背景：接触颗粒物（PM）、有害气体和噪声每年导致全球数百万例死亡、伤害和残疾。由于全球监测资源有限，这些暴露并未被频繁测量，大多数工人从未接受过监测。即使在高收入国家，每次工作场所检查平均仅采集两到三个样本。要估算常见暴露分布的集中趋势指标和上百分位数，需要大得多的样本量。因此，干预措施和流行病学研究往往依赖于对这些参数的低质量估算。目的：本研究旨在证明，一个小型团队能够在单日内经济高效地测量整个设施（约100名工人）中所有工人对多种危害的暴露，同时最大限度地减少参与者负担和生产力损失。方法：研究人员在一个家具制造设施内，部署了一种名为AirPen的新型紧凑型个人监测器，用于测量工人在一个完整工作班次中对总颗粒物、甲醛（HCHO）和A计权噪声的暴露。AirPen预装了采样介质并预编程，以最大限度地缩短现场部署时间。利用板载传感器数据识别采样异常、确认AirPen被佩戴并验证采样结果。随后，使用有效样本来估算暴露分布参数。结果：一个五人团队在该设施部署了83个AirPen。经过质量保证筛选后，67个PM样本、67个噪声样本和22个甲醛样本被确认为有效（若将低于检测限的样本计入有效样本，则数量分别为72、67和31）。PM和噪声的暴露分布参数（如算术平均值和几何平均值、第95百分位数）以高确定性被估算出来。当分析较小的样本量时，不确定性（即置信区间）增长了数倍。意义：使用简化的多危害监测技术，使得工作场所暴露评估的样本吞吐量实现了显著提升。这种方法降低了工作场所风险评估的不确定性，并促进了对个人暴露更深入的分析。
职业风险在全球发病率和死亡率中占很大比重。世界卫生组织（WHO）和国际劳工组织（ILO）估计，2016年全球约有190万例死亡由工作相关疾病和伤害导致。其中超过40%的工作相关死亡与慢性呼吸系统疾病和多种癌症有关，而这些疾病又部分归因于暴露于职业性颗粒物（PM）、气体和烟雾。许多工业部门的工人还长期暴露于高水平噪声（> 85 dBA）下，这使听力损失的发生率至少增加了两倍。此外，证据表明噪声暴露与心血管疾病风险升高有关。更广泛地说，职业性空气污染和噪声暴露影响着数百万工人的生活质量、心理健康和工作表现。在美国和澳大利亚等高收入国家，这些工作相关危害的经济成本估计高达数十亿美元。全球统计数据提供了问题的宏观视角，但危害减少需要准确、全面和可操作的个体暴露数据。
工作场所检查的不频繁，加上检查期间个人暴露样本收集有限，限制了可用于全面暴露评估的数据。全球范围内，用于职业暴露评估、控制和管理的资源非常有限，这影响了数据的可用性，并最终影响了对工人的有效保护。尽管WHO、ILO和国家职业健康监管机构[如英国的健康与安全执行局（HSE）、美国的国家职业安全卫生研究所（NIOSH）和职业安全与健康管理局（OSHA）]发布了国家和行业的职业暴露数据，但其基础的工人层面数据稀缺、不一致且质量参差不齐，导致群体层面估算的不确定性很高。从1984年到2009年，OSHA平均每年分析约44,000个个人样本，每个样本表征一个标准工作班次（即约8小时）对单一危害的暴露，而每次工作场所检查收集的样本中位数在2到3个之间。仅美国制造业就雇佣了超过800万人，在该行业中一个高风险职业群体（包括焊工、切割工、钎焊工和铜焊工）就有超过40万工人。高风险部门（如建筑、石油天然气和采矿）的工人总数要大得多（数百万）。评估其中5-10%高风险工人的暴露情况，每年需要数十万个样本，考虑到工人通常暴露于多种危害，所需样本更多。其他G7国家的职业暴露数据库报告了类似的每年个人样本数量，而中低收入国家则缺乏此类信息。
典型的工作场所检查样本量需要扩大约10倍（即从3个扩大到30个），才能捕捉空气污染和噪声暴露的变异性，这些暴露通常呈对数正态分布。然而，扩大个人暴露监测存在重大障碍。主要限制因素是设备和专业劳动力的成本。在大多数情况下，一台采样器只能监测一名工人对单一危害的暴露，而每位工业卫生师（IH）每天大约可以部署8台仪器，因此大规模检查需要多名IH。此外，如果必须测量不止一种类型的暴露（例如，气溶胶、气体、噪声），则每名工人每增加一种暴露类型就需要增加一台仪器，并且需要额外人员来部署设备。对于30名工人（即足以估算对数正态分布的第95百分位数的样本量），测量三种类型的暴露可能需要90台仪器和约10名IH，成本超过50,000美元，包括设备、样本分析和顾问时间。工人的负担（佩戴监测设备的不适感）、生产力损失以及获取高质量数据所需方案的复杂性，是个人暴露评估相关的其他挑战。必须使监测工具和程序现代化，以实现更高的采样吞吐量。
本研究描述了AirPen的全规模部署，AirPen是一种用于测量PM、挥发性有机化合物（VOCs）和噪声的小型可穿戴采样器。AirPen的设计旨在降低个人监测器部署的总成本，并通过将多个采样器的功能集成到一个易于部署的设备中，同时保持采样性能，使大规模的个人暴露评估活动成为可能。在实验室和现场验证中，AirPen样本与建立的工业卫生仪器[如用于PM的SKC AirChek XR5000泵配Mesa Triplex旋风分离器，用于VOCs的SKC AirChek 2000泵配低流量适配器]的样本表现出强相关性（皮尔逊r > 0.92）。此外，AirPen包含一套板载诊断工具，可简化样本质量保证。本研究的主要目标是在单日内测量一个大型设施（约100名工人）中几乎所有工人的暴露情况。研究人员在美国一家家具制造设施开展了一项采样活动。收集了时间积分样本和一系列时间分辨传感器数据。本研究重点针对总气溶胶质量、甲醛和噪声的暴露。这三种危害都与研究的工作场所有关，在制造业中经常遇到，具有成熟的暴露评估方法，并且有OSHA定义的职业暴露限值（OELs）。
在实验室预部署阶段，AirPen的设置和采样参数通过移动应用程序预先配置，使每个采样器可以“即用型”状态运往现场。选择了250 mL min
-1作为PM样本的主流量。AirPen被预配置为“下次启动”模式。在该模式下，设备将设置和元数据保存在非易失性存储器中，并在下次通电时立即开始采样。发货前，安装了15 mm直径的PTFE膜滤膜用于PM采样，以及ORBO™ LpDNPH玻璃管用于醛类采样。在现场预部署阶段，尽管仪器已预配置，现场团队在采样活动开始前两天抵达，以有足够时间组织后勤细节、检查AirPen状态并为电池充电。部署前一天，对设备和采样介质的物理状态进行最终检查时，发现了大量破损的LpDNPH玻璃管。为了将这次意外事件的影响降到最低，现场团队拆解了所有带有破损管的AirPen，彻底清洁了它们，并盖住了管的进出口。这项工作使得这些仪器仍可用于PM和噪声采样。参与者招募是该设施一个更大项目的组成部分，参与者在实地活动前的不同时间被招募。所有参与者均提供了知情同意并完成了调查问卷。
采样当日早上，参与者用弹性带将AirPen佩戴在他们喜欢的手臂上，并打开设备以启动预编程的采样。此过程每位参与者大约需要1分钟。要求参与者在班次结束时归还AirPen。现场团队关闭设备并提供部署后调查。当天结束时，AirPen被存放在运输箱中。第二天早上，从设备中取出滤膜和气体管，并转移到单独的密封容器中。研究人员在此时将采样介质从AirPen中取出，以避免在运输过程中样本污染（和破损）并加速分析。收集到的PM质量通过自动机器人称重系统确定至最接近的1 µg。LpDNPH管使用源自EPA TO-11A方法的紫外高效液相色谱（HPLC-UV）进行分析。麦克风的模拟信号由AirPen微控制器上的内置模数转换器（ADC）以50,000 Hz和14位分辨率测量。ADC值被记录到SD卡上，并传输到个人计算机进行响度级别计算。使用快速傅里叶变换（FFT）将时域ADC值转换为频域数据，随后应用A计权以计算以dBA为单位的响度。
数据和样本完整性方面，仪器故障、操作错误、参与者未正确佩戴采样器以及其他因素可能导致数据/样本损失或引入偏差。研究人员利用AirPen传感器数据和板载诊断工具自动化了大部分样本验证工作。首先，移除了所有运行时间少于四小时的样本以及日志文件损坏/丢失的AirPen样本。对于噪声，分析日志文件以识别缺失或故障麦克风的迹象。传感器记录的流量和泵电压数据用于识别流量控制异常。如果视觉评估表明趋势与设备故障一致，则确认样本异常并移除。加速计数据用于识别采样器异常静止的时间段，这表明采样器不再被佩戴。对于低于检测限（LOD）的数据，应用了不同的处理方法——截断（即移除低于LOD的样本）、多重有序值插补以及保留实验室报告值——以观察每种处理对分布估算和摘要统计量的影响。
使用闭式最大似然估计（MLE）通过R软件包MASS拟合分布。使用直方图选择分布类型和候选分布。通过比较经验概率密度和累积密度图以及Q-Q图和P-P图（即视觉上）来评估拟合优度。使用基于似然的标准[赤池信息准则（AIC）和贝叶斯信息准则（BIC）]定量比较拟合的分布。计算每个拟合分布的适用分布参数。对于对数正态分布，通过指数化拟合参数计算几何平均值（GM）和几何标准差（GSD）。还使用累积密度函数计算了所有拟合分布的第95百分位数。使用单侧容许区间的k因子估算第95百分位数的上限置信限（UCL
95%）。
结果部分显示，大多数样本损失是由于LpDNPH玻璃管在运输过程中破损造成的。这一单一事件显著减少了甲醛样本量；它还迫使研究人员在最后一刻拆卸、修改和重新组装AirPen。当AirPen被重新组装时，一些麦克风板连接不正确，减少了噪声样本量。此外，有四个采样器在早上未被正确开启，一个采样器在班次结束时未被关闭。应用所有验证标准后，67个PM样本、67个噪声样本和22个甲醛样本保持有效，对应的成功率分别为81%、81%和27%。若将低于检测限的样本计入有效样本，则成功率略高。
PM暴露似乎呈对数正态分布。左侧删失数据处理对结果影响不大。在本研究中，每个样本都远低于OSHA对“其他未规定总颗粒物”的8小时容许暴露限值（PEL）15,000 µg m
-3。测量的暴露和UCL
95%估算值也低于NIOSH对木尘的推荐暴露限值（REL）1000 µg m
-3。噪音暴露测量值中，低于麦克风LOD（即< 50 dBA）的比例不到0.2%。直方图未显示明显的分布类型候选。正态分布和威布尔分布都能很好地近似经验数据。尽管威布尔分布拟合效果更好，但并非所有用于职业暴露评估和流行病学的摘要统计量都适用于威布尔分布，因此一些参数仅使用拟合的正态分布和经验数据计算。算术平均值和GM几乎相同，为77.7 ± 0.1 dBA。标准差、GSD和范围（20.8 dBA）显示分布紧凑。UCL
95%估算值仅比正态分布第95百分位数估算值高1.0-1.5 dBA，比经验第95百分位数高约3 dBA。本次测量活动的噪音暴露结果低于OSHA 8小时PEL（90 dBA）至少3.9 dBA。尽管如此，有一项测量值和UCL
95%估算值高于OSHA的行动水平（85 dBA），这意味着现有的现场听力保护计划是必需的（但不需要工程控制）。
鉴于甲醛采样成功率较低，仅在此进行简要描述。甲醛暴露分布看起来像两个对数正态分布的混合（即双峰对数正态），但双峰之间的谷也可能是由缺失数据造成的。由于无法拟合简单的正态或对数正态分布，因此使用经验数据计算了摘要统计量。值得注意的是，即使是最高的测量甲醛浓度（25.6 ppb）也比OSHA的8小时PEL（750 ppb）低约30倍。第95百分位数的置信区间很大，且高度依赖于左侧删失数据的处理方法。
相似暴露群体（SEG）分析显示，非工厂（即行政或发货）工人和工厂（即其余）工人的平均暴露在PM、噪声和甲醛方面在0.05显著性水平上存在差异。箱线图也显示，发货和行政人员的PM和噪声暴露始终低于工厂工人。工厂生产线之间的差异不太明显。对于PM，工厂生产线之间的平均暴露差异在任何合理的显著性水平上都未发现。噪声方面，生产线在0.1显著性水平上有差异，但在0.05水平上没有。成对比较仅揭示了机加工生产线和最终组装生产线在噪声方面的平均暴露存在差异。
讨论部分指出，工人保护标准的执行以及流行病学研究，通常依赖于暴露分布统计量的估算，而非完整的原始暴露数据。后者在大多数情况下几乎无法获得，但足够的样本量对于准确估算分布统计量至关重要。具体来说，必须收集足够的样本来估算第95百分位数（或其他上百分位数），以便与职业暴露限值（OEL）进行比较。对于职业流行病学研究，需要对给定暴露的集中趋势（如算术平均值或GM）进行可靠估算。在这两种情况下，准确估算分布参数所需的样本量取决于分布类型和群体内的变异性。职业性空气污染物暴露通常呈具有高度异质性的对数正态分布。噪声暴露倾向于呈正态或对数正态分布。计算机模拟计算表明，要估算对数正态分布的真实算术平均值和GM在一定精度内，至少需要20个样本来估算GM在真实值的±20%以内。使用上容许限（UTL）评估对数正态分布暴露的合规性需要大样本量。使用分布无关的非参数方法也可以评估合规性。在所有情况下，典型的暴露评估样本量（即2 ≤ n ≤ 5）都至少不足5-10倍。
本研究证明了大规模、多危害暴露评估的可行性取得了重大进展，并提供了一种适应性强的解决方案，以克服职业暴露数据收集的历史限制。此次暴露评估活动的结果表明，通过整合创新技术和高效的部署策略，可以解决物流复杂性和资源密集型等关键障碍。通过简化采样过程并减少参与者的负担，AirPen促进了工人和雇主的更大参与和支持，展示了其在职业健康研究中更广泛应用的潜力。
在本次活动中，招募超出了预期，所有可用的采样器（n = 83）迅速分配给了有兴趣参与的工人。AirPen的快速启动功能将生产力损失降至最低。最重要的是，收集全设施范围暴露数据（几乎涵盖每位工人）的能力，大幅降低了预测暴露分布和估算风险的不确定性。
PM暴露测量结果表明其符合对数正态分布，左侧删失数据处理对暴露评估结果的影响可忽略不计。对于所有处理方法，第95百分位数及其上限置信限（这对于职业合规性和工人保护至关重要）彼此之间均在2%以内。噪音暴露结果尤其显著，因为最大测量值和UCL
95%估算值都落在OSHA行动水平和PEL之间的狭窄区间内。最大测量值和UCL
95%估算值几乎相同（在0.25 dBA以内），这证明了AirPen测量的可靠性。
收集到的甲醛样本数量有限，限制了可能进行的深入分析深度。UCL
95%估算值比第95百分位数估算值高1.4-2.1倍，具体取决于左侧删失数据的处理方法。这与噪音（UCL
95%与第95百分位数之比< 1.05）和总气溶胶质量（比值< 1.23）获得的紧凑置信区间形成对比。这一关键暴露指标较大的误差范围表明，即使是相对较大的样本量（n = 22），其不确定性与收集群体中大多数工人的暴露数据（如PM和噪声）相比，也存在可测量的差异。
收集所有生产线工人的暴露数据，使研究人员能够评估相似暴露群体（SEG）的适用性和效用。当考虑SEG时，暴露评估和工人保护可以更有效率。在本次研究中，将工厂和非工厂工人作为独立SEG处理的决定得到了有力支持，因为发现他们的平均暴露存在显著差异。相反，分析表明，工厂内不同生产线的平均暴露相似，除了少数特定情况外，不适合作为基于SEG进行区分的候选。
现场团队面临着几个挑战，影响了每种样本类型的成功率。LpDNPH玻璃管破损的事件为后续项目提供了经验；自本文所述的采样活动以来，AirPen设计已进行修改以适应塑料DNPH盒用于醛类采样。快速部署节奏也在AirPen组装和操作中引入了轻微的人为错误，这凸显了设计改进的必要性，以降低组装错误的可能性、改进现场方案或加强操作员培训。尽管存在这些障碍，但识别AirPen技术的薄弱环节非常有价值，并为后续固件和采样物流方面的改进提供了依据。总而言之，在单日内为两种不同危害（即PM和噪声）收集超过65个有效样本（≥ 80%的成功率），代表着相对于传统职业暴露评估活动（通常只收集两到五个样本）的重大改进。
结论：包含群体中足够数量个体的全面暴露评估，对于做出基于可靠数据的判断至关重要。目前，全球大多数脆弱人群未接受监测——使公共卫生研究、立法和执法工作依赖于间接或高度不确定的暴露测量。本研究表明，技术创新可以解决暴露评估中的关键障碍，如成本、时间限制和参与者负担。这些发现强调了迭代开发和严格验证的重要性，以确保新方法在不同职业环境中的实际适用性。本工作概述了将群体中大多数个体纳入暴露评估时可能进行的深入分析。文中介绍的分析并非详尽无遗，且所述活动仅代表暴露的一天快照，凸显了纵向研究以捕捉时间变异性必要性。对AirPen技术的持续研究和开发可以导致采样器不仅更便宜、更紧凑、与现有仪器一样可靠，而且对公众更加用户友好，并且更少依赖专家设置和监督。这种具有板载诊断功能的多危害监测器，可以支持在多种职业和非职业环境中资源密集型而无法扩展的暴露组学研究。本研究展示了实现该突破所需的一些步骤，并指明了前进的方向。
