《Journal of Exposure Science & Environmental Epidemiology》：A personalized tutorial to improve understanding of individual chemical results and opportunities for reducing exposure
编辑推荐：
本研究针对环境健康研究中个体化学暴露结果反馈的伦理责任与教育机遇，开发并评估了一种基于智能手机的个性化教程。该教程采用预测-观察-解释（POE）教育框架，通过交互式图形解读训练提升参与者对条状图（strip plots）的理解能力，并促进其采取降低暴露的健康保护行为。研究在伊利诺伊儿童发育研究（IKIDS）和"我们体内的化学物质"（CIOB）两个妊娠队列中开展，对295名参与者进行数字分析发现：教程使无学士学位参与者正确解读图形的比例提升46个百分点，显著缩小教育背景带来的理解差异；96%参与者在教程辅助后能正确解读全部4个图形问题；182名完成解释阶段的参与者中，75%以上对未实施行为表达尝试意愿。这项可扩展的数字工具为不同环境健康素养水平人群提供了有效的个体化结果反馈支持。
当我们每天接触的塑料制品、化妆品或电子设备释放出看不见的化学物质时，如何知道自己体内积累了多少这类物质？环境健康研究经常通过检测人体血液、尿液或家庭灰尘中的化学物质水平来回答这个问题。但科学家们面临一个伦理困境：当某些新兴污染物（如阻燃剂、塑化剂、全氟烷基物质PFAS）尚未建立明确的健康风险阈值时，是否应该告知参与者其个人检测结果？研究表明，绝大多数参与者渴望了解自己的数据，即便科学界对健康影响尚不确定。这种被称为"个体结果反馈"（report-back）的实践，既是研究者的伦理责任，也是提升公众环境健康素养（Environmental Health Literacy, EHL）的重要契机。
传统临床报告通常采用明确的参考值范围，但环境暴露数据需要不同的可视化策略。条状图（strip plots）及其变体sina图能直观显示化学物质在人群中的分布范围、集中趋势和变异度，让参与者通过视觉比较快速判断"我的水平高低？"。然而，图形解读能力可能受教育背景影响，如何确保不同学历人群都能理解这些专业数据？《Journal of Exposure Science》近期发表的研究给出了创新解决方案。
研究团队开发了基于预测-观察-解释（Predict-Observe-Explain, POE）教育框架的智能手机教程，并将其整合到数字暴露反馈界面（Digital Exposure Report-Back Interface, DERBI）中。该研究在美国环境对儿童健康结果（ECHO）联盟下的两个妊娠队列——伊利诺伊儿童发育研究（IKIDS）和"我们体内的化学物质"（CIOB）研究中实施，共纳入295名参与者。通过数字分析记录用户交互行为，评估教程对图形解读准确性的影响，并分析教育程度和社会经济地位（SES）的差异。
主要技术方法
研究利用DERBI系统生成个性化暴露报告，包含化学物背景知识、研究总体结果和个体sina图（显示参与者水平相对于研究分布和美国NHANES中位值）。教程开发经过原型测试和用户体验优化，采用响应式设计：预测阶段让参与者根据化学物来源猜测自身暴露水平；观察阶段通过4个图形问题（如识别最高浓度点、比较个人与群体水平）进行交互训练，错误回答时提供分层提示；解释阶段根据参与者选择的暴露来源生成个性化行为建议。数据分析采用Wilcoxon符号秩检验比较答题正确率变化，并分层检验教育/SES因素的影响。
研究结果
参与情况
排除提前查看化学结果页面的参与者后，最终样本包含295人（CIOB=133，IKIDS=162）。84%持有学士及以上学位，71%属于高SES群体，98%使用英语版本。
教程使用特征
92%参与者完成预测阶段和全部图形问题，中位使用时间2.6分钟。首次完成全部教程的189名参与者耗时2.8分钟，图形问题解答中位时间仅1.4分钟，显示教程的高效性。
预测阶段表现
74%参与者猜测自身暴露水平"与他人相似"，但教程优先展示相对高暴露的化学物，导致多数人低估实际暴露。仅38%猜测准确，其中抗菌剂组正确率最高（58%），可能因该类成分在商品宣传中更易被认知。
观察阶段成效
首次尝试时70%参与者全对，21%答对3题。教程反馈后正确率显著提升（p<0.001），全对比例达96%。教育背景差异显著缩小：无学士学位者全对比例从44%升至90%，与高学历组差距由34个百分点降至11个百分点。SES相关的差异在教程辅助后不再显著。
解释阶段行为意向
182名参与者对个性化建议表现出高兴趣：14/16项行为中，75%以上未实施者选择"愿意尝试"。洗手（67%已实施）和拒收小票（73%已实施）等易操作行为采纳率高，而"参与社区倡导"等集体行动意愿相对较低。
用户满意度
97%参与者认可教程有助理解结果，其中63%强烈赞同。少数持异议者多为图形解读能力原本较强的人群。
结论与讨论
本研究证实POE框架教程能有效提升环境健康素养的双重目标：既增强对个人暴露数据的理解能力，又促进健康保护行为意向。其最显著价值在于缩小教育不平等——通过仅3分钟的交互训练，使低学历群体的图形解读能力接近高学历群体水平，这对暴露负担更重且资源有限的社区尤为重要。
教程设计巧妙结合了教育学原理与数字技术优势：预测阶段激发好奇心，观察阶段通过即时反馈构建技能，解释阶段将抽象数据与具体行为连接。虽然部分参与者未完成解释阶段（可能因急于查看其他结果），但个性化建议机制已证明其激发行为改变的潜力。值得注意的是，条状图本身具有良好直观性（70%首次尝试即全对），但教程进一步将这种直觉转化为可靠的数据素养。
未来研究可探索如何将解释阶段深度整合到全部化学物结果页面，并评估长期行为改变效果。此外，对数坐标轴、群体参考值的风险暗示等复杂概念，仍需开发更深入的教育模块。作为可扩展的数字工具，这种教程为大规模环境健康研究中的伦理反馈提供了标准化解决方案，尤其适合智能手机普及率高的低收入群体，真正实现"环境健康正义"的数据赋权。
