艾滋病病毒新发感染率（15-49岁人群，每千名未感染人群）

Incidence of HIV, ages 15-49 (per 1,000 uninfected population ages 15-49)

下载数据

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

2024最新有效年份

138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 ages 15-49 expressed per 1,000 uninfected population in the year before the period.

可供参考的中文翻译：一定时期内（通常为一年），15-49岁未感染人群中新增艾滋病病毒（HIV）感染人数，以该年龄段每千名未感染人群中的新发感染人数表示。该指标反映的是报告期前一年内的感染风险。

数据口径与风险提示

本指标采用人口估算模型推算，各国数据质量因监测系统能力不同而存在差异
由于统计口径和报告机制差异，国家间比较需谨慎解读
数值反映的是新发感染率而非患病率，低值不一定意味着防治工作完善
撒哈拉以南非洲地区占全球新发感染的主要份额，区域差异悬殊
中国在该指标上缺乏可靠公开数据，世界银行数据库中无中国记录
数据更新存在时滞，最新可用年份因国家而异

中国趋势

趋势解读

世界银行数据库中未收录中国的艾滋病病毒15-49岁年龄组新发感染率数据（SH.HIV.INCD.ZS）。这一数据缺失可能与中国的艾滋病监测报告体系与世界银行的估算方法存在差异有关，也可能因为特定年份的数据未达到其纳入标准。鉴于缺乏可靠的时间序列数据，无法对中国该指标的历史趋势进行有依据的分析，也不宜基于间接数据或传闻进行推断。

数据完全缺失，无法提供任何基于原始数据的趋势描述
无法确定中国是否存在数据报告空白或统计口径不一致问题
不应使用其他来源数据代替世界银行官方数据进行趋势分析
无数据情况下任何关于中国艾滋病感染趋势的表述均属于无依据推测

全球趋势

趋势解读

全球艾滋病病毒新发感染率在1990年至2024年间呈现持续下降态势。1990年全球该指标值为0.78‰，经历1990年代中期峰值（1994年和1995年均为0.91‰）后快速回落，至2000年降至0.70‰，2005年进一步降至0.56‰，2010年为0.48‰，2015年为0.41‰，2020年降至0.33‰，至2024年录得1990年以来最低值0.28‰。从1990年到2024年，全球该指标累计下降约64%，反映出过去三十余年间全球在艾滋病防治、抗逆转录病毒治疗推广和预防干预方面取得的显著进展。近期（2023至2024年）下降速度有所放缓，可能与高风险人群干预触及瓶颈有关。

1990年全球新发感染率为0.78‰，为该指标有记录以来第二高值
1994-1995年达到峰值0.91‰，为历史最高水平
2000年降至0.70‰，较峰值下降约23%
2010年进一步降至0.48‰，约为峰值的53%
2024年降至0.28‰，为历史最低值
从1990年到2024年，全球该指标下降至期初值的约36%
该指标为模型估算值，实际新发感染数据因各国监测能力差异而存在不确定性
全球汇总数据掩盖了区域和国家间的巨大差异

每十年变化摘要

十年区间	中国变化	世界变化	提示
1960-1969	-	-	该时期缺乏可靠的中国和全球数据，世界银行未收录该阶段估算值，无法进行任何趋势比较。
1970-1979	-	-	该时期缺乏可靠的中国和全球数据基础，世界银行数据库中无相应记录，不宜进行数据解读。
1980-1989	-	-	该时期中国和全球数据均未被纳入估算体系，无法评估该阶段艾滋病流行初期的情况。
1990-1999	-	0.9x	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。
2000-2009	-	0.7x	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。
2010-2019	-	0.7x	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	-	0.8x	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。

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	7.50
2	South Africa 南非	ZAF	5.20
3	Mozambique 莫桑比克	MOZ	4.90
4	Botswana 博茨瓦纳	BWA	3.10
5	Lesotho 莱索托	LSO	3.10
6	Zambia 赞比亚	ZMB	2.80
7	Congo, Rep. 刚果（布）	COG	2.70
8	Namibia 纳米比亚	NAM	2.60
9	Fiji 斐济	FJI	2.50
10	Papua New Guinea 巴布亚新几内亚	PNG	1.40
11	Uganda 乌干达	UGA	1.40
12	Zimbabwe 津巴布韦	ZWE	1.40
13	Guyana 圭亚那	GUY	1.20
14	Suriname 苏里南	SUR	1.10
15	Tanzania 坦桑尼亚	TZA	1.10
16	Gabon 加蓬	GAB	0.98
17	Central African Republic 中非共和国	CAF	0.95
18	Malawi 马拉维	MWI	0.92
19	Madagascar 马达加斯加	MDG	0.90
20	Angola 安哥拉	AGO	0.89
21	South Sudan 南苏丹	SSD	0.80
22	Ghana 加纳	GHA	0.79
23	Belize 伯利兹	BLZ	0.75
24	Antigua and Barbuda 安提瓜和巴布达	ATG	0.73
25	Cameroon 喀麦隆	CMR	0.70
26	Haiti 海地	HTI	0.70
27	Cabo Verde 佛得角	CPV	0.68
28	Gambia, The 冈比亚	GMB	0.65
29	Panama 巴拿马	PAN	0.63
30	Togo 多哥	TGO	0.58
31	Djibouti 吉布提	DJI	0.57
32	Dominican Republic 多米尼加共和国	DOM	0.57
33	Guinea-Bissau 几内亚比绍	GNB	0.57
34	Jamaica 牙买加	JAM	0.57
35	Barbados 巴巴多斯	BRB	0.55
36	Venezuela, RB 委内瑞拉	VEN	0.54
37	Kenya 肯尼亚	KEN	0.53
38	St. Kitts and Nevis 圣基茨和尼维斯	KNA	0.49
39	Guinea 几内亚	GIN	0.48
40	Moldova 摩尔多瓦	MDA	0.48
41	Philippines 菲律宾	PHL	0.48
42	Tuvalu 图瓦卢	TUV	0.48
43	Brazil 巴西	BRA	0.47
44	Costa Rica 哥斯达黎加	CRI	0.41
45	Cote d'Ivoire 科特迪瓦	CIV	0.41
46	Armenia 亚美尼亚	ARM	0.38
47	Chile 智利	CHL	0.38
48	Sierra Leone 塞拉利昂	SLE	0.38
49	Cuba 古巴	CUB	0.35
50	Myanmar 缅甸	MMR	0.33
51	Peru 秘鲁	PER	0.33
52	St. Lucia 圣卢西亚	LCA	0.33
53	St. Vincent and the Grenadines 圣文森特和格林纳丁斯	VCT	0.32
54	Chad 乍得	TCD	0.30
55	Georgia 格鲁吉亚	GEO	0.30
56	Mexico 墨西哥	MEX	0.30
57	Paraguay 巴拉圭	PRY	0.30
58	Congo, Dem. Rep. 刚果（金）	COD	0.29
59	Rwanda 卢旺达	RWA	0.29
60	Senegal 塞内加尔	SEN	0.28
61	Bolivia 玻利维亚	BOL	0.27
62	Lao PDR 老挝	LAO	0.27
63	El Salvador 萨尔瓦多	SLV	0.26
64	Nigeria 尼日利亚	NGA	0.26
65	Mali 马里	MLI	0.25
66	Dominica 多米尼克	DMA	0.23
67	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	0.23
68	Sudan 苏丹	SDN	0.23
69	Thailand 泰国	THA	0.23
70	Kazakhstan 哈萨克斯坦	KAZ	0.21
71	Argentina 阿根廷	ARG	0.20
72	Bahamas, The 巴哈马	BHS	0.19
73	Latvia 拉脱维亚	LVA	0.19
74	Timor-Leste 东帝汶	TLS	0.19
75	Burkina Faso 布基纳法索	BFA	0.18
76	Ecuador 厄瓜多尔	ECU	0.18
77	Eritrea 厄立特里亚	ERI	0.18
78	Malta 马耳他	MLT	0.18
79	Portugal 葡萄牙	PRT	0.17
80	Bhutan 不丹	BTN	0.15
81	Indonesia 印度尼西亚	IDN	0.15
82	Italy 意大利	ITA	0.15
83	Burundi 布隆迪	BDI	0.14
84	Luxembourg 卢森堡	LUX	0.14
85	Spain 西班牙	ESP	0.14
86	Cambodia 柬埔寨	KHM	0.13
87	Guatemala 危地马拉	GTM	0.13
88	Malaysia 马来西亚	MYS	0.13
89	Benin 贝宁	BEN	0.12
90	Ethiopia 埃塞俄比亚	ETH	0.12
91	Greece 希腊	GRC	0.12
92	Lithuania 立陶宛	LTU	0.12
93	Libya 利比亚	LBY	0.11
94	Montenegro 黑山	MNE	0.11
95	Viet Nam 越南	VNM	0.11
96	Afghanistan 阿富汗	AFG	0.10
97	Albania 阿尔巴尼亚	ALB	0.10
98	Algeria 阿尔及利亚	DZA	0.10
99	Azerbaijan 阿塞拜疆	AZE	0.10
100	Bahrain 巴林	BHR	0.10
101	Bangladesh 孟加拉国	BGD	0.10
102	Belgium 比利时	BEL	0.10
103	Bulgaria 保加利亚	BGR	0.10
104	Comoros 科摩罗	COM	0.10
105	Croatia 克罗地亚	HRV	0.10
106	Denmark 丹麦	DNK	0.10
107	Egypt, Arab Rep. 埃及	EGY	0.10
108	Estonia 爱沙尼亚	EST	0.10
109	Germany 德国	DEU	0.10
110	Honduras 洪都拉斯	HND	0.10
111	Iceland 冰岛	ISL	0.10
112	Iraq 伊拉克	IRQ	0.10
113	Ireland 爱尔兰	IRL	0.10
114	Maldives 马尔代夫	MDV	0.10
115	Mauritania 毛里塔尼亚	MRT	0.10
116	Mongolia 蒙古	MNG	0.10
117	Morocco 摩洛哥	MAR	0.10
118	Nepal 尼泊尔	NPL	0.10
119	New Zealand 新西兰	NZL	0.10
120	Niger 尼日尔	NER	0.10
121	North Macedonia 北马其顿	MKD	0.10
122	Oman 阿曼	OMN	0.10
123	Qatar 卡塔尔	QAT	0.10
124	Romania 罗马尼亚	ROU	0.10
125	Saudi Arabia 沙特阿拉伯	SAU	0.10
126	Serbia 塞尔维亚	SRB	0.10
127	Slovak Republic 斯洛伐克	SVK	0.10
128	Slovenia 斯洛文尼亚	SVN	0.10
129	Solomon Islands 所罗门群岛	SLB	0.10
130	Sri Lanka 斯里兰卡	LKA	0.10
131	Switzerland 瑞士	CHE	0.10
132	Tajikistan 塔吉克斯坦	TJK	0.10
133	Tunisia 突尼斯	TUN	0.10
134	United Arab Emirates 阿联酋	ARE	0.10
135	Vanuatu 瓦努阿图	VUT	0.10
136	Yemen, Rep. 也门	YEM	0.10
137	Jordan 约旦	JOR	0.01
138	Syrian Arab Republic 叙利亚	SYR	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，意味着每千名未感染人群中新发HIV感染人数越多，反映该年龄段人群面临的新增感染风险越高，防治形势相对严峻。

数值较低通常意味着什么

该指标数值越低，意味着新发感染率下降，反映防治干预措施（如安全套推广、母婴阻断、暴露前预防等）取得成效，或易感人群基数发生变化。

鍙ｅ緞闄愬埗

该指标为模型估算值，并非各国实际报告的新发感染绝对人数，直接比较数值高低需谨慎
不同国家监测系统覆盖率和检测可及性差异显著，可能导致低估或高估
人口结构变化（如老龄化）会影响分母进而影响指标值
该指标反映的是15-49岁人群新发感染，不能代表全年龄段的艾滋病负担
跨国比较时需考虑报告制度、统计口径和数据质量差异
该指标不反映现患感染率（流行率），低新发感染率不等于低患病率

使用建议

比较不同国家数据时，应优先选择统计方法和监测能力相近的国家进行对标
进行时间序列分析时，应结合抗逆转录病毒治疗覆盖率等干预指标综合判断
评估防治成效时，宜将新发感染率与患病率、死亡率指标结合使用
研究区域差异时，应参考UNAIDS和WHO的专项报告以获得更完整背景
分析趋势时应考虑人口基数变化的影响，必要时计算绝对感染人数进行验证
涉及政策评估时，建议补充定性研究以理解数据变化背后的行为和社会因素

常见错误用法

错误做法：直接比较中国与全球该指标的绝对值，得出“中国艾滋病防治好于全球”的结论

正确做法：明确说明中国数据缺失这一前提，在有可靠数据前避免进行此类直接比较

由于中国在该指标上无世界银行官方记录，任何直接比较均缺乏数据基础，结论不可靠

错误做法：将新发感染率低解释为“某国家艾滋病防治最好”

正确做法：新发感染率低可能反映多种因素，包括有效干预、检测覆盖不足导致发现率低、人口结构特征等，不宜直接定性

该指标受多种因素影响，低值可能是干预成效，也可能是监测系统薄弱导致漏报，需要结合其他指标综合判断

错误做法：使用新发感染率代替患病率来描述某国艾滋病流行规模

正确做法：新发感染率反映的是新增感染速度，患病率反映的是现有感染者在人群中的比例，两者含义不同

高患病率国家可能因为治疗有效而新发感染率已大幅下降，用新发感染率描述流行规模会误判形势

错误做法：忽略数据估算方法，将该指标视为各国实际报告数据的简单汇总

正确做法：认识到该指标是基于模型和估算得出的，不同国家数据质量和可得性差异会影响最终数值

直接引用数值而不理解其方法论基础可能导致误判数据可靠性和国际可比性

错误做法：根据单一国家某一年的该指标数据得出趋势判断

正确做法：评估趋势应使用多年连续数据，并注意数据修订情况，辅以相关干预指标验证

单一年份数据可能受特殊事件影响而产生异常波动，短期趋势不一定反映长期走向

错误做法：将该指标变化直接归因于单一政策或干预措施

正确做法：该指标变化可能受多种因素影响，包括行为变化、人口流动、检测策略变化等，不宜做简单因果推断

公共卫生指标的变化通常是多种因素共同作用的结果，单一归因可能导致政策建议偏差

实际应用场景

全球艾滋病流行趋势的多维度分析：研究1990-2024年全球HIV新发感染率变化趋势及其驱动因素被解释变量以该指标为因变量，控制抗逆转录病毒治疗覆盖率、安全套使用率等干预指标，使用面板数据回归分析全球趋势的贡献因素，注意处理数据缺失国家的样本选择偏误
中国与全球艾滋病防治差距的计量评估：由于中国在该指标上缺乏世界银行官方数据，需要探索替代数据来源进行间接比较待验证指标世界银行数据库中无中国该指标记录，研究中国艾滋病趋势需要使用UNAIDS数据、中国疾控中心数据或学术调查数据作为补充，不宜直接使用本指标进行中美或中国与全球的比较研究
抗逆转录病毒治疗覆盖率对新发感染率的影响分析：评估ART覆盖率提升对HIV新发感染率下降的贡献机制变量使用抗逆转录病毒治疗覆盖率（SH.HIV.ARTC.ZS）作为核心解释变量，该指标为被解释变量，构建双向固定效应模型，控制年份和国家固定效应，使用工具变量法处理内生性问题
区域艾滋病防治不平等的长期趋势研究：比较不同收入组别和区域的新发感染率变化轨迹比较变量将样本按世界银行收入分组和地理区域分类，考察新发感染率的收敛或发散趋势，使用俱乐部收敛模型检验不同组别是否存在条件收敛特征
高风险人群干预效果的稳健性检验：在研究高危人群干预对艾滋病流行的整体影响时，该指标作为稳健性检验变量稳健性检验在主分析使用患病率指标基础上，以新发感染率作为替代被解释变量，检验核心结论是否保持稳健，注意两者反映的是艾滋病流行的不同维度