1.3 眩晕画像：症状分级与易感人群

1.3 眩晕画像：症状分级与易感人群

本节摘要：眩晕必须量化才能管理。本节给出三件工具：症状量表（把主观感受变成分数）、客观指标（生理信号辅助交叉验证）、画像档案（个体变量与暴露记录）。三者合起来构成全册反复引用的"基线测试"方法——没有画像，前面两节的病理只能停在定性层面。

承接前两节：第一节划定了战场，第二节给出了病理模型，本节解决"测量"问题。攻防手记与空谈的分界线就在这里——每一道防线建成后的效果，都要靠本节的方法验收。它也是第七章行业剂量控制的直接前置。

量表：把"有点晕"变成数字

主观症状的测量依赖标准化问卷，最常用的是晕动症评估量表体系：受试者在暴露后按恶心、前庭不适（头晕、平衡紊乱）、视觉不适（视疲劳、对焦困难）三类症状逐项打分，加权合成为总分。分数的意义不在绝对值而在差值——同一批人、同一套流程，改动前后各测一次，分数下降即防线生效。

使用量表有三条纪律。第一，时点固定：暴露后立即填写与十分钟后填写，分数差异显著，比较必须在同一时点。第二，不要只测"晕不晕"：三类分项分数能指示问题来源——恶心分高多指向运动设计（形态一冲突），视觉不适分高多指向延迟与画质（形态二冲突），这个分诊线索能直接把问题单派给对口的章节。第三，样本量要诚实：单人数值波动大，正式对比至少要一个小组，最好交叉设计（同一批人先后体验新旧两版，抵消个体差异）。

# SSQ 风格量表计分演练：从原始作答到分项得分
# 问卷共 16 项，每项 0~3 分（无/轻/中/重），按类别加权求和
WEIGHTS = {
    "nausea":  [9.18],           # 恶心类权重系数（演示值，工程上以标准表为准）
    "vestib":  [7.58],           # 前庭类
    "ocular":  [5.42],           # 视觉类
}
ANSWERS = {                       # 一名受试者的作答
    "general_discomfort": 2, "salivation_increase": 1, "sweating": 1,
    "nausea": 2, "difficulty_concentrating": 1, "stomach_awareness": 1,
    "burping": 0, "dizzy_eyes_open": 2, "dizzy_eyes_closed": 1,
    "vertigo": 2, "stomach_churn": 1, "flushing": 0,
    "blurred_vision": 1, "headache": 1, "eye_strain": 2, "focus_difficulty": 2,
}
GROUP = {
    "nausea": ["general_discomfort","salivation_increase","sweating","nausea","difficulty_concentrating","stomach_awareness","burping","stomach_churn"],
    "vestib": ["dizzy_eyes_open","dizzy_eyes_closed","vertigo","flushing"],
    "ocular": ["blurred_vision","headache","eye_strain","focus_difficulty"],
}
scores = {k: sum(ANSWERS[i] for i in items) * WEIGHTS[k][0] / len(items)
          for k, items in GROUP.items()}
total = sum(scores.values())
print(scores)   # 三个分项分数
print(total)    # 总分：改动前测、改动后测，差值即防线成效
​

💡 关键直觉：分项分数是免费的问题分诊器。恶心类独高就去查移动方案与加减速曲线；视觉类独高就去查延迟与刷新率；两项同高往往意味着冲突剂量整体超标，先压总剂量再做局部优化。

客观指标：给量表配上仪表盘

主观量表有回溯偏差，客观生理指标能交叉验证。常用组合：姿态摇摆（暴露前后让受试者闭眼站立，用测力台或摄像头记录重心晃动面积，冲突后摇摆显著增大）、注视稳定性（追踪平滑 pursuit 任务的异常率）、皮肤电与心率变异性（交感激活的间接读数，对应冷汗心慌）、瞳孔直径与眨眼频率（视觉负荷的代理指标）。成本最低的起步方案是姿态摇摆：一块测力板甚至一个手机姿态算法就能跑，适合团队例行采用。

要警惕的是"指标太多等于没有指标"。给团队的建议是固定一组最小指标集：量表总分与三分项、暴露时长、退出原因、姿态摇摆面积，其余按需加测。数据要跟随每次测试入库，格式统一才能跨版本比较。

画像档案：个体变量即攻防变量

基线测试的核心产出不是一次分数，而是一批带变量的档案。建议每个测试记录存五类字段：身份变量（年龄、晕动史、 vr 经验时长）、状态变量（睡眠时长、疲劳、是否空腹）、暴露变量（时长、内容版本、移动方案）、结果变量（量表分数、客观指标、行为事件如扶墙/闭眼/提前退出）、恢复变量（症状完全消退耗时）。恢复变量最常被忽略，却直接影响排班与课时设计——恢复慢的用户当天不应二次暴露。

画像档案模板（每次测试一行，便于横向比较）
subject_id | age | motion_hist | vr_exp_h | sleep_h | fatigue
version    | locomotion | exposure_min | quit_reason
score_nausea | score_vestib | score_ocular | sway_area
recovery_min | notes
​

易感人群的画像在统计上已相当清晰：晕车晕船史阳性者、睡眠不足者、焦虑倾向者、青少年与低龄用户、女性在特定生理周期阶段、以及 vr 经验极少的初次用户。这不意味着要排除他们，而意味着分档：对易感档案采用更保守的默认设置（第三章的传送优先、第四章的收缩视野、更短的暴露剂量），并允许进阶用户逐步解锁激进设置。

⚠️ 常见坑：用团队里最耐受的工程师当体验标尺。工程团队经过长期暴露大多已适应，他们的"完全不晕"对普通用户毫无代表性。规范的做法是每轮测试必须包含一定比例的初次用户与易感档案用户。

演练：组织一次合规的基线对比

把方法串成一个完整流程。目标：验证"加减速曲线改缓"是否降低症状。步骤一，招募六到八人，覆盖至少两名晕动史阳性者与两名初次用户，记录档案字段。步骤二，交叉设计：一半人先体验旧版再体验新版，另一半反过来，两版之间休息至症状清零（至少一刻钟以上）。步骤三，每次暴露固定时长与场景脚本，暴露后立即填量表，随后测姿态摇摆。步骤四，配对比较两版分数：关注恶心分项的降幅，同时盯住视觉分项有没有反而恶化（压低了冲突剂量有时会让延迟问题更显眼）。步骤五，结论写回问题单，并注明样本局限。

这套流程的成本只是一块测力板和半天人力，却能把"我感觉好点了"升级为"恶心分项中位数下降、摇摆面积回落"——第七章的教育与医疗验收用的就是它的加强版。

症状分级的速查口径

延迟型特别值得强调：症状滞后出现意味着"现场没人喊晕"不等于"没人晕"，这也是必须依赖量表与回访、而不能依赖现场观察的原因。

本节回收站

• 量表的三纪律：时点固定、分项分诊、样本诚实。
• 客观指标起步就用姿态摇摆，最小指标集固定下来跨版本可比。
• 画像档案五类字段，恢复变量决定排班纪律。
• 易感人群是设计的校准基准，分档设置优于全员统一。
• 延迟型症状让"现场观察"失效，量化与回访是唯一可靠的耳目。

至此，第一章的诊断闭环完成：知道敌人是什么（病理），也知道了怎么给它记仇（量化）。下一章进入第一条主力防线——视觉链路，从透镜一路拆到重投影。