15-49岁成年人新感染艾滋病病毒人数

Adults (ages 15-49) newly infected with HIV

下载数据

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

2024最新有效年份

132最新年份有值国家

265历史上有数据经济体

72%总体缺失率

指标解释

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

Number of adults (ages 15-49) newly infected with HIV.

可供参考的中文翻译：15-49岁成年人新感染艾滋病病毒的人数。

数据口径与风险提示

该指标为绝对数量，无法直接比较不同人口规模的国家间的HIV感染风险
世卫组织与联合国艾滋病规划署对各国HIV估计方法存在差异，部分国家数据可能基于模型而非实际监测
由于中国在该指标上缺乏可靠数据，世界排名中不包含中国位置信息
1990年代以前全球HIV监测体系尚不完善，历史数据可能存在低估
该指标反映新发感染而非患病存量，与流行率指标含义不同
数据更新存在延迟，最新数据可能反映2-3年前的估计值
发展中国家受检测能力限制，新发病例报告率可能显著低于实际发生率

中国趋势

趋势解读

世界银行数据库中未收录中国在该指标上的可靠数据，无法进行趋势分析。这可能与中国的HIV监测数据报告体系、统计口径或数据开放程度有关。建议查阅中国国家卫生健康委员会或中国疾病预防控制中心的专项报告获取相关数据。

中国数据缺失，无法与中国HIV新发感染趋势进行对比
本指标绝对数量受人口基数影响，不宜直接用于中西方比较

全球趋势

趋势解读

全球15-49岁成年人新感染HIV人数从1990年的210万人波动下降至2024年的110万人，34年间减少约47.6%。峰值出现在1994-1996年间，年均为260万人，此后呈现持续下降趋势。2010年代后下降速度有所放缓，年均减少量从约10万人降至约5-6万人。2023-2024年数据持平于110万人，可能反映全球HIV新发感染进入平台期。

1990年新感染人数210万人，2024年为110万人
1994-1996年连续三年达到260万人的历史峰值
从峰值到2024年累计减少约150万人
最近十年（2015-2024）从年均150万人降至110万人
数据基于各国向世卫组织报告及模型估算，实际新发感染可能被低估
全球数据为所有国家汇总，未区分不同地区或收入水平的变化
该指标为绝对数量，人口增长可能导致下降幅度被高估
新发感染下降不等于HIV流行得到完全控制，存量感染者仍在接受治疗

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	全球在此阶段初期出现HIV/AIDS大规模流行，新发感染从1990年的210万人上升至1996年峰值260万人，随后略有下降至1999年的230万人，期内全球增长约9.5%，反映全球艾滋病流行的加速扩散期。
2000-2009	-	0.8x	全球新发感染在此十年下降约22.7%，从2000年的220万人降至2009年的170万人，这可能反映抗逆转录病毒治疗推广和预防干预措施逐步发挥作用，但下降速度受资源可及性和人口增长等因素制约。
2010-2019	-	0.8x	全球新发感染继续下降约23.5%，从2010年的170万人降至2019年的130万人，下降斜率与上一个十年相近，可能意味着预防干预进入边际效益递减阶段。
2020-2029	-	0.8x	已有数据显示2020-2024年从130万人降至110万人（约15.4%），若趋势持续可能部分反映预防母婴传播项目和青年群体干预的累积效果，但新冠疫情对HIV检测和报告的干扰也可能影响数据质量。

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	150,000
2	Mozambique 莫桑比克	MOZ	70,000
3	Tanzania 坦桑尼亚	TZA	36,000
4	Philippines 菲律宾	PHL	30,000
5	Uganda 乌干达	UGA	30,000
6	Nigeria 尼日利亚	NGA	29,000
7	Zambia 赞比亚	ZMB	26,000
8	Mexico 墨西哥	MEX	21,000
9	Congo, Dem. Rep. 刚果（金）	COD	16,000
10	Angola 安哥拉	AGO	15,000
11	Kenya 肯尼亚	KEN	15,000
12	Madagascar 马达加斯加	MDG	14,000
13	Ghana 加纳	GHA	13,000
14	Zimbabwe 津巴布韦	ZWE	12,000
15	Cameroon 喀麦隆	CMR	9,700
16	Myanmar 缅甸	MMR	9,700
17	Malawi 马拉维	MWI	9,400
18	Congo, Rep. 刚果（布）	COG	8,000
19	Thailand 泰国	THA	7,900
20	Papua New Guinea 巴布亚新几内亚	PNG	7,600
21	Venezuela, RB 委内瑞拉	VEN	7,500
22	Ethiopia 埃塞俄比亚	ETH	6,400
23	Cote d'Ivoire 科特迪瓦	CIV	6,300
24	Peru 秘鲁	PER	6,000
25	South Sudan 南苏丹	SSD	5,900
26	Viet Nam 越南	VNM	5,900
27	Egypt, Arab Rep. 埃及	EGY	5,800
28	Sudan 苏丹	SDN	5,700
29	Argentina 阿根廷	ARG	4,600
30	Haiti 海地	HTI	4,400
31	Botswana 博茨瓦纳	BWA	3,800
32	Chile 智利	CHL	3,800
33	Eswatini 斯威士兰	SWZ	3,800
34	Namibia 纳米比亚	NAM	3,700
35	Italy 意大利	ITA	3,500
36	Guinea 几内亚	GIN	3,400
37	Dominican Republic 多米尼加共和国	DOM	3,300
38	Spain 西班牙	ESP	3,000
39	Central African Republic 中非共和国	CAF	2,800
40	Chad 乍得	TCD	2,800
41	Lesotho 莱索托	LSO	2,700
42	Mali 马里	MLI	2,600
43	Senegal 塞内加尔	SEN	2,600
44	Malaysia 马来西亚	MYS	2,500
45	Togo 多哥	TGO	2,400
46	Algeria 阿尔及利亚	DZA	2,300
47	Germany 德国	DEU	2,100
48	Kazakhstan 哈萨克斯坦	KAZ	2,100
49	Rwanda 卢旺达	RWA	2,100
50	Burkina Faso 布基纳法索	BFA	2,000
51	Bolivia 玻利维亚	BOL	1,800
52	Cuba 古巴	CUB	1,700
53	Ecuador 厄瓜多尔	ECU	1,700
54	Sierra Leone 塞拉利昂	SLE	1,700
55	Afghanistan 阿富汗	AFG	1,600
56	Panama 巴拿马	PAN	1,400
57	Saudi Arabia 沙特阿拉伯	SAU	1,400
58	Yemen, Rep. 也门	YEM	1,400
59	Guatemala 危地马拉	GTM	1,300
60	Cambodia 柬埔寨	KHM	1,200
61	Fiji 斐济	FJI	1,200
62	Gabon 加蓬	GAB	1,200
63	Costa Rica 哥斯达黎加	CRI	1,100
64	Lao PDR 老挝	LAO	1,100
65	Paraguay 巴拉圭	PRY	1,100
66	Burundi 布隆迪	BDI	930.0
67	Jamaica 牙买加	JAM	910.0
68	El Salvador 萨尔瓦多	SLV	880.0
69	Gambia, The 冈比亚	GMB	870.0
70	Morocco 摩洛哥	MAR	870.0
71	Benin 贝宁	BEN	860.0
72	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	830.0
73	Niger 尼日尔	NER	720.0
74	Portugal 葡萄牙	PRT	700.0
75	Iraq 伊拉克	IRQ	680.0
76	Guinea-Bissau 几内亚比绍	GNB	620.0
77	Tunisia 突尼斯	TUN	620.0
78	Moldova 摩尔多瓦	MDA	570.0
79	Armenia 亚美尼亚	ARM	550.0
80	Nepal 尼泊尔	NPL	540.0
81	Georgia 格鲁吉亚	GEO	510.0
82	Greece 希腊	GRC	510.0
83	Azerbaijan 阿塞拜疆	AZE	500.0
84	Belgium 比利时	BEL	500.0
85	Bulgaria 保加利亚	BGR	500.0
86	Djibouti 吉布提	DJI	500.0
87	Eritrea 厄立特里亚	ERI	500.0
88	Guyana 圭亚那	GUY	500.0
89	Honduras 洪都拉斯	HND	500.0
90	Libya 利比亚	LBY	500.0
91	Romania 罗马尼亚	ROU	500.0
92	Sri Lanka 斯里兰卡	LKA	500.0
93	Suriname 苏里南	SUR	500.0
94	Switzerland 瑞士	CHE	500.0
95	Tajikistan 塔吉克斯坦	TJK	500.0
96	Belize 伯利兹	BLZ	200.0
97	Cabo Verde 佛得角	CPV	200.0
98	Ireland 爱尔兰	IRL	200.0
99	Latvia 拉脱维亚	LVA	200.0
100	Lithuania 立陶宛	LTU	200.0
101	Mauritania 毛里塔尼亚	MRT	200.0
102	Oman 阿曼	OMN	200.0
103	Qatar 卡塔尔	QAT	200.0
104	Serbia 塞尔维亚	SRB	200.0
105	Timor-Leste 东帝汶	TLS	200.0
106	United Arab Emirates 阿联酋	ARE	200.0
107	Albania 阿尔巴尼亚	ALB	100.0
108	Antigua and Barbuda 安提瓜和巴布达	ATG	100.0
109	Bahamas, The 巴哈马	BHS	100.0
110	Bahrain 巴林	BHR	100.0
111	Barbados 巴巴多斯	BRB	100.0
112	Bhutan 不丹	BTN	100.0
113	Comoros 科摩罗	COM	100.0
114	Croatia 克罗地亚	HRV	100.0
115	Denmark 丹麦	DNK	100.0
116	Dominica 多米尼克	DMA	100.0
117	Estonia 爱沙尼亚	EST	100.0
118	Iceland 冰岛	ISL	100.0
119	Jordan 约旦	JOR	100.0
120	Luxembourg 卢森堡	LUX	100.0
121	Maldives 马尔代夫	MDV	100.0
122	Malta 马耳他	MLT	100.0
123	Mongolia 蒙古	MNG	100.0
124	Montenegro 黑山	MNE	100.0
125	New Zealand 新西兰	NZL	100.0
126	North Macedonia 北马其顿	MKD	100.0
127	Slovak Republic 斯洛伐克	SVK	100.0
128	Slovenia 斯洛文尼亚	SVN	100.0
129	St. Kitts and Nevis 圣基茨和尼维斯	KNA	100.0
130	St. Lucia 圣卢西亚	LCA	100.0
131	St. Vincent and the Grenadines 圣文森特和格林纳丁斯	VCT	100.0
132	Syrian Arab Republic 叙利亚	SYR	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

新发感染人数较高可能反映高危行为流行程度较高、预防干预覆盖不足、检测可及性有限或人口基数较大，需要结合流行率指标综合判断。

数值较低通常意味着什么

新发感染人数较少可能表明预防干预有效、风险行为改变或检测报告系统薄弱，需区分是实际感染减少还是监测不足导致的低估。

鍙ｅ緞闄愬埗

绝对数量受人口规模和年龄结构影响，不适合直接用于跨国比较
该指标仅反映新发感染，无法体现患病存量或疾病负担
数据质量因国家监测能力差异较大，部分低收入国家数据可靠性较低
无法区分不同传播途径（如性传播、血液传播、母婴传播）的贡献
时间序列在1990年之前数据缺失，无法分析HIV流行早期阶段

使用建议

进行跨国比较时优先使用感染率指标（每千人）而非绝对数量
结合患病率指标分析HIV流行阶段和干预效果
使用时注明数据来源和估算方法，关注数据修订
关注数据完整性和国家覆盖率的长期变化趋势
结合抗逆转录病毒治疗覆盖率等干预指标进行综合评估
对于时间序列分析，注意模型方法变更可能导致的数据跳跃

常见错误用法

错误做法：将中国的新发HIV感染人数与南非、尼日利亚等高流行国家直接比较，得出中国HIV问题更轻的结论

正确做法：使用感染率指标（如每千人）或说明中国数据缺失的限制

绝对数量受人口规模影响，南非人口仅约6000万但新发感染达15万人，中国人口是其20余倍，若有数据绝对值可能更高但感染率可能更低

错误做法：将新发感染人数下降解读为HIV/AIDS疫情已得到控制

正确做法：结合患病率、治疗覆盖率和死亡数据综合评估

新发感染下降是防治成效的积极信号，但存量感染者持续接受治疗也会产生巨大公共卫生负担

错误做法：使用该指标评估某地区或人群的HIV风险高低

正确做法：使用感染率指标（每千人未感染人群）评估相对风险

绝对数量反映的是规模而非强度，人口密集地区自然会有较多新发病例，但风险高低需看比率

错误做法：将世界银行数据与中国官方数据混用比较

正确做法：确认数据来源的一致性，了解不同机构的方法差异

世卫组织、UNAIDS和各国卫生部门的估算模型可能存在差异，混用可能产生逻辑矛盾

实际应用场景

全球HIV/AIDS流行趋势与公共卫生投入关系研究：分析抗逆转录病毒治疗覆盖率提高与新发感染下降的关联被解释变量可使用面板数据回归，控制人均卫生支出、检测覆盖率等变量，检验ART覆盖率对感染率的影响，同时注意内生性问题
HIV高负担国家的疾病负担比较：在全球前20个高负担国家中分析新发感染与死亡、治疗覆盖的关系比较变量以新发感染人数作为规模指标，结合感染率、治疗覆盖率等强度指标进行多维度比较，注意人口基数标准化
发展中国家HIV监测数据质量评估：比较世行数据与世卫组织、UNAIDS报告数据的一致性稳健性检验变量将不同数据源的新发感染估算进行相关性分析，识别数据差异较大的国家及其可能原因
母婴传播干预项目效果评估：分析PMTCT覆盖率变化对儿童新发感染的影响机制变量可引入抗逆转录病毒治疗覆盖率或PMTCT覆盖率作为中介变量，研究预防项目对新发感染的传导路径