实时晕动症评估量表(RMS)的开发与验证：提升电动汽车环境下晕动症预测精度的创新工具

【编辑推荐】针对现有问卷无法实时监测晕动症动态变化的难题，韩国研究人员开发了实时晕动症评估量表(RMS)。通过系统文献综述和24人实车实验验证，证实RMS能高精度捕捉恶心(Nausea)、眩晕(Dizziness)等5类症状的实时变化(R2=0.903)，为电动汽车等新兴技术场景的晕动症预测模型提供了关键工具。

　　

随着电动汽车、虚拟现实等新技术普及，晕动症(Motion Sickness)成为影响用户体验的重要障碍。传统问卷存在明显局限：要么像MSSQ(晕动病易感性问卷)只能提供静态评估，要么如VAS(视觉模拟量表)虽可频繁使用但缺乏症状特异性。这种"时间分辨率"与"症状分辨率"的矛盾，严重制约了晕动症预测模型的开发精度。更棘手的是，个体间症状表现差异显著——有人以恶心为主，有人则表现为头痛或眩晕，这种异质性使得群体预测尤为困难。

为解决这些挑战，韩国国立研究基金会支持的研究团队在《Applied Ergonomics》发表研究，开发出实时晕动症评估量表(Real-time Motion Sickness Scale, RMS)。这项研究通过系统文献分析确定核心症状维度，经预实验优化后，最终形成包含恶心/胃肠不适(Nausea/gastrointestinal disturbance)、热调节紊乱等5个维度的评估工具。研究团队采用实车实验验证法，让24名受试者在电动汽车内完成标准化路线驾驶，每2分钟通过RMS报告症状，同时记录传统问卷数据作对照。

关键技术方法包括：1)基于PRISMA框架的系统文献综述筛选症状指标；2)24人队列的实车实验设计(电动车型号未披露)；3)多元线性回归分析验证量表效度(R²计算)；4)个体动态变化轨迹可视化技术。实验严格控制车速、路线等变量，采用随机交叉设计平衡顺序效应。

【动态晕动症量表】章节显示，RMS最终确定的5个维度具有医学独立性：恶心反映胃肠反应，眩晕关联前庭系统，热调节紊乱体现自主神经反应，觉醒度改变对应中枢疲劳，头痛/眼疲劳表征视觉负荷。量表采用0-5级Likert量表，优化后可在15秒内完成评估。

【实车实验验证】部分通过对比实验证明，RMS与传统问卷的曲线下面积(AUC)高度一致，但时间分辨率提升15倍。典型个体数据显示，RMS能捕捉到传统方法遗漏的"症状波动"——如某受试者在第8分钟突然出现的短暂眩晕峰值，这与实际转弯操作时间点完全吻合。

【多元线性回归】分析得出决定性结论：5个症状维度共同解释90.3%的方差(F(6,337)=508.0,p<0.001)。其中恶心贡献最大(t=17.833)，其次是眩晕(t=5.522)和头痛(t=3.03)。值得注意的是，热调节紊乱虽统计学显著(t=2.607)，但效应值较小，提示出汗等症状可能更多是继发表现。

讨论部分强调了三重创新价值：首先，RMS首次实现症状特异性与高频监测的兼容，为建立动态预测模型提供可能；其次，5维结构有助于识别"晕动症亚型"，未来可开发个性化干预方案；最后，2分钟间隔的设计平衡了数据质量与实用性，特别适合车载系统集成。研究同时指出局限：样本量较小(24人)，且未包含特殊人群(如前庭功能障碍者)。

这项研究的技术转化前景广阔——现代汽车公司作为资助方之一，正在探索将RMS集成至车载健康监测系统。当系统检测到乘员出现特定症状组合时，可自动调节座椅位置或启动空气净化等功能。从更广视角看，RMS为"人-车-环境"系统的闭环优化提供了关键传感节点，其方法论也可拓展至虚拟现实、航空航天等领域。正如作者所言："准确测量是精准预测的前提，而实时监测是动态调节的基础"，这项研究为突破晕动症研究的技术瓶颈树立了新标杆。