《npj Biological Timing and Sleep》：Auxiliary data, quality assurance and quality control for wearable light loggers and optical radiation dosimeters
编辑推荐：
为了解决可穿戴光记录仪采集的个人光暴露数据缺乏上下文信息、易受非佩戴时段、依从性问题和技术故障影响的问题，本文通过专家访谈和问卷调查，提炼并迭代开发了一套六维辅助数据框架与质控策略。研究确立了涵盖佩戴/非佩戴、睡眠、光源、行为、用户体验和环境光照的辅助数据体系，并提供了开源R包LightLogR的扩展工具，以整合数据并实施系统性质量保证与控制。专家一致认为，结合上下文记录与严谨的QA/QC流程可显著提升现场光暴露数据的可靠性，为时间生物学、可穿戴传感及健康科学领域的现实世界研究最大化数据质量与解释力。
在实验室之外，我们的日常生活被形形色色的光线所包围。早晨的阳光、办公室的灯光、深夜的手机屏幕，这些光线不仅让我们看见世界，更通过眼睛中非成像视觉（Non-image-forming, NIF）通路，深刻影响着我们的生物钟、睡眠、情绪乃至整体健康。理解现实世界中的“光剂量”——我们眼睛实际接收到的光线数量、质量与时机——已成为时间生物学、环境健康和精神医学等领域的前沿课题。
然而，真相往往隐藏在细节之中。当研究人员为志愿者戴上可穿戴光记录仪，试图捕捉这些日常光暴露模式时，挑战也随之而来。设备佩戴不稳、被衣物遮挡、用户忘记佩戴、传感器时钟不准……这些看似微小的“噪音”，足以让珍贵的科学数据失真，使得实验室中发现的精密光-生物效应机制，在复杂的现实场景面前显得模糊不清。更棘手的是，光记录仪输出的常常只是一串冷冰冰的光照度数值，缺少了关键的上下文：佩戴者当时是在睡觉还是在运动？是在室内日光下还是在户外？这些背景信息的缺失，让数据的解读如同“盲人摸象”，难以建立光暴露与健康结局间坚实可靠的关联。
正是为了破解这一困境，一项名为“可穿戴光记录仪和光学辐射剂量计的辅助数据、质量保证与质量控制”的研究应运而生。这项发表在《npj Biological Timing and Sleep》上的工作，源自欧洲计量研究计划下的MeLiDos项目，旨在为这个新兴领域提供一套提升数据可靠性与解读深度的“工具箱”。研究团队意识到，要获得高质量的真实世界光暴露数据，单靠改进硬件传感器是远远不够的，必须从研究设计的源头，系统性地规划如何收集“辅助数据”来为光测量提供背景，并实施全流程的“质量保证”与“质量控制”策略，以预防和纠正数据错误。
为了构建这个工具箱，研究人员采取了“从实践中来，到实践中去”的方法。他们首先对21位经验丰富的领域专家进行了深度访谈，聆听他们在使用可穿戴设备时遇到的实际难题与智慧心得。随后，他们基于访谈提炼出一套初步的辅助数据框架与质控策略，并设计成详尽的问卷，发放给另外16位专家进行评议和打分。这种迭代式的开发过程，确保了最终方案凝聚了广泛的业界共识，具有高度的实用性和可操作性。
研究的主要技术方法包括：1）定性访谈与问卷调查：通过对领域专家（n=21访谈，n=16调查）的系统性访谈与结构化调查，收集、提炼并验证辅助数据需求与质控策略。2）辅助数据工具开发：针对六个核心领域，设计了具体的数字化日志簿（如佩戴日志、晨间睡眠日志、改良版哈佛光暴露评估表mH-LEA、行为日记、体验日志）及操作流程。3）软件工具集成：对开源R软件包LightLogR进行功能扩展，开发了用于辅助数据导入、处理、与光记录数据整合及系统性QA/QC的标准化分析例程。4）环境参照监测：在实验地点屋顶设置了防水封装的可穿戴光记录仪，水平放置以连续记录环境光照水平，作为参与者个人暴露的参照基准。
经过系统性的专家咨询与方案迭代，这项研究取得了清晰而富有建设性的成果。
辅助数据
研究的核心成果之一是提出了一个系统性的六维辅助数据框架。这六个维度包括：佩戴/非佩戴记录、睡眠监测、光源环境、参与者行为、用户体验以及环境光照水平。例如，佩戴日志要求参与者通过数字日志簿记录设备的穿戴与取下时间，甚至细分为“睡前取下并放置于床头柜”等场景；改良版哈佛光暴露评估表（mH-LEA）则让参与者在每晚回顾，以小时为单位记录其主要所处的光源环境（如室内电光源、透过窗户的日光、发光显示屏等）。这张图直观展示了辅助数据如何将原始的光暴露时间序列（灰色）根据不同的状态（如户外、室内、就寝时间、非佩戴时间，分别用黄色高亮）进行解构，从而揭示出在不同行为或环境背景下光照水平的显著差异，极大增强了数据的可解释性。
辅助数据调查
对16位研究人员的调查结果强有力地支持了这一框架。所有受访者都认同辅助数据的定义，大多数人有过收集经验。调查显示，辅助数据整体重要性评分为4.0分（满分5分），其中睡眠/觉醒和佩戴/非佩戴跟踪被认为是最重要的补充信息。研究人员平均认为所提出的解决方案能“足够好”地覆盖各个领域，并且三分之二的专家认为这套方法“肯定会对”他们未来的研究设计产生影响。
非技术性策略用于提升光数据完整性
除了“增补”数据，研究还强调了如何在数据收集与处理过程中“保质”。论文总结了一系列质量保证和质量控制的非技术性策略。质量保证旨在通过研究设计和参与者管理来预防问题，例如：选择轻便、舒适、隐蔽的设备以提高佩戴依从性；对参与者进行充分的培训和激励，使其理解研究重要性；确保设备放置位置（理想情况是眼位）正确以避免测量偏差。质量控制则侧重于在数据分析阶段识别和排除问题数据，包括：建立清晰的数据排除标准（如处理低于20 lux的低光照或传感器饱和数据）；进行数据清洗，如通过可视化检查原始时间序列和直方图来识别异常值和非佩戴时段；以及推动设备校准流程的标准化与透明化。例如，通过在研究地点屋顶设置一个水平放置、防水封装的光记录仪，可以连续记录当地的环境光照水平，为评估参与者个人相对光暴露提供了宝贵的参照基准。
研究的结论与讨论部分对整体工作进行了凝练与展望。本研究通过整合领域专家的集体经验，成功开发并验证了一套用于提升可穿戴光暴露研究数据质量的实用框架。该框架的核心在于“内外兼修”：对内，通过六维辅助数据为光测量注入丰富的上下文信息，使研究者能够区分不同行为和环境状态下的暴露模式；对外，通过贯穿研究设计、执行与分析全流程的质量保证与控制策略，最大程度地预防和减少由参与者依从性、设备使用不当等因素引入的误差。
其重要意义在于，它将一个以往高度依赖个人经验、且易被忽视的数据质量管理环节，进行了系统化、结构化与工具化。专家调查的强烈共识表明，这一方向切中了领域发展的关键需求。研究提供的不仅是原则性建议，更有可直接落地的工具，如开源软件包LightLogR的扩展功能，能够流畅整合可穿戴数据与多种辅助数据，并执行标准化的QA/QC流程。这极大地促进了分析流程的规范化与可重复性，使得不同研究之间的数据更具可比性。
同时，作者也清醒地指出了研究的局限性与应用弹性。他们强调，所提出的措施应被视为“最佳实践选项”而非“强制要求”。研究者在实际应用中必须仔细权衡每种辅助数据带来的价值与可能增加的参与者负担，并根据具体的研究目标、人群特点和资源条件进行裁剪。例如，用户体验日志可能非常适用于设备研发或试点研究，但在大规模队列研究中或许可以省略。未来，随着设备智能化程度的提高（如自动佩戴检测）和公共数据接口的完善，部分数据收集工作有望变得更加自动化、负担更小。
总之，这项工作如同一份详尽的“导航图”，为致力于在复杂现实世界中精准绘制人类光暴露图谱的研究者们，指明了提升数据信度与效度的关键路径。它标志着可穿戴光测量研究正从单纯追求硬件精度，走向一个更注重数据生态、上下文融合与全过程质量管理的成熟新阶段，为最终揭示光环境与人类健康之间的深层联系，奠定了更为坚实的方法学基础。
