에지 AI 기반 증강현실 시스템을 활용한 손 위생 교육의 효과성: 다기관, 혼합방법 군집 무작위 대조 시험 (HANDHEART)

손 위생의 중요성은 의료 및 지역사회 환경에서 과소평가될 수 없습니다 (Allegranzi 외, 2011; Mathur, 2011). 손 위생 증진은 의료 관련 감염 예방에 있어 최선의 실천 방법입니다 (WHO, 2009). 손 위생이 연간 50만 명 이상의 사망을 줄일 수 있을 것으로 추정됩니다. 2004년 미국에서 의료 관련 감염의 연간 경제적 영향은 약 65억 달러였으며 (WHO, 2009), 손 위생 증진에 지출된 1달러당 23.7달러의 이익을 가져올 수 있다는 것이 발견되었습니다 (Chen 외, 2011). 교육은 손 위생에 대한 좋은 실천 기반을 마련하는 데 핵심적인 역할을 합니다.

손 위생에 대한 전통적인 훈련 방법에는 교실 강의와 실습이 포함되지만, 제한된 인력과 시설로 인해 개별화된 지침과 피드백을 거의 받지 못합니다. 따라서 자동화되고 개별화된 훈련 시스템을 설계할 필요가 시급합니다. 이 제안된 프로젝트는 다음과 같은 구체적인 목표를 가지고 손 위생을 위한 혁신적인 교육 도구를 설계하고 테스트하는 것을 목표로 합니다:

1. 손 위생 훈련 및 평가를 위한 AI 기반 AR 시스템의 프로토타입 개발;
2. 다중 기관, 혼합 방법 비열등성 무작위 대조 시험(RCT)을 수행하여 이 AI 기반 AR 훈련 시스템이 보건 관련 학부 학생, 의료 전문가 및 병원 지원 직원을 포함한 다양한 환경의 다양한 인구 집단의 손 위생 지식과 실천에 미치는 효과를 테스트;
3. AI 기반 AR 훈련 시스템의 효과를 평가하고 참가자로부터 피드백 수집.
4. 사용자 피드백 설문조사와 포커스 그룹 인터뷰를 사용하여 참가자의 손 위생 훈련 경험, 태도 및 인식 조사.

효과가 입증되면 이 시스템은 보건 관련 학부 학생, 의료 전문가 및 병원 지원 직원의 교육 과정에 e-러닝 접근법으로 통합될 수 있습니다. 향후 이 시스템은 다른 의료 환경에서 의료 종사자의 실시간 모니터링 및 감사를 위해 진료 현장에서도 사용될 수 있습니다. 양적 결과 측정 외에도 질적 인터뷰를 수행하여 학생들의 학습 경험, 태도 및 손 위생 실천과 AI 기반 AR 훈련 도구 사용에 대한 인지된 장벽을 탐구할 것입니다.

방법

연구 설계 이는 다중 기관 비열등성 두 군 무작위 대조 시험(RCT)과 질적 구성 요소로 구성된 혼합 방법 연구입니다. RCT는 AI 기반 AR 훈련 시스템이 학생들의 손 위생 지식과 실천에 미치는 효과를 평가하는 반면, 질적 연구는 반구조화 인터뷰를 통해 학생들의 손 위생 훈련 관련 경험, 태도 및 인지된 장벽을 탐구할 것입니다. 이 시험에는 홍콩 이공대학, 홍콩 중문대학 및 중국 우한 동제 병원의 세 기관이 참여합니다. 우리는 두 대학에서 적격 학부생을 모집하고, 동제 병원에서 의료 전문가/지원 직원을 모집할 것입니다.

연구 대상 모집 우리는 홍콩 이공대학과 홍콩 중문대학(각 n=240)에서 보건 관련 학부생 480명을 모집하고, 병원 의료 전문가 및 지원 직원(n=240)을 모집할 것입니다. 데이터 수집은 2025년 9월부터 2026년 12월까지 진행됩니다. 참가자는 훈련 세션의 시간대를 예약합니다(각 세션은 최대 25명의 참가자). 동일한 세션에 참석하는 모든 참가자는 군집 무작위 배정을 통해 동일한 그룹에 배정됩니다. 통계학자가 사전에 난수 생성기를 사용하여 그룹을 배정할 것입니다. 참가자는 연구 장소에 도착하기 전에 자신의 그룹에 대해 알지 못합니다.

우리는 군집 무작위 대조 시험을 위한 표본 크기를 계산했습니다. 각 군집의 참가자 수가 6~25명 범위이며, 각 그룹에 약 10~30개의 군집이 있을 것으로 가정합니다. 또한 대상의 표준 편차는 2.00, 군집 내 상관 계수는 0.010, 군집 크기의 변동 계수는 0.500이라고 가정합니다 (Ahn 외, 2015). 총 표본 크기 480은 양측 t-검정에서 유의 수준 0.050으로 두 그룹 평균 간 차이(신뢰 구간 -1.0 및 1.0)를 감지하는 데 >91%의 검정력을 달성할 수 있습니다.

중재 전 평가 현장 방문 중에 참가자는 먼저 동의서에 서명하고 손 위생 지식과 실천에 관한 설문지를 작성하도록 초대될 것입니다(부록 1 첨부).

참가자는 양손에 형광 분말을 바르고 지침 없이 액체 비누로 손 씻기를 수행해야 합니다(1차 손 씻기 시도). 손 씻기대 위에 설치된 카메라는 이 과정에서 양손(얼굴이나 신체 다른 부위 제외)의 비디오를 촬영합니다. 손을 씻은 후 참가자는 손에 남아 있는 형광 분말을 손 스캐너(The Semmelweis Scanner™)에서 스캔해야 합니다. 녹화된 손 씻기 비디오는 자동 이미지 처리 및 평가를 위한 AI 알고리즘 훈련에 사용됩니다. 두 명의 감염 예방 관리 전문가가 이러한 비디오에서 손 위생의 질을 판단하며, 이는 이미지 처리에서 기준 진실로 채택될 것입니다. 손 스캐너에 표시된 손에 남은 형광 젤 잔여 비율은 개별 참가자의 손 씻기 효능에 대한 객관적 평가로 사용됩니다.

중재 그룹 그룹 A (AI 기반 AR 훈련 시스템) 참가자는 AI 기반 AR 훈련 시스템을 사용하여 자신의 손 씻기 수행에 대한 개별화된 평가를 받습니다. 그들은 손 스캐너 결과에 대해 알지 못합니다.

그룹 B (손 스캐너 + 비디오 훈련) 참가자는 우리의 이전 연구(미발표)에서 효과가 입증된 기존 교육 프로그램을 사용합니다. 간단히 말해, 참가자는 첫 번째 손 씻기 시도 중 손 스캐너 결과에 대해 알게 됩니다. 또한 그들은 손 씻기의 7단계에 대한 훈련 비디오를 시청합니다.

중재 후 평가 참가자는 양손에 다시 형광 분말을 바르고 비디오로 녹화된 손 씻기를 수행하여 두 번째 손 씻기 시도를 합니다. 손을 씻은 후 참가자는 손에 남아 있는 형광 분말을 손 스캐너에서 다시 스캔합니다.

참가자는 중재 후 평가의 일부로 손 위생 지식과 실천에 관한 설문지를 작성하도록 요청받을 것입니다.

질적 연구 무작위 대조 시험 외에도 참가자의 손 위생 훈련에 대한 경험, 태도 및 인지된 장벽을 탐구하기 위해 질적 구성 요소가 수행될 것입니다(부록 2 참조). 중재군과 대조군 모두에서 의도적 하위 표본 참가자가 이론적 영역 프레임워크(Cane 외, 2012)에 따라 안내되는 반구조화 인터뷰에 참여하도록 초대될 것입니다. 인터뷰는 학습 경험, 동기 부여, 사용성, 지식, 기술 및 사회적 영향과 같은 주제를 다룰 것입니다. 모든 인터뷰는 오디오 녹음되고 축어적으로 필사될 것입니다. 데이터는 주제 분석을 사용하여 분석되며, 초기 코드는 귀납적으로 생성된 후 더 넓은 범주와 주제로 조직될 것입니다. 주제는 신뢰성과 일관성을 보장하기 위해 반복적으로 검토 및 정제될 것입니다. 참여 전 서면 동의서를 취득하며, 기밀성과 자발적 참여가 엄격히 준수될 것입니다. 각 참가자는 100 홍콩 달러 상당의 쿠폰을 받을 것입니다. 샘플 쿠폰 서명 양식은 부록 3에서 찾을 수 있습니다.

무작위 배정, 배정 은폐 및 눈가림 참가자는 대상 모집에 관여하지 않는 통계학자가 수행하는 무작위 배정 과정을 통해 중재 그룹에 무작위로 배정됩니다. 참가자는 눈가림됩니다. 대상 모집에 관여하는 연구 조교와 손 위생 질을 판단하는 감염 예방 관리 전문가는 그룹 배정에 대해 눈가림됩니다. 연구 장소에서 손 위생 비디오 녹화에 관여하는 연구 조교와 학생 조교는 참가자에게 지침을 제공하기 때문에 눈가림되지 않습니다.

윤리적 고려 사항

교육 프로그램이 참가자에게 신체적 또는 심리적 해를 끼치지 않을 것으로 예상됩니다. 형광 분말에 대한 피부 알레르기 가능성은 매우 낮습니다. 참가자가 피부 알레르기 증상을 보이면 즉시 시험을 중단합니다. 윤리 또는 연구 책임자의 연락처는 정보 시트에 명확히 기재되어 있습니다.

연구에 참여하고자 하는 참가자에게 연구에 대한 설명이 제공됩니다. 참가자는 또한 우리 프로젝트 인원에게 질문할 기회를 갖습니다. 또한 연구 목적, 데이터 기밀성 및 참가자의 권리를 포함한 정보 시트도 참가자에게 제공됩니다. 윤리 또는 연구 책임자의 연락처는 정보 시트에 명확히 기재되어 있습니다. 연구 참여에 동의하면 동의서에 서명해야 합니다. 그들의 참여는 자발적 기반이며, 원할 경우 결과 없이 언제든지 연구에서 철회할 권리가 있습니다.

수집된 모든 데이터는 기밀로 유지되며, 연구 인원만 데이터에 접근하고 처리할 수 있습니다. 학생 ID 번호를 제외하고 참가자의 개인 정보는 수집되지 않습니다. 질적 구성 요소의 경우 참가자는 인터뷰 참여 동의도 요청받을 것입니다. 모든 인터뷰 데이터는 익명화되고 기밀로 처리됩니다.

기밀성과 보안

데이터 수집은 익명으로 이루어지며, 법률에 따라 정해진 동의 또는 기타 합법적 근거에 기반하여 지정된 목적으로만 분석됩니다. 개인 정보는 이미지/비디오 데이터와 연결되지 않습니다. 모든 이미지/비디오 데이터는 프로젝트 완료 1년 후 삭제됩니다. 이 프로젝트는 보안 문제를 제기하는 활동이나 결과를 포함하지 않습니다.

참고 문헌

Allegranzi, B., Bagheri Nejad, S., Combescure, C., Graafmans, W., Attar, H., Donaldson, L., & Pittet, D. (2011). Burden of endemic health-care-associated infection in developing countries: systematic review and meta-analysis. Lancet, 377(9761), 228-241. https://doi.org/10.1016/S0140-6736(10)61458-4

Ahn, C., Heo, M., & Zhang, S. (2015). Sample Size Calculations for Clustered and Longitudinal Outcomes in Clinical Research. CRC Press. New York.

Chen, Y. C., Sheng, W. H., Wang, J. T., Chang, S. C., Lin, H. C., Tien, K. L., Hsu, L. Y., & Tsai, K. S. (2011). Effectiveness and limitations of hand hygiene promotion on decreasing healthcare-associated infections. PLoS One, 6(11), e27163. https://doi.org/10.1371/journal.pone.0027163

Mathur, P. (2011). Hand hygiene: back to the basics of infection control. Indian J Med Res, 134(5), 611-620. https://doi.org/10.4103/0971-5916.90985

WHO. (2009). In WHO Guidelines on Hand Hygiene in Health Care: First Global Patient Safety Challenge Clean Care Is Safer Care. https://www.ncbi.nlm.nih.gov/pubmed/23805438

Yang, L., Lu, Y., Cao, J., Huang, J., & Zhang, M. (2020). E-Tree Learning: A Novel Decentralized Model Learning Framework for Edge AI. IEEE Internet of Things Journal.

Cane, J., O'Connor, D., & Michie, S. (2012). Validation of the theoretical domains framework for use in behaviour change and implementation research. Implementation science, 7(1), 37.