个人佩戴传感器评估个人环境暴露的前景

工程7（2021）285意见和评论个人佩戴传感器评估个人环境暴露的前景Uwe Schlinka，Maximilian Ueberhamba亥姆霍兹环境研究中心城市和环境社会学系，莱比锡04318，德国b环境生物技术中心（UBZ），亥姆霍兹环境研究中心（UFZ），莱比锡04318，德国1. 介绍近年来，我们目睹了对新型基于人的传感设备的兴趣迅速增长，例如，用于健康，运动，安全，儿童保育，医疗保健和生物监测[1]。同时，越来越多地进入前沿的另一个方面是通过与智能手机结合的个人佩戴传感器进行移动环境监测[2]。智能传感器（称为智能传感器）完成从物理属性获取电信号以及处理（和存储或通信）测量信号，这使它们成为优秀的个人曝光记录器。可穿戴环境传感器可汇集环境数据（空气质量、温度、湿度、辐射、噪音等）的记录。以及人类活动空间的记录[3]。后者代表城市地区，人们在日常活动中移动，可以通过全球定位系统（GPS）设备进行跟踪[4]。个人暴露在环境（通常是慢性）健康问题的病因学中的作用由博览会强调-一些概念[5]，与其遗传组成相比，个人暴露具有高度重要性对环境健康影响的流行病学研究往往使用区域一级的汇总数据。对某些地区的疾病流行率或发病率与固定监测站收集的环境参数数据之间的统计关联进行了研究，这些监测站对每个地区都具有然而，来自稀疏站点网络的记录不足以代表不同个体经历的暴露范围，特别是在不同的室内和室外城市环境中[6]。此外，虽然这些研究的结果对于给定的地区方案是有效的，但它们会改变另一种地区安排，称为可修改的面积单位问题（MAUP）[7，8]。因此，更先进的方法直接关注个人，并在个人住宅周围使用缓冲区。本研究应用生态学回归分析方法，分析个体健康状况与交通、绿地、工业用地等所占比例之间的关系。缓冲液作为暴露的替代措施[9]。显然，每个人的真实个人暴露只能用这种方法间接测量，并且暴露错误分类会削弱结果的统计意义[10，11]。作为一种补救措施，个人佩戴的传感器可以直接记录人所在位置的环境参数现代传感器的小尺寸、智能功能和实惠的成本使其成为记录体内暴露数据的完美工具。我们的评论旨在指导选择合适的传感器，提高对所获得结果的理解，并强调可穿戴环境传感器的建设性要素的主要需求（图1）。特别是，我们概述了这些传感器的应用程序的标准。此类标准操作规程（SOP）取决于研究的预期目的和研究问题。通过示例和挑战进行说明，试图启动更多与环境监测、公共卫生和个人暴露评估中传感器和可穿戴设备的建设性元素和多种用途相关的跨学科讨论。2. 个人佩戴环境传感器个人暴露是多因素的，包括例如空气温度、空气湿度、辐射、空气污染物（气体、颗粒物）和噪音。这一定义旨在涵盖导致人类疾病组的所有外源性暴露因素由于与暴露相关的健康结果或不适取决于个体的脆弱性和行为，因此必须考虑其他个人特定变量它们包括固定值（例如，年龄、性别和预先存在的健康状况）以及时间依赖值（例如，由GPS记录的运动行为和由加速度计记录的与身体活动相关的呼吸率[13]）。基于智能手机的传感方法已经成为一种有价值的方式，我们需要收集这些变量中的许多[14，15]。基于个人的环境测量对于两个非常不同的目的是有用的。首先，他们不断收集个人的完整暴露数据这种方法导致https://doi.org/10.1016/j.eng.2020.07.0232095-8099/©2020 THE COMEORS.由爱思唯尔有限公司代表中国工程院和高等教育出版社有限公司出版。这是CC BY许可下的开放获取文章（http://creativecommons.org/licenses/by/4.0/）。可从ScienceDirect获取目录列表工程杂志首页：www.elsevier.com/locate/eng联合Schlink和M. 于伯勒姆工程7（2021）285286Fig. 1.个人环境感知的简短事实在累积暴露、位置和活动特定暴露增量、暴露增量的频率分布[16]、移动习惯和行为的度量中。它可以促进佩戴传感器的个体的视觉变化和适应，并被告知其当前的暴露状态。至少这可以帮助促进个人例如，骑自行车的人可以根据分配给他们的地理位置的信息调整他们的旅行行为[18，19]。第二，个人可以充当城市探险家，通过他们的便携式传感器，可以捕获大气参数的变化[20]。结合来自许多人的这种众包测量或模型模拟，在参与式公民科学方法中估计城市中所有位置/时间的数据[21，22]。沿着每个人的轨迹绘制时空数据（根据时间地理学的概念[23]）可以提高对疾病流行率，病因，传播和治疗的理解[24];也有助于支持可持续的城市规划。3. 个人照射测量的概念与个人健康相关的环境暴露这种连续监测的结果表明，不同的暴露水平（和组合）取决于个人由于这一概念，与人的日常议程相关的暴露是一系列污染模式，每个模式都表征了特定的微环境。例如，在柴油车、地铁或有烟草烟雾的房间中，黑碳暴露量显着升高[26]。这种微环境概念有助于根据个人的时间-活动曲线和所涉及微环境的特征污染水平进行近似暴露估计典型的微环境是家庭，学校和交通/通勤车辆[27]。暴露于室外污染物不仅发生在室外，也发生在自然通风的室内[28]。而在过去，微环境是根据活动日志（日记）或地理接近度[29]以及GPS和加速计的使用进行分类的。允许自动化的人类活动识别[3，30]。这种微环境概念的一个弱点是，不同公寓的室内空气污染差异很大，只有非常一般的信息是选定的典型设置-tings.此外，在户外，特别是在城市社区，由于许多潜在的来源（例如，工业和交通）和街道峡谷中快速变化的分散条件。例如，研究PM2.5（空气动力学直径不大于2.5lm）学童接触，Rabinovitch等人[31]观察到家庭、交通和学校微环境中的平均浓度之间存在相对较高的相关性这就提出了微环境之间和微环境内部的可变性问题。只有很少的个人暴露记录显示微环境之间的明显差异。更明显的是浓度峰独立于微环境发生作者将这些峰值（暴露事件）确定为与健康影响相关的暴露度量。个人暴露的另一个概念与城市结构有关。这里的基本假设是，土地利用是气候，空气质量和噪音条件的代理。土地利用回归（LURs）用于建模[32]。该假设在弱风条件下（原地气候）是有效的，并且（但较弱）作为长期平均（在长期气候意义上）。如果应用适当的交叉验证方案来估计预测模型性能，移动个人测量可以为高空间分辨率补充站监测中的LUR模型提供有价值的数据[33]。4. 采样点和采样率传统上，（城市）大气层由气象和空气质量站网络监测，这些站设在固定地点，目的是收集代表性数据。为了适当选择这些地点，已经制定了指导方针[34]。然而，城市环境是非常不均匀的，受到许多不同过程的影响，选择这些代表性的网站是一个挑战。选址的一个重要方面是监测的基本原理：监测的目的是收集气候数据，还是提供数据以支持特定需求，如预防健康问题？这确定了是否直接邻近（例如，街道峡谷）、社区或整个城市是观察的尺度。为了确定城市地区气候监测点的最佳数量和配置，通常联合Schlink和M. 于伯勒姆工程7（2021）285287≈--≥·≈·结合污染物浓度模式或甚至综合空气质量指数的空间模拟[35]。所有这些空气质量模式的总和通过其发生的概率加权，得到品质因数（FOM）。它的最大值有助于确定和排名最理想的监测地点。最低数量的最佳位置的特征在于非重叠的影响球（SOI），由该站点和相邻监测站点的污染水平之间的空间自相关的截止值确定[36，37]。虽然半方差评估了整个污染场的空间自相关结构（并可用于污染数据的空间插值[38]），但SOI概念基于对每个位置特定的相关图的计算相关图截止距离（通常在相关性衰减1/e（36.8%）之后）表示记录所代表的区域的大小。我们建议将这一概念转移如果在行走过程中采样的序列的SOI重叠（参见图2中的示例），则采样值是相关的，因为采样点太靠近在一起。这意味着可以选择单个样本之间的较大时间段;换句话说，可以降低采样率，即每小时的样本数量。5. 传感器的精度-性能问题微型传感器的一个重要问题是它们的精度。而用于状态监测的设备（例如，例如，工厂的温度/湿度控制或矿山的污染物监测）旨在检测极端值，收集个人环境负担的传感器必须以高精度记录非常低的浓度[39]，这涉及①高精度（小的随机波动和良好的可重复性），②真实性（与真实值无偏差）和③稳定性（无长期漂移）。准确度可以通过定期校准来实现，但精度和稳定性与测量技术无关因此，并非每种技术都适合应用于可穿戴环境传感器。必须根据制造商指南定期校准传感器。现场测量性能可以通过与标准高端仪器进行比较来评估[40]。有一套指标可供评估传感器当多个因素同时采样时，需要所有传感器的类似精度。这将保证每个因素测量在采样点具有相同的可靠性。在实践中，可以通过Bland-Altman和Taylor图[40]与精密仪器进行比较来6. 传感器的时间常数另一个重要参数是时间常数s，表征传感器响应阶跃输入所需的持续时间（更准确地说，是阶跃值的1 1/e（63.2%））。考虑到传感器可能在以大约5 km h-1（1.4 m s-1）的速度步行期间携带，并且环境条件在14 m的范围内显著变化，采样率需要为10 s。传感器必须与此采样率兼容，时间常数必须为s≤10s（不幸的是，许多新的智能传感器的s< 1 min）。 时间常数基本上取决于采样是否有效（这意味着传感器通过微型风扇通风，应用标准化的流速）。相比之下，被动采样图二.通过使用通风（55 m·s-1流速）和防晒传感器（数据记录器testostor 171，带湿度/温度探头0572 6172，德国;精度：±0.2 K，s≤12 s（s是表征持续时间a的时间常数传感器将需要对2017年7月18日星期二22：50-00：00 UTC在德国莱比锡进行的步行过程中距离地面1.5 米的步进输入做出响应。这些点标记采样点（由GPS（GarminGPSMap 60CSx，USA）登记的坐标，其由1分钟的时间步长分开圆点周围的圆圈标记SOI距离，在该SOI距离处，中心温度与其余数据的相关性衰减1/e（Δ 36.8%）（相关图拟合指数函数;去除负相关性）。采样速率为5秒，因此对于每个采样部位，12个记录（包括1分钟）被包括在相关性计算中。使用低通滤波器（6 h截止期）估计每日温度曲线，然后从记录中消除为了提高可读性，连续的圆圈用红色、蓝色和绿色绘制城市结构在背景中可见（坐标系1984年世界大地测量系统（WGS 84），通用横轴墨卡托（UTM）32区）。图3.第三章。不同温度传感器和采样模式的同步记录（以1分钟的时间步长采集室外温度）：德图传感器（数据带有湿度/温度探头的testostor 171型记录仪0572 6172，德国;精度：±0.2 K，s≤12s）主动采样，具有防晒和通风功能; TSI Q-Trak 7565传感器（美国;精度：±0.6 K，s≤30 s）手持，自然通风且无防晒; Texas Instruments（TI）SensorTag CC 2650 STK（USA;精度：±0.2 K，s≤300 s），无任何防晒和通风。在移动测量的情况下，由于大的时间常数（惯性效应），通常是不够的比较主动和被动温度测量的示例（图3）表明，采样率和时间常数的不适当组合可能导致相当大的测量误差。联合Schlink和M. 于伯勒姆工程7（2021）285288毫无疑问，在可穿戴传感器的特定应用中，采样率需要适应环境参数的现有空间变化（参见上文的SOI概念）、移动测量的速度和传感器的时间常数。调整采样率的可能性可能是有限的，不是每个传感器都适用于个人环境监测的每个设计。7. 实施个人监测上述论点表明，流动测量的实施取决于其目的和普遍的环境参数的可变性可以通过点测量、地质统计技术（例如，半变差函数分析）和微气象建模。对于手头的测量任务，开发一个SOP将非常有帮助，这是制药和工业过程的最新技术。此类移动测量SOP涉及测量程序的详细描述，包括研究目的、材料和设备、传感器的详细信息（包括功能、能量供应、校准、准确度和时间常数）、移动测量实施的详细信息（流程图）、移动测量活动的协议（包括开始日期和时间、位置、测量所需的准备行人、骑自行车的人和汽车））、平均移动速度、采样周期、所有传感器和GPS之间的同步方法、潜在的误差源、数据存储细节和数据分析方法。这些工作说明对于测试不同传感器和新型设备或探索城市热点附近环境条件的研究人员非常有用。当外行人在日常生活中携带可穿戴传感器并记录他们的健康研究负担时，它们对于高质量的人口研究模板以及规划工具可用于支持[43]。手动采集所有收集的数据将是繁琐的，因此数据流必须在连接传感器、智能手机和数据库的数据采集系统中进行集成和快速处理[44]。这种数据处理的一个重要任务是通常基于时间戳的所有测量的同步[45]。物联网（IoT，作为全球数据基础设施[46]）的未来发展可以完善数据管理，同时提高数据的准确性和覆盖范围[47]。例如，像iBeacony这样的短距离通信技术可以改善室内环境中的位置登记，并有助于对室内和室外环境负担进行全面评估。8. 传感器记录可穿戴设备记录的所有数据都受到相当大的噪音的影响[48]。人员附近的小规模湍流，由于撞击造成的记录滋扰（例如，热、噪声和痕量气体）以及其它扰动将在测量数据中产生异常值以及偏差当一个城市地区被许多人“探索"时，记录数据的质量可以得到提高在它们的移动过程中，可以对在时间和空间上的附近点收集的数据进行平均，以减少随机噪声。一个系统的技术，内插许多这样的测量是所谓的数据同化，它结合了测量与微气象模拟。这种方法类似于在全球范围内实际应用于气象和气候测量的程序。yhttp://www.ibeacon.com/。由于测量总是有不确定性，数据同化程序在计算合并数据及其不确定性时需要考虑到这一点。作为这个任务的一个适当的解决方案，我们建议贝叶斯时空认知知识综合[49]。这种方法可以结合微气象模拟（空气污染物，温度等）。其中多个人携带的测量产生环境参数及其置信区间的高分辨率数据可穿戴传感器的另一个视角是记录与载体的感知的关联。一种记录一个人在特定的城市环境中，人们更容易反映自己的经历，这反映了所测量的环境条件。这项技术来自人种学研究，可以在测量的暴露数据、个人行为和健康状况之间架起桥梁。结合可穿戴传感器，步行访谈可以揭示日常习惯和社会环境作为个人暴露的决定因素和慢性病病因的贡献者智能电话感测方法是整合主动用户反馈（例如，[45]在移动中的感知。9. 结论新的传感器和信息技术的发展可以大大有助于提供人类麻烦数据[51]并促进从基于人群的流行病学研究过渡到基于个人的流行病学研究[52]。虽然一些环境参数是由人类感知反映的（如热舒适度和噪声），但其他环境参数基本上是不可感知的（如颗粒物和 NOx浓度）。作为一种纠正措施，多因素暴露测量可以立即告知一个人普遍存在的健康风险[53]。这对于非传染性疾病的流行尤其重要（哮喘和糖 尿 病） 以 及 传 染 性 疾病 （ 例 如 ， 结 核病 和 2019 冠 状 病毒 病（COVID-19））疾病，这些疾病受到人们日常生活方式和周围环境的影响此外，可穿戴设备可以帮助克服微环境和土地使用的概念，不是基于个人的。然而，可穿戴传感器的应用需要采样率、准确度和许多其他条件的规范，理想情况下，在SOP的框架内（图1）。①的人。为了避免虚假和有偏差的记录，传感器本身必须主动采样（即，通过微型风扇通风），并防止有害参数的影响。将基于个人的记录与环境建模以及新技术相结合，对未来的研究活动进行调查是有希望的确认这 项 工 作 得 到 了 德 国 研 究 基 金 会 （ DeutscheForschungsgemeinschaft ， DFG ） 的 部 分 支 持 ， 该 基 金 会 隶 属 于Schwerpunktprogramm（SPP）1894“环境地理信息：解释、可视化和社会计算”项目“ExpoAware-Environmental voluntary geographicinformation for personal exposure awareness and healthy mobilitybehavior”（SCHL 521/8-1）。作者感谢Niels Wollschläger在计算SOI方面的帮助（图1）。 2）的情况。引用[1] Wilson EK.可穿戴汗液传感器。工程2019;5：359-60.[2] Loh M，Sarigiannis D，Gotti A，Karakitsios S，Pronk A，Kuijpers E，et al.Howsensors might help define the external troublesome. Int J Environ ResPublicHealth 2017;14（4）：E434.联合Schlink和M. 于伯勒姆工程7（2021）285289[3] Donaire-Gonzalez D ， Valentín A ， van Nunen E ， Curto A ， Rodriguez A ，Fernando-NietoM ， etal.ExpoApp ： anintegratedsystemtoassessmultiplepersonal environmental exposure. Environ Int2019;126：494-503.[4] 张文忠，张文忠，张文忠.流行病学中环境暴露的概念化和测量：与日常活动相关的活动空间的解释。健康场所2013;21：86-93.[5] 野生CP麻烦：从概念到实用。 IntJ Epidemiol2012;41：24-32.[6] 谢湾环境健康和邻里研究中的移动传感。Annu Rev Public Health 2018;39：367-84.[7] 奥彭肖区域建立、分区和空间建模中尺度和聚集问题的地理解决方案。 TransInst Br Geogr 1977;2（4）：459-72.[8] ParenteauMP，Sawada MC. NO2暴露与呼吸系统健康关系中的修正面积单位问题（MAUP）. Int J HealthGeogr 2011;10（1）：58.[9] Morgenstern V，Zutavern A，Cyrys J，Brockow I，Koletzko S，Krämer U，etal. 儿童特应性疾病、过敏性致敏和暴露于交通相关空气污染。美国呼吸重症监护医学杂志2008;177（12）：1331-7。[10] 赫夫勒 湾误分类对 关联估计的影 响： 综述。 国际精神病学方 法 研 究 杂 志2005;14（2）：92-101.[11] Park YM，Kwan MP.如果忽略空气污染和人口流动的时空变异性，则个人接触估计可能是错误的。健康场所2017;43：85-94.[12] Kumar P，Morawska L，Martani C，Biskos G，Neophytou M，Di SabatinoS，et al. 低成本传感技术在城市空气污染管理中的兴起。Environ Int2015;75：199-205.[13] Donaire-GonzalezD，Curto A，Valentín A，Andrusaityte S，Basagaña X，Casas M ， et al. Personal assessment of the external tumorome duringpregnancy andchildhood in Europe.环境研究2019;174：95-104。[14] Cornet副总裁，Holden RJ。基于智能手机的被动传感健康和福祉的系统性综述。JBiomed Inform 2018;77：120-32.[15] HuckJJ，Whyatt JD，Coulton P，Davison B，Gradinar A. 结合生理、环境和位置传感器，用于面向公民的健康应用。环境监测评估2017;189（3）：114。[16] Schlink U，Kindler A，Großmann K，Schwarz N，Franck U.模拟移动接收器记录的温度是城市居民热暴露的指标。 生态工业2014;36：607-16.[17] Finn S ， O'Fallon L. 环境 健康素 养的出现 -从根源 到未来 潜力。 环境健 康展望2017;125（4）：495-501。[18] Yeboah G，Alvanides S.使用OpenStreetMap的城市自行车行为的路线选择分析：来自英国城市环境的证据。In：JokarArsanjani J，Zipf A，Mooney P，Helbich M，editors. GIScience中的OpenStreetMap。Cham：Springer; 2015.p. 189-210.[19] Brody JG，Dunagan SC，Morello-Frosch R，Brown P，Patton S，Rudel RA. 报告生物监测和环境暴露的个人结果：从环境交流案例研究中吸取的经验教训。环境卫生2014;13（1）：40.[20] [10]杨文辉，杨文辉.研究使用便携式空气污染传感器来捕捉交通相关空气污染的空间变化。Environ SciTechnol 2016;50（1）：313-20.[21] KPreferCA，Shaw PB.使用外部麦克风的智能手机声音测量应用程序（应用程序）的评估-后续研究。J AcoustSoc Am 2016;140（4）：EL327-33。[22] KPreferCA，Shaw PB.智能手机声音测量应用的评估。J Acoust Soc Am 2014;135（4）：EL186-92。[23] 黑格斯特兰德湖关于区域科学中人的思考 Pap RegSci Asynchronous 1989;66（1）：1-6.[24] Richardson DB，Kowow ND，Kwan MP，Kaplan RM，Goodchild MF，CroyleRT. 健康研究的空间转向。Science2013;339（6126）：1390-2.[25] [10] Mazaheri M，Clifford S，Yeganeh B，Viana M，Rizza V，Flament R，et al. 使用低成本传感器调查城市微环境中影响个人暴露于颗粒物的因素。EnvironInt 2018;120：496-504.[26] Jeong H，Park D.韩国小学生每日接触黑碳的特征 Atmos Environ 2017;154：179-88.[27] [10] RyanPH，Son SY，Wolfe C，Lockey J，Brokamp C，LeMasters G. 儿童超细粒子暴露个人传感器的现场应用。科学总环境2015;508：366-73。[28] GallET，Chen A，Chang VWC，Nazaroff WW. 暴露于新加坡户外来源的颗粒物和臭氧。 Build Environ 2015;93：3-13.[29] Adams C，Riggs P，VolckensJ.个人时空暴露评估方法的开发。 J Environ Monit2009;11（7）：1331-9.[30] Labrador MA，Lara Yejas OD.人类活动识别：使用可穿戴传感器和智能手机。Boca Raton：CRC Press;2014.[31] Rabinovitch N，Adams CD，Strand M，Koehler K，Volckens J.哮喘儿童微环境内颗粒物暴露和健康影响：一项利用GPS接口进行实时个人监测的试点研究。环境卫生2016;15（1）：96.[32] Lee M，Brauer M，Wong P，Tang R，Tsui TH，Choi C等。高密度高层城市空气污染的土地利用回归模型：香港案例研究。科学总环境2017;592：306-15。[33] Van den Bossche J，De Baets B，Verwaeren J，Botteldooren D，Theunis J.基于城市环境中自行车和行人测量的黑碳土地利用回归模型的开发和评价。Environ Modell Softw 2018;99：58-69.[34] 奥克河在城市站点获得有代表性的气象观测的初步指导。次报告.日内瓦：世界气象组织，2006年。报告编号：WMO/TD-No. 1250[35] LiuMK，Avrin J，Pollack RI，Behar JV，McElroy JL. 空气质量监测网的设计方法。理论方面。环境监测评估1986;6（1）：1-11.[36] Al-Adwani S，Elkamel A，Duever TA，Yetilmezsoy K，Abdul-Wahab SA.空气质量监测网优化设计的代理基优化方法：代理基优化监测网。Can J Chem Eng.2015;93（7）：1176-87。[37] Mofarrah A，Husain T.城市空气质量监测网络扩展优化设计的整体方法。Atmos Environ 2010;44（3）：432-40.[38] Pope R，Wu J.城市地区多时间尺度上的空气污染模式特征：景观生态学方法。 城市生态系统2014;17（3）：855-74.[39] ISO-21748：测量不确定度评定中重复性、再现性和正确度估计的使用指南。ISO标准。日内瓦：国际标准化组织; 2017年。[40] Ueberham M，Schlink U.多因素个人暴露测量的可穿戴传感器-一项排名研究。Environ Int 2018;121（Pt 1）：130-8。[41] Willmott CJ，Ackleson SG，Davis RE，Feddema JJ，Klink KM，Legates DR，等. 用于模型评估和比较的统计数据。J Geophys Res 1985;90（C5）：8995-9005.[42] 威尔莫特CJ。关于模型性能评价的几点意见。BullAm Meteorol Soc 1982;63（11）：1309-13.[43] 环境信息办公室。编制标准操作规程（SOP）的指南。华盛顿特区：美国环境保护署，2007年。[44] [10] Reis S，Seto E，Northcross A，Quinn NW，Convertino M，Jones RL，et al. 为环境和人类健康集成建模和智能传感器。环境模型软件2015;74：238-46。[45] 吴晓松，李晓松，李晓松. 先进的基于智能手机的传感与开源任务自动化。传感器2018;18（8）：E2456。[46] 张文辉，张文辉，张文辉.物联网：一项调查。Comput Netw2010;54（15）：2787-805.[47] [10]杨文辉，李文辉. 论人的移动性对大城市移动机会传感器网络设计的影响。Pervasive Mob Comput2017;38：215-32.[48] [10]杨文，杨文.从市民气象站众包空气温度为城市气候研究。城市攀登2017;19：170-91.[49] 余浩华，克里斯塔科斯.以科学为基础的时空统计：环境和人类暴露应用实用指南。JTherm Biol 2016;17（3）：149-53.[50] Evans J，Jones P.《行走的采访：方法论、流动性和地点》ApplGeogr 2011;31（2）：849-58.[51] Tamayo-Uria I ， Maitre L ， Bethesen C ， Nieuwenhuijsen MJ ， Chatzi L ，Siroux V ， et al. The early-life tumorome ： description and patterns in sixEuropeancountries. Environ Int2019;123：189-200.[52] Tonne C，Basagaña X，Chaix B，Huynen M，Hystad P，Nawrot TS，et al.Newfrontiers for environmental epidemiology in a changing world. EnvironInt2017;104：155-62.[53] [10]杨文，杨文，杨文.通过实地调查行人对环境刺激的感知：关注颗粒物污染。SciTotal Environ 2011;409（13）：2493-502.