基于边缘人工智能的 AR 系统，用于健康相关学科本科生的手部卫生培训

背景 持续的 COVID-19 大流行对全世界的公共卫生构成了严重威胁。 尽管儿童症状较轻，但他们被发现比其他年龄段的人更有可能在家庭内传播病毒。 在医疗保健和社区环境中，手部卫生的重要性都不可低估。 促进手部卫生是预防医疗保健相关感染的最佳做法。 据估计，手部卫生每年可减少超过 50 万人的死亡。 研究发现，2004 年美国医疗保健相关感染每年造成的经济影响约为 65 亿美元，每花费 1 美元用于手部卫生宣传可带来 23.7 美元的效益。 教育在建立良好的手卫生实践基地方面发挥着关键作用。

健康相关学科学生传统的培训方式包括课堂讲授和实践，但由于人力和设施有限，学生很少得到个性化的指导和反馈。 因此，迫切需要设计一种自动化、个性化的培训系统。 该拟议项目旨在设计和测试一种创新的手部卫生教育工具，具体目标如下：

1. 开发人工智能增强现实系统原型，用于健康相关学科本科生的手部卫生培训和评估；
2. 进行一项非劣效性随机对照试验（RCT），以测试基于人工智能的 AR 培训系统对健康相关学科学生手卫生知识和实践的有效性；
3. 评估基于人工智能的AR培训系统的效果并收集参与者的反馈。

如果证明有效，该系统可以作为电子学习方法整合到健康相关学科学生的课程中。 将来，该系统还可以用于其他医疗机构的护理点实时监控和审核医护人员。

方法 研究设计：这是一项非劣效性双臂随机对照试验。

学科招生 2024年1月至6月招收护理学院、眼视光学院、应用生物与化学技术系学科交叉学科本科生。 参与者将订阅一个时段的培训课程（每节课程有 4 名参与者）。 参加同一会议的所有参与者将通过整群随机分配到同一组。 统计学家将通过随机数生成器提前分配组。 参与者在抵达研究地点（理大雪肌兰国际感染控制中心）之前不会获悉其所属组别。

整群随机对照试验的样本量 假设每个整群的参与者人数为 5 至 20 人，则每组中大约有 6-20 个整群。 假设受试者的标准差为2.00，簇内相关系数为0.010，簇大小的变异系数为0.500。 200-240 的样本量可以实现 >91% 的功效来检测显着性水平为 0.050 的双边 t 检验中两组均值（置信区间 -1.0 和 1.0）之间的差异。

干预前评估 在现场访问时，参与者将首先签署同意书，并被要求填写手卫生知识和实践调查问卷。

参与者需要将荧光粉涂在双手上，然后在没有任何说明的情况下使用液体肥皂洗手（第一次硬件尝试）。 安装在洗手盆上方的摄像头将在此过程中拍摄双手（不包括脸部或身体其他部位）的视频。 洗手后，参与者需要使用手持扫描仪（The Semmelweis Scanner™）扫描手上残留的荧光粉。 录制的洗手视频将用于训练人工智能算法，以进行自动图像处理和评估。 两名 IPC 专家将对这些视频中的手部卫生质量进行判断，并将其作为图像处理的基本事实。 手扫描仪中显示的手上荧光凝胶残留的百分比将用作个体参与者洗手效果的客观评估。

干预小组

A组（基于人工智能的AR培训系统）参赛者将使用人工智能增强的AR培训系统对其洗手表现进行个性化评估。 他们不会被告知手持扫描仪的结果。

B 组（手持扫描仪 + 视频培训）参与者将使用我们之前的研究已证明有效的现有教育计划。 简而言之，参与者将在第一次硬件尝试期间被告知其手持扫描仪结果。 他们还将观看有关洗手 7 个步骤的培训视频。

干预后评估 参与者将进行第二次HW尝试，再次将荧光粉涂在双手上，然后进行洗手并录制视频。 洗手后，参与者将再次用手持扫描仪扫描手上残留的荧光粉。

作为干预后评估的一部分，参与者还将被要求填写一份有关手部卫生知识和实践的调查问卷。

随机化、分配隐藏和盲法 参与者将通过不参与受试者招募的统计学家执行的随机化过程被随机分配到干预组。 参与者将被蒙蔽。 参与受试者招募的 RA 和判断手卫生质量的 IPC 专家将对分组一无所知。 在研究现场参与手部卫生视频录制的 RA 和学生助理不会被蒙蔽，因为他们将向参与者发出指示。