15-24岁青年新增HIV感染人数

指标解释

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

Number of young people (ages 15-24) newly infected with HIV.

可供参考的中文翻译：15-24岁年龄段新感染艾滋病病毒（HIV）的人数。该指标反映青年人群中HIV新发感染的规模，是评估艾滋病流行趋势和公共卫生干预效果的核心监测指标之一。数据通常基于各国艾滋病监测系统、流行病学调查和模型估计，可能因报告完整性差异而存在口径不一致问题。

数据口径与风险提示

本指标为绝对人数，高人口基数国家的数值可能偏高，但并不直接反映感染率或公共卫生风险水平
中国在此指标上的数据记录极为有限，历史年度数据几乎全部缺失，不宜进行中跨国长期趋势比较
WHO/UNAIDS采用模型估计法推算各国HIV新发感染数，实际统计口径和采样方法可能存在差异
青年人群新发感染受检测覆盖率、行为监测频率和报告制度完善程度影响，不同国家数据可比性受限
数据存在年份断层，1960-1989年中国数据完全缺失，1990年前全球数据亦不完整
本指标仅反映新增感染人数，不包含现存感染者的累计存量信息

中国趋势

趋势解读

中国在15-24岁青年新增HIV感染人数这一指标上暂无公开可用的连续数据记录。现有世界银行数据库中未包含中国的历年数值，因此无法基于本指标对中国青年HIV感染趋势进行直接描述或跨国比较分析。如需了解中国青年群体HIV感染状况，建议参考中国疾病预防控制中心发布的国家艾滋病疫情报告及相关流行病学研究。

数据库中中国数据记录数量为零，完全缺失任何可用年份的数值
无法计算中国的变化率、峰值、谷值或与世界的比值关系
不得基于缺失数据推断中国的实际疫情水平或趋势方向

全球趋势

趋势解读

全球15-24岁青年新增HIV感染人数呈现显著长期下降趋势，从1990年的约84万人逐步降至2024年的约37万人，降幅接近56%。全球流行在1990年代中期达到高峰（约110万人），此后受抗逆转录病毒治疗推广、预防干预加强和公众意识提升等因素影响，新发感染率持续回落。2020年代以来下降速度有所放缓，可能反映高负担地区干预覆盖不足或易感人群规模变化等结构性问题。该绝对数值的下降需结合15-24岁人口规模和感染率综合解读。

1990年全球青年新增HIV感染约84万人，此后持续攀升
1995-1997年达到峰值约110万人，是当前水平的约3倍
2024年降至约37万人，为有记录以来的最低水平
1990年至2024年间全球累计减少约47万人的年新发感染规模
近期变化趋于平缓，2023至2024年降幅仅约1万人
绝对人数下降可能部分源于该年龄段人口规模变化，而非感染率实际降低
高负担地区（撒哈拉以南非洲）占全球比例极高，掩盖了其他区域的差异特征
新发感染统计高度依赖检测和报告体系完善程度，历史数据可能存在系统性低估

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	全球青年HIV新发感染在1990年代呈上升趋势（约1.14倍），可能反映艾滋病在全球加速扩散阶段的流行特征；但同期中国数据缺失，无法进行跨国对比，该十年倍数差异的解读需结合各国监测能力和疫情基础水平综合考量。
2000-2009	-	0.8x	全球青年新增感染降至约0.75倍，显示出预防干预开始发挥作用；中国数据仍不可得，意味着该阶段中国青年HIV流行状况在本数据库中缺乏量化依据。
2010-2019	-	0.7x	全球进一步降至约0.66倍，下降加速可能与抗逆转录病毒治疗覆盖率大幅提升和母婴阻断措施推广相关；但中国数据的持续缺失使得中外趋势分化的具体原因无法直接验证。
2020-2029	-	0.9x	全球比例回升至约0.86倍，降幅明显收窄，可能反映新冠疫情对HIV检测预防服务可及性的冲击，或高负担地区干预进入瓶颈期；中国数据仍然缺失，该阶段全球趋势变化对中国的适用性有待独立数据验证。

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	South Africa 南非	ZAF	71,000
2	Mozambique 莫桑比克	MOZ	34,000
3	India 印度	IND	15,000
4	Tanzania 坦桑尼亚	TZA	15,000
5	Philippines 菲律宾	PHL	14,000
6	Uganda 乌干达	UGA	14,000
7	Indonesia 印度尼西亚	IDN	12,000
8	Nigeria 尼日利亚	NGA	11,000
9	Zambia 赞比亚	ZMB	11,000
10	Mexico 墨西哥	MEX	8,700
11	Angola 安哥拉	AGO	6,400
12	Kenya 肯尼亚	KEN	6,400
13	Congo, Dem. Rep. 刚果（金）	COD	5,900
14	Myanmar 缅甸	MMR	5,700
15	Ghana 加纳	GHA	4,700
16	Zimbabwe 津巴布韦	ZWE	4,400
17	Thailand 泰国	THA	4,000
18	Venezuela, RB 委内瑞拉	VEN	3,700
19	Malawi 马拉维	MWI	3,600
20	Cameroon 喀麦隆	CMR	3,400
21	Congo, Rep. 刚果（布）	COG	3,400
22	Viet Nam 越南	VNM	2,900
23	Ethiopia 埃塞俄比亚	ETH	2,700
24	Madagascar 马达加斯加	MDG	2,700
25	Papua New Guinea 巴布亚新几内亚	PNG	2,400
26	South Sudan 南苏丹	SSD	2,300
27	Cote d'Ivoire 科特迪瓦	CIV	1,800
28	Sudan 苏丹	SDN	1,600
29	Guinea 几内亚	GIN	1,500
30	Botswana 博茨瓦纳	BWA	1,400
31	Eswatini 斯威士兰	SWZ	1,400
32	Haiti 海地	HTI	1,400
33	Mali 马里	MLI	1,400
34	Chad 乍得	TCD	1,300
35	Central African Republic 中非共和国	CAF	1,200
36	Dominican Republic 多米尼加共和国	DOM	1,200
37	Egypt, Arab Rep. 埃及	EGY	1,200
38	Argentina 阿根廷	ARG	1,100
39	Lesotho 莱索托	LSO	1,100
40	Namibia 纳米比亚	NAM	1,100
41	Burkina Faso 布基纳法索	BFA	940.0
42	Chile 智利	CHL	940.0
43	Togo 多哥	TGO	940.0
44	Sierra Leone 塞拉利昂	SLE	890.0
45	Algeria 阿尔及利亚	DZA	870.0
46	Ecuador 厄瓜多尔	ECU	810.0
47	Rwanda 卢旺达	RWA	800.0
48	Panama 巴拿马	PAN	720.0
49	Peru 秘鲁	PER	690.0
50	Yemen, Rep. 也门	YEM	580.0
51	Cambodia 柬埔寨	KHM	550.0
52	Cuba 古巴	CUB	530.0
53	Lao PDR 老挝	LAO	530.0
54	Italy 意大利	ITA	520.0
55	Afghanistan 阿富汗	AFG	500.0
56	Bangladesh 孟加拉国	BGD	500.0
57	Benin 贝宁	BEN	500.0
58	Bolivia 玻利维亚	BOL	500.0
59	Burundi 布隆迪	BDI	500.0
60	Costa Rica 哥斯达黎加	CRI	500.0
61	El Salvador 萨尔瓦多	SLV	500.0
62	Gabon 加蓬	GAB	500.0
63	Guatemala 危地马拉	GTM	500.0
64	Guinea-Bissau 几内亚比绍	GNB	500.0
65	Jamaica 牙买加	JAM	500.0
66	Kazakhstan 哈萨克斯坦	KAZ	500.0
67	Malaysia 马来西亚	MYS	500.0
68	Paraguay 巴拉圭	PRY	500.0
69	Saudi Arabia 沙特阿拉伯	SAU	500.0
70	Senegal 塞内加尔	SEN	500.0
71	Spain 西班牙	ESP	500.0
72	Tunisia 突尼斯	TUN	500.0
73	Eritrea 厄立特里亚	ERI	200.0
74	Fiji 斐济	FJI	200.0
75	Gambia, The 冈比亚	GMB	200.0
76	Greece 希腊	GRC	200.0
77	Iraq 伊拉克	IRQ	200.0
78	Libya 利比亚	LBY	200.0
79	Niger 尼日尔	NER	200.0
80	Romania 罗马尼亚	ROU	200.0
81	Suriname 苏里南	SUR	200.0
82	Albania 阿尔巴尼亚	ALB	100.0
83	Antigua and Barbuda 安提瓜和巴布达	ATG	100.0
84	Armenia 亚美尼亚	ARM	100.0
85	Azerbaijan 阿塞拜疆	AZE	100.0
86	Bahamas, The 巴哈马	BHS	100.0
87	Bahrain 巴林	BHR	100.0
88	Barbados 巴巴多斯	BRB	100.0
89	Belize 伯利兹	BLZ	100.0
90	Bulgaria 保加利亚	BGR	100.0
91	Cabo Verde 佛得角	CPV	100.0
92	Comoros 科摩罗	COM	100.0
93	Croatia 克罗地亚	HRV	100.0
94	Denmark 丹麦	DNK	100.0
95	Djibouti 吉布提	DJI	100.0
96	Dominica 多米尼克	DMA	100.0
97	Estonia 爱沙尼亚	EST	100.0
98	Georgia 格鲁吉亚	GEO	100.0
99	Guyana 圭亚那	GUY	100.0
100	Honduras 洪都拉斯	HND	100.0
101	Iceland 冰岛	ISL	100.0
102	Ireland 爱尔兰	IRL	100.0
103	Jordan 约旦	JOR	100.0
104	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	100.0
105	Latvia 拉脱维亚	LVA	100.0
106	Lithuania 立陶宛	LTU	100.0
107	Luxembourg 卢森堡	LUX	100.0
108	Maldives 马尔代夫	MDV	100.0
109	Malta 马耳他	MLT	100.0
110	Mauritania 毛里塔尼亚	MRT	100.0
111	Moldova 摩尔多瓦	MDA	100.0
112	Mongolia 蒙古	MNG	100.0
113	Montenegro 黑山	MNE	100.0
114	Morocco 摩洛哥	MAR	100.0
115	Nepal 尼泊尔	NPL	100.0
116	New Zealand 新西兰	NZL	100.0
117	North Macedonia 北马其顿	MKD	100.0
118	Oman 阿曼	OMN	100.0
119	Portugal 葡萄牙	PRT	100.0
120	Qatar 卡塔尔	QAT	100.0
121	Serbia 塞尔维亚	SRB	100.0
122	Slovak Republic 斯洛伐克	SVK	100.0
123	Slovenia 斯洛文尼亚	SVN	100.0
124	Sri Lanka 斯里兰卡	LKA	100.0
125	St. Kitts and Nevis 圣基茨和尼维斯	KNA	100.0
126	St. Lucia 圣卢西亚	LCA	100.0
127	St. Vincent and the Grenadines 圣文森特和格林纳丁斯	VCT	100.0
128	Switzerland 瑞士	CHE	100.0
129	Syrian Arab Republic 叙利亚	SYR	100.0
130	Tajikistan 塔吉克斯坦	TJK	100.0
131	Timor-Leste 东帝汶	TLS	100.0
132	United Arab Emirates 阿联酋	ARE	100.0

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，表示当年该年龄段新增HIV感染人数越多，可能反映病毒传播活跃、检测覆盖率提升、或易感人群规模扩大。但绝对人数高并不等同于感染率高，需结合人口基数和感染率指标综合判断。

数值较低通常意味着什么

该指标数值降低，表示当年青年新发感染规模缩小，可能反映预防干预有效、风险行为减少、或检测报告体系变化。但也需警惕因检测服务中断导致的新发感染漏报情况。

鍙ｅ緞闄愬埗

本指标为绝对人数，不具备年龄别感染率含义，跨国比较时应以人口规模为分母进行标准化
数据主要来源于模型估计而非实际统计，各国数据质量和完整性差异显著
数据缺失严重，中国历史数据几乎全部不可得，无法进行完整的中外趋势分析
新发感染统计依赖哨点监测和流行病学调查，检测覆盖率差异可能导致系统性低估
青年群体流动性高，跨境人口的新发感染归因可能存在统计口径不一致
该指标不反映现存感染、治疗结局或死亡率等关键维度信息

使用建议

跨国比较时优先使用15-24岁年龄组感染率指标（如SH.HIV.INCD.YG.P3）消除人口规模影响
结合抗逆转录病毒治疗覆盖率（SH.HIV.ARTC.ZS）评估干预对疫情的实际影响
分析中国数据时应参考国家疾控中心发布的艾滋病防治年报和哨点监测数据
评估趋势时应注意数据来源和统计方法的历史变化，避免将口径变更误读为真实趋势
结合成人HIV新发感染（SH.HIV.INCD）和患病率（SH.DYN.AIDS.ZS）全面理解流行阶段
对撒哈拉以南非洲高负担国家应单独分析，全球汇总数据可能掩盖区域性差异
注意区分新发感染绝对人数下降与感染率下降的不同政策含义

常见错误用法

错误做法：直接用中国青年新增HIV感染人数与世界比较，得出中国疫情比世界更轻的结论

正确做法：明确标注中国数据不可得，在比较分析中说明数据缺失导致的局限性

缺失数据无法支持任何关于中国疫情轻重的推断，错误比较可能误导政策评估和公众认知

错误做法：将全球青年新发感染人数下降解读为所有地区均持续改善

正确做法：结合分地区数据和高负担国家情况，识别下降速度放缓或回升的区域

全球汇总掩盖了不同区域间的显著差异，2020年代全球下降趋缓可能反映高负担地区进入干预瓶颈

错误做法：用该绝对人数指标直接比较不同人口规模国家间的HIV负担

正确做法：使用感染率指标（如每千人未感染人口的新发感染率）进行标准化比较

绝对人数受人口基数影响极大，规模较小的国家可能感染率更高但绝对人数较低

错误做法：将新发感染人数下降等同于HIV流行得到完全控制

正确做法：综合评估治疗覆盖率、现存感染者规模、检测可及性和风险行为指标

新发感染下降可能受检测减少影响，且现存感染者持续需要治疗和关怀服务

错误做法：将该指标作为评价某国艾滋病防治工作成效的唯一依据

正确做法：结合政策环境、防治投入、检测覆盖率和治疗可及性等多维度指标综合评估

新发感染受多种社会和卫生系统因素影响，单一指标难以全面反映防治工作全貌

实际应用场景

全球青年HIV流行趋势与抗病毒治疗覆盖率关系分析：使用面板数据回归考察抗逆转录病毒治疗覆盖率对青年新发感染的滞后影响，控制卫生支出和人口结构变量被解释变量采用滞后一期自变量缓解反向因果；使用固定效应模型控制国家异质性；需处理数据缺失导致的非平衡面板问题
中国青年HIV感染影响因素研究：在缺乏直接数据的情况下，结合HIV患病率、性传播感染率和卫生服务可及性指标构建代理分析框架结果变量因变量数据缺失时，可使用相近年龄组感染率或成年HIV新发感染作为替代被解释变量，注意说明数据限制和替代理由
高负担国家青年HIV新发感染与卫生系统韧性关联研究：以WHO非洲区域高负担国家为样本，考察卫生系统绩效指标对新发感染的影响被解释变量注意高负担国家的内生性问题和选择性偏误；建议使用工具变量或自然实验设计增强因果推断可信度
跨境人口流动与周边国家青年HIV传播网络研究：利用地理相邻国家数据构建空间面板模型，检验人口流动对跨境HIV传播的溢出效应结果变量需获取边境人口流动数据；空间权重矩阵设定应基于实际交通和贸易联系而非单纯地理相邻性