《Infection Control & Hospital Epidemiology》:Evaluating feedback interventions to improve healthcare worker hand hygiene adherence using an automated hand hygiene monitoring system
编辑推荐:
背景:自动手卫生监测系统(AHHMSs)能够监测大量的手卫生时机,部分系统提供实时反馈;然而,这些系统的影响尚不明确。研究人员试图更好地理解这类系统如何改善手卫生依从性。方法:将AHHMSs安装在城市教学医院的七个病房,纳入医护人员,主要是护士和护士技师。采用
背景:自动手卫生监测系统(AHHMSs)能够监测大量的手卫生时机,部分系统提供实时反馈;然而,这些系统的影响尚不明确。研究人员试图更好地理解这类系统如何改善手卫生依从性。方法:将AHHMSs安装在城市教学医院的七个病房,纳入医护人员,主要是护士和护士技师。采用前瞻性观察队列设计,包含多种干预措施,包括提供个体依从率和实时语音提醒,以理解这些干预措施如何改善手卫生依从性。结果:在40周的研究期间,346名参与者中共记录了744,769次手卫生观察。总体手卫生依从率从研究开始时的37.0%(95% CI: 34.3%–39.9%)增加到研究结束时的55.5%(95% CI: 51.6%–59.6%),增加了18.5%,具有统计学意义。然而,不同病房和个体参与者之间的依从性差异很大。在调整工作班次和七个参与临床病房后,语音提醒(58.7%(95% CI: 55.9%–61.6%))比每周个体反馈(46.4%(95% CI: 42.2%–51.0%))导致的手卫生依从率显著更高。结合干预措施后,调整后的依从率在研究期间持续保持提高。结论:引入AHHMS后,实时语音提醒比个体依从率反馈更能改善短期手卫生依从性。需要多种干预措施和文化变革来维持依从性的改善。
**论文解读:基于自动化监测系统的反馈干预对医护人员手卫生依从性的影响**
**研究背景与问题**
手卫生是预防医疗相关感染(Healthcare-Associated Infections, HAIs)的最基本措施,然而其依从性的测量与提升长期面临挑战。传统直接观察法作为“金标准”,存在观察者偏差、霍桑效应(Hawthorne effect)显著、样本量有限等缺陷,导致评估结果难以真实反映实际依从水平。自动化手卫生监测系统(Automated Hand Hygiene Monitoring System, AHHMS)通过传感器和徽章技术,能够大规模监测手卫生时机,并部分提供实时反馈,从而弥补传统方法的不足。然而,现有证据表明,AHHMS实施对感染率的影响尚不明确,且不同干预策略的效能对比缺乏系统研究。因此,研究人员旨在通过前瞻性观察队列设计,评估个体反馈和实时语音提醒对改善手卫生依从性的相对效果,并探讨多干预组合的持续效益。
**研究设计与方法**
该研究于2017年3月至12月在一所城市教学医院的七个病房(包括五个重症监护病房(ICUs)和两个普通病房)实施。AHHMS(Clean Hands Safe Hands, Atlanta, GA)包括安装在手卫生产品分配器上的传感器、徽章(内置蓝牙信标)和房间内的超声波运动传感器及语音提醒装置。手卫生依从性通过检测进入房间后的规定时间窗(15至30秒)内是否使用手卫生产品来确定,若接触隔离患者则额外延长。研究分为六个阶段:基线(阶段1)、小组反馈(阶段2)、干预分化(阶段3,一组接受语音提醒,另一组接受个体周报)、干预撤回(阶段4)、双干预恢复(阶段5)和增强改进活动(阶段6)。共纳入346名医护人员(占合格者的40%),以护士和护士技师为主。主要结局为手卫生依从性,使用广义估计方程(GEE)进行纵向数据分析,采用分层模型调整工作班次、病房类型和个体临床单位,并进行敏感性分析验证稳健性。
**主要研究结果**
1. **总体依从性提升**:40周内记录744,769次手卫生机会,总体依从率从基线期的37.0%(95% CI: 34.3%–39.9%)显著提升至阶段6的55.5%(95% CI: 51.6%–59.6%),增幅18.5%,差异具有统计学意义。
2. **单位与个体差异**:各病房依从率差异显著,最高和最低单位间差距超过20%。护士依从率从39%升至57%,护士技师从28%升至41%,医师从59%升至70%,高级实践者从43%升至68%。个体依从率分布广泛,从低于10%到高于90%,且阶段1存在弱负相关(机会数越多依从率越低),但阶段6相关性减弱。
3. **干预效果对比**:在阶段3中,调整单位效应后,语音提醒组依从率(58.7%,95% CI: 55.9%–61.6%)显著高于个体周报组(46.4%,95% CI: 42.2%–51.0%),验证了实时反馈的短期优势。
4. **多干预组合的持续性**:阶段5和阶段6中,结合语音提醒、个体反馈和单位增强活动后,调整依从率持续保持至研究结束(阶段6:组1为54.7%,组2为59.3%),表明单一干预难以维持长期改进。
5. **单位交互效应**:GEE模型显示单位与阶段的交互作用显著(P < .001),表明不同临床环境对依从性轨迹有显著影响,ICU基线依从性较高但改进路径异于普通病房。
**技术方法概述**
研究采用AHHMS技术,包括产品分配器传感器、徽章检测和超声波运动传感器,用于自动记录手卫生行为。核心算法基于运动时序,设定手卫生窗口(15至30秒),并考虑隔离要求。数据收集后,应用GEE(广义估计方程)处理重复测量数据,采用独立工作相关结构,并构建四层模型(模型1至模型4)逐步调整混杂因素,包括工作班次、单位类型(ICU vs 病房)和个体单位级效应。所有分析使用SAS 9.4(PROC GENMOD)完成,研究经机构审查委员会批准,并豁免个体知情同意。
**研究结论与讨论**
该研究证实,AHHMS结合实时语音提醒可显著提升短期手卫生依从性,优于每周个体反馈。然而,依从性改进的持续需依赖多干预组合和文化变革,仅凭系统实施难以实现高依从率。研究局限性包括自愿参与率低(40%)、部分参与者未全程参与(仅153人完成所有阶段)、语音提醒的潜在交叉污染(阶段3中组间暴露)以及技术算法无法覆盖所有世界卫生组织(WHO)手卫生时机。尽管如此,研究优势在于大规模观测数据(近75万次机会)、双组对照设计及个体级追踪能力,为识别低依从者提供工具。未来研究应探索如何利用AHHMS针对低依从个体进行定向干预,并在全面实施时纳入问责机制,以评估对感染率的影响。综上,该研究发表于《Infection Control》,为自动化手卫生监测系统的优化应用提供了实证依据。