艾滋病新发感染率（所有人群，每千未感染人口）

Incidence of HIV, all (per 1,000 uninfected population)

下载数据

指标代码：SH.HIV.INCD.TL.P3所属主题：健康：Risk factorsHealth: Risk factors

2024最新有效年份

139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

Number of new HIV infections among uninfected populations expressed per 1,000 uninfected population in the year before the period.

可供参考的中文翻译：在特定时期内，以每千名未感染人口为标准表示的未感染人群中新增艾滋病病毒感染人数。该指标反映的是新发感染的发生频率，而非已感染人群的规模或存量。

数据口径与风险提示

该指标为发病率而非患病率，衡量的是新增感染而非现有感染者规模，不能直接反映HIV感染总人数
数据为模型估计值，各国输入数据质量参差不齐，不同地区的测量误差可能存在系统性差异
该指标受人口年龄结构和检测覆盖率影响，高发生率不一定对应大规模疫情
数值高低受检测能力和报告意愿影响，部分国家可能存在漏报
属于传染病动态指标，受防治政策、药物可及性和高危人群行为变化等多因素影响
跨国家比较需考虑统计口径差异，部分国家数据存在多年延迟
中国在该指标上缺乏连续可信的公开数据记录，不宜直接进行中外国别比较
世界银行对该指标数据进行了系统性回溯修订，历史数值可能因模型更新而改变

中国趋势

趋势解读

根据世界银行数据，该指标在中国缺乏可用的公开数据记录。这可能与中国的艾滋病监测体系特点、数据公开政策以及统计口径差异有关。现有公开数据无法支撑对中国艾滋病新发感染率长期趋势的系统性分析，因此不宜基于现有数据对该指标在中国的变化方向或阶段特征作出判断。如需研究中国的艾滋病流行趋势，建议参考国家卫生健康委员会发布的专项监测报告，并结合抗逆转录病毒治疗覆盖率等辅助指标进行综合研判。

中国在1990-2024年间无世界银行认可的可用数据点
由于缺乏可信的公开数据，无法对中国趋势进行任何实质性分析
不宜根据其他来源数据推断世界银行数据库中中国数据的准确性
中国艾滋病监测数据可能因报告体系差异而与世界银行口径不同

全球趋势

趋势解读

全球艾滋病新发感染率在1990-2024年间呈现先升后降的倒U型趋势。1990年全球该指标约为0.48‰，随后在1994-1996年间攀升至峰值约0.59‰，此后持续回落。到2024年已降至0.16‰，相比1990年下降约三分之二。从长期趋势看，2000年代以来全球新发感染率加速下降，这与抗逆转录病毒治疗覆盖率提升、预防干预措施推广以及公众认知提高等因素有关。近期数据显示下降速度有所放缓，年均降幅趋于平缓，可能与易感人群累积、防治资源分配不均等结构性因素相关。

1990年全球该指标为0.48‰
1994-1996年达到历史峰值约0.59‰
2024年降至0.16‰，为历史最低水平
从峰值到最新值累计下降约73%
1990年至2024年间共下降0.32个千分点
2020-2024年五年间下降0.04个千分点
全球汇总数据掩盖了各区域内部的显著差异，非洲南部等地仍维持较高水平
该指标为人口标准化后的相对值，不能反映绝对感染人数规模

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	-	1.1x	该十年间全球新发感染率从0.48‰升至约0.59‰峰值后再回落至约0.51‰，整体呈前升后降态势，说明全球HIV传播在1990年代经历了从扩散到控制的转折点，这一转变可能与各国公共卫生干预力度加强有关。
2000-2009	-	0.7x	该十年间全球新发感染率从约0.48‰下降至约0.33‰，降幅约31%。这一时期正值抗逆转录病毒治疗（ART）在全球范围内大规模推广，为下降趋势提供了重要支撑，反映了治疗即预防理念的早期成效。
2010-2019	-	0.7x	该十年间全球新发感染率从约0.32‰进一步降至约0.21‰，降幅约34%。下降速度较前一十年有所加快，可能与母婴阻断技术普及、高危人群干预覆盖面扩大等因素相关，但降幅扩大也可能受到易感人群基数缩小的基数效应影响。
2020-2029	-	0.8x	截至2024年，该十年间全球新发感染率从0.21‰降至0.16‰，降幅约24%。下降速度较2010年代明显放缓，可能意味着残余易感人群的边际防治难度增加，也可能是全球资源配置向其他公共卫生优先事项分散的体现。

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	4.20
2	South Africa 南非	ZAF	3.10
3	Mozambique 莫桑比克	MOZ	2.90
4	Lesotho 莱索托	LSO	1.90
5	Botswana 博茨瓦纳	BWA	1.80
6	Congo, Rep. 刚果（布）	COG	1.70
7	Namibia 纳米比亚	NAM	1.60
8	Fiji 斐济	FJI	1.50
9	Zambia 赞比亚	ZMB	1.50
10	Papua New Guinea 巴布亚新几内亚	PNG	1.10
11	Zimbabwe 津巴布韦	ZWE	0.91
12	Uganda 乌干达	UGA	0.79
13	Suriname 苏里南	SUR	0.73
14	Guyana 圭亚那	GUY	0.69
15	Gabon 加蓬	GAB	0.67
16	Tanzania 坦桑尼亚	TZA	0.64
17	Central African Republic 中非共和国	CAF	0.61
18	Malawi 马拉维	MWI	0.58
19	Angola 安哥拉	AGO	0.55
20	Madagascar 马达加斯加	MDG	0.51
21	Haiti 海地	HTI	0.50
22	South Sudan 南苏丹	SSD	0.50
23	Belize 伯利兹	BLZ	0.47
24	Ghana 加纳	GHA	0.47
25	Cameroon 喀麦隆	CMR	0.46
26	Antigua and Barbuda 安提瓜和巴布达	ATG	0.43
27	Cabo Verde 佛得角	CPV	0.41
28	Gambia, The 冈比亚	GMB	0.41
29	Guinea-Bissau 几内亚比绍	GNB	0.41
30	Jamaica 牙买加	JAM	0.40
31	Djibouti 吉布提	DJI	0.37
32	Kenya 肯尼亚	KEN	0.37
33	Togo 多哥	TGO	0.37
34	Dominican Republic 多米尼加共和国	DOM	0.36
35	Barbados 巴巴多斯	BRB	0.35
36	Panama 巴拿马	PAN	0.33
37	Guinea 几内亚	GIN	0.32
38	Venezuela, RB 委内瑞拉	VEN	0.29
39	Sierra Leone 塞拉利昂	SLE	0.28
40	Brazil 巴西	BRA	0.27
41	Cote d'Ivoire 科特迪瓦	CIV	0.27
42	Philippines 菲律宾	PHL	0.27
43	St. Kitts and Nevis 圣基茨和尼维斯	KNA	0.26
44	Tuvalu 图瓦卢	TUV	0.26
45	Moldova 摩尔多瓦	MDA	0.24
46	Costa Rica 哥斯达黎加	CRI	0.23
47	Armenia 亚美尼亚	ARM	0.21
48	Chad 乍得	TCD	0.21
49	Congo, Dem. Rep. 刚果（金）	COD	0.21
50	Nigeria 尼日利亚	NGA	0.21
51	Chile 智利	CHL	0.20
52	Myanmar 缅甸	MMR	0.20
53	Peru 秘鲁	PER	0.19
54	St. Lucia 圣卢西亚	LCA	0.19
55	Paraguay 巴拉圭	PRY	0.18
56	Rwanda 卢旺达	RWA	0.18
57	Cuba 古巴	CUB	0.17
58	Mali 马里	MLI	0.17
59	St. Vincent and the Grenadines 圣文森特和格林纳丁斯	VCT	0.17
60	Bolivia 玻利维亚	BOL	0.16
61	Lao PDR 老挝	LAO	0.16
62	Mexico 墨西哥	MEX	0.16
63	Senegal 塞内加尔	SEN	0.16
64	El Salvador 萨尔瓦多	SLV	0.15
65	Georgia 格鲁吉亚	GEO	0.15
66	Sudan 苏丹	SDN	0.14
67	Bahamas, The 巴哈马	BHS	0.13
68	Burkina Faso 布基纳法索	BFA	0.13
69	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	0.13
70	Dominica 多米尼克	DMA	0.12
71	Argentina 阿根廷	ARG	0.11
72	Bhutan 不丹	BTN	0.11
73	Kazakhstan 哈萨克斯坦	KAZ	0.11
74	Thailand 泰国	THA	0.11
75	Timor-Leste 东帝汶	TLS	0.11
76	Afghanistan 阿富汗	AFG	0.10
77	Albania 阿尔巴尼亚	ALB	0.10
78	Algeria 阿尔及利亚	DZA	0.10
79	Azerbaijan 阿塞拜疆	AZE	0.10
80	Bahrain 巴林	BHR	0.10
81	Belgium 比利时	BEL	0.10
82	Benin 贝宁	BEN	0.10
83	Bulgaria 保加利亚	BGR	0.10
84	Burundi 布隆迪	BDI	0.10
85	Cambodia 柬埔寨	KHM	0.10
86	Comoros 科摩罗	COM	0.10
87	Croatia 克罗地亚	HRV	0.10
88	Denmark 丹麦	DNK	0.10
89	Ecuador 厄瓜多尔	ECU	0.10
90	Egypt, Arab Rep. 埃及	EGY	0.10
91	Eritrea 厄立特里亚	ERI	0.10
92	Estonia 爱沙尼亚	EST	0.10
93	Ethiopia 埃塞俄比亚	ETH	0.10
94	Germany 德国	DEU	0.10
95	Greece 希腊	GRC	0.10
96	Guatemala 危地马拉	GTM	0.10
97	Honduras 洪都拉斯	HND	0.10
98	Iceland 冰岛	ISL	0.10
99	India 印度	IND	0.10
100	Indonesia 印度尼西亚	IDN	0.10
101	Iraq 伊拉克	IRQ	0.10
102	Ireland 爱尔兰	IRL	0.10
103	Italy 意大利	ITA	0.10
104	Latvia 拉脱维亚	LVA	0.10
105	Libya 利比亚	LBY	0.10
106	Lithuania 立陶宛	LTU	0.10
107	Luxembourg 卢森堡	LUX	0.10
108	Malaysia 马来西亚	MYS	0.10
109	Maldives 马尔代夫	MDV	0.10
110	Malta 马耳他	MLT	0.10
111	Mauritania 毛里塔尼亚	MRT	0.10
112	Mongolia 蒙古	MNG	0.10
113	Montenegro 黑山	MNE	0.10
114	Morocco 摩洛哥	MAR	0.10
115	Nepal 尼泊尔	NPL	0.10
116	New Zealand 新西兰	NZL	0.10
117	Niger 尼日尔	NER	0.10
118	North Macedonia 北马其顿	MKD	0.10
119	Oman 阿曼	OMN	0.10
120	Portugal 葡萄牙	PRT	0.10
121	Qatar 卡塔尔	QAT	0.10
122	Romania 罗马尼亚	ROU	0.10
123	Saudi Arabia 沙特阿拉伯	SAU	0.10
124	Serbia 塞尔维亚	SRB	0.10
125	Slovak Republic 斯洛伐克	SVK	0.10
126	Slovenia 斯洛文尼亚	SVN	0.10
127	Solomon Islands 所罗门群岛	SLB	0.10
128	Spain 西班牙	ESP	0.10
129	Sri Lanka 斯里兰卡	LKA	0.10
130	Switzerland 瑞士	CHE	0.10
131	Tajikistan 塔吉克斯坦	TJK	0.10
132	Tunisia 突尼斯	TUN	0.10
133	United Arab Emirates 阿联酋	ARE	0.10
134	Viet Nam 越南	VNM	0.10
135	Yemen, Rep. 也门	YEM	0.10
136	Bangladesh 孟加拉国	BGD	0.01
137	Jordan 约旦	JOR	0.01
138	Syrian Arab Republic 叙利亚	SYR	0.01
139	Vanuatu 瓦努阿图	VUT	0.01

使用建议、常见误用与研究场景

数值较高通常意味着什么

该指标数值越高，表示在特定时期内未感染人群中新发生HIV感染的风险越大，反映该地区HIV传播较为活跃或检测发现能力较强。

数值较低通常意味着什么

该指标数值越低，表示未感染人群中新发生HIV感染的风险越小，反映该地区HIV传播速度放缓或防治措施有效降低了新发感染。

鍙ｅ緞闄愬埗

该指标是人口标准化后的相对值，无法直接反映绝对感染人数规模
数据为模型估计值，存在不同程度的测量误差和不确定性
跨国比较受各国检测能力、报告系统差异影响
无法区分新发感染率下降是由防治成效还是易感人群减少所致
该指标不反映感染者的治疗状况和生存质量
高值可能反映高传播，也可能反映高检测率，解读时需谨慎

使用建议

结合患病率指标（SH.DYN.AIDS.ZS）综合判断疫情规模
结合抗逆转录病毒治疗覆盖率（SH.HIV.ARTC.ZS）评估防治成效
结合死亡率和影响因素指标分析新发感染变化的原因
注意数据修订和回溯可能改变历史趋势判断
结合特定年龄组指标（如15-24岁感染率）分析高危人群特征
跨国家比较时考虑人口结构、检测能力和报告体系差异
使用时注明数据估计方法和不确定性范围

常见错误用法

错误做法：直接将该指标数值等同于某国家或地区的HIV感染总人数

正确做法：该指标是每千名未感染人口中的新发感染数，反映的是发病率而非患病率，如需了解总感染人数应使用患病率指标

将发病率误读为患病率会严重高估实际感染规模，该指标的分母是未感染人口而非总人口

错误做法：仅根据该指标数值高低直接判断不同国家的艾滋病疫情严重程度

正确做法：跨国比较时需同时考虑患病率、检测覆盖率和人口结构等因素，不能仅凭单一指标下结论

该指标为人口标准化的相对值，且受检测能力和报告意愿影响，高值可能反映高检测率而非高传播

错误做法：直接使用世界银行历史数据与其他来源数据进行趋势对比

正确做法：使用前应核查是否有最新数据修订公告，并在报告中注明数据版本和估计方法

世界银行对该指标数据进行了系统性回溯修订，历史数值可能因模型更新而发生改变

错误做法：将该指标与抗逆转录病毒治疗覆盖率等干预指标直接相加或混淆使用

正确做法：该指标反映新发感染风险，干预指标应作为独立变量用于分析防治效果的影响机制

将过程指标与结果指标混淆使用会导致因果推断逻辑混乱，影响研究结论的准确性

错误做法：基于该指标下降趋势直接得出防治政策有效的结论

正确做法：下降原因需结合多种因素综合分析，包括易感人群减少、干预力度变化和行为模式转变等

新发感染率下降可能部分反映易感人群减少，而非防治成效的唯一体现

实际应用场景

全球艾滋病防治进程的时间序列分析：研究者利用1990-2024年各年度数据，分析全球HIV新发感染率的长期变化轨迹及其驱动因素被解释变量（结果指标）可采用断点回归或H-P滤波法识别峰值转折点，结合ART覆盖率、高危人群干预支出等变量进行多元回归，量化各防治措施的独立贡献
抗逆转录病毒治疗覆盖率对HIV新发感染的影响机制研究：评估ART推广对新发感染率变化的因果效应，分析治疗即预防理念的实际成效被解释变量（受影响变量）建议使用面板数据固定效应模型或双重差分法，控制国家固定效应和时间趋势，并考虑ART覆盖率与新发感染率之间可能的滞后期
卫生资源分配与HIV新发感染率的国际比较：在控制人均卫生支出的前提下，分析不同收入水平国家的新发感染率差异及其决定因素被解释变量（比较指标）需注意数据的跨国可比性限制，建议将国家按收入水平分组后进行分层分析，并报告各组内国家间的数据离散程度
新发感染率作为HIV流行病学监测的稳健性检验变量：在使用患病率指标进行研究时，以新发感染率作为稳健性检验变量，验证核心结论的可靠性稳健性检验变量两种指标虽存在相关性但含义不同，若核心结论在新发感染率下依然成立，可增强研究可信度