New considerations for representing moisture in indoor thermal conditions: Associations between enthalpy, cognitive performance, and thermal sensations下载
《New considerations for representing moisture in indoor thermal conditions: Associations between enthalpy, cognitive performance, and thermal sensations》发表于《Indoor Environment》，本研究由哈佛大学陈曾熙公共卫生学院领衔，聚焦室内环境质量与人体工效学交叉领域，探索温湿度等热环境参数对人体认知表现与热感觉的影响，为智能建筑设计和健康办公环境提供科学依据。
- 研究背景与动机：
- 现有热舒适模型（如预测平均投票PMV）和单纯依赖温度的模型在预测与居住者健康（如认知表现）的关联上存在局限性，准确性不高。
- 认识到室内热环境对居住者健康、满意度和建筑能耗的巨大影响，亟需探索更有效的热环境表征方式。
- 本研究旨在探究一系列热环境变量（不仅包括温度和相对湿度RH，还包括由其派生的变量，如焓值enthalpy）与热感觉、认知测试得分之间的关联，寻找能更好支持居住者活动的热环境范围。
- 研究方法：
- 研究设计： 前瞻性、观察性、纵向队列研究（2022-2023学年）。
- 地点与人群： 美国波士顿一所大学的研究生，在安装了环境监测设备的教室内上课。最终分析数据集包含54名参与者的273次观测（114次Stroop测试，159次算术测试）。
- 暴露评估：
- 测量教室内的干球温度（温度）和相对湿度（RH）。
- 基于测得的温度和RH，计算了11种热变量：温度(°C), RH(%), 水蒸气分压(Pwv, kPa), 含湿量(Humidity Ratio, kg/kg), 焓值(Enthalpy, kJ/kg), 露点温度(°C), 酷热指数(Heat Index, °C), 预测平均投票(PMV)，以及室内外温差(°C)、室内外焓差(kJ/kg)、室内外蒸气压差(VPB, kPa)。
- 同时测量了二氧化碳(CO2)浓度作为混杂因素。
- 结局评估：
- 热感觉： 使用智能手机应用程序在课后进行问卷调查，采用ASHRAE的7点热感觉量表（热、暖、微暖、中性、微凉、凉、冷）。为分析需要，将反应合并为三类：“暖”（热+暖+微暖）、“中性”、“凉”（冷+凉+微凉）。
- 认知表现： 使用经过验证的认知测试（Stroop色词测试 – 评估选择性注意和抑制控制；算术测试 – 评估认知速度和工作记忆）。计算了多个指标：吞吐量（正确回答数/分钟）、总响应时间（毫秒）。对于Stroop测试，特别关注了“不一致”试验（字体颜色与词义不符）的指标以体现“Stroop效应”。
- 统计分析：
- 首先进行描述性统计、分布分析、斯皮尔曼等级相关、因子分析和主成分分析，以理解热变量之间的关系。
- 构建了一系列混合效应统计模型，探究三种关联：
- 11种热变量 vs. 6种认知测试得分。
- 11种热变量 vs. 3种热感觉（二分类）。
- 3种热感觉（二分类） vs. 6种认知测试得分。
- 模型控制了班级平均CO2浓度、学院（代表不同建筑）、学习效应（测试次数或首次测试）以及参与者个体随机效应。热变量和CO2使用样条项处理非线性关系。
- 主要结果：
- 热变量分组： 相关性和因子分析表明11种热变量可分为三组：
- 温度导向变量 (Temperature-oriented)： 温度、酷热指数、预测PMV。这些变量高度相关，主要反映室内温度的变化（尤其在PMV计算使用固定参数时）。
- 湿度导向变量 (Moisture-oriented)： RH、Pwv、含湿量、露点温度、焓值。这些变量高度相关，主要反映室内湿度的变化。
- 室内外差异变量 (Indoor-outdoor differences)： 室内外温差、室内外焓差、VPB。提供与室外条件差异的信息。
- 焓值的特殊性： 焓值在湿度导向组中与温度的相关性最强（0.51），与RH的相关性相对最低（0.86），表明它可能是最平衡地反映温度和湿度共同变化的变量。
- 关联结果 – 热变量 vs. 认知表现：
- 焓值 (Enthalpy – 湿度导向组代表)： 在研究的焓值范围（26-49 kJ/kg）内，更高的焓值与更好的认知测试表现相关（更高的吞吐量，更低的响应时间）。算术测试得分呈线性增长（焓值每增加10 kJ/kg，算术吞吐量约增加3个/分钟，p=0.032）；Stroop测试得分呈非线性增长趋势（在更高焓值下表现更好）。
- 温度 (Temperature – 温度导向组代表)： 更高的温度值通常与更好的认知表现（更高的吞吐量，更低的响应时间）线性相关（Stroop吞吐量除外，其在~24°C时峰值）。单纯RH作为变量时，与认知表现的关联模式不一致且较弱。
- 室内外差异变量： 未发现与认知测试得分存在一致且有意义的关联。
- 关联结果 – 热变量 vs. 热感觉：
- 温度导向变量： 与“中性”感觉呈倒U型关联（峰点在23-24°C）。
- 湿度导向变量 (如焓值)： 更高的焓值与“暖”感觉正相关，更低的焓值与“凉”感觉正相关。模型预测“暖”感觉的证据最强。
- 室内外差异变量： 未发现一致关联。
- 关联结果 – 热感觉 vs. 认知表现：
- 报告“暖”感觉（相对于“不暖”）方向性地与更好的认知测试表现相关（更高的吞吐量，更低的响应时间），但统计显著性混杂。
- 报告“凉”感觉（相对于“不凉”）方向性地与更差的认知测试表现相关，但未达统计显著性。
- “中性”感觉与认知表现无显著关联。
- 敏感性分析： 未发现CO2浓度与空气品质感知有关联，排除了嗅觉干扰热感觉结果的可能性。其他敏感性分析（如加入教室随机效应、单独RH、室外焓值/露点）未改变主要观察结果。
- 热变量分组： 相关性和因子分析表明11种热变量可分为三组：
- 讨论与结论：
- 核心发现： 在波士顿供暖季（室内温度范围窄：20-26°C，IQR 23-24°C；相对湿度较低：12-46%，IQR 18-28%）的背景下：
- 传统方法（PMV模型或温度与RH作为独立变量建模）主要强调了温度的作用，可能低估了湿度的重要性。
- 焓值作为综合表征空气总能量（显热+潜热）的指标，平衡地反映了温度和湿度的变化，被发现是关联认知表现和热感觉的有用指标。
- 更高的室内焓值（主要受研究中较低湿度范围内湿度增加驱动）与更好的认知测试表现和“暖”感觉相关。
- 机制探讨： 作者推测这可能与皮肤湿润度和露点温度机制有关（供暖季下，更高的室内湿度/露点可能减少皮肤过度干燥，改善舒适度），以及其他潜在机制（如湿度对刺激症状、压力、病毒传播的影响）。
- 意义与建议：
- 研究挑战了过度依赖温度导向变量（如PMV、温度本身）的传统观点，强调了室内湿度及其与温度结合表征（如焓值）对认知表现的重要性。
- 焓值易于通过温湿度测量计算，具有较高的实用价值。
- 建议未来研究在更广泛的人群、环境条件和认知任务中验证这些发现，并采用因果推断方法。需要进一步探索支持多种健康结局（特别是认知功能）的最佳室内湿度和温度水平。
- 核心发现： 在波士顿供暖季（室内温度范围窄：20-26°C，IQR 23-24°C；相对湿度较低：12-46%，IQR 18-28%）的背景下：
- 局限性：
- 样本主要为年轻（平均26岁）、高学历、以女性和白种人/亚裔为主的群体，限制了结果的普适性（已知性别、年龄对热偏好和反应有影响）。
- 研究仅涵盖波士顿供暖季，结果可能不适用于制冷季或不同气候区。
- 热环境表征未包含平均辐射温度、动态风速、个性化服装热阻和代谢率等复杂因素（尽管这在实践中有其合理性）。
- 认知测试类型有限（Stroop, 算术），未涵盖所有认知过程（如创造性思维）。
- 研究为观察性设计，不能完全确定因果关系。
这项研究通过严谨的实验设计和统计分析，揭示了在特定环境条件下，室内空气的焓值（综合反映温湿度）比单纯温度或传统PMV模型更能有效关联认知表现和热感觉，强调了室内湿度在营造支持认知功能的热环境中的重要性，为建筑环境研究和实践提供了新的考量维度。
