基于边缘人工智能的增强现实系统用于手卫生培训的有效性：一项多中心、混合方法整群随机对照试验 (HANDHEART)

手卫生的重要性在医疗和社区环境中都不可低估（Allegranzi等人，2011年；Mathur，2011年）。 推广手卫生是预防医疗保健相关感染的最佳实践（WHO，2009年）。 据估计，手卫生每年可减少超过50万例可归因死亡。 研究发现，2004年美国医疗保健相关感染的年度经济影响约为65亿美元（WHO，2009年），每花费1美元用于手卫生推广，可产生23.7美元的效益（Chen等人，2011年）。 教育在建立良好手卫生实践基础方面起着关键作用。

传统的手卫生培训方法包括课堂讲座和实践操作，但由于人力和设施有限，很少能获得个性化指导和反馈。 因此，迫切需要设计一个自动化和个性化的培训系统。 本项目旨在设计和测试一种创新的手卫生教育工具，具体目标如下：

1. 开发一个用于手卫生培训和评估的人工智能增强现实系统原型；
2. 进行一项多中心、混合方法的非劣效性随机对照试验（RCT），测试该基于人工智能的增强现实培训系统在不同环境和人群（包括健康相关学科本科生、医院医疗专业人员及辅助人员）中对知识和实践的影响；
3. 评估基于人工智能的增强现实培训系统的效果，并收集参与者的反馈。
4. 通过用户反馈调查和焦点小组访谈，调查参与者对手卫生培训的体验、态度和看法。

如果证明有效，该系统可作为一种电子学习方式，整合到健康相关学科学生、医疗专业人员及医院辅助人员的课程中。 未来，该系统还可用于其他医疗环境中的护理点，实时监测和审核医疗工作者的手卫生情况。 除了定量结果指标，还将进行定性访谈，探讨学生的学习体验、态度以及对手卫生实践和基于人工智能的增强现实培训工具使用的感知障碍。

方法

研究设计 这是一项混合方法研究，包括一项多中心非劣效性双臂随机对照试验（RCT）和一个定性部分。 随机对照试验将评估基于人工智能的增强现实培训系统对学生手卫生知识和实践的效果，而定性研究将通过半结构化访谈探讨学生对手卫生培训的体验、态度和感知障碍。 试验在三个中心进行：香港理工大学、香港中文大学和中国武汉同济医院。 我们将从两所大学招募符合条件的本科生，以及从同济医院招募医疗专业人员/辅助人员。

受试者招募 我们将从香港理工大学和香港中文大学招募480名健康相关学科本科生（n=240）；以及医院医疗专业人员和辅助人员（n=240）。 数据收集将在2025年9月至2026年12月期间进行。 参与者将预约培训时段（每时段最多25名参与者）。 所有参加同一时段的参与者将通过整群随机化分配到同一组。 统计师将使用随机数生成器提前分配组别。 参与者在到达研究地点前不会被告知他们的组别。

我们计算了整群随机对照试验的样本量。 假设每个群组参与者数量为6至25人，每组约有10-30个群组。 我们还假设受试者的标准差为2.00，群组内相关系数为0.010，群组规模变异系数为0.500（Ahn等人，2015年）。 总样本量480可在双侧t检验（显著性水平0.050）中实现>91%的统计功效，检测两组均值差异（置信区间-1.0至1.0）。

干预前评估 在访问研究地点时，参与者将首先被邀请签署同意书，并填写一份关于手卫生知识和实践的问卷（见附录1）。

参与者需在双手涂抹荧光粉，然后在无任何指导的情况下使用洗手液洗手（第一次洗手尝试）。 安装在洗手盆上方的摄像头将在此过程中录制双手视频（不包含面部或身体其他部位）。 洗手后，参与者需在手部扫描仪（Semmelweis Scanner™）中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进行自动图像处理和评估。 两名感染预防控制专家将判断这些视频中的手卫生质量，作为图像处理的真实参考。 手部扫描仪显示的荧光凝胶残留百分比将作为个体参与者洗手效果的客观评估指标。

干预组 组A（基于人工智能的增强现实培训系统）参与者将使用人工智能增强现实培训系统获得其洗手表现的个性化评估。 他们不会被告知手部扫描仪结果。

组B（手部扫描仪+视频培训）参与者将使用一个在我们先前研究中已证明有效的现有教育项目（未发表）。 简而言之，参与者将在第一次洗手尝试时被告知手部扫描仪结果。 他们还将观看一个关于洗手七步法的培训视频。

干预后评估 参与者将进行第二次洗手尝试，再次在双手涂抹荧光粉并洗手，同时录制视频。 洗手后，参与者将再次在手部扫描仪中扫描手上残留的荧光粉。

参与者还将被要求填写一份关于手卫生知识和实践的问卷，作为干预后评估的一部分。

定性研究 除了随机对照试验，还将进行定性部分，探讨参与者对手卫生培训的体验、态度和感知障碍（见附录2）。 将从干预组和对照组中邀请一个有目的的参与者子样本参加基于理论领域框架（Cane等人，2012年）指导的半结构化访谈。 访谈将涵盖学习体验、动机、可用性、知识、技能和社会影响等主题。 所有访谈将被录音并逐字转录。 数据将使用主题分析法进行分析，先归纳生成初始代码，然后组织成更广泛的类别和主题。 主题将反复审查和细化，以确保可信度和一致性。 参与前将获得书面知情同意，并严格遵守保密和自愿参与原则。 每位参与者将获得一张100港元的优惠券。 优惠券签名表示例见附录3。

随机化、分配隐藏和盲法 参与者将通过随机化过程随机分配到干预组，该过程由不参与受试者招募的统计师执行。 参与者将被设盲。 参与受试者招募的研究助理和判断手卫生质量的感染预防控制专家将对分组设盲。 在研究地点参与手卫生视频录制的研究助理和学生助手将不设盲，因为他们将向参与者提供指导。

伦理考量

预计教育项目不会对参与者造成任何身体或心理伤害。 荧光粉引起皮肤过敏的风险极低。 如果参与者出现任何皮肤过敏迹象，将立即停止试验。 伦理或研究负责人的联系方式在信息表中明确写明。

将向有兴趣参与研究的参与者解释研究内容。 参与者还将有机会向项目人员提问。 此外，还将向参与者提供信息表，包括研究目的、数据保密性和参与者权利。 伦理或研究负责人的联系方式在信息表中明确写明。 如果他们同意参与研究，需签署同意书。 他们的参与是自愿的；他们有权随时退出研究，无需承担任何后果。

所有收集的数据将被保密，只有研究人员可以访问和处理数据。 除学号外，不收集参与者的个人信息。 对于定性部分，还将征求参与者参加访谈的同意。 所有访谈数据将被匿名化并保密处理。

保密和安全

数据收集将是匿名的，仅用于指定目的，并基于法律规定的同意或其他合法依据。 个人信息不会与图像/视频数据关联。 所有图像/视频数据将在项目完成后一年删除。 本项目不涉及任何引发安全问题的活动或结果。

参考文献

Allegranzi, B., Bagheri Nejad, S., Combescure, C., Graafmans, W., Attar, H., Donaldson, L., & Pittet, D. (2011). 发展中国家地方性医疗保健相关感染的负担：系统综述和荟萃分析。 柳叶刀，377(9761), 228-241. https://doi.org/10.1016/S0140-6736(10)61458-4

Ahn, C., Heo, M., & Zhang, S. (2015). 临床研究中聚类和纵向结局的样本量计算。 CRC出版社。 纽约。

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). 手卫生推广在减少医疗保健相关感染方面的有效性和局限性。 公共科学图书馆·综合，6(11), e27163. https://doi.org/10.1371/journal.pone.0027163

Mathur, P. (2011). 手卫生：回归感染控制的基础。 印度医学研究杂志，134(5), 611-620. https://doi.org/10.4103/0971-5916.90985

世界卫生组织. (2009). 世界卫生组织医疗保健手卫生指南：首个全球患者安全挑战——清洁护理更安全护理。 https://www.ncbi.nlm.nih.gov/pubmed/23805438

Yang, L., Lu, Y., Cao, J., Huang, J., & Zhang, M. (2020). 电子树学习：一种新颖的边缘人工智能去中心化模型学习框架。 IEEE物联网杂志。

Cane, J., O'Connor, D., & Michie, S. (2012). 理论领域框架在行为改变和实施研究中的验证。 实施科学，7(1), 37。