ZAF	3.80
3	Lesotho 莱索托	LSO	3.10
4	Zimbabwe 津巴布韦	ZWE	2.60
5	Botswana 博茨瓦纳	BWA	2.50
6	Mozambique 莫桑比克	MOZ	2.50
7	Namibia 纳米比亚	NAM	2.20
8	Zambia 赞比亚	ZMB	1.60
9	Malawi 马拉维	MWI	1.50
10	Kenya 肯尼亚	KEN	0.90
11	Uganda 乌干达	UGA	0.90
12	Panama 巴拿马	PAN	0.70
13	Tanzania 坦桑尼亚	TZA	0.70
14	Central African Republic 中非共和国	CAF	0.60
15	Congo, Rep. 刚果（布）	COG	0.60
16	Suriname 苏里南	SUR	0.60
17	Barbados 巴巴多斯	BRB	0.50
18	Cameroon 喀麦隆	CMR	0.50
19	Guinea-Bissau 几内亚比绍	GNB	0.50
20	Rwanda 卢旺达	RWA	0.50
21	St. Kitts and Nevis 圣基茨和尼维斯	KNA	0.50
22	Thailand 泰国	THA	0.50
23	Venezuela, RB 委内瑞拉	VEN	0.50
24	Costa Rica 哥斯达黎加	CRI	0.40
25	Cote d'Ivoire 科特迪瓦	CIV	0.40
26	Gabon 加蓬	GAB	0.40
27	Haiti 海地	HTI	0.40
28	Jamaica 牙买加	JAM	0.40
29	Myanmar 缅甸	MMR	0.40
30	Papua New Guinea 巴布亚新几内亚	PNG	0.40
31	Philippines 菲律宾	PHL	0.40
32	Sierra Leone 塞拉利昂	SLE	0.40
33	South Sudan 南苏丹	SSD	0.40
34	Togo 多哥	TGO	0.40
35	Angola 安哥拉	AGO	0.30
36	Bahamas, The 巴哈马	BHS	0.30
37	Belize 伯利兹	BLZ	0.30
38	Cambodia 柬埔寨	KHM	0.30
39	Chad 乍得	TCD	0.30
40	Chile 智利	CHL	0.30
41	Cuba 古巴	CUB	0.30
42	Djibouti 吉布提	DJI	0.30
43	Dominica 多米尼克	DMA	0.30
44	Dominican Republic 多米尼加共和国	DOM	0.30
45	Ghana 加纳	GHA	0.30
46	Guinea 几内亚	GIN	0.30
47	Liberia 利比里亚	LBR	0.30
48	Mexico 墨西哥	MEX	0.30
49	Nigeria 尼日利亚	NGA	0.30
50	Antigua and Barbuda 安提瓜和巴布达	ATG	0.20
51	Benin 贝宁	BEN	0.20
52	Burkina Faso 布基纳法索	BFA	0.20
53	Burundi 布隆迪	BDI	0.20
54	Colombia 哥伦比亚	COL	0.20
55	Congo, Dem. Rep. 刚果（金）	COD	0.20
56	Ecuador 厄瓜多尔	ECU	0.20
57	El Salvador 萨尔瓦多	SLV	0.20
58	Ethiopia 埃塞俄比亚	ETH	0.20
59	Fiji 斐济	FJI	0.20
60	Gambia, The 冈比亚	GMB	0.20
61	Guyana 圭亚那	GUY	0.20
62	Indonesia 印度尼西亚	IDN	0.20
63	Lao PDR 老挝	LAO	0.20
64	Mali 马里	MLI	0.20
65	Malta 马耳他	MLT	0.20
66	Moldova 摩尔多瓦	MDA	0.20
67	Paraguay 巴拉圭	PRY	0.20
68	St. Vincent and the Grenadines 圣文森特和格林纳丁斯	VCT	0.20
69	Viet Nam 越南	VNM	0.20
70	Afghanistan 阿富汗	AFG	0.10
71	Albania 阿尔巴尼亚	ALB	0.10
72	Algeria 阿尔及利亚	DZA	0.10
73	Argentina 阿根廷	ARG	0.10
74	Armenia 亚美尼亚	ARM	0.10
75	Australia 澳大利亚	AUS	0.10
76	Azerbaijan 阿塞拜疆	AZE	0.10
77	Bahrain 巴林	BHR	0.10
78	Bangladesh 孟加拉国	BGD	0.10
79	Bhutan 不丹	BTN	0.10
80	Bolivia 玻利维亚	BOL	0.10
81	Bulgaria 保加利亚	BGR	0.10
82	Cabo Verde 佛得角	CPV	0.10
83	Comoros 科摩罗	COM	0.10
84	Croatia 克罗地亚	HRV	0.10
85	Denmark 丹麦	DNK	0.10
86	Egypt, Arab Rep. 埃及	EGY	0.10
87	Eritrea 厄立特里亚	ERI	0.10
88	Estonia 爱沙尼亚	EST	0.10
89	Georgia 格鲁吉亚	GEO	0.10
90	Greece 希腊	GRC	0.10
91	Guatemala 危地马拉	GTM	0.10
92	Honduras 洪都拉斯	HND	0.10
93	Iceland 冰岛	ISL	0.10
94	Iraq 伊拉克	IRQ	0.10
95	Ireland 爱尔兰	IRL	0.10
96	Italy 意大利	ITA	0.10
97	Jordan 约旦	JOR	0.10
98	Kazakhstan 哈萨克斯坦	KAZ	0.10
99	Kuwait 科威特	KWT	0.10
100	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	0.10
101	Latvia 拉脱维亚	LVA	0.10
102	Lebanon 黎巴嫩	LBN	0.10
103	Libya 利比亚	LBY	0.10
104	Lithuania 立陶宛	LTU	0.10
105	Luxembourg 卢森堡	LUX	0.10
106	Madagascar 马达加斯加	MDG	0.10
107	Malaysia 马来西亚	MYS	0.10
108	Maldives 马尔代夫	MDV	0.10
109	Mauritania 毛里塔尼亚	MRT	0.10
110	Mongolia 蒙古	MNG	0.10
111	Montenegro 黑山	MNE	0.10
112	Morocco 摩洛哥	MAR	0.10
113	Nepal 尼泊尔	NPL	0.10
114	New Zealand 新西兰	NZL	0.10
115	Niger 尼日尔	NER	0.10
116	North Macedonia 北马其顿	MKD	0.10
117	Norway 挪威	NOR	0.10
118	Oman 阿曼	OMN	0.10
119	Pakistan 巴基斯坦	PAK	0.10
120	Peru 秘鲁	PER	0.10
121	Portugal 葡萄牙	PRT	0.10
122	Qatar 卡塔尔	QAT	0.10
123	Romania 罗马尼亚	ROU	0.10
124	Saudi Arabia 沙特阿拉伯	SAU	0.10
125	Senegal 塞内加尔	SEN	0.10
126	Serbia 塞尔维亚	SRB	0.10
127	Singapore 新加坡	SGP	0.10
128	Slovak Republic 斯洛伐克	SVK	0.10
129	Slovenia 斯洛文尼亚	SVN	0.10
130	Solomon Islands 所罗门群岛	SLB	0.10
131	Somalia, Fed. Rep. 索马里	SOM	0.10
132	Spain 西班牙	ESP	0.10
133	Sri Lanka 斯里兰卡	LKA	0.10
134	St. Lucia 圣卢西亚	LCA	0.10
135	Sudan 苏丹	SDN	0.10
136	Switzerland 瑞士	CHE	0.10
137	Syrian Arab Republic 叙利亚	SYR	0.10
138	Tajikistan 塔吉克斯坦	TJK	0.10
139	Timor-Leste 东帝汶	TLS	0.10
140	Tunisia 突尼斯	TUN	0.10
141	Tuvalu 图瓦卢	TUV	0.10
142	United Arab Emirates 阿联酋	ARE	0.10
143	Vanuatu 瓦努阿图	VUT	0.10
144	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

感染率升高通常表示该年龄段男性群体中HIV感染流行水平上升，可能反映新发感染增加、检测覆盖率提高或感染者存活期延长等因素的共同作用。

数值较低通常意味着什么

感染率降低通常表示该年龄段男性群体中HIV感染流行水平下降，可能反映预防干预措施见效、危险行为减少或新发感染得到有效控制。

鍙ｅ緞闄愬埗

该指标为流行率而非发病率，无法区分新发感染与历史存量感染
数据基于模型估计，不同国家数据质量和更新频率差异较大
仅覆盖15-24岁男性，不能代表全人群或女性感染水平
缺少中国数据，无法进行有意义的国际比较
地区汇总数据掩盖了国家间的巨大差异
感染率受人口结构变化影响，分子分母可能同步变动
哨点监测覆盖人群可能与一般人群存在差异
世行数据库更新存在时滞，最新年份数据可能尚未入库

使用建议

分析时应结合新发感染率（incidence）指标以区分存量与新增
进行国际比较时需考虑各国监测体系和数据报告标准的差异
将男性感染率与女性感染率并置分析以识别性别差异和传播模式
结合ART覆盖率指标理解流行率与疾病负担的关系
关注区域和国家层面的异质性，而非仅依赖全球汇总数据
纵向分析时应使用同一数据源和方法论版本
对高流行国家应单独分析其变化趋势
将感染率指标与高危人群规模和干预覆盖数据联合解读

常见错误用法

错误做法：直接比较中国与全球该指标的数值高低，判断哪个国家"做得更好"

正确做法：在有中国数据的情况下，应结合两国监测体系、数据质量和流行阶段综合判断

该指标受检测覆盖率、报告完整性和人口结构等多重因素影响，高低本身不直接等同于防治成效，且当前中国无连续公开数据可供比较。

错误做法：将全球感染率下降解读为全球HIV/AIDS疫情得到控制

正确做法：感染率反映流行水平而非新发感染动态，感染率稳定或下降可能同时存在大量新发感染和大量存活感染者

抗逆转录病毒治疗使感染者存活期大幅延长，感染率分母持续扩大，两者效应可能相互对冲，需同时参考发病率和新发感染绝对数。

错误做法：用该指标直接评估某国医疗系统质量或公共卫生投入效率

正确做法：应将感染率变化与ART覆盖率、预防项目覆盖率、卫生支出等指标纳入统一框架分析

感染率受社会经济因素、行为模式、文化因素和监测体系等多重外生因素影响，不能直接归因于医疗系统绩效。

错误做法：将非洲南部国家的高感染率简单归因于卫生条件差或医疗资源匮乏

正确做法：应从多因素视角理解：包括不平等、性别暴力、检测可及性、社会经济边缘化、区域流行强度等多重结构因素

HIV流行具有高度区域性特征，不同地区传播途径、风险因素和防治资源差异显著，简单归因容易掩盖复杂的社会结构性成因。

实际应用场景

HIV流行趋势的性别差异分析：比较15-24岁男性与女性HIV感染率的长期变化轨迹，识别不同性别在感染风险和防治效果上的差异被解释变量（性别比较）将男性指标与女性指标（SH.HIV.1524.FE.ZS）进行并置分析，计算性别比变化趋势，辅以总人群感染率（SH.DYN.AIDS.ZS）作为背景控制。
抗逆转录病毒治疗对感染流行率的影响评估：评估ART覆盖率提升与15-24岁男性感染率变化之间的关联被解释变量以ART覆盖率（SH.HIV.ARTC.ZS）为核心解释变量，控制人均卫生支出和HIV发病率指标，使用面板数据回归或双重差分模型验证因果路径。
HIV/AIDS疾病负担的年龄结构分析：分析全球及区域层面HIV感染的人群年龄分布，评估青年群体的相对疾病负担被解释变量结合各年龄段感染率（0-14岁、15-49岁、50+岁）构建年龄别感染率谱系，分析青年群体在总感染人口中的占比变化。
高流行国家的风险因素关联研究：以非洲南部高感染率国家为样本，探究行为因素（吸烟、饮酒）与HIV感染率的区域相关性被解释变量将本指标作为因变量，引入男性吸烟率（SH.PRV.SMOK.MA）、人均酒精消费量（SH.ALC.PCAP.MA.LI）等行为风险因素作为解释变量，进行相关性或回归分析。
HIV感染率与死亡原因的关联分析：考察HIV感染流行水平与传染病死亡占比之间的关系控制变量将HIV感染率作为控制变量加入传染病死亡占比（SH.DTH.COMM.ZS）的回归模型，评估HIV流行对整体传染病死亡负担的贡献。