一种结合噪声烦恼反应识别噪声敏感人群的方法与流程

本发明涉及心理声学、环境声学和人群健康技术领域，具体涉及一种结合噪声烦恼反应识别噪声敏感人群的方法。

背景技术：

噪声是一种常见的环境压力源，容易诱发不良的心理反应(如烦恼)，进而对身体产生负面影响。不同个体对同一噪声的烦恼程度存在偏差，该差异可部分归因于个体的噪声敏感性。

许多学者对噪声敏感性做出了界定，其中anderson在1971年首次将其定义为一种对各类型噪声的消极态度，job则将其视为一种会增加个体对噪声消极反应的内部状态，该状态与生理、心理(包括态度)、生活方式及从事的活动相关。研究表明，噪声敏感性是一种相对稳定的人格特质，与噪声类型、暴露强度无显著相关，在相同噪声暴露下，噪声敏感性较高个体的感知烦恼度较大。

目前尚未建立生理信号与噪声敏感性间的关系，常以自评量表(如weinstein噪声敏感性量表、lef噪声敏感性量表、5级描述性等级量表等)分值评价个体噪声敏感程度。在各类噪声敏感性量表中，德语、日语、中文等不同语言版本的weinstein噪声敏感性量表的信度和效度已得到研究认可，该量表在社会声学调查和实验室研究中皆被广泛采用。

不同学者对噪声敏感人群的分组方法有所不同。kishikawa等根据实验被试的自评量表分值，由高到低将被试均分为噪声高敏感和低敏感人群或高敏感、中敏感、低敏感人群。belojevic等根据被试自评量表得分的平均值±标准差所在区间(mean-sd，mean sd)的上下限，将得分高于上限、区间内和低于下限的被试分别识别为噪声高、中、低敏感人群。基于上述两种噪声敏感人群分组方法，不同研究表明高敏感人群的噪声烦恼度、噪声对工作、交流以及睡眠的干扰程度皆显著高于低敏感人群。schreckenberg等研究表明，噪声敏感性与嗅觉敏感性、触觉敏感性、味觉敏感性等显著相关。对嗅觉、触觉、味觉等感官刺激表现出更高的心理、生理反应的感觉高敏感人群占比约10％～35％。因此，weinstein等参考感觉高敏感人群比例，将被试自评量表分值的前x％和后x％(如25％、30％等)个体识别为噪声高敏感和低敏感人群。上述三种噪声敏感人群分组方法不区分个体的年龄、性别、职业，皆根据被试噪声敏感性值相对大小直接分组，未结合噪声敏感程度不同个体的噪声反应(如噪声烦恼度、语言干扰、睡眠干扰等)差异进行分组。因此，有必要结合个体的噪声烦恼反应识别噪声敏感人群。相关文献和专利检索表明，国内外未见相关方法的报道。

技术实现要素：

本发明的目的在于提供一种结合噪声烦恼反应识别噪声敏感人群的方法，利用噪声敏感性量表获得被试的噪声敏感性值，采用噪声烦恼数字等级量表，开展噪声感知烦恼实验，按噪声敏感性值对被试进行分组，根据组间烦恼度差异，确定划分噪声高敏感和低敏感人群的噪声敏感性值。

一种结合噪声烦恼反应识别噪声敏感人群的方法，包括以下步骤：

1)随机招募听力正常的被试，利用噪声敏感性量表得到个体的噪声敏感性值，其取值区间为[a,b]；

2)根据被试的噪声敏感性值，以δd为间隔，按噪声敏感性值从低到高将被试分为c组，各组被试编号为j，j＝1，2，3，…，c-1，c；

3)选取若干噪声样本，针对步骤1)中被试，开展噪声烦恼听力实验，计算每一组被试对单个噪声样本的烦恼度平均值；

4)采用配对样本t检验，从噪声敏感程度最高的第c组开始，分别检验该组被试与其余各组任何一组被试的噪声感知烦恼度差异，根据检验结果判断第j组被试是否应归为噪声高敏感人群；

5)基于步骤4)，若判定噪声敏感程度高的第f 1～c组被试为噪声高敏感人群，则进一步分析第f组被试中噪声敏感性值高于该组噪声敏感性值区间的分界值的被试是否应归为噪声高敏感人群；

6)基于步骤5)中所述的分界值，将参与实验的全部被试中噪声敏感性值大于等于该分界值的被试归为噪声较敏感组，小于该分界值的被试归为噪声较不敏感组，计算所有噪声样本感知烦恼度组间(噪声较敏感组和噪声较不敏感组)差值的算术平均值其中，所述的分界值优选为第f组噪声敏感性区间的中间值；

7)获取噪声样本声级范围内准确的噪声感知烦恼度组间(噪声较敏感组和噪声较不敏感组)差值的算术平均值

8)将和与噪声烦恼数字等级量表中烦恼度级差(即相邻等级间的烦恼度差值)进行比较，判断第f组被试中噪声敏感性值高于步骤5)中所述的分界值的被试是否应归为噪声高敏感人群，并确定区分噪声高敏感和低敏感人群的阈值。

作为优选，步骤1)中，被试优选在校大学生，有效被试人数需满足统计学要求，噪声敏感性量表优选21题的weinstein噪声敏感性量表。在21题的weinstein噪声敏感性量表中，所有问题均采用6点李克特量表，其中7个问题采用正向计分，14个问题采用反向计分，正向计分时“完全同意”赋分为1，“完全不同意”赋分为6，反向计分则反之。被试对21个问题的选项得分之和为个体的噪声敏感性值(nss)。噪声敏感性值的取值范围为21～126，该值越大，表明被试对噪声越敏感。

作为优选，步骤2)中，分组方式具体为：

将噪声敏感性值小于r的被试合为一组，各组被试噪声敏感性值取值区间分别为[a,r)，[r,r δd)，[r δd,r 2δd)，…，[r (c-4)δd,r (c-3)δd)，[r (c-3)δd,r (c-2)δd)，[r (c-2)δd,b]，上述各组被试编号为j，j＝1，2，3，…，c-1，c。

将噪声敏感性值小于r的被试合为一组，以保证各组被试人数满足统计学要求。

作为优选，步骤3)中，计算方法具体为：

根据计算每一组被试对单个噪声样本的烦恼度平均值ma；

公式中，i为噪声烦恼数字等级量表中的烦恼等级，ni为选择第i等级的被试人次数。

进一步优选，所述的噪声样本为标准噪声或真实的环境噪声，优选响度级(ln)范围涵盖30phon～95phon，响度级等间隔的粉红噪声样本，声样本数量大于7个；所述的噪声烦恼数字等级量表为iso15666-2003给出的11级数字等级量表。

作为优选，步骤4)中，判定第j组被试为噪声高敏感人群的方法具体为：

若第j组被试与第j 1～c组中任何一组被试的噪声感知烦恼度的显著性p大于预设值，优选p>0.05，为无明显差异，且与第1～j-1组中至少一组被试的噪声感知烦恼度的显著性p小于预设值，优选p<0.05，为存在明显差异，则判定第j组被试为噪声高敏感人群；

若c组被试均未判定为噪声高敏感人群，进一步减小噪声敏感性值的分组间隔δd，重新分组，再通过步骤4)判定噪声高敏感人群。

在各组被试数满足统计学要求情况下，均可通过减小噪声敏感性值的分组间隔δd，利用本研究提出的噪声敏感人群识别方法，更为准确地确定区分噪声高敏感和低敏感人群的阈值。

作为优选，步骤6)中，的求出过程具体为：

根据求出所有噪声样本(共q个)感知烦恼度组间差值δmax的算术平均值

公式中，q为噪声样本数，x为噪声样本序号，δmax为样本x的感知烦恼度的组间(噪声较敏感组和较不敏感组间)差值。

作为优选，步骤7)中，的求出过程具体为：

采用逻辑函数将样本的声学因子af与噪声较敏感组和较不敏感组被试的噪声感知烦恼度分别进行拟合，在此基础上根据计算实验样本声级范围(l,h)内两拟合线间阴影面积sl，h，最后将该面积sl，h除以(h-l)得到

公式中，k、m为待定系数，l、h分别为实验样本声学因子af区间的下限和上限，mahigh(af)、malow(af)分别为样本声学因子af与噪声较敏感组和较不敏感组被试感知烦恼度的逻辑拟合函数。

其中，声学因子af优选连续等效a声级laeq或响度级ln。

作为优选，步骤8)中，判断第f组被试中噪声敏感性值高于该组噪声敏感性值区间的分界值的被试是否应归为噪声高敏感人群以及阈值的确定方法具体为：

若和均大于烦恼度级差，将第f组被试中噪声敏感性值高于所述的分界值(即第f组噪声敏感性值区间的中间值)的被试归为噪声高敏感人群，并将第f组噪声敏感性值区间的分界值作为识别噪声高敏感和低敏感人群的阈值；否则，第f组被试均归为噪声低敏感人群，将第f组噪声敏感性值区间的上限值作为识别噪声高敏感和低敏感人群的阈值。

本发明的有益效果：

本发明利用噪声敏感性量表获得被试的噪声敏感性值，结合噪声烦恼听力实验，可确定区分噪声高敏感和低敏感人群的阈值；由于噪声敏感性是一种稳定的人格特质，其与噪声类型、暴露强度无关，在确定区分噪声高敏感和低敏感人群的阈值后，无需开展噪声烦恼听力实验，可根据个体的噪声敏感性值是否超过该阈值，快速判断该个体是否属噪声高敏感人群。

附图说明

图1为本发明实施例中噪声敏感人群识别方法的流程图；

图2为本发明实施例中噪声烦恼听力实验被试的噪声敏感性自评结果。

图3为本发明实施例中每一组被试的粉红噪声样本感知烦恼度平均值。

图4为本发明实施例中噪声较敏感组和较不敏感组间噪声烦恼度差异。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，一种结合噪声烦恼反应识别噪声敏感人群的方法，包括：

首先随机有偿招募听力正常的269名在校大学生作为实验被试(男性124名，女性145名，22±2岁)。在噪声烦恼听力实验前，被试需完成21题的weinstein噪声敏感性量表(见表1)。该量表的21个问题均采用6点李克特量表，其中7个问题采用正向计分，14个问题采用反向计分，正向计分时“完全同意”赋分为1，“完全不同意”赋分为6，反向计分则反之。被试对21个问题的选项得分之和为个体的噪声敏感性值(nss)。噪声敏感性值的取值范围为21～126，该值越大，表明被试对噪声越敏感。

表1weinstein噪声敏感性量表

被试的噪声敏感性自评结果见图2。由图2可知，不同噪声敏感性值的被试人数呈正态分布。根据被试的噪声敏感性值，δd取10，r取70，将被试分为7组，各组噪声敏感性值区间分别为[21,70)，[70,80)，[80,90)，…，[110,120)，[120,126]。

选取响度级(ln)为30phon～95phon、间隔为5phon的14个粉红噪声样本，开展噪声感知烦恼实验。实验采用iso15666-2003给出的11级数字等级量表(见表2)。计算每一组被试对单个噪声样本的烦恼度平均值(ma)。

表211级数字等级量表

每一组被试的粉红噪声样本烦恼度平均值见图3。由图3可知，第6组和第7组被试的噪声敏感程度较高，粉红噪声感知烦恼度也较高。不同组被试间粉红噪声感知烦恼度配对样本t检验结果见表3。由表3可知，第6组和第7组被试间粉红噪声感知烦恼度无显著差异(p>0.05)，第7组(或第6组)与第1～5组中的任何一组被试的粉红噪声感知烦恼度均存在显著差异(p<0.01)，因此可将第6、7组被试归为噪声高敏感人群。

表3不同组被试间粉红噪声感知烦恼度配对样本t检验结果

为进一步分析第5组被试(nss为100～110)中噪声敏感性值较高的被试(nss为105～110)是否应归为噪声高敏感人群，以该组噪声敏感性值区间中间值(105)为分界值，将参与实验的全部被试中噪声敏感性值大于等于该分界值的被试归为噪声较敏感组，小于该分界值的被试归为噪声较不敏感组。噪声较敏感组和较不敏感组间粉红噪声感知烦恼度差异见图4和表4。由图4和表4可知，若将噪声敏感性值为105作为分界值，即将噪声敏感性值为21～105，105(含)～126的被试分别归为噪声较不敏感组和噪声较敏感组时，噪声较敏感组和较不敏感组间和分别为0.84和0.98，两者均小于1。根据图1，将和均大于1作为识别噪声高敏感和低敏感人群的依据，据此第5组被试均应归为噪声低敏感人群。

表4噪声较敏感组和较不敏感组间粉红噪声感知烦恼度差值的平均值

综上可知，噪声敏感性值110可作为识别噪声高敏感(nss≥110)和低敏感人群(nss<110)的阈值。

尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。