信息速览
INFOBOX — STI Prevalence Atlas 一屏速览
维度 内容 本质 WHO 首个中低收入国家 STI 患病率证据图集（患病率汇总数据库），不是个体级微数据 发布 2026-07-03 新闻稿；数据库 2026-09-23 最后更新 部门 WHO Department for HIV, TB, Hepatitis and STIs（主任 Dr Tereza Kasaeva） 规模 766 项研究 / 2,453 个患病率数据点（2026-06 口径） 病种 衣原体、淋病、HSV-2、梅毒、滴虫病（5 类） 地理 低收入与中等收入国家（World Bank 2025 分类），约 150 个国家与地区 时间 多数样本采集于 2010 年及以后 门槛 Study Group 样本量 ≥100；性别可拆分；采集窗口 ≤5 年 分析单位 Study Group = 研究 × 国家 × 性别 × 时段 × 人群 抽取流程 两名抽取员独立抽取 → 团队裁决差异 → WHO 复核 5% 样本 获取 交互式看板 data.who.int/dashboards/sti-prevalence-atlas；未见公开 bulk 下载 / API许可 未明示具体协议；受 WHO 数据政策约束 关键禁忌 不可直接跨国比较；不可当个体数据用；不可当官方上报数据用
§0 导读：这个数据集解决什么问题
在 STI（sexually transmitted infections，性传播感染）研究里，有一个长期存在却很少被非专业读者注意的困境：关于「某个国家、某类人群的淋病患病率是多少」这类最基本的问题，答案往往散落在几百篇互不引用的论文里，口径互不相同，抽检方式五花八门，有的用核酸扩增、有的用血清学、有的用临床诊断。
公共卫生建模者要回答这个问题，通常有两条路：
- 做一次全新的系统综述与元分析（meta-analysis）——周期以年计，且做完之后数据很快过时；
- 直接引用某个大机构的"估计值"——但估计值背后往往是一个黑箱模型，使用者看不到原始证据点，也无法按人群、按年份重切。
STI Prevalence Atlas（性传播感染患病率图集） 是 WHO 对这条路线的第三种解法：不做新的元分析，不产出单一估计值，而是把原始证据点本身，按统一口径整理成一个可查询的图集。截至 2026 年 6 月，它收录 766 项研究与 2,453 个患病率数据点，覆盖衣原体、淋病、HSV-2、梅毒、滴虫病共五类感染，限定在低收入与中等收入国家（LMIC）2010 年以后的证据。
这个定位决定了三件对它影响极大的事，也是本条目要反复强调的三条：
- 它的原子不是人，是「研究里的一个亚人群」。图集里的每一行是 Study Group 的患病率点估计，不是"某个人的检测结果"。所以它天生不适合个体预测建模，而适合做证据合成、参数化、跨人群对照。
- 它的价值在「一致性」，不在「完整性」。为了可比，它牺牲了样本量 <100 的小研究、牺牲了 2010 年前的证据、牺牲了高收入国家数据。这种牺牲是有意的，但使用者必须知道。
- 它是活的，而且在长。2026-09 的官方文件显示，潜在合格文献已识别 2,439 篇，已抽取 1,487 篇——抽取工作远未完成。任何基于它的结论都必须标时点。
本条目对「患病率汇总数据库」与「个体级数据集」的区别、对获取方式的真实状况（看板可以看，但没有公开 bulk 下载）、以及对常见的误用方式，都做了专节说明。
§1 数据集速览：十问十答
Q1：STI Prevalence Atlas 是什么？
WHO 于 2026 年 7 月 3 日发布的一个开放获取的全球性病患病率图集。官方描述为 “the first global platform to provide consolidated, standardized and quality-assured STI prevalence data from low- and middle-income countries from 2010 onwards”——注意限定词：合并的（consolidated）、标准化的（standardized）、经过质量保证的（quality-assured），且限定 LMIC、限定 2010 年起。它不是「世界第一个 STI 数据」。
Q2：它有多大？
2026 年 6 月口径：766 项研究、2,453 个患病率数据点。这两个数字不能换算成"人数"——数据库不提供覆盖人口数，也不提供个体记录。
Q3：覆盖哪些病？
五类：衣原体（Chlamydia trachomatis）、淋病（Neisseria gonorrhoeae）、HSV-2（单纯疱疹病毒 2 型）、梅毒（Treponema pallidum）、滴虫病（Trichomonas vaginalis）。官方称这是"dynamic resource"，后续会扩展病种。
Q4：覆盖哪些国家？
低收入与中等收入国家，按 World Bank 2025 分类。方法页给出国家清单，人工计数约 150 个，含 Kosovo、Palestinian Territories、American Samoa 等非标准 ISO 主体；官方未公布总数。
Q5：收什么研究？
横断面、基于人群或流行病学研究，报告患病率估计。干预研究只取基线数据；病例对照研究把病例与对照分开录入。排除回顾性病历综述、二次分析、病例报告、社论、综述、监测报告、仅有方案的文章。
Q6：门槛有多硬？
四条硬门槛：①多数样本采集于 2010 年后（或 2011-01-01 后投稿 / 2012-01-01 后发表）；②数据可按性别拆分；③Study Group 样本量 ≥100；④采集窗口 ≤5 年（超 5 年但可拆成更短时段的，分段录入）。
Q7：一条「记录」长什么样？
不是"一个人"，是"一个 Study Group"。原文举例：一篇报告两个国家、男女两组、两个年份的研究，会产生 8 个 Study Group。这就是本题最核心的结构事实。
Q8：怎么拿数据？
看板：data.who.int/dashboards/sti-prevalence-atlas。截至抓取时点（2026-10-17），页面未见公开的 bulk 下载按钮，也未见公开 API 端点；图表由前端 JS 渲染，静态抓取拿到的是 “Loading chart…” 占位。
Q9：能免费用于商业吗？
页面未明示许可协议（没有 CC 标识）。WHO 对旗下数据一般适用其数据政策条款，含"不得暗示 WHO 认可""不得转售"等约束。商业使用前必须向 WHO 书面核实。
Q10：它最容易怎么被用错？
三种典型误用：①把它当个体级数据做机器学习训练；②把它当官方监测数据做国别排名；③把不同国家、不同检测方法的点估计直接横向排比。官方自己就写了警告：“Direct comparisons of these data across countries, without proper consideration and statistical adjustments, should be avoided.”
§2 发布脉络：一条新闻稿背后的三层文件
STI Prevalence Atlas 没有对应任何期刊论文。它的"文献"由三份性质不同的官方材料构成，读法也各不相同。
2.1 三份材料的分工
| 材料 | 形态 | 说什么 | 不该拿来干什么 |
|---|---|---|---|
| 新闻稿（2026-07-03） | 面向媒体与公众 | 定位、规模（766/2,453）、五病种、纳入门槛、目标用户、部门负责人引语 | 查具体方法细节（没有） |
方法页 more-information |
面向使用者 | 纳入排除标准全表、Study Group 定义、四张抽取表内容、国家清单 | 查数据内容（只有总览） |
| 数据来源 PDF（13 页，2026-09-24 更新） | 面向方法学审阅者 | 检索式（Annex A）、综述清单（Annex B）、流程图、已识别/已抽取数量 | 查患病率数值（没有数值） |
数据摘要页 data-summary |
面向浏览者 | 图表：研究数、数据点数、按病种、按发表年份、按国家 | 程序化取数（前端渲染） |
这五份材料（含 PDF 内嵌流程图）的分工非常典型：公众看到的数字在新闻稿，审阅者要看的检索式在 PDF 附录，使用者能交互的在看板。三者之间没有互相校验的机制，所以时点差异必然出现（见 §2.3）。
2.2 新闻稿原文的定位表述
新闻稿开篇对其定位的完整表述值得逐字读：
“The open-access database is the first global platform to provide consolidated, standardized and quality-assured STI prevalence data from low- and middle-income countries from 2010 onwards. It addresses long-standing challenges in accessing reliable country- and population-specific data related to STIs, by bringing together both published and unpublished evidence from diverse sources in one place.”
三个关键词解释了它为什么值得单独做一个平台：
- consolidated：把分散的来源"合到一起"，这是最大工作量所在；
- standardized：用统一的四张表把口径不一的研究强行对齐；
- quality-assured：不是"收进来就算"，而是有门槛（n≥100、性别可分、采集窗口 ≤5 年）与流程（双人抽取 + 5% 复核）。
新闻稿同时点明"published and unpublished evidence"——这是它与纯文献综述的关键差别：未发表的国别报告（尤其是 UNAIDS 仓库中的关键人群调查）也被收了进来，见 §3.2。
2.3 三套规模数字，各指不同对象
这是本条目最需要说清的双口径问题，也是极易出错的地方：
| 数字 | 含义 | 时点 | 出处 |
|---|---|---|---|
| 766 | 已入库的研究数 | 2026-06 | 新闻稿 |
| 2,453 | 已入库的患病率数据点数（Study Group 级） | 2026-06 | 新闻稿 |
| 2,439 | 已识别为潜在合格的文献数 | 2026-09-24 | 数据来源 PDF p.1 |
| 1,487 | 已完成抽取的文献数 | 2026-09-24 | 数据来源 PDF p.1 |
这四个数不能互相勾稽。 一个直觉的错误推论是「2,439 篇里抽了 1,487 篇，只完成 61%，那 766 项研究怎么来的？」——答案是：766 是"进入数据库的研究数"，1,487 是"完成抽取的文献数"，两者的计数对象、去重规则、时间点都不同。PDF 自己也说明「Studies that duplicate data in the database are not included unless they are a better source of data in which case the other study is removed」——即重复数据会被剔除、替换，所以"抽取了多少篇"与"最终库里有多少篇研究"之间必然有损耗。
正确做法：引用规模数字时必须带时点与来源。"766 项研究（WHO 2026-06）"可以；"WHO 数据库收录 1,487 篇研究"错误。
2.4 部门与人物
新闻稿的唯一具名人物是 Dr Tereza Kasaeva，头衔原话为 “Director of WHO’s Department for HIV, TB, Hepatitis and STIs”。她的引语把 Atlas 的意义定在"能力建设"层面：
“This database represents a first major step forward in our ability to understand the burden of sexually transmitted infections across diverse populations and settings. By making these data openly accessible, we are equipping countries and partners with the evidence needed to design targeted interventions, strengthen surveillance systems and accelerate progress towards reducing the global impact of STIs.”
注意这段话的两个落点：design targeted interventions（针对性干预设计）与 strengthen surveillance systems（强化监测体系）。它没有承诺 Atlas 能直接产出负担估计——这与 §7 的"它不是估计量生成器"相呼应。
§3 数据构成与抽取架构
3.1 从"研究"到「Study Group」：一次必要的概念切分
理解这个数据集，唯一的入口是 Study Group 这个概念。
“The Atlas extracts data for different populations within a study (called Study Groups). Data are currently being extracted separately by country, gender, and time period. A study that contains data broken down by gender, country or time has multiple Study Groups. For example, a study reporting prevalence data for males and females in two countries for two years will have eight Study Groups.”
把这句话拆开看：
- 抽取单元（what is extracted）= 研究中的某一个亚人群；
- 切分维度（how it is split）= 国家 × 性别 × 时段；
- 额外切分（additional split）= 人群类型（如不同关键人群）；
- 换算规则（arithmetic）= 一篇研究里的每个"国家×性别×时段×人群"组合各算一个 Study Group。
所以 2,453 个数据点对应的不是 2,453 篇论文，也不是 2,453 个人群，而是2,453 个"某研究在某国某性别某几年某人群"的患病率点估计。这个层级的粗细，正好落在"太细不能用（个体诊断）"与"太粗不可用（全国单一值）"之间——这是 Atlas 的核心设计取舍。
3.2 来源的四条管道
数据来源 PDF 明确了四条管道，它们的方法学强度差别很大，用的时候要分开看：
- 一篇自建系统综述（gonorrhoea / chlamydia / trichomoniasis）：由 Anova Health Institute 执行，检索 2010-10 至 2025-10 的文献，四个库（PubMed 最后检索 2025-10-16、Scopus 2025-10-16、Embase 2025-10-28、Global Index Medicus 2025-10-28），Zotero 首轮去重 → Rayyan 二轮去重 → 两阶段筛查。第一阶段用 Rayyan 的自动建议给出"likely include / maybe / likely exclude"的 AI 概率标签来优先人工筛查，第二阶段再由两名公共卫生分析师在 Zotero 中复筛。
- 已发表的系统综述：已识别 2010 年后发表的 89 篇 STI 患病率系统综述，截至 2026-09-24 已筛查 71 篇（Annex B 列出）。
- UNAIDS 国别关键人群报告仓库：截至 2025-10-30，筛查出 287 份疑似含 STI 患病率数据的文件；其中并非全部公开可得，截至 2026-09-24 已从其他渠道取得 76 份并纳入。
- 专项检索与其他来源：PDF 表述为 “ad hoc searches and other sources”。
这四条管道的意义不同：管道 1 有完整检索式（Annex A 逐条列出），可复现；管道 2、3 是二次筛选（从综述和报告里"捞"原始研究），依赖上游综述的检索质量；管道 4 不可复现。任何对 Atlas "完整性"的质疑，本质上都是对管道 2-4 的质疑。
3.3 四张标准抽取表
抽取用四张固定表单，这也是理解字段结构最直接的材料：
| 表单 | 层级 | 收什么 |
|---|---|---|
| Form 1 Study details | 研究 | 目标、研究设计、抽样方法、有患病率数据的 STI、其他感染、是否含并发症与后遗症/耐药检测/检测与治疗覆盖/发病率 |
| Form 2 Study Group details | 亚人群 | 国家、地点、数据采集起止日期、性别、调查类型（社区/临床及其场所）、人群类型、纳入与排除标准、年龄范围、症状状态、HIV 状态、性活跃比例 |
| Form 3 Prevalence data - general | 患病率 | 衣原体、淋病、HSV-2、滴虫病，**按解剖部位（anatomic site）**分列，含样本量与诊断检测方法 |
| Form 4 Prevalence data - syphilis | 患病率 | 梅毒，按 Study Group，含样本量与检测方法 |
两点值得注意：
- 梅毒单列一张表。因为梅毒的诊断逻辑与其他四种不同（血清学为主，需区分既往感染与现症感染、需考虑治疗史），抽取字段也不同（检出方法的组合、滴度信息等）。这意味着梅毒与其他四种 STI 的可比性天然较低，跨病种合并分析要特别小心。
- 按解剖部位拆分。衣原体与淋病在不同部位（生殖道、直肠、咽部）的检出率差异极大，Form 3 按部位分列，使用者必须自己决定"合并哪些部位"——这个决定会显著改变患病率数值。
3.4 质控流程：两人抽取 + 5% 复核
方法页对流程的描述相当具体：
“Eligible papers are assigned a unique study ID and assigned to two extractors. The studies are independently extracted using the four standardised data extraction tools, the results compared, and any discrepancies resolved by the study team. The consolidated data set is then sent to WHO for review and feedback and five percent of samples are reviewed by WHO for completeness and accuracy before uploading to the STI Atlas database.”
拆成四步：
- 双人独立抽取（两名抽取员各自填四张表）；
- 比对 + 团队裁决（discrepancies resolved by the study team）；
- 交 WHO 审阅；
- WHO 抽 5% 复核完整性与准确性。
这个流程在设计上合理，但5% 的抽样率是一个需要使用者自己判断强度的数字：若抽取错误率在 3% 以上，5% 抽样检出错误的能力有限。Atlas 没有公布复核结果（如差错率、返工率），所以"质量保证"这个说法的实证强度无法从公开材料评估。
3.5 纳入排除标准的完整对照
方法页用双栏表列出，是最该被逐条读完的部分：
| 维度 | 纳入 | 排除 |
|---|---|---|
| 数据类型 | 用诊断检测测得的特定感染患病率 | 多病合并报告、基于病例报告/自报症状/病历/问卷的患病率 |
| 地理 | 世界银行 2025 分类下的 LMIC | 多国研究但无法按国拆分且含高收入国家；高收入地区（如香港） |
| 时间 | 多数样本 2010 年后采集；无采集日期时须 2011-01-01 后投稿，或无发表信息时 2012-01-01 后发表 | 多数数据采集于 2010 年前 |
| 设计 | 横断面、基于人群、报告患病率估计的流行病学研究；干预研究只取基线 | 门诊/住院病历的回顾性综述 |
| 研究类型 | 原始数据 | 已发表数据的二次分析 |
| 采集窗口 | ≤5 年；超 5 年但可拆短时段者合格，分段录入 | 超 5 年且无法拆分 |
| 性别拆分 | 按男/女/其他拆分 | 未按性别拆分 |
| 样本量 | Study Group ≥100 | <100 |
其中三条最容易被忽视：
- “用诊断检测测得” 排除了自报症状与问卷数据——这一条把大量行为学调查挡在门外，也意味着 Atlas 里的数字基本都是实验室确认的患病率，而非"自报曾被诊断"的患病率。
- 排除二次分析 排除了"基于已发表数据的再分析"。这意味着同一批原始数据可能经由不同论文多次出现，Atlas 的处理办法是：重复者不重复收录，“除非它是更好的数据来源，此时另一篇会被移除”（PDF p.1）。
- 性别拆分是硬条件——这直接导致只报告合并患病率（不分性别）的研究无法入库，某些国家或某些病种因此系统性偏少。
3.6 数字地图：从 2,439 到 766 的漏斗
把 PDF 与新闻稿的数字串起来，可以画出一条粗略漏斗（注意：这是本条目基于两份文件做的推断性拼接，官方并未给出这条漏斗的完整计数）：
已识别潜在合格文献 2,439 （2026-09-24，PDF p.1）
│ 已抽取
▼
已完成抽取文献 1,487 （2026-09-24，PDF p.1）
│ 去重、替换、逐条核对
▼
入库研究数 766 （2026-06，新闻稿）
│ × 国家 × 性别 × 时段 × 人群
▼
患病率数据点（Study Group） 2,453 （2026-06，新闻稿）
漏斗中间那一段（1,487 → 766）没有官方说明，是本条目列出的遗留疑点之一（见 §10）。合理的解释包括：抽取完成不等于入库（还需 WHO 复核）、重复数据剔除、部分文献最终不满足纳入标准而回退。但这些都是推断，不能当事实写。
§4 方法学解剖：为什么它"可比"，又为什么不能"直接比较"
4.1 「可比」的来源是统一口径，不是统一方法
Atlas 让数据"可比"，靠的全是约束，而不是校正：
- 约束地理（只收 LMIC）；
- 约束时间（多数样本 2010 年后）；
- 约束样本量（≥100）；
- 约束可拆性（必须能按性别拆、采集窗口 ≤5 年）；
- 约束数据性质（必须来自诊断检测，必须原始数据）。
这些约束排除了大量"明显不可比"的研究，但没有消除残余的异质性：不同国家、不同人群、不同检测方法（核酸扩增 vs 血清学 vs 培养 vs 显微镜）、不同解剖部位、不同年龄结构，仍然留在库里。
这就是为什么官方要专门写一句警告：
“Data hosted on this database are from published studies and publicly available reports, and not data reported to WHO by Member States. Direct comparisons of these data across countries, without proper consideration and statistical adjustments, should be avoided.”
这句话包含两层意思，常被只读出第一层：
- 来源警告：这是文献证据，不是成员国上报（后者见 WHO GHO 一类平台）；
- 方法学警告：直接跨国排比需"proper consideration and statistical adjustments"——即必须做校正建模，不能拿点估计排名。
4.2 为什么不能直接比较：四个具体机制
把"不可直接比较"落到操作层面，至少有四个机制在起作用：
机制一：检测方法的灵敏度差异。 核酸扩增检测（NAAT）对衣原体、淋病的灵敏度显著高于培养或酶免疫法；同一人群用 NAAT 测出的患病率可能明显高于用旧方法测出的。Atlas 记录了检测方法（Form 3/4 有"diagnostic tests"字段），但不提供方法学校正。
机制二：采样人群的构成差异。 "孕妇产前门诊"与"性病门诊就诊者"是两个完全不同风险层的人群，都在 Atlas 里。若只看国家层面的合并值，会把这个差异抹平。
机制三：解剖部位的合并规则由使用者决定。 生殖道、直肠、咽部的感染率差异很大；Form 3 分部位记录，合不合、怎么合，是使用者自己的建模选择。
机制四：时间衰减。 采集窗口 ≤5 年，且多数 2010 年后，但一篇 2013 年的研究与一篇 2022 年的研究，其患病率所处的流行阶段可能完全不同。Atlas 记录采集起止日期，但不提供时间校正。
4.3 与"估计值"型数据源的结构差别
公共卫生领域常见两类 STI 数据，容易混淆：
| 类型 | 代表 | 产出 | 单位 | 用途 |
|---|---|---|---|---|
| 估计值型 | 全球疾病负担研究、WHO 全球 STI 估计 | 每个国家-年份-病种一个模型估计值（含不确定性区间） | 国家×年×病种 | 直接进模型、做负担排名 |
| 证据点型 | STI Prevalence Atlas | 每个研究亚人群一个观测点估计 | 研究×人群×地点×时段 | 做证据合成、参数化、异质性分析 |
两者不能互相替代：估计值型是"已经被模型消化过的结果"，证据点型是"喂给模型的原料"。Atlas 的定位是后者，这也是它为什么对建模者有价值——原料可以自己重做一遍模型，结果不行。
4.4 未发表的国别数据：价值与风险并存
Atlas 明确收"unpublished evidence"，特别是从 UNAIDS 关键人群报告仓库里筛出的国别调查。这一类数据的价值很高——关键人群（性工作者、男男性行为者、注射吸毒者、跨性别者等）的数据在同行评审文献里长期稀缺，国别调查往往是唯一来源。
但风险同样明确：
- 国别报告未必经过同行评审，方法与质控水平参差；
- 部分报告不在公开域，PDF 明说 287 份中只有 76 份从其他渠道取得——其余 211 份无法核对；
- 报告的作者单位、伦理审批、检测方法细节可能不完整。
所以用 Atlas 里来自国别报告的数据点时，最好回溯原始报告（PDF 的 Annex 会给出综述清单，但单条数据的原始出处需在 Atlas 记录层查，而记录层在公开看板中并未完整暴露——见 §5.4）。
§5 获取方式：看板能看，但不等于能下载
这一节是本条目最"实操"的部分，也是很多检索者会踩空的地方。
5.1 官方入口
| 入口 | URL | 内容 |
|---|---|---|
| 总览 | data.who.int/dashboards/sti-prevalence-atlas |
一句话定位、五病种、纳入标准摘要、“Contribute to the Atlas” 说明 |
| 数据摘要 | data.who.int/dashboards/sti-prevalence-atlas/data-summary |
多张汇总图表 + “Metadata” 锚点 |
| 方法页 | data.who.int/dashboards/sti-prevalence-atlas/more-information |
纳入排除表、Study Group 定义、四张表单、国家清单 |
| 数据来源 PDF | data.who.int/docs/librariesprovider22/sti-prevalence-atlas/sti-prevalence-atlas---data-sources.pdf?sfvrsn=5e34275_10 |
13 页：检索式、综述清单、流程图（2026-09-24 版） |
| 新闻稿 | who.int/news/item/03-07-2026-who-launches-first-global-database-on-the-prevalence-of-sexually-transmitted-infections |
定位、规模、引语 |
5.2 看板提供什么
data-summary 页面的图表清单（按页面结构顺序）：
- Number of studies（研究数）
- Number of prevalence data points（数据点数）
- Number of studies by date of publication（按发表年份）
- Number of studies by infection（按病种）
- 分病种 tab（Chlamydia / Gonorrhoea / HSV-2 / Syphilis / Trichomoniasis）各自：有患病率数据的研究数、数据点数、按发表年份的研究数
- Number of prevalence data points by country（按国家的数据点数地图）——注意页面上写了一句限定：“Multi-country studies where the data are not broken down by country are not shown on this map”
- Metadata（元数据锚点）
也就是说，公开看板层面能交互看到的主要是"计数"与"分布"：多少研究、多少数据点、按年份、按病种、按国家。患病率数值本身的逐条浏览是否对公众开放，抓取时点未能确认（图表为客户端渲染，页面源只有 “Loading chart…”）。
5.3 有没有 bulk 下载 / API？
截至 2026-10-17 抓取时点：未发现。
- 四个页面（overview / data-summary / more-information / 新闻稿）均未见 “Download”、“Export”、“CSV”、“API” 字样；
- 未见 dataset DOI 或 Zenodo/GitHub 镜像；
- 数据摘要页的 “Metadata” 锚点下未渲染出字段级说明表（页面源中该标题后无内容，内容由 JS 异步加载）。
这不等于"永远没有"。合理的可能性有三：①看板交互后可能有表格视图/导出按钮（需浏览器实测）；②WHO 的 World Health Data Hub 可能有未公开文档化的数据接口；③向 WHO 申请获取。本条目按"未提供公开 bulk 下载"如实记录，并把它列为遗留疑点。
5.4 贡献通道：开放但无门牌号
落地页写：
“The database is being expanded to include unpublished studies and national reports. If you have eligible data that meet the study entry criteria, which you are able to share for inclusion in the Atlas, please contact us.”
没有给出具体邮箱或表单链接。 这与库内多数数据集"有 GitHub issue / HF discussion / 专用邮箱"的惯例不同，是一个实打实的可用性减分项。
5.5 实操建议：如果一定要拿到数值
在无 bulk 下载的前提下，若研究确实需要数值层面数据，可考虑的顺序（均为推断性建议，非官方指引）：
- 先联系 WHO：按 WHO 数据政策页给出的联系方式，说明用途、所需字段、是否可获批量数据；
- 回溯原始文献：方法页 Annex B 有 89 篇系统综述清单，PDF Annex A 有完整检索式——用同一套检索式自己做一次抽取，可得到口径可控的证据集，代价是高工作量；
- 用 UNAIDS 国别报告：关键人群数据的重要来源，公开可得的报告可直接取；
- 不要用前端抓取冒充数据集：从动态图表里 OCR/截图取数，既不可复现也无元数据，学术上不可接受。
§6 许可与合规：一个必须如实说的空白
6.1 现状：页面未明示许可
四个官方页面均未见许可标识（无 CC BY、CC BY-NC-SA、CC0 等）。这一点与同属 WHO 数据生态的 GHO（Global Health Observatory）形成对比——GHO 明确采用 CC BY-NC-SA 3.0 IGO，而 Atlas 页面尚未标注。
如实结论：截至 2026-10-17，Atlas 未公开声明其数据的许可协议。
6.2 WHO 数据政策的一般约束
在无专门声明的情况下，WHO 出版物的使用受其数据政策与使用条款约束（who.int/about/policies/publishing/data-policy/terms-and-conditions）。这类条款的常见要素包括：
- 允许为公共卫生目的免费使用；
- 不得暗示 WHO 对使用者或其产品背书；
- 未经许可不得使用 WHO 名称与标识；
- 不得将数据转售；
- 修改与再分发需遵守具体条款。
这些是 WHO 数据政策的一般框架，不是 Atlas 的专门许可。 本条目不做替代性法律解释，使用者在任何再分发前应向 WHO 书面确认。
6.3 引用的正确姿势
因无数据 DOI，引用应指向平台：
World Health Organization. STI Prevalence Atlas.
https://data.who.int/dashboards/sti-prevalence-atlas （访问日期：YYYY-MM-DD）
若引用具体数字，须带口径时点，例如"766 项研究、2,453 个数据点（WHO，2026 年 6 月口径）"。
6.4 伦理层面：聚合数据也有伦理
这常被忽略：Atlas 虽是个体数据的聚合，但关键人群的患病率本身是敏感信息。当某个国家只有一两个 Study Group 覆盖性工作者时，该国的这一数值在事实上就接近"该人群的标识信息"。使用者在按"国家 × 关键人群"交叉制表时，应自负去标识化责任——这一点官方文件未讨论，属本条目提出的使用建议。
§7 分析与建模：它能做什么、不能做什么
7.1 不能做什么（先说这个，因为误用最多）
① 不能做个体级预测建模。
它没有个体记录，没有协变量（除 Study Group 层面的人口学与行为学摘要字段），因此任何"预测某个人是否感染"的模型都无从训练。用 Study Group 级患病率去训练个体分类器，是单位错配（ecological fallacy 的一种），在方法上不成立。
② 不能直接做国别排名。
官方明示须做统计调整。没有校正的直接排名会同时受检测方法、人群构成、年份、部位合并规则影响，结论不可靠。
③ 不能当官方监测数据。
Atlas 不是成员国上报体系。国家级监测数据应查 WHO GHO 等指标平台或各国卫生部门。两者差异不是"谁更准"，而是性质不同：一个是文献证据的汇总，一个是行政上报的汇总。
④ 不能做纵向趋势的单一序列。
同一国家不同年份的数据点来自不同研究、不同人群、不同方法，拼成一条"时间序列"会产生虚假趋势。
7.2 能做什么（Value Proposition）
① 为区域/全球负担估计提供输入。
这是最直接、也最符合官方意图的用法。新闻稿写 “strengthening the foundation for regional and global estimates of STI burden and trends over time”——Atlas 是基础（foundation），估计仍要建模。
② 异质性研究。
"同一病种在不同人群中的患病率差异有多大？"这是元分析的核心问题，而 Atlas 的 Study Group 结构天然支持按人群、按国家、按年份切片看异质性。
③ 参数化传播动力学模型。
STI 传播模型需要"某类人群的基线患病率与检测率"作为参数。Atlas 提供观测点估计，比引用单一估计值更透明（可给区间、可做敏感性分析）。
④ 证据缺口地图。
"哪些国家/人群/病种几乎没有数据？"这类问题 Atlas 最容易回答，而这类答案对研究资助决策极有价值。data-summary 页的"按国家数据点数"地图正是为这个用途设计的。
⑤ 教学与科普。
作为"流行病学证据长什么样"的教具，Atlas 的 Study Group 结构是极好的案例：它直观展示了"一个数字背后是一组研究设计决策"。
7.3 一个可行的分析流程（示意）
若要做"某区域五类 STI 患病率的合并估计"，一个稳妥的流程是：
- 明确人群定义（例如"15-49 岁一般人群女性"），不要混入性病门诊就诊者；
- 筛选 Study Group：同一病种、同一解剖部位规则、采集年份在某窗口内；
- 记录检测方法，按方法分层或做敏感性分析（NAAT vs 非 NAAT）；
- 做随机效应元分析（而非简单平均），报告 I² 与 τ²；
- 报告数据覆盖度：这一层人群有多少个国家、多少条数据点——覆盖度低时结论要写明"外推受限"；
- 给时点：从哪个版本/日期的 Atlas 取的数。
第 2-3 步是决定成败的地方，也正是 Atlas 不替你做、却给了你原料的部分。
§8 生态位：与 WHO GHO、CDC WONDER 的分工
8.1 三个平台的定位差异
库内已有两个与公共卫生统计强相关的条目，对照起来最能说明 Atlas 的独特位置：
| 平台 | 主体 | 数据性质 | 单位 | 地理 |
|---|---|---|---|---|
| STI Prevalence Atlas | WHO | 文献抽取的患病率观测点 | 研究×人群×地点×时段 | LMIC |
| WHO GHO | WHO | 成员国上报 + 建模的指标值 | 国家×年×指标 | 全球 194 国 |
| CDC WONDER | 美国 CDC | 行政/监测/调查统计结果 | 国家/州×年×人群 | 美国 |
三者并列时，一条清晰的逻辑浮现：高收入国家有行政监测系统（CDC WONDER 类），全球尺度有指标聚合（GHO 类），而 LMIC 的 STI 专题证据此前只有分散的文献。Atlas 补的正是这个洞——它不是替代 GHO，而是给 GHO 一类"指标值"提供文献层的证据地基。
8.2 与 GHO 的互补关系
GHO 里的 STI 相关指标多为国家年值，来源是成员国上报或 WHO 的建模估计。Atlas 的 Study Group 级点估计可以在两个方向上补 GHO：
- 向上：为 WHO 的 STI 负担估计提供可追溯的原始证据点；
- 向下：GHO 只给国家年值，Atlas 能给"某国某类人群某几年"的更细粒度。
但两者不能混用成一张表：GHO 的指标值是"每个国家每一年一个数"，Atlas 的数据点是"每个研究一个数"，直接置于同一坐标轴上会产生虚假的精确感。
8.3 与 WHO 其他 STI 工作的关系
Atlas 的部门归属（HIV, TB, Hepatitis and STIs）说明它在组织上与其他 STI 工作同源。数据来源 PDF 的 Annex B 中，有不少综述的作者来自 WHO 内部或 WHO 委托团队（如 Rowley 等 2019 年发表在 Bulletin of the World Health Organization 的全球 STI 患病率与发病率估计研究），这提示 Atlas 与 WHO 现行全球估计工作共享部分方法学谱系——但Atlas 本身不产出估计值，这一点必须坚持（见 §4.3）。
§9 避坑清单：十个已经踩到或极易踩到的坑
坑 1：把 766 当成"入库文献总数"。
766 是研究数（2026-06），不是文献数。2026-09 的官方文件说已识别 2,439 篇、已抽取 1,487 篇。三个数字的对象完全不同，引用必须带时点与来源。
坑 2：把 Atlas 当个体级数据集。
没有任何个体记录。分析单位是 Study Group。用它的聚合患病率训练个体分类器，是单位错配。
坑 3：以为有 bulk 下载或 API。
截至抓取时点未见公开下载入口与 API；图表前端渲染，静态抓取只得到 “Loading chart…”。需要数值时走 WHO 联系或回溯原始文献（§5.5）。
坑 4：把「首个」读成「唯一」或「最全」。
官方原话限定了三个条件：合并的、标准化的、LMIC 且 2010 年起的。它不是全球最全的 STI 数据集合，也不含高收入国家。
坑 5：忽略「官方明确反对直接跨国比较」这句。
方法页原文：“Direct comparisons of these data across countries, without proper consideration and statistical adjustments, should be avoided.” 做国别排名前先想清楚你做了哪些调整。
坑 6：忘记梅毒走的是另一张表。
梅毒用单独的 Form 4 抽取，字段与其余四种不同（血清学逻辑不同）。把梅毒和衣原体的点估计放进同一个合并模型，需要额外的方法学论证。
坑 7：忽略「按解剖部位」这个维度。
Form 3 按 anatomic site 分列。生殖道、直肠、咽部的检出率差异大，合并规则由使用者定，且会显著改变结果。报告中必须写明合并了哪些部位。
坑 8：把不同检测方法的数据直接合并。
NAAT vs 血清学 vs 培养 vs 显微镜，灵敏度差异显著。Atlas 记录了检测方法但不做校正——分层或敏感性分析是使用者的责任。
坑 9：把「5% 复核」当成强质量保证的证据。
5% 抽样率能拦住系统性错误，但对低比例错误检出能力有限；且 Atlas 未公布复核结果（差错率、返工率）。“quality-assured” 是流程描述，不是质量指标。
坑 10：忽略纳入口径造成的缺口，把「没有数据」读成「没有问题」。
n≥100、性别可分、2010 年后、采集窗口 ≤5 年四条硬门槛，会系统性地排除小样本人群（部分关键人群、部分小国）。地图上空白处不是"零患病"，是"缺证据"。
补充坑 A：许可空白不等于公有领域。
页面未标许可，有使用者据此认为"可以随便用"。WHO 数据政策的一般约束仍然适用，商业再分发前须书面确认。
补充坑 B：把 UNAIDS 国别报告数据当同行评审证据。
287 份中被纳入 76 份，且这些报告方法学强度不一、部分不在公开域。引用时最好回溯原始报告。
补充坑 C：无视抽取仍在进行这一事实。
2026-09 时点仅抽取 1,487 / 2,439 篇。今天查不到某国数据，不等于 WHO 没收到相关文献——可能只是还没抽完。任何"数据缺口"结论都要加"截至某时点"。
§10 局限与争议：把话说全
10.1 覆盖偏差：三重筛子造成的系统性缺口
Atlas 的纳入口径是三重筛子：地理（只 LMIC）× 时间（多数 2010 年后）× 方法（n≥100、性别可分、诊断检测、原始数据）。每一重筛子都在制造缺口：
- 地理筛子：高收入国家（含部分中东欧、海湾国家）全部排除；
- 时间筛子：2010 年前的经典研究全部排除——这意味着长期趋势分析无法仅靠 Atlas 完成；
- 方法筛子：n<100 的小规模关键人群研究被排除，而未按性别拆分的研究也被排除。前者打击的是"最难调查的人群"，后者打击的是"方法较粗的研究"。
三重合起来，最可能的后果是：一般人群（孕产妇、青少年、社区调查）的数据相对充足，而最边缘的关键人群数据反而更稀。这与"关键人群风险最高、最需要数据"的公共卫生逻辑正好相反。这不是 Atlas 的失误，而是纳入口径的必然代价——但它必须被说出来。
10.2 时间滞后
“多数样本 2010 年后”+"抽取仍在进行"意味着：库里最新数据点可能滞后于发表 2-3 年（从采集完成 → 论文发表 → 被综述收录 → 被 Atlas 抽取）。做"现状估计"时，用 Atlas 的点估计当"最新值"是危险的。
10.3 未发表的国别报告：透明度问题
287 份 UNAIDS 相关文件中只有 76 份被取得。其余 211 份的状态未说明（不可得？不合格？待处理？）。同时，公开看板是否逐条展示"这条数据来自哪篇报告"也未确认。这意味着部分数据点的溯源链条在公开层面可能不完整。
10.4 质量保证的实证强度未公开
两人抽取 + 差异裁决 + WHO 5% 复核是合理的设计，但没有公开的差错率、kappa 一致性、返工率。使用者只能"信任流程"，无法"验证流程"。
10.5 无版本号、无 DOI、无变更日志
看板只说"最后更新 2026-09-23"，没有版本号（v1.0/v2.0），没有 dataset DOI，没有变更日志（changelog）。这意味着引用无法锚定到具体版本，两个研究者在不同时间取"Atlas 数据"可能得到不同内容，且无法核对差异来源。对可复现性研究来说，这是实质缺陷。
10.6 「first」的可争议性
“first global platform” 的表述本身有讨论空间：WHO 此前已有 GHO 的 STI 指标、UNAIDS 有 HIV/STI 相关国别数据、学术界有多个 STI 元分析数据库。Atlas 的"first"成立的前提是它的三个限定词（consolidated + standardized + quality-assured + LMIC + 2010 起）全部成立。把它当"首个 STI 数据集"引用是误读。
§11 总结
STI Prevalence Atlas 是 WHO 在 2026 年 7 月交出的一个证据基础设施，而不是一个数据产品。它的价值不在于"给了多少数字"，而在于把散落的数字整理成同一把尺子下的可比单元（Study Group），并且公开了这把尺子的刻度（纳入排除标准、四张抽取表、检索式）。
对研究者的三条实用结论：
- 先想清楚你要的是"估计值"还是"证据点"。 要负担排名与政策口径 → 用 WHO/IHME 一类估计值；要自己建模、做异质性分析、做敏感性分析 → 用 Atlas 的证据点。
- 拿到数之前先解决"怎么拿到"的问题。 无公开 bulk 下载，需走 WHO 联系或回溯文献（§5.5）。
- 任何结论都要带三重限定：时点（Atlas 最后更新 2026-09-23，新闻稿规模口径 2026-06）、口径（Study Group 级、按解剖部位、按检测方法）、范围（LMIC、五病种、2010 年后）。
它是一个起点，不是一个答案。
§12 抽取流水线详解：一条数据点是怎么进库的
上一章讲了"进库门槛"，本章讲"进了门之后发生什么"。这一段在公开材料里散落在方法页、来源 PDF 与看板说明之间，本条目把它按时间顺序串起来。
12.1 第 0 步：文献进入视野的三条途径
一篇文献可能从三个方向进入 Atlas 的处理队列：
- 自建系统综述命中：Anova Health Institute 的检索式在 PubMed / Scopus / Embase / Global Index Medicus 上跑，命中衣原体、淋病、滴虫病的相关文献（检索式见 PDF Annex A，含各国名枚举与
[2010-2025]/py年份限制）； - 综述串联：从 89 篇已发表的 STI 患病率系统综述中，把其纳入的原始研究"捞"出来（截至 2026-09-24 已筛查 71 篇）；
- 报告扫描：UNAIDS 国别关键人群报告仓库逐份筛查（287 份疑似，取得 76 份）。
三条途径的去重在 PDF 里也有交代：数据库内的重复数据不重复收录，“除非它是更好的数据来源，此时另一篇会被移除”。这句"更好的来源"是判断性表述，标准未公开。
12.2 第 1 步：两阶段筛查
自建综述的筛查分两阶段，且用了 AI 辅助——这是本条目的一个有意思的技术细节：
- 阶段一：在 Rayyan 中进行，利用 Rayyan 的 auto-suggest 给每条记录打"likely include / maybe / likely exclude"的 AI 概率标签，用来给人工筛查排优先级。记录分给两名公共卫生分析师，他们结合 AI 建议做标题摘要筛查；对日期、人群、样本量有疑问时查看全文。分歧由项目团队讨论达成共识。
- 阶段二：记录导出到 Zotero，由两名分析师再筛一遍，仍以标题摘要为主，日期/地点不确定时查全文。
值得注意的两点：
- AI 只用于排序，不用于决策。官方明确写 “This triage system was used to prioritise manual screening”——最终纳入仍由人定。这是谨慎的做法，也意味着筛查的假阴性风险主要来自人工判断而非模型。
- 两阶段重复筛查是一种冗余设计，用于降低单轮漏检。代价是工作量翻倍，也解释了为什么 2,439 篇里只抽了 1,487 篇。
12.3 第 2 步：分配 study ID 与双人抽取
合格文献被分配唯一 study ID，随后指派给两名抽取员。两人用四张标准表（Form 1-4，见 §3.3）独立抽取，然后比对结果，差异由研究团队裁决。
这里的"独立"很关键：若两人共用一份草稿，独立性就失效，双人抽取的纠错价值也随之消失。公开材料没有说明两人是否能看到彼此的表单，但"independently extracted… the results compared"的表述默认了先独立后比对。
12.4 第 3 步：WHO 审阅与 5% 复核
合并后的数据集交 WHO 审阅并反馈，随后 WHO 抽取 5% 样本复核完整性与准确性，通过后上传数据库。
"5% 复核"的抽样方式（随机？分层？按病种？）、复核结果（通过率、发现问题类型）均未公开。这一点在 §9 坑 9 与 §10.4 已指出，此处只做流程定位。
12.5 第 4 步：拆分为 Study Group
这是最容易被低估的一步。一篇研究进来之后，要被拆成若干 Study Group：
- 按国家拆（多国研究）；
- 按性别拆（男/女/其他）；
- 按时段拆（采集窗口内的不同年份段）；
- 按人群拆（如同一篇研究里同时有性工作者与一般人群）；
- 梅毒之外的四类还按解剖部位拆。
原文的例子最能说明量级：“一篇报告两个国家、男女两组、两个年份的研究，会产生 8 个 Study Group”。
这一步决定了 2,453 这个数的性质：它不是"2,453 个独立人群样本"，而是同一批研究按维度切开后的组合数。同一篇研究贡献的多个 Study Group 之间不独立（共享研究设计、检测方法、采样框架），做元分析时必须考虑这种聚类——这是很多人会忽略的技术点。
12.6 第 5 步：写入看板
最终以图表形式呈现于 data-summary：研究数、数据点数、按发表年份、按病种、按国家。逐条记录的浏览界面在公开页面中未确认可见（见 §5.2、§5.3）。
12.7 流水线的三个结构性弱点
把上面五步连起来看，能看出三个弱点，它们都能解释使用中会遇到的具体麻烦：
| 弱点 | 表现 | 对使用者的影响 |
|---|---|---|
| 上游依赖 | 71/89 篇综述已筛查，其余待筛；287 份报告中 211 份未取得 | 覆盖度不完备，且缺口位置不可预知 |
| 判断环节多 | 筛查判断、重复判定、差异裁决都依赖团队共识 | 复现同一份数据集的难度大（无版本号/无日志，§10.5） |
| 拆分放大不独立 | 2,453 个数据点来自 766 项研究，平均每研究约 3.2 个 Study Group | 直接对 2,453 个点做简单统计会高估有效样本量 |
最后一行值得单独说：2,453 ÷ 766 ≈ 3.2，即平均一篇研究贡献 3 个多 Study Group。若把 2,453 当成"2,453 个独立观测"，标准误会被严重低估。正确的做法是按 study_id 做聚类稳健或分层随机效应模型——但公开看板是否暴露 study_id 到数据点的对应关系，抓取时点未确认，这又回到了 §5.3 的获取问题。
§13 患病率的读法：一个数字背后有七个决策
Atlas 里每一个患病率点估计，都不是"客观事实的记录"，而是七个人为决策的合成结果。读懂这七个决策，才读得懂数字。
13.1 决策一：分子怎么定
“患病”（prevalence）在 STI 语境里至少有三种含义：
- 现症感染（current infection）：检测当下存在病原体，NAAT 阳性；
- 既往暴露（past exposure）：血清学抗体阳性，HSV-2 与梅毒常用；
- 累积或终身患病：少见，通常在特定研究中定义。
HSV-2 的血清学阳性代表"曾经感染"，与"现存生殖器疱疹"不是一回事；梅毒的血清学阳性需结合滴度与治疗史判断现症与既往。Atlas 记录检测方法，但不同含义的患病率在库里并存，合并时必须区分。
13.2 决策二：分母怎么定
分母是"被检测的人"还是"被招募的人"？两者差别在于拒检率与失访。STI 研究里，关键人群的参与率往往偏低，若分母只算"接受检测者"，患病率会被高估（高风险者更愿意检测的自我选择）。
Atlas 的 Form 3/4 记录 sample size，但分母的构造细节（招募数 vs 检测数）取决于原始研究，Atlas 不统一改写。
13.3 决策三：用什么方法测
同一病种，NAAT、培养、酶免疫、快速诊断、显微镜（滴虫病常用湿片）的灵敏度差异很大。灵敏度低的方法会系统性低估患病率。
Atlas 记录了检测方法，但不做校正。跨方法比较必须在使用者这一层处理。
13.4 决策四：测哪个部位
衣原体与淋病可按生殖道、直肠、咽部、尿液（男性）等多部位检测。不同部位的阳性率差异可达数倍。Form 3 按部位分列，合并规则由使用者定。
报告中若只写"淋病患病率 X%"，而不说明部位合并规则，这个数字基本不可复现。
13.5 决策五：人群是谁
同样是"女性"，可以是：
- 孕妇（产前门诊，常规筛查，往往代表一般人群）；
- 性病门诊就诊者（有症状或高危，患病率显著偏高）；
- 性工作者（关键人群，风险最高）；
- 青少年（学校或社区调查）；
- 一般社区女性（household survey）。
这五类人群的患病率不可合并成一个"该国女性患病率"。Atlas 的人群类型字段（Form 2）是这条信息的主要载体。
13.6 决策六：哪几年
采集窗口 ≤5 年，但同一国家不同研究的年份可能相差十年。流行阶段变化（如 HIV 防控推进、抗生素耐药上升）会改变患病率。
13.7 决策七：怎么汇总
如果一定要把多个 Study Group 汇总成一个区域值，汇总方法本身就是第七个决策：
- 简单算术平均（不推荐，忽略样本量与异质性）；
- 按样本量加权；
- 随机效应元分析（推荐，报告 I²/τ²）；
- 分层贝叶斯（可纳入国家/年份/方法作为协变量）。
不同的汇总方法可以给出差异很大的点估计与区间。报告汇总值时，方法必须写明。
13.8 一张决策清单
| # | 决策 | Atlas 是否提供 | 谁来做 |
|---|---|---|---|
| 1 | 患病定义（现症/既往） | 提供检测方法 | 使用者 |
| 2 | 分母构造 | 提供 sample size | 原始研究 |
| 3 | 检测方法 | 提供 | 使用者做分层 |
| 4 | 部位合并 | 按部位分列 | 使用者 |
| 5 | 人群界定 | 提供人群类型 | 使用者筛选 |
| 6 | 年份窗口 | 提供采集起止 | 使用者筛选 |
| 7 | 汇总方法 | 不提供 | 使用者 |
Atlas 的贡献是提供第 3、5、6 项的原料（方法、人群、年份），把第 1、4、7 项留给使用者。这个分工合理——因为第 1、4、7 项本质上是建模选择，取决于你要回答什么问题。
§14 跨域对照：STI 证据合成在方法学上的三个邻居
STI Prevalence Atlas 不是孤立的。它可以从三个"邻居"那里被更好理解：疾病负担估计、传染病监测、临床指南制定。
14.1 邻居一：全球疾病负担估计（GBD 型）
GBD 型工作的核心是用模型把分散证据合成统一的国别估计，产出物是"每个国家每年每个病种的数值 + 不确定区间"。它内部也会维护一个"数据输入库"，但那个库通常不对外逐条公开。
Atlas 做的是把那个库的公开部分做出来。差别在于：
- GBD 型输出是结论（估计值），Atlas 输出是证据（观测点）；
- GBD 型用统一模型处理异质性，Atlas 明说"直接比较要避免"，把处理异质性的责任交给使用者；
- GBD 型有版本周期（按年发布），Atlas 是持续更新、无版本号。
对使用者的意义：如果你要一个能直接引用的国别数值，Atlas 不给；如果你要能自己跑模型的输入，Atlas 更合适。
14.2 邻居二：法定传染病监测系统
监测系统的数据来自被动上报：医疗机构发现病例上报，形成连续性时间序列。它的优势是时间连续、覆盖面广；劣势是报告率不均（轻症不就诊、私立机构漏报、无症状感染完全不进系统）。
Atlas 的数据来自主动研究：抽样调查，检测确认，患病率可估。优势是能抓住无症状感染（STI 的主要部分）；劣势是时间不连续、地点不系统。
这两类数据不可互相替代。 一个常见的错误是用监测系统的病例数除以人口当患病率，或者用 Atlas 的患病率去反推"应有多少病例"——后者在方法上可行（需要人口与病程参数），但结果对参数的敏感性极高。
14.3 邻居三：临床指南与筛查方案
指南制定要回答"某人群该不该常规筛查某病"，依据是患病率与筛查的收益成本。Atlas 在这里的角色是提供分人群患病率，帮助判断"筛查在哪些人群里成本效益更高"。
但要注意：患病率只是筛查决策的一个输入。还需考虑检测可得性、治疗可及性、耐药情况、假阳性代价。把 Atlas 的患病率直接当作"该不该筛"的依据，属于以偏概全。
14.4 三邻居的定位图
结论性 ←──────────────→ 证据性
│ │
GBD 型 │ │ Atlas
估计值 │ │ 证据点
│ │
监测系统 ──────────────────────── 主动调查
被动 │ │ 主动
上报 │ │ 抽样
↓ ↓
Atlas 落在右下角：主动抽样 + 证据性输出。这个位置决定了它的三件事：能做证据合成、不能做直接排名、需要使用者自己建模。
§15 误用案例解剖：三个真实可能发生的错误
以下三个案例是基于 Atlas 结构特征构造的典型误用（不是对某篇具体论文的指控），每个都说明"错在哪、后果是什么、正确做法是什么"。
15.1 案例一：用 Atlas 训练个体患病预测模型
做法：研究者取 Atlas 的 2,453 个数据点，把"国家 GDP、人群类型、年份"作为特征，“患病率"作为标签，训练一个预测模型，声称"可以预测某国某人群的淋病患病率”。
错在哪：
- 单位是 Study Group，不是个体；模型学到的是"研究层面的相关性"，不是"个体风险"；
- 标签是人群级患病率，不是个体二分类标签，用回归可以（群体级预测），用分类不行；
- 更隐蔽的问题：标签本身带有研究选择偏差（哪些国家被研究、哪些人群被调查，都不是随机的），模型会把"研究覆盖模式"当成"流行病学规律"。
后果：模型在训练集上表现良好，外推到未被研究的国家时失效，因为那些国家在特征空间里是"没有标签的区域"，模型只能靠插值——而插值的方向由研究者的选择决定。
正确做法：若要做群体级预测，明确标注为"群体级回归"，用分层模型并报告外推不确定性；若要做个体预测，需要个体级数据（不在 Atlas 中）。
15.2 案例二：跨国患病率排名
做法：从看板"按国家数据点数"地图与分病种图表中，读出各国患病率，制作"全球淋病患病率排行榜"。
错在哪：
- 直接违反官方警告（§4.1）；
- 各国数据来自不同年份、不同人群、不同检测方法；
- 数据点多的国家（如南非、印度、巴西）在研究上被充分覆盖，数据点少的国家只有一两个研究——排名实际上比较的是"研究覆盖度"，不是"疾病负担"。
后果：排名靠前的国家可能只是"被研究得多"，排名靠后的可能只是"没被研究"。用于政策宣传会造成实质误导。
正确做法：若必须做国家间比较，先做校正（方法、人群、年份作为协变量），报告调整后的估计与区间，并明确标注"覆盖度不足的国家估计不可靠"。
15.3 案例三：把 Atlas 当监测数据做时间序列
做法：取某国 2012、2015、2018、2021 四个年份的患病率数据点，画一条折线，得出"该国患病率逐年下降"的结论。
错在哪：
- 四个点来自四项不同研究，人群可能不同（孕妇 vs 性病门诊）、方法可能不同（NAAT vs 培养）；
- 折线的"趋势"可能完全是人群构成变化造成的；
- 2021 年的点可能采集于 2019 年（发表滞后），时间轴本身有偏移。
后果：趋势结论经不起检验，且可能被政策方直接引用。
正确做法：只有同一人群、同一方法、同一部位规则的多期数据才能连成趋势；否则应做"断点式"呈现（每个点标注人群与方法），不下趋势结论。
15.4 三个案例的共同点
三个误用的共同根源是把 Study Group 级数据当成了"更细或更粗"的东西：
- 案例一当成了个体级（更细）；
- 案例二当成了国家级（更粗，且忽略了异质性）；
- 案例三当成了时间序列（跨越了不同研究）。
Atlas 的正确用法，永远停在"Study Group"这一层：每个数据点就是一个"某研究在某国某人群某时段的患病率"，跨点合并必须先说明你怎么处理差异。
§16 使用者的阅读路径：四类角色怎么用这个条目
16.1 如果你是公共卫生研究者
重点读：§3（抽取架构）、§4（可比性）、§13（七个决策）。
行动建议：
- 先用 §13.8 的决策清单明确你的分析口径；
- 按 §5.5 解决取数路径（优先联系 WHO，次选回溯文献）；
- 报告时至少写清：Study Group 筛选规则、检测方法处理、部位合并规则、汇总方法、Atlas 口径时点。
16.2 如果你是建模工程师 / 数据科学家
重点读：§7（能做什么不能做什么）、§12.7（不独立性）、§15（误用）。
行动建议：
- 先确认你的任务是群体级还是个体级——Atlas 只支持前者；
- 建模时按 study_id 聚类（若拿不到 study_id，按"研究"层做敏感性分析）；
- 用 §14.4 的定位图判断你的项目是否需要搭配 GBD 型估计值。
16.3 如果你是政策或项目人员
重点读：§0（它是什么）、§4.3（与估计值的区别）、§8（与 GHO 的分工）、§10（局限）。
行动建议：
- 不要直接用 Atlas 的数值做国别承诺或排名；
- 需要"官方数字"时，查 WHO GHO 一类的指标平台，并把 Atlas 作为背景证据；
- 需要"本国最缺哪类数据"的判断时，看 §4 的覆盖偏差与 §7.2 的证据缺口地图用途。
16.4 如果你是教学人员
重点读：§3.1（Study Group 构造）、§13（七个决策）、§15（误用案例）。
这三个部分合起来，是一堂很好的"流行病学数字是怎么来的"课程：一个患病率背后有七个决策，忽略任何一个都会得到不同的数。Atlas 的优点是它把原料摆在明面上，让学生能亲眼看到这些决策的存在。
§17 术语表：读这个条目需要的二十个词
| 术语 | 英文 | 在本条目中的含义 |
|---|---|---|
| 患病率 | prevalence | 某时点（或时段）人群中现存的病例比例；与发病率（incidence）不同 |
| 性传播感染 | sexually transmitted infection, STI | 主要通过性接触传播的感染；本条目限定五类 |
| 数据点 | data point | 本条目特指一个 Study Group 的一个患病率点估计 |
| 研究亚人群 | Study Group | Atlas 的抽取单元：研究 × 国家 × 性别 × 时段 × 人群 |
| 中低收入国家 | low- and middle-income countries, LMIC | 世界银行按人均国民总收入等指标分类；Atlas 用 2025 年分类 |
| 世界银行分类 | World Bank classification | 按收入水平（低收入/中低收入/中高收入/高收入）划分国家 |
| 系统综述 | systematic review | 按预设检索式与纳排标准系统收集文献 |
| 元分析 | meta-analysis | 对多个研究的效应量做统计合并 |
| 随机效应模型 | random-effects model | 假设研究间存在真实异质性的合并模型 |
| 异质性 | heterogeneity | 研究间结果差异；常用 I²、τ² 度量 |
| 核酸扩增检测 | nucleic acid amplification test, NAAT | 如 PCR，灵敏度高，STI 诊断主流 |
| 血清学 | serology | 检测抗体，反映既往暴露 |
| 解剖部位 | anatomic site | 生殖道、直肠、咽部等；不同部位患病率不同 |
| 关键人群 | key populations | 性工作者、男男性行为者、注射吸毒者、跨性别者、囚犯等 |
| 国别报告 | country report | 常指关键人群综合生物学与行为学调查（IBBS）报告 |
| UNAIDS | Joint United Nations Programme on HIV/AIDS | 联合国艾滋病规划署；其仓库是国别报告的重要来源 |
| 数据抽取 | data extraction | 从文献中按标准化表单摘取字段 |
| 生态谬误 | ecological fallacy | 用群体层面关系推断个体层面关系的错误 |
| 聚集稳健 | cluster-robust | 处理同一研究内多个观测相关性的统计方法 |
| 可复现性 | reproducibility | 他人用同样数据与方法能得到同样结论 |
§18 与同类"证据图集"的比较：一张图谱
Atlas 所在的品类可以叫"证据图集"（evidence atlas）：不产出估计值，只整理证据点。这个品类近年增长很快，形态各异。做一次横向对照，能更清楚地看出 Atlas 的位置。
| 维度 | STI Prevalence Atlas | 典型元分析数据库 | 典型监测仪表盘 | 典型开放数据平台 |
|---|---|---|---|---|
| 最小单位 | Study Group | 研究 | 病例/报告 | 数据集文件 |
| 是否含未发表数据 | 是（国别报告） | 通常否 | — | 视平台而定 |
| 是否给估计值 | 否 | 给合并效应量 | 给统计量 | 否 |
| 是否可 bulk 下载 | 未见公开入口 | 常见附件表 | 常见 CSV/API | 通常有 |
| 更新方式 | 持续、无版本号 | 一次性（论文版） | 定期 | 版本化 |
| 主要用户 | 建模者、政策研究者 | 临床与流行病学读者 | 政策与媒体 | 开发者 |
这张表最值得注意的一行是"是否可 bulk 下载"：Atlas 在这一行上是明显的短板——它把数据整理好了，却没给出整包取走的路。这也是本条目在 §5 反复强调的原因。
§19 一条时间线：从证据积累到平台成形
把 Atlas 放进更大的时间脉络里，能看出它为什么在 2026 年出现。
| 时期 | 发生了什么 | 与 Atlas 的关系 |
|---|---|---|
| 2010 年前 | STI 患病率研究以小规模、单国为主；跨国可比性差 | 构成"为什么需要统一口径"的背景 |
| 2010 年起 | LMIC 的 STI 调查与关键人群 IBBS 调查增多；NAAT 逐步普及 | Atlas 的时间起点就定在这里 |
| 2016 年 | WHO 发布全球 STI 患病率与发病率估计（Rowley 等，Bull World Health Organ 2019 发表） | 建立了"需要底层证据支撑估计"的范式；该文亦出现在 Atlas 的综述清单中 |
| 2010s 末-2020s | STI 系统综述大量涌现（PDF Annex B 列出 89 篇，多为 2015 年后） | 为 Atlas 提供了"综述串联"这条管道 |
| 2025-10 | 自建系统综述完成末次检索（Embase/GIM 至 2025-10-28） | 抽取工作进入执行期 |
| 2026-06 | 入库 766 项研究 / 2,453 个数据点 | 新闻稿公布的口径 |
| 2026-07-03 | WHO 正式发布新闻稿 | 平台对外亮相 |
| 2026-09-23/24 | 数据库与来源 PDF 更新；已识别 2,439 篇、已抽取 1,487 篇 | 规模仍在增长 |
| 2026-10-17 | 本条目抓取时点 | — |
这条时间线揭示了一个常被忽略的事实：Atlas 是"先有大量综述、再有平台"的产物。它不是从零开始做检索，而是"把已经存在的综述成果集中起来、统一口径"。这也解释了为什么它能在相对短时间内达到 766 项研究的规模——大部分工作量在综述作者那里，Atlas 做的是收口。
理解了这一点，也就能理解它的边界：Atlas 的覆盖质量，很大程度上取决于上游综述的覆盖质量。上游综述没覆盖到的国家或人群，Atlas 也很难覆盖——除非有国别报告补上。
§20 常见疑问补充（前章未覆盖的十个）
Q：Atlas 里的数据能直接算"全球有多少人感染"吗？
不能直接算。需要每国每人群的人口数 + 患病率 + 该人群在总人口中的比例，做加权外推。Atlas 只提供患病率与人群标签，不提供人口权数。
Q：为什么有些国家在库里只有一两个数据点？
因为符合门槛（n≥100、性别可分、2010 年后、诊断检测）的研究本来就少，且抽取尚未完成（1,487/2,439）。数据点少 ≠ 患病率低。
Q：HSV-2 为什么单列？它和生殖器疱疹是一回事吗？
HSV-2 血清学阳性代表曾感染 2 型单纯疱疹病毒，多数人无症状。Atlas 记录的是血清学患病率（既往暴露），与"有症状的生殖器疱疹患病率"不是同一指标。
Q：滴虫病的检测方法和别的病差别大吗？
差别大。湿片显微镜检查灵敏度较低，培养与 NAAT 更高。不同方法测出的滴虫病患病率差异可达数倍，这是滴虫病数据跨研究比较时最需要注意的点。
Q：Atlas 会收录中国的数据吗？
会。国家清单中含 “China (People’s Republic of)”。但收录数量取决于是否存在符合门槛的、可按性别拆分并报告患病率的中国研究。
Q：可以用 Atlas 做 meta 回归吗？
可以，且是它的合理用途。把检测方法、人群类型、年份、地区作为协变量，做 meta 回归解释异质性——这正是 Atlas 设计上留出的空间。前提是你能拿到 Study Group 级的字段（见 §5.3）。
Q：Atlas 的数据会不会经常变？
会。它是"持续更新"的：抽取在进行、病种会扩展、来源在增加。但无版本号与变更日志，所以"变了什么"无法追溯。做研究时建议记录抓取日期并保存截图/导出。
Q：如果我要引用 Atlas 里的一个具体数值，怎么引？
理想情况：引用原始研究（Atlas 记录的出处）+ 注明"经 STI Prevalence Atlas 检索（版本日期）“。若只能引用 Atlas，则写"WHO STI Prevalence Atlas，数据更新至 2026-09-23，访问日期 YYYY-MM-DD”。不要只写"WHO 数据"，因为 WHO 有多个口径不同的数据平台。
Q：Atlas 和各国自己的 STI 监测报告冲突时信谁？
不是"信谁"的问题，是"两者测的不是同一件事"。监测报告是被动上报的病例数，Atlas 是主动调查的患病率。做政策判断时，两者应并列呈现并说明口径差异。
Q：这个平台会一直免费开放吗？
官方称"open-access database"，但未承诺永久免费，也未给出许可协议。长期可用性无法从现有材料保证——这也是 §10.5 提到"无 DOI、无版本"的连带风险。
§21 数据治理视角：一个 WHO 平台的"开放"边界
“开放获取”（open-access）这个词在 Atlas 的新闻稿里出现了，但它的含义与"开放数据"（open data）并不相同。这两者的差别，决定了使用者能不能真的把数据用起来。
21.1 三种"开放"的层次
| 层次 | 含义 | Atlas 的状况 |
|---|---|---|
| 开放阅读 | 无需登录即可在网页上看到内容 | ✅ 是 |
| 开放下载 | 可以完整取得数据集文件（CSV/Parquet 等） | ❌ 未见公开入口 |
| 开放许可 | 明确授权复制、修改、再分发 | ❌ 未明示 |
新闻稿的 “open-access database” 落在第一层。这在学术出版语境里是常规用法（open access 指阅读免费），但在数据语境里容易被读成第二、三层。这是本条目的一个核心澄清点。
21.2 为什么"只开放阅读"是个真问题
对一个要做建模的研究者来说，"能看不能取"意味着工作量的巨大差别：
- 能取：下载 → 清洗 → 建模 → 写论文，几周量级；
- 不能取：联系官方申请（不确定能否获批、要多久）→ 或自己按检索式重做一次抽取（按 PDF 的检索式估算，四库检索 + 两阶段筛查 + 四表抽取，人月量级）。
所以 Atlas 的实际使用门槛，不在于数据难懂，而在于数据难取。这一点在 DAIMS 评分里体现为 A（可获取性）只有 4 分（附录 B）。
21.3 与 WHO 其他数据平台的对比
WHO 体系内，数据开放程度差异不小：
| 平台 | 读取 | 下载 | 许可 |
|---|---|---|---|
| WHO GHO | 开放 | 网页端 CSV/XLSX/JSON/XML，亦有 OData API | 部分指标 CC BY-NC-SA 3.0 IGO |
| STI Prevalence Atlas | 开放 | 未见公开入口 | 未明示 |
同一机构内部出现这种差异，可能的原因有三：①平台处于早期，下载功能尚未上线；②数据涉及敏感人群，WHO 有意限制批量分发；③技术栈（World Health Data Hub 的 dashboard 组件）本身以可视化为目标，未内置导出。
本条目无法判定是哪一种，但从发布时间（2026-07）与"抽取仍在进行"（2026-09）的状态看，第①种可能性不小——平台可能还在功能迭代中。
21.4 给数据治理者的启示
Atlas 是一个很好的案例，说明"整理数据"与"开放数据"之间的距离：
- 整理工作（检索、筛查、抽取、质控）已完成 90%，但最后一公里的分发没有做；
- 元数据（方法页、来源 PDF）做得比很多数据集都好，恰恰是数据本体取不到；
- 完全没有版本管理，导致即使日后开放下载，也无法确认"我下的是哪一版"。
这三条合起来，是一个典型的"文档优于数据"平台——对方法学审阅者友好，对建模者不友好。
§22 一个具体场景：某国关键人群 STI 数据缺口的排查流程
抽象讲"覆盖偏差"容易空泛。这里给一个可以照着做的排查流程，用来说明 Atlas 在"找缺口"这个用途上到底怎么用。
22.1 场景设定
假设你要为一个西非国家设计 STI 防控项目，需要回答：“本国女性性工作者的淋病患病率，现有证据是多少？如果没有，为什么没有？”
22.2 五步排查
第一步：看病种覆盖。
Atlas 覆盖淋病 → 进入下一步。若问的是 HIV 或 HPV，Atlas 不覆盖，应转向 UNAIDS 或 HPV 相关数据源。
第二步：看国家覆盖。
在 data-summary 的"按国家数据点数"地图上找到该国。若该国完全空白，可能有两种情况：①该国没有符合门槛的研究；②该国属于高收入国家被排除（对西非国家通常不成立）。注意地图的限定语：“Multi-country studies where the data are not broken down by country are not shown on this map”——某国"空白"可能是因为相关数据只在跨国研究中以合并形式存在。
第三步：看人群覆盖。
若该国整体有数据，但仍需确认是否有性工作者这一人群的 Study Group。方法页说明人群类型来自 Form 2 的 population_type 字段，但公开看板是否可按人群筛选未确认（§5.3）。若不能筛，只能回溯文献。
第四步：判断缺口性质。
若确实没有性工作者的数据，要区分三种可能：
- 真的没有研究：该国从未开展过此类调查；
- 有研究但被排除：样本量 <100、未按性别拆分、采集于 2010 年前、或使用非诊断检测；
- 有研究但未抽取：在 2,439 篇识别文献中，尚未抽取（2026-09 时点抽取率约 61%）。
这三种情况的应对完全不同：第一种要做新调查，第二种要改进研究设计，第三种只需等抽取完成。Atlas 本身不告诉你是哪一种——这是它作为"证据图集"而非"证据缺口分析工具"的边界。
第五步：交叉验证。
转向 UNAIDS 国别报告仓库（PDF 提到筛查过 287 份，取得 76 份）与国家卫生部门的 STI 监测报告，看是否有 Atlas 未收录的数据。这是最实际的一步——很多关键人群数据就躺在 UNAIDS 的国别报告里，只是没被同行评审期刊收录。
22.3 这个流程暴露了什么
五步走下来，一个结构性事实浮现：Atlas 能告诉你"有没有"，但不能告诉你"为什么没有"。而"为什么没有"恰恰是政策最需要的——是没调查，还是调查不合格，还是没整理？
这个边界不是缺陷，而是设计使然：Atlas 的定位是"证据点集合"，不是"证据缺口分析"。要做后者，需要在 Atlas 之上再加一层（未收录文献的登记、不合格研究的记录等），而这层目前不存在。
22.4 一条实用建议
若你反复需要做这类缺口分析，建议自建一份"Atlas 之外"的登记表，记录：①你检索到但 Atlas 未收录的研究（及原因）；②Atlas 中可能相关的跨国研究（按国家未拆分者）；③UNAIDS 报告中未公开的条目。三份清单合起来，才是"某个国家某类人群的证据全貌"。
§23 教学用例：用 Atlas 讲清楚"患病率"与"发病率"的差别
Atlas 只收患病率（prevalence），不收发病率（incidence）。这个取舍本身就是一个极好的教学切入点。
23.1 两个概念的区别
- 患病率：某一时点上，人群中现存的病例所占比例。答"现在有多少人带着这个感染"。
- 发病率：一段时间内，人群中新发感染的发生率。答"每年有多少人被感染"。
对 STI 来说，两者的关系受病程影响：患病率 ≈ 发病率 × 平均病程（在稳定流行状态下）。所以同一病种的患病率高低，可能来自发病率高（传播强），也可能来自病程长（难治愈、无症状不就医）。
23.2 为什么 Atlas 只收患病率
三个原因：
- 患病率更容易测量：横断面调查一次检测就能估，发病率需要随访队列或模型推导；
- 患病率是负担估计的直接输入：负担 = 人口 × 患病率 × 严重性权重；
- 发病率数据太少：LMIC 的 STI 队列研究极少，收了也没多少点。
但代价是：Atlas 无法直接回答"传播在加速还是减慢"。这个问题需要多期患病率（且方法可比）或发病率数据——两者 Atlas 都不直接提供。
23.3 一个教学练习
给学生两组来自 Atlas 的数据点（同一国家、同一人群、不同年份），让他们判断"患病率下降意味着什么"。正确答案是无法判断，因为：
- 可能是发病率下降（干预有效）；
- 可能是病程缩短（治疗可及性提高）；
- 可能是方法变化（NAAT 换成了更灵敏的检测，反而应该升高）；
- 可能是人群构成变化（从性病门诊换成了产前门诊）。
这个练习的价值在于让学生意识到：一个数字的变化，可以有很多种解释，而数据本身不告诉你哪一种。Atlas 把这一点暴露得很清楚，因为它只给点估计，不给解释。
23.4 与发病率的衔接
若确实需要发病率，可行路径是：用 Atlas 的患病率 + 文献中的平均病程参数，反推发病率（并做敏感性分析）；或用传播动力学模型（需要行为参数，Atlas 不提供）。两条路都要额外假设，结果的不确定性主要来自假设而非数据。
§24 五个高频误解的逐条拆解
24.1 误解一：「WHO 的数据就是官方数字」
实情：Atlas 明确写"data… are from published studies and publicly available reports, and not data reported to WHO by Member States"。它不是成员国上报体系，而是文献证据的整理。区别在于：成员国上报遵循统一表格与报告周期，文献证据遵循研究者的设计选择。
WHO 内部确实有其他"官方数字"（如 GHO 里部分指标来自成员国年度报告），但 Atlas 不属于这一类。
24.2 误解二：「开放获取 = 可以随便用」
实情：见 §21。开放阅读不等于开放下载，更不等于开放许可。Atlas 页面未标许可，商业再分发前必须核实。
24.3 误解三：「数据库越大越准」
实情：Atlas 的规模（766 研究 / 2,453 点）反映的是证据丰度，不是估计精度。2,453 个点里，很多国家只有一两个点，这些点的置信区间可能很宽。规模大 ≠ 每个国家的估计都可靠。
更微妙的是：证据分布与研究资源分布高度相关。研究多的国家（通常是有强研究机构的国家）在 Atlas 里"看起来"被了解得更多，但这不等于它们的疾病负担更清楚——只是被测量得更多。
24.4 误解四：「有官方警告说明数据不可用」
实情：官方警告"避免直接跨国比较"不等于"数据不能用"。它的意思是不能不做调整就直接比。Atlas 完全支持做调整后的分析（把国家、人群、方法、年份作为协变量）。警告是使用方法提示，不是使用禁令。
24.5 误解五：「它是第一版，以后会补全」
实情：官方确实说会扩展（更多病种、更多研究），但不承诺补全。抽取是持续过程（1,487/2,439），且纳入口径本身就排除了一部分研究（n<100、2010 年前、高收入国家）——这些永远不会被补进来，因为它们是设计要求，不是待办事项。
理解这一点很重要：Atlas 的"不全"有一部分是暂时的（抽取未完成），有一部分是永久的（口径排除）。把两者混为一谈，会做出错误的资源投入判断。
§25 与其他全球 STI 数据源的关系图谱（补充）
前文 §8 与 §14 已从平台定位与方法学两个角度做了对照。这里补一张"数据来源"视角的关系图，说明同一个 STI 数字可能有多少种来源。
25.1 四类来源
| 来源类别 | 典型形态 | 数值性质 | 时间特性 |
|---|---|---|---|
| 模型估计 | 全球/区域负担估计（含不确定区间） | 合成值 | 按年/按版本发布 |
| 文献证据 | Atlas、系统综述、元分析 | 观测值 | 持续更新 |
| 行政监测 | 法定传染病报告、门诊哨点 | 病例计数 | 连续 |
| 专项调查 | 家庭调查、IBBS、产前门诊哨点 | 患病率 | 阶段性 |
25.2 四类来源的"因果链"位置
专项调查 ──┐
行政监测 ──┼──→ 文献证据（Atlas）──→ 模型估计 ──→ 政策建议
│ ↑
└──────────────────────────┘
（模型也直接吃监测与调查）
Atlas 位于链的中段：它把上游的调查与监测（已发表部分）整理成证据点，供下游的模型估计使用。这个位置决定了它的两个特性：
- 对上：它比原始调查更规整（统一口径），但比模型估计更"生"（没有校正）；
- 对下：它是模型的输入，不是模型的输出。
25.3 一个数字的四种版本
以"某国女性淋病患病率"为例，四个来源可能给出四个不同的数：
- 专项调查：某次调查的观测值（有抽样误差，代表调查时点与人群）；
- Atlas：同一次调查的数据点（与上者相同，但被计入统一口径）；
- 行政监测：报告病例数 / 报告机构覆盖人口（严重低估无症状感染）；
- 模型估计：综合所有证据后的校正值（含不确定区间）。
四个数都不"错"，但它们回答的问题不同。引用时必须说明来源类别，否则读者会以为是同一个东西。
§26 结语：它值得被这样使用
回到最初的问题：一个"患病率汇总数据库"对医数集的意义是什么？
答案不在于它有多少条记录，而在于它把一类长期隐形的知识生产劳动变成了可见的公共物件。系统综述、数据抽取、双人核对——这些工作过去埋在论文的方法节里，只有少数同行能读到。Atlas 把它们变成了一个可访问、可引用、可讨论的平台。
它的不完美同样可见：取不到数据、没有版本号、许可空白、抽取未完成。这些都是真实存在的，也是使用者必须承担的判断成本。
本条目把这些都写出来，不是为了贬低它，而是为了让它被用在它真正擅长的地方：为建模提供证据点、为政策提供背景、为教学提供案例。至于那些它做不到的事——个体预测、国别排名、官方口径——交给别的数据源。
一句话总结：它是一个起点，不是一个答案；是一个证据的容器，不是知识的终点。
FAQ（高频问答 30 问）
A. 基础认知
Q1：STI Prevalence Atlas 是数据集还是数据库？
官方英文用的是 “database” 与 “Atlas”。从数据结构看，它是患病率汇总数据库（aggregated prevalence repository）：存的是研究亚人群的患病率点估计，不是个体记录。
Q2：什么叫「患病率汇总数据库」？
把不同研究里报告的患病率数值，按统一口径整理到一起，形成可查询、可比较的集合。它汇总的是数值，不是人。
Q3：它和个体级数据集（如 NHANES 一类的调查微数据）有什么本质区别？
个体级微数据每个观测是一个人，含个人层面的协变量与检测结果，可以做个体建模。Atlas 每个观测是一个研究亚人群的汇总值，没有个人记录，只能做群体级分析。这是分析单位的差别，不是数据量的差别。
Q4：为什么分析单位的区别这么重要？
因为统计推论的前提不同。个体级数据可以做个体风险预测、可以算个体层面的敏感度特异度；群体级数据只能描述群体、只能做群体层面的关联。混用会导致生态谬误。
Q5：谁做的？
世界卫生组织（WHO），具体是 Department for HIV, TB, Hepatitis and STIs。自建系统综述部分由 Anova Health Institute 执行。
Q6：什么时候发布的？
2026 年 7 月 3 日发布新闻稿，平台同步上线。数据库在 2026 年 9 月 23 日有更新。
Q7：有没有对应的论文？
没有。它是平台型发布（新闻稿 + 方法页 + 来源 PDF），不是期刊论文。这与库内多数以论文为主锚的条目不同。
Q8：名字里的 “Atlas” 是什么意思？
图集/地图集。这里的"图"指按地理与人群分布呈现的患病率分布，不是纸质地图。
Q9：它是 WHO 唯一的 STI 数据平台吗？
不是。WHO GHO 里也有 STI 相关指标（国家年值），但那是指标聚合的结果，不是研究级证据。Atlas 补的是"研究级证据"这一层。
Q10：为什么现在才做？
因为前提条件成熟了：2010 年后 LMIC 的 STI 调查与关键人群调查大量增加、NAAT 普及、系统综述积累到 89 篇。Atlas 做的是"把已有的收口"。
B. 数据与规模
Q11：766 项研究是什么概念？
是入库研究数（2026-06 口径）。不是已识别文献数（2,439），也不是已完成抽取数（1,487）。三个数各指不同对象。
Q12：2,453 个数据点怎么来的？
每项研究按国家 × 性别 × 时段 × 人群拆成若干 Study Group，每个 Study Group 一个患病率点估计。平均每研究约 3.2 个数据点。
Q13：为什么不是每个研究一个点？
因为同一研究里不同性别、不同国家、不同年份、不同人群的患病率不同，必须分开记录才有分析价值。
Q14：五类 STI 分别占多少数据点？
新闻稿只给总数，未给分病种拆分。看板有"按病种"的图表，但数值需交互查看。本条目不做无来源的推测。
Q15：覆盖多少国家？
方法页国家清单人工计数约 150 个，官方未公布总数。清单含 Kosovo、Palestinian Territories、American Samoa 等非标准主体。
Q16：为什么不收高收入国家？
因为高收入国家多有成熟的监测系统与调查体系，数据可得性问题不突出；Atlas 的目标是补 LMIC 的证据缺口。
Q17：2010 年这个界限是怎么定的？
官方表述为"多数样本采集于 2010 年或之后"，理由是保证与当代流行状况、当代检测方法的相关性。这是相关性优先于历史长度的取舍。
Q18：样本量 100 这个门槛合理吗？
对于估计患病率，n=100 时若患病率为 5%，95% 置信区间约 2%-11%，精度有限。门槛设在 100 是覆盖面与精度的折中，不是统计最优。用的时候仍要注意小样本数据点的不确定性。
Q19：为什么要求性别可拆分？
因为 STI 患病率在性别间差异很大（解剖结构、就医行为、筛查政策都不同），合并报告会掩盖关键差异。
Q20：数据库里有病例数吗？
Form 3/4 记录 sample size 与患病率，理论上可反推病例数。但公开看板是否暴露这些字段未确认。
C. 使用与实操
Q21：怎么下载？
截至 2026-10-17，未发现公开的 bulk 下载入口。走 §5.5 的四条路径。
Q22：有 API 吗？
未发现。WHO 的 World Health Data Hub 有其他 OData 接口（如 GHO），但 STI Prevalence Atlas 未见公开 API 文档。
Q23：能爬吗？
技术上页面可访问，但图表是客户端渲染的，静态抓取拿不到数值；且在大规模抓取前应先确认许可（页面未标许可，见 §6）。未经许可的批量抓取有合规风险。
Q24：能把它转成 CSV 发布吗？
不建议，也需先确认许可。转发布涉及再分发权，而许可未明示。
Q25：做元分析时要不要做聚类？
要。同一研究的多个 Study Group 不独立，应按 study_id 聚类或做分层模型（§12.7）。
Q26：怎么处理检测方法差异？
两个常见做法：①分层分析（NAAT 组 vs 非 NAAT 组各算各的）；②把方法作为协变量放进 meta 回归。前者透明，后者需要足够多的组别。
Q27：怎么处理解剖部位？
统一规则（如"只取生殖道"），并在方法里写明。不同部位的数据不应默认合并。
Q28：梅毒能和其他四种一起合并吗？
技术上可做，但方法学上需要额外论证：梅毒走独立抽取表、血清学含义不同（既往 vs 现症）。建议分开报告。
Q29：怎么引用？
见 §6.3。核心是三要素：平台名 + 版本日期 + 访问日期。
Q30：如果我发现 Atlas 里的数有错怎么办？
通过 WHO 官方渠道反馈（落地页有 “contact us” 表述但无具体地址，需经 WHO 官网联系）。Atlas 无公开 issue 跟踪机制，这是可用性缺陷之一。
事实清单（硬事实 36 条）
| # | 事实 | 来源 |
|---|---|---|
| 1 | 发布日 2026-07-03 | 新闻稿 |
| 2 | 发布机构为 WHO | 新闻稿 |
| 3 | 责任部门为 Department for HIV, TB, Hepatitis and STIs | 新闻稿 |
| 4 | 部门负责人 Dr Tereza Kasaeva（新闻稿时点职务） | 新闻稿 |
| 5 | 定位为首个合并/标准化/质控的 LMIC STI 患病率平台（2010 年起） | 新闻稿 |
| 6 | 开放获取（open-access） | 新闻稿 |
| 7 | 收录研究数 766（2026-06） | 新闻稿 |
| 8 | 数据点数 2,453（2026-06） | 新闻稿 |
| 9 | 覆盖五类 STI：衣原体、淋病、HSV-2、梅毒、滴虫病 | 新闻稿 |
| 10 | 定位为可扩展的动态资源 | 新闻稿 |
| 11 | 来源含已发表与未发表证据 | 新闻稿 |
| 12 | 人群类型含家庭调查、孕妇、青少年、关键人群、性工作者、STI 门诊就诊者 | 新闻稿 |
| 13 | 干预研究只取基线数据 | 新闻稿/方法页 |
| 14 | 病例对照研究的病例与对照分开录入 | 方法页 |
| 15 | 地理限于 LMIC（World Bank 2025 分类） | 方法页 |
| 16 | 多数样本须 2010 年后采集 | 新闻稿/方法页 |
| 17 | 无采集日期时，须 2011-01-01 后投稿或 2012-01-01 后发表 | 方法页 |
| 18 | Study Group 样本量须 ≥100 | 新闻稿/方法页 |
| 19 | 采集窗口须 ≤5 年（超 5 年但可拆短时段者合格） | 方法页 |
| 20 | 须按性别拆分 | 方法页 |
| 21 | 须使用诊断检测，排除自报症状/问卷 | 方法页 |
| 22 | 排除二次分析、病历综述、病例报告、综述、监测、方案 | 方法页 |
| 23 | Study Group = 研究按国家 × 性别 × 时段（× 人群）拆分 | 方法页 |
| 24 | 原文举例：2 国 2 性别 2 年 = 8 个 Study Group | 方法页 |
| 25 | 四张标准抽取表（Form 1 Study / Form 2 Study Group / Form 3 general prevalence / Form 4 syphilis） | 方法页 |
| 26 | 两人独立抽取，差异由团队裁决 | 方法页 |
| 27 | WHO 复核 5% 样本 | 方法页 |
| 28 | 官方警告：未经充分考量与统计调整，避免直接跨国比较 | 方法页 |
| 29 | 数据来自已发表研究与公开报告，不是成员国上报 | 方法页 |
| 30 | 数据库最后更新 2026-09-23 | data-summary |
| 31 | 来源 PDF 最后更新 2026-09-24 | 来源 PDF 首页 |
| 32 | 已识别潜在合格文献 2,439 篇 | 来源 PDF p.1 |
| 33 | 已抽取 1,487 篇 | 来源 PDF p.1 |
| 34 | 已发表 STI 患病率系统综述 89 篇，已筛查 71 篇 | 来源 PDF §2 |
| 35 | UNAIDS 报告筛查 287 份，取得并纳入 76 份 | 来源 PDF §2 |
| 36 | 自建系统综述由 Anova Health Institute 执行，检索 2010-10 至 2025-10 | 来源 PDF §1 |
术语表（续）：十五个补充词
| 术语 | 英文 | 释义 |
|---|---|---|
| 图集 | atlas | 按地理/人群组织的数据集合 |
| 汇总数据库 | aggregated database | 存汇总值而非个体记录的数据库 |
| 微数据 | microdata | 个体级记录 |
| 点估计 | point estimate | 单一数值估计 |
| 置信区间 | confidence interval | 估计的不确定性范围 |
| 抽样框架 | sampling frame | 抽取研究对象的名单或规则 |
| 招募 | recruitment | 邀请并纳入研究对象的过程 |
| 自我选择偏倚 | self-selection bias | 参与者非随机造成偏倚 |
| 检测灵敏度 | sensitivity | 有病者被判阳性的概率 |
| 血清阳性率 | seroprevalence | 抗体阳性者的比例 |
| 湿片镜检 | wet mount microscopy | 滴虫病常用的显微镜检查法 |
| 综合生物学与行为学调查 | integrated biological and behavioral survey, IBBS | 关键人群的检测+问卷调查 |
| 证据缺口 | evidence gap | 缺乏数据的人群/地区/病种 |
| 数据血缘 | data lineage | 数据从原始来源到当前形态的追溯链 |
| 变更日志 | changelog | 记录版本变化的文档 |
附录
附录 A：条目信息速查卡
| 项 | 值 |
|---|---|
| 条目名 | STI Prevalence Atlas |
| url_name | who-sti-prevalence-atlas |
| 类型 | 患病率汇总数据库（证据图集），非个体级数据集 |
| 发布方 | 世界卫生组织（WHO） |
| 发布日 | 2026-07-03（新闻稿）；数据库最后更新 2026-09-23 |
| 规模 | 766 项研究 / 2,453 个数据点（2026-06 口径） |
| 病种 | 衣原体、淋病、HSV-2、梅毒、滴虫病 |
| 地理 | LMIC（World Bank 2025 分类），约 150 个国家与地区 |
| 分析单位 | Study Group（研究 × 国家 × 性别 × 时段 × 人群） |
| 获取 | 交互式看板；未见公开 bulk 下载 / API |
| 许可 | 未明示 |
| 抓取时点 | 2026-10-17 |
| 库内互链 | who-gho(175) / cdc-wonder(155) / 待回填 |
附录 B：DAIMS 评估全表
DAIMS 指 Data Quality 五维：Discoverability（可发现性）、Accessibility（可获取性）、Interoperability（可互操作）、Metadata（元数据）、Sustainability（可持续性）。本条目按 1-10 打分，评分依据全部来自公开材料，属编者判断，非官方评级。
| 维度 | 评分 | 依据 |
|---|---|---|
| D 可发现性 | 7 | 有新闻稿、有独立看板 URL、方法页完整；但无 dataset DOI、无 Zenodo/GitHub 镜像、无学术论文可引 |
| A 可获取性 | 4 | 最大失分项：无公开 bulk 下载、无 API、图表前端渲染无法静态取数；贡献通道只写 “contact us” 无具体地址 |
| I 可互操作 | 5 | 字段定义清晰（四张表单），但无标准交换格式（无 CSV/JSON/Parquet 公开包）、无术语表映射到 ICD/SNOMED 等标准 |
| M 元数据质量 | 7 | 方法页完整（纳排标准全表、Study Group 定义、四张表单内容）；来源 PDF 有完整检索式与综述清单；扣分在无字段级数据字典、无逐条记录的元数据公开说明 |
| S 可持续性 | 6 | 依托 WHO 机构与 data.who.int 平台，稳定性有保障；但无版本号、无 DOI、无变更日志，长期可追溯性弱；许可未明示影响长期使用确定性 |
| 综合 | 5.8/10（中等） | 方法论与文档质量高于平均；可获取性与可互操作性是硬短板 |
附录 C：逐项证据链自证
| 关键数字/表述 | 来源 | 位置 |
|---|---|---|
| 766 项研究 / 2,453 数据点 | 新闻稿 | 正文第 4 段 “As of June 2026…” |
| 五类 STI 清单 | 新闻稿 | “Currently, the database focuses on 5 STIs…” |
| “first global platform to provide consolidated, standardized and quality-assured…” | 新闻稿 | 首段 |
| 纳入四条门槛 | 新闻稿 | “To ensure quality, the data included…” |
| LMIC / World Bank 2025 | 方法页 | “Atlas eligibility criteria” 地理行 + 国家清单说明 |
| Study Group 定义与 8 组例子 | 方法页 | “Data extraction” 段 |
| 四张表单内容 | 方法页 | “Data extraction” 段后 Form 1-4 列表 |
| 双人抽取 + WHO 5% 复核 | 方法页 | “Data extraction” 段末 |
| 不可直接跨国比较的警告 | 方法页 | “Data hosted on this database…” 段 |
| 数据库最后更新 2026-09-23 | data-summary | 首行加粗日期 |
| 2,439 识别 / 1,487 抽取 | 来源 PDF | 第 1 页第 3 段 |
| 89 篇综述 / 71 篇已筛 | 来源 PDF | §2 “Published systematic reviews” |
| 287 份报告 / 76 份纳入 | 来源 PDF | §2 “UNAIDS repository of country reports” |
| Anova Health Institute 执行自建综述 | 来源 PDF | §1 首句 |
| 四库检索与末次检索日期 | 来源 PDF | §1 “Search strategy and deduplication” |
| Rayyan AI 概率标签用于排序 | 来源 PDF | §1 “Phase 1” |
| 五病种 tab 与按国家地图 | data-summary | 页面图表清单 |
附录 D：字段级数据字典（依据四张表单整理）
以下字段来自方法页对 Form 1-4 的描述，是本条目对官方描述的整理，不是官方发布的正式数据字典（官方未公开字段名与取值域）。
| 层级 | 字段 | 说明 | 来源表单 |
|---|---|---|---|
| 研究 | study_id | 唯一研究标识 | 方法页 |
| 研究 | objectives | 研究目标 | Form 1 |
| 研究 | design | 研究设计 | Form 1 |
| 研究 | sampling_method | 抽样方法 | Form 1 |
| 研究 | stis_with_prevalence | 有患病率数据的 STI | Form 1 |
| 研究 | other_infections | 其他感染 | Form 1 |
| 研究 | complications_sequelae | 是否含并发症/后遗症 | Form 1 |
| 研究 | resistance_testing | 是否含耐药检测 | Form 1 |
| 研究 | testing_treatment_coverage | 检测/治疗覆盖 | Form 1 |
| 研究 | incidence | 是否含发病率 | Form 1 |
| 亚人群 | country | 国家 | Form 2 |
| 亚人群 | location | 地点 | Form 2 |
| 亚人群 | data_collection_start/end | 采集起止日期 | Form 2 |
| 亚人群 | gender | 性别 | Form 2 |
| 亚人群 | survey_type | 社区/临床及场所 | Form 2 |
| 亚人群 | population_type | 人群类型 | Form 2 |
| 亚人群 | inclusion_exclusion | 纳入排除标准 | Form 2 |
| 亚人群 | age_range | 年龄范围 | Form 2 |
| 亚人群 | symptom_status | 症状状态 | Form 2 |
| 亚人群 | hiv_status | HIV 状态 | Form 2 |
| 亚人群 | sexually_active_proportion | 性活跃比例 | Form 2 |
| 患病率 | anatomic_site | 解剖部位（衣原体/淋病/HSV-2/滴虫病） | Form 3 |
| 患病率 | sample_size | 样本量 | Form 3/4 |
| 患病率 | diagnostic_test | 诊断检测方法 | Form 3/4 |
| 患病率 | prevalence | 患病率点估计 | Form 3/4 |
附录 E：FAIR 与 AI-Ready 检查单
| 检查项 | 状态 | 说明 |
|---|---|---|
| F1 全局唯一标识 | ⚠️ | 有稳定的平台 URL，但无 dataset DOI、无版本号 |
| F2 富元数据 | ✅ | 方法页 + 来源 PDF 文档质量高 |
| F3 元数据含来源登记 | ⚠️ | 综述清单（Annex B）公开，但逐条数据点的原始出处公开程度未确认 |
| A1 可访问协议 | ⚠️ | 网页公开可访问；无公开程序化访问（API/批量下载） |
| A1.1 协议开放 | ⚠️ | 未见明确许可声明 |
| A2 元数据长期可用 | ⚠️ | 无存档副本、无 DOI，依赖 WHO 网站 |
| I1 互操作格式 | ❌ | 无公开 CSV/JSON/Parquet |
| I2 词汇表 | ⚠️ | 字段描述清晰，但无受控词表映射（ICD/SNOMED/LOINC） |
| R1.1 出处 | ✅ | 研究级来源可追溯 |
| R1.2 处理流程 | ✅ | 检索式、筛查流程、抽取表单均公开 |
| AI-Ready 综合 | 低-中 | 文档与流程透明，但缺机器可读格式，无法直接进入 ML 流水线 |
附录 F：基于本数据集的研究检查清单（12 项）
- 确认单位：你的分析单位是 Study Group 还是个体？后者请换数据集。
- 确认口径时点：你引用的规模数字是 2026-06 的新闻稿口径还是 2026-09 的来源 PDF 口径？别混。
- 确认取数路径：你拿到的数值是官方看板可核的，还是抓取/截图得来的？后者不可复现。
- 确认人群类型：性病门诊就诊者与孕妇不能合并；关键人群与一般人群要分层。
- 确认检测方法：NAAT 与非 NAAT 要分层或做敏感性分析。
- 确认解剖部位：写明合并规则；能不分就不分。
- 确认时间窗口：把采集年份纳入模型或做分层；不要忽略发表滞后。
- 按研究聚类：同一研究的多个 Study Group 不独立，标准误要按 study_id 聚类。
- 梅毒单列处理：走独立抽取表、血清学含义不同，合并需额外论证。
- 不跨国直接比：若必须比，做统计调整并报告调整方法；官方明确反对未调整的直接比较。
- 报告覆盖度：写清你的分析覆盖了多少国家、多少研究、占总数据点的比例。
- 引用三要素：平台名 + 版本/更新日期 + 访问日期；不要只写"WHO 数据"。
附录 G：与其他 WHO/LMIC 数据的搭配建议
| 你的问题 | 主要数据源 | Atlas 的角色 |
|---|---|---|
| 某国 STI 负担是多少 | WHO/IHME 型估计值 | 提供底层证据，用于核对/复现 |
| 某类人群患病率大致多少 | Atlas | 主力 |
| 某国近年趋势如何 | 监测系统 + 多期研究 | 提供研究级点，但不连成趋势 |
| 全球哪些地方最缺 STI 数据 | Atlas（按国家数据点数） | 主力 |
| 筛查该不该在某人群做 | Atlas + 成本效果研究 | 提供患病率输入 |
| 抗生素耐药如何变化 | 耐药监测（GASP 等） | 无关（Atlas 不含耐药数据，Form 1 仅记录是否含耐药检测） |
附录 H：口径对照速查（三套数字）
| 数字 | 含义 | 时点 | 出处 |
|---|---|---|---|
| 766 | 入库研究数 | 2026-06 | 新闻稿 |
| 2,453 | 入库数据点数（Study Group 级） | 2026-06 | 新闻稿 |
| 2,439 | 已识别潜在合格文献数 | 2026-09-24 | 来源 PDF p.1 |
| 1,487 | 已完成抽取文献数 | 2026-09-24 | 来源 PDF p.1 |
| 89 / 71 | 已发表 STI 患病率系统综述总数 / 已筛查数 | 2026-09-24 | 来源 PDF §2 |
| 287 / 76 | UNAIDS 报告疑似数 / 已取得并纳入数 | 2026-09-24 | 来源 PDF §2 |
| 5% | WHO 复核样本比例 | — | 方法页 |
附录 I：可复现性记录模板
若你的研究使用 Atlas，建议在补充材料中记录以下七项：
数据源：WHO STI Prevalence Atlas
平台 URL：https://data.who.int/dashboards/sti-prevalence-atlas
数据库更新日期：YYYY-MM-DD（取自 data-summary 页）
访问日期：YYYY-MM-DD
引用规模口径：766 研究 / 2,453 数据点（2026-06 新闻稿口径）
取数方式：官方看板人工记录 / 向 WHO 申请 / 回溯原始文献
Study Group 筛选规则：（写明病种、人群、性别、年份窗口、部位规则）
第七项是全文最重要的一项。没有筛选规则的 Atlas 结果，等于没有结果。
附录 J：缩写速查
| 缩写 | 全称 |
|---|---|
| WHO | World Health Organization |
| STI | sexually transmitted infection |
| HSV-2 | herpes simplex virus type 2 |
| LMIC | low- and middle-income countries |
| NAAT | nucleic acid amplification test |
| IBBS | integrated biological and behavioral survey |
| UNAIDS | Joint United Nations Programme on HIV/AIDS |
| DALY | disability-adjusted life year |
| DAIMS | Discoverability / Accessibility / Interoperability / Metadata / Sustainability |
| GHO | Global Health Observatory |
| GBD | Global Burden of Disease |
| I² / τ² | 元分析异质性度量（比例 / 方差） |
附录 K：本条目引用的全部来源
- WHO 新闻稿（2026-07-03）：https://www.who.int/news/item/03-07-2026-who-launches-first-global-database-on-the-prevalence-of-sexually-transmitted-infections
- STI Prevalence Atlas 总览页：https://data.who.int/dashboards/sti-prevalence-atlas
- 数据摘要页：https://data.who.int/dashboards/sti-prevalence-atlas/data-summary
- 方法页：https://data.who.int/dashboards/sti-prevalence-atlas/more-information
- 数据来源 PDF（2026-09-24，13 页）：https://data.who.int/docs/librariesprovider22/sti-prevalence-atlas/sti-prevalence-atlas---data-sources.pdf?sfvrsn=5e34275_10
- WHO 数据政策与使用条款：https://www.who.int/about/policies/publishing/data-policy/terms-and-conditions
附录 L：待核清单（留给后续维护者）
| 项 | 状态 | 建议动作 |
|---|---|---|
| 是否有隐藏的 bulk 下载 / 导出按钮 | 未确认 | 用浏览器交互测试 data-summary 页表格视图 |
| Metadata 锚点下的字段级说明 | 未渲染 | 浏览器实测 |
| 逐条记录的浏览界面 | 未确认 | 浏览器实测 |
| 数据许可协议 | 未明示 | 向 WHO 书面询问 |
| 贡献数据的联系方式 | 只有 “contact us” | 经 WHO 官网联系表单 |
| 1,487 → 766 的漏斗明细 | 无官方说明 | 关注后续来源 PDF 更新 |
| Kasaeva 的现任职务 | 按新闻稿时点记录 | 后续以 WHO 官网组织架构页核对 |
| 国家总数 | 官方未给 | 待官方公布，或按清单精确计数 |
| 是否有配套论文在投 | 未发现 | 关注 WHO 出版物与学术期刊 |
相关数据集导航
以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：
- hmd — 共享标签：公共卫生与流行病学 / 公共卫生统计 / 全球健康 / 流行病学
- global-burden-of-disease — 共享标签：公共卫生与流行病学 / 全球健康 / 流行病学
- fair-health-atlas — 共享标签：公共卫生与流行病学 / 疾病监测 / 公共卫生统计 / 流行病学
- wuenic-immunization — 共享标签：公共卫生与流行病学 / 疾病监测 / 公共卫生统计 / 全球健康
- ncd-risc — 共享标签：公共卫生与流行病学 / 疾病监测 / 流行病学
- who-gho — 共享标签：公共卫生与流行病学 / 公共卫生统计 / 全球健康
- jhu-csse-covid-19 — 共享标签：公共卫生与流行病学 / 疾病监测 / 流行病学
- sth-schisto-eggs — 共享标签：公共卫生与流行病学 / 疾病监测 / 全球健康
- sinan-dengue — 共享标签：公共卫生与流行病学 / 疾病监测 / 流行病学
- cdc-wonder — 共享标签：公共卫生统计 / 流行病学
导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。
