Article de méthode

Surveillance en temps réel de la technique d'hygiène des mains par bracelet utilisant des capteurs de mouvement et l'apprentissage automatique

42 vues

⸱

DOI :

10.3791/71289

⸱

29 septembre 2026

 ,  ,  , 
1School of Nursing, Federal University of São Carlos (UFSCar), São Carlos, 2School of Engineering, São Paulo State University (UNESP), São João da Boa Vista

Dans cet article

Résumé

Ce protocole décrit l'acquisition synchronisée, l'annotation et la segmentation temporelle de données provenant d'IMU portés au poignet afin de générer un jeu de données de référence pour valider l'évaluation par apprentissage automatique de la technique de désinfection des mains en trois étapes. Les étiquetages par observateur et les signaux de marqueurs temporels fournissent des annotations reproductibles au niveau des étapes, soutenant le développement futur d'algorithmes de détection des mouvements portables destinés à offrir une rétroaction en temps réel aux professionnels de santé.

Résumé

Le personnel de santé (PS) ne respecte pas fréquemment les techniques recommandées d'hygiène des mains (HM), ce qui compromet la prévention des infections. Le dispositif en forme de bracelet proposé a pour but de distribuer des antiseptiques au point de soins tout en fournissant un retour en temps réel sur l'exécution de la technique d'HM. Ce retour en temps réel sera généré par un algorithme qui classe les mouvements de la main, étape par étape, à partir de capteurs inertiels au poignet. Cet algorithme est actuellement en cours de validation par l'évaluation de sa validité concourante par rapport à un standard de référence, à savoir un observateur formé qui évalue la technique d'HM. La présente étude porte sur l'élaboration et la validation du protocole d'acquisition et d'annotation nécessaire à l'entraînement de l'algorithme et à l'évaluation de sa validité concourante, avant son déploiement clinique en temps réel. Le protocole décrit une collecte de données synchronisée à l'aide d'un IMU marqué temporellement pour délimiter les frontières des étapes, associant des enregistrements segmentés des capteurs de poignet à des étiquettes de conformité attribuées par l'observateur pour chaque mouvement. Le développement du modèle exploite des architectures de modèles séquentiels capables d'effectuer un étiquetage dense des séries chronologiques, et les performances seront quantifiées à l'aide de métriques de classification au niveau des mouvements (par exemple, score F1) et de critères de recouvrement des segments (par exemple, intersection sur union), afin de refléter à la fois la justesse des décisions et la qualité de la segmentation temporelle. Les critères d'évaluation secondaires incluent la performance de la distribution d'antiseptique, la rapidité et l'ergonomie du retour d'information, ainsi que l'acceptabilité par les utilisateurs dans les flux de travail cliniques. Les données recueillies auprès d'un échantillon diversifié de professionnels de santé, comprenant plusieurs exécutions supervisées par participant, soutiendront les analyses de validation concourante afin de déterminer la précision du dispositif et son potentiel à renforcer les programmes d'HM existants et à réduire les infections associées aux soins.

Introduction

L'hygiène des mains (HM) est la stratégie la plus simple, la plus efficace et la moins coûteuse pour prévenir les infections associées aux soins (IAS), reconnues comme un problème majeur de santé publique mondiale1. Toutefois, la conformité à cette pratique reste en deçà des niveaux idéaux à l'échelle mondiale2,3. À cet égard, les programmes de contrôle des infections doivent surveiller non seulement les taux de conformité fondés sur les opportunités, mais aussi la qualité de la technique d'hygiène des mains (HM), qui consiste à suivre les étapes recommandées ainsi que la durée appropriée d'action de l'antiseptique4.

En ce qui concerne la technique, l'OMS recommande la technique de 6 étapes pour le HH afin d'assurer son efficacité. Les étapes sont les suivantes : (1) frotter les paumes ensemble avec un mouvement rotatif ; (2) frotter la paume de la main droite contre le dos de la main gauche tout en entrelaçant les doigts ; (3) frotter les paumes ensemble avec les doigts entrelacés ; (4) frotter le dos des doigts d'une main dans la paume de l'autre main tout en tenant les doigts et en effectuant des mouvements d'avant en arrière, et vice versa ; (5) frotter le pouce droit à l'aide de la paume gauche par un mouvement circulaire, et vice versa ; (6) frotter les extrémités des doigts de la main gauche dans la paume de la main droite par des mouvements circulaires, et vice versa5,6.

Cependant, les données concernant l'efficacité relative et la faisabilité des techniques recommandées par l'OMS restent incomplètes. En particulier, une revue systématique récente a évalué l'efficacité de la technique de DMS en 6 étapes de l'OMS pour réduire la charge bactérienne sur les mains des professionnels de santé, et l’a comparée à d'autres approches décrites dans la littérature internationale. Bien que la technique en 6 étapes de l'OMS ait permis de réduire la charge bactérienne, la revue a conclu que les données probantes permettant d'identifier la technique la plus efficace et la plus pratique ne sont pas encore définitives, et que la recherche sur les techniques de DMS nécessite une meilleure standardisation entre les études7. Parallèlement, la technique de DMS en 3 étapes a été promue mondialement par plusieurs auteurs. Ses étapes sont : (1) couvrir toutes les surfaces des mains ; (2) effectuer un frottement rotatif des extrémités des doigts sur la paume opposée de manière alternée ; et (3) effectuer un frottement rotatif des deux pouces8,9,10. Les étapes sont illustrées dans Figure 1.

Conformément à ces avancées, un essai contrôlé randomisé a quantifié les opportunités d'hygiène des mains dans 12 services hospitaliers aux États-Unis (n = 2 923). Parmi ces opportunités, 1 516 (51,9 %) ont eu lieu dans le groupe d'intervention, qui a reçu une formation à la technique en 3 étapes d'hygiène des mains9, et 1 407 (48,1 %) dans le groupe témoin, qui a reçu une éducation classique conforme à la technique en 6 étapes d'hygiène des mains de l'OMS. Le groupe d'intervention a montré une meilleure observance des « Cinq moments de l'OMS » et de la technique en 3 étapes. Bien que les réductions du nombre d'unités formant des colonies n'aient pas été significativement différentes en ce qui concerne le critère bactériologique principal (p = 0,029), l'observance de l'hygiène des mains a été nettement plus élevée dans le groupe d'intervention (51,7 %) par rapport au groupe témoin (12,7 %).

La technique HH en 3 étapes a produit une réduction plus importante en logarithme de 10 des unités formant des colonies (médiane 4,45, EIQ 4,04–5,15) que la technique en six étapes (médiane 3,91, EIQ 3,69–4,62 ; p = 0,021)8. Notamment, dans les deux études, les réductions du nombre de colonies ne différaient pas significativement entre les techniques, et les deux études confirment que la méthode en 3 étapes est efficace lorsqu'elle est correctement réalisée8,9.

Fortes de ces résultats, la chercheuse principale et son équipe de recherche ont évalué et démontré l'efficacité de la technique de DH à 3 étapes parmi les professionnels de santé dans un hôpital universitaire et de recherche de la région Centre-Ouest du Brésil. Dans cette étude, une évaluation microbiologique des mains des participants n'a révélé aucune croissance de micro-organismes potentiellement pathogènes après une réalisation correcte de la technique en 3 étapes pendant 15 s. Ces résultats confirment l'efficacité de la technique11,12.

Compte tenu des enjeux mondiaux décrits ci-dessus, la présente étude se concentre sur le développement d’un produit technologique lié à l’hygiène des mains, visant à améliorer l’observance par les professionnels de santé grâce à un bracelet capable de distribuer un antiseptique par commande vocale au point de soin et fournissant un retour sur la qualité de la technique d’hygiène des mains réalisée (Figure 2), avec un afficheur pouvant être facilement détaché du réservoir, permettant ainsi de désinfecter le réservoir à un niveau élevé selon les besoins. Il convient en outre de noter que la proposition présentée ici est actuellement déposée dans le cadre d’une demande de modèle d’utilité (privilège de brevet) sous protocole à l’Institut national de la propriété industrielle brésilien (INPI) sous le numéro BR 20 2022 001267 4. Il est donc essentiel de valider l’algorithme du bracelet afin de garantir qu’il permette une évaluation fiable et valide des trois étapes de l’hygiène des mains, avec la capacité de distinguer précisément les exécutions correctes des incorrectes de la technique. La validité de critère concerne la capacité d’une méthode à correspondre à d’autres mesures recueillies afin d’étudier le même concept. La validité de critère cherche à évaluer avec quelle précision une nouvelle mesure peut prédire un concept ou un critère préalablement validé13.

La validité liée au critère décrit dans quelle mesure une procédure de mesure correspond à d'autres mesures destinées à évaluer le même construit sous-jacent, et, dans ce cadre, sert à déterminer si un nouvel instrument est conforme à une référence établie, précédemment validée et fiable (le critère). La validation liée au critère exige (1) le choix d'un critère approprié et conceptuellement pertinent, et (2) la vérification indépendante de la validité du critère14. Lorsque la référence est obtenue au même moment que l'instrument évalué, la validité liée au critère est généralement considérée comme concourante, tandis qu'elle est considérée comme prédictive lorsque la référence est mesurée à un moment ultérieur ; cette distinction peut également être guidée par l'objectif prévu de l'évaluation15.

En conséquence, la force de concordance entre l'instrument et une mesure externe de référence peut être évaluée par une analyse statistique. Une telle analyse quantifie généralement l'association ou la concordance entre l'instrument étudié et le critère externe (standard de référence) à l'aide de mesures appropriées d'association ou de concordance14.

Pour l'indicateur spécifique de la compliance à l'hygiène des mains (HM), l'observation directe, mise en œuvre par un enregistrement systématique des occasions d'hygiène des mains et une évaluation de la qualité de la technique par des observateurs formés, est largement considérée comme la référence pour l'évaluation comparative16 et est fortement recommandée par l'Organisation mondiale de la Santé (OMS)5.

Dans cette étude, l'investigateur a assumé le rôle d'observateur formé évaluant la technique de désinfection des mains des participants. Le chercheur principal est un expert reconnu dans la prévention et le contrôle des infections associées aux soins, avec une expertise particulière en matière de conformité aux Cinq moments pour l'hygiène des mains de l'OMS5.

Afin de permettre une évaluation objective et par étapes de l'exécution de la technique, la présente étude combine une évaluation observationnelle de référence avec une détection inertielle portée au poignet et une procédure rigoureuse de délimitation temporelle de chaque étape. Les limites des étapes sont déterminées pendant l'acquisition des données à l'aide d'une UMI (unité de mesure inertielle) dédiée aux marqueurs temporels, manipulée par un chercheur collaborateur, qui indique le début ou la fin d'une étape et annote les transitions entre étapes au moyen d'événements de tapotement brefs. Ces événements de tapotement sont ensuite détectés à l'aide d'un pipeline Python de détection de pics et servent à segmenter les enregistrements de l'UMI du poignet en occurrences de l'Étape 1, de l'Étape 2 et de l'Étape 3. Les signaux ainsi segmentés par étape sont ensuite associés à des étiquettes binaires de justesse attribuées par un observateur (correct ou incorrect) au niveau du mouvement. Ce dispositif expérimental permet de modéliser l'évaluation de la technique HH comme une tâche d'étiquetage dense de séries temporelles, suivie d'une classification au niveau des étapes.

Les modèles séquentiels basés sur les transformeurs conviennent particulièrement à cette formulation du problème, car l'auto-attention peut représenter les dépendances temporelles dans les signaux des capteurs portables et permettre une prédiction séquence-à-séquence lorsque les étiquettes supervisées sont définies à une résolution temporelle fine17. Les performances du modèle sont quantifiées à l'aide de métriques de classification au niveau des mouvements (par exemple, score F1) ainsi que de critères de chevauchement au niveau des segments (par exemple, intersection sur union), permettant ainsi de rendre compte à la fois (i) de la justesse des décisions techniques et (ii) de la qualité de la segmentation temporelle.

Bien que l'objectif ultime du système proposé soit de fournir un retour d'information automatisé en temps réel pendant la réalisation de l'hygiène des mains dans des environnements cliniques, la présente étude se concentre sur les procédures d'acquisition, d'annotation et de segmentation temporelle nécessaires pour générer le jeu de données de référence destiné à l'entraînement et à la validation ultérieure d'algorithmes. Par conséquent, l'objectif principal de ce travail est d'établir et de valider un protocole reproductible permettant de recueillir des données synchronisées issues de capteurs inertiels et des annotations générées par un observateur, qui pourront servir de référence absolue pour le développement futur d'algorithmes d'apprentissage automatique.

Les données ont été recueillies à l'École d'ingénieurs du Campus de Sao Joao da Boa Vista de l'Université d'État de São Paulo (UNESP). Cinquante professionnels (n = 50) ont participé : des étudiants (n = 20), des membres du corps professoral (n = 18), du personnel technique administratif (n = 10) et des agents de service général (n = 2). L'ensemble de données final comprenait 1 500 exécutions de la technique de DH en 3 étapes. Les participants ont reçu pour consigne d'effectuer la technique de DH en 3 étapes dans trois scénarios distincts, administrés par l'investigateur principal, qui a servi d'évaluateur de référence pour l'exécution correcte.

Avant la collecte de données, les participants potentiels ont été invités à participer et ont reçu une explication détaillée des objectifs et des procédures de l'étude. Les participants ont été recrutés au sein de la communauté FESJ/UNESP, y compris des étudiants de premier et de deuxième cycle, des membres du corps professoral, du personnel administratif et des agents de service général. Les participants éligibles étaient des adultes (âgés de 18 ans ou plus), capables de comprendre et d'effectuer la procédure d'hygiène des mains, et disposés à donner un consentement éclairé écrit avant de participer.

Après avoir obtenu un consentement éclairé écrit, un assistant de recherche du Département de génie électrique a fixé un capteur de capture de mouvement au poignet préféré du participant (droit ou gauche). Tout au long du processus de collecte des données, le chercheur collaborateur est resté présent pour fournir un soutien technique, notamment en assurant une transmission fiable du signal et en surveillant la variabilité du signal.

Protocole

Ce protocole expérimental a été approuvé par le Comité d'éthique de la recherche de l'hôpital universitaire. Les participants ayant accepté de prendre part à l'étude ont dû signer le formulaire de consentement éclairé conformément à la Résolution n° 466/2012 du Conseil national de santé brésilien18. Les réactifs et l'équipement utilisés sont listés dans le Tableau des matériaux.

1. Préparation de l'environnement de collecte des données

  1. Placer un ordinateur portable, un smartphone monté sur un support et une chaise devant l'assistant de recherche.
  2. Placer un ordinateur portable et une chaise devant l'observateur formé.
  3. Placer un tabouret à côté de l'observateur formé et positionner l'IMU du marqueur temporel dessus afin qu'il soit facilement accessible.
  4. Fixer l'IMU du marqueur temporel à la surface du tabouret à l'aide de ruban adhésif.
  5. Placer une bouteille de solution hydroalcoolique, des lingettes humides, une crème hydratante, l'IMU portée au poignet et un chronomètre sur le plan de travail devant le participant.
  6. Positionner une poubelle à côté du participant.

2. Vérification de la connectivité de l'application (par l'assistant de recherche)

  1. Veiller à ce que le niveau de batterie du smartphone reste supérieur à 80 %.
  2. Veiller à ce que l'IMU porté au poignet soit entièrement chargé.
  3. Veiller à ce que l'IMU du marqueur temporel soit entièrement chargé.
  4. Veiller à ce que l'application « Stay Awake » soit active.
  5. Lancer l'application BSL Capture, développée au Laboratoire de Signaux Biomédicaux (LSBio/UFSCar), et attendre que la recherche des dispositifs Bluetooth soit terminée.
  6. Vérifier que les deux IMUs apparaissent dans la liste des dispositifs disponibles sur l'écran principal.
  7. Confirmer que l'état de connexion des deux IMUs est indiqué comme « Connected » et que les données en temps réel des capteurs sont continuellement mises à jour avant de commencer l'acquisition des données.
  8. Confirmer que l'ensemble du flux de travail d'acquisition et de traitement présenté dans Figure 3 est opérationnel avant d'initier l'enregistrement du participant.
  9. Avant de commencer l'acquisition des données, vérifier que les deux IMUs portables (WitMotion WT901BLECL) fonctionnent avec la configuration par défaut du fabricant, enregistrant en continu les signaux triaxiaux de l'accéléromètre et du gyroscope, avec une plage de mesure de l'accéléromètre de ±6 g, une plage de mesure du gyroscope de ±2000 °/s, et une fréquence d'échantillonnage effective d'environ 25 Hz. Aucun filtrage supplémentaire au niveau du matériel n'est appliqué pendant l'acquisition des données.

3. Préparation de l'observateur entraîné

  1. S'assurer que chaque participant effectue individuellement les trois phases de collecte de données, sans la présence d'un autre participant dans la pièce pendant l'acquisition du signal.
  2. Attribuer un observateur unique et formé pour instruire et surveiller chaque participant.
  3. Enregistrer la classification de chaque étape de la technique HH en trois étapes dans un tableau dédié.
  4. S'assurer que l'observateur formé dispose d'une vue claire sur la technique de désinfection des mains du participant et d'un accès pratique à l'IMU marqueur temporel.
  5. Évaluer chaque étape de la technique de désinfection des mains conformément au protocole standardisé de désinfection des mains en trois étapes9. Classifier chaque étape comme correcte ou incorrecte selon les critères d'évaluation prédéfinis.
    NOTE : Le tableau est organisé de manière à inclure l'identifiant du participant, le numéro d'exécution de la technique de désinfection des mains (1 à 10 pour chacune des trois phases de collecte de données), ainsi que la classification des étapes 1, 2 et 3 de la technique de désinfection des mains. Enregistrer la classification de chaque étape comme correcte ou incorrecte.

4. Préparation du participant (par l'assistant de recherche)

  1. Demander au participant de s’asseoir sur une chaise faisant face au plan de travail préparé.
  2. Demander au participant de poser ses deux avant-bras sur le plan de travail.
  3. Demander au participant de choisir le poignet préféré pour le positionnement de l’IMU porté au poignet.
  4. Fixer l’IMU porté au poignet au poignet choisi par le participant à l’aide de la sangle Velcro, en veillant à ce qu’il soit bien fixé et stable sans causer d’inconfort.
  5. Placer un chronomètre visible ou un minuteur numérique sur le plan de travail, dans le champ de vision du participant.
  6. Réaliser toutes les sessions d’acquisition de données dans le même laboratoire, sous un éclairage artificiel constant et avec la climatisation en fonctionnement pendant l’ensemble des séances expérimentales afin de maintenir des conditions environnementales stables.

5. Procédure de collecte et d'enregistrement des données (par l'observateur formé)

REMARQUE : Une vue d'ensemble du flux de travail complet de collecte des données est présentée dans la Figure 4. Le protocole comprend trois phases d'acquisition successives : (1) instruction verbale, (2) démonstration de la technique correcte et (3) exécution de modèles d'erreurs prédéfinis. À chaque phase, les participants effectuent 10 répétitions de la technique d'hygiène des mains en trois étapes. Pendant toutes les phases, l'observateur formé évalue la justesse de chaque étape et génère des marqueurs temporels à l'aide de l'IMU marqueur temporel afin de faciliter la segmentation et l'annotation ultérieures du jeu de données obtenu. La Figure 3 résume l'ensemble du flux de travail d'acquisition, de traitement, de segmentation et de génération du jeu de données.

  1. Première phase de collecte des données
    1. Décrire verbalement chaque étape de la technique HH en 3 étapes au participant (Figure 1).
    2. Préciser explicitement : « Effectuez chacune des trois étapes pendant au moins 5 s, de sorte que la technique complète dure au moins 15 s. »
    3. Demander au participant de surveiller le chronomètre placé devant lui.
    4. Demander au participant d’exécuter la technique HH en 3 étapes 10 fois, en laissant un intervalle de repos entre chaque réalisation complète de la technique HH.
    5. Appuyer une fois sur l’IMU marqueur temporel immédiatement après l’achèvement de chaque étape HH afin de générer une référence temporelle utilisée lors du processus de segmentation.
    6. S’assurer qu’un observateur formé évalue attentivement la qualité de chaque étape HH réalisée et la consigne dans le tableur comme correcte ou incorrecte.
    7. Lors de la cinquième exécution de la technique HH en 3 étapes, rappeler au participant d’effectuer chaque étape pendant au moins 5 s.
    8. Surveiller l’affichage en temps réel du signal dans l’application smartphone et confirmer que des paquets de données sont reçus en continu des deux IMU tout au long de la session d’enregistrement. En cas de perte de paquets, de déconnexion du capteur ou de mauvaise qualité du signal, interrompre l’enregistrement, rétablir la connexion Bluetooth si nécessaire, puis répéter la collecte afin de garantir un enregistrement complet et fiable du signal.
  2. Deuxième phase de collecte des données
    1. S’assurer que l’observateur formé démontre l’exécution correcte de la technique HH en 3 étapes (Figure 1).
      1. S’assurer que l’observateur formé démontre chaque étape lentement et en pleine vue du participant, en répétant toute étape si nécessaire jusqu’à ce que le participant indique qu’il a compris.
      2. S’assurer que l’observateur formé souligne les points de contact critiques et les erreurs fréquentes pendant la démonstration.
    2. Préciser explicitement : « Effectuez chacune des trois étapes pendant au moins 5 s, de sorte que la technique complète dure au moins 15 s, en suivant la démonstration pratique réalisée par l’observateur formé. »
    3. Demander au participant d’effectuer 10 répétitions de la technique HH en 3 étapes.
    4. Évaluer la justesse de chaque étape de la technique HH en 3 étapes.
    5. Générer des marqueurs temporels à l’aide de l’IMU marqueur temporel après chaque étape HH.
    6. Surveiller la transmission du signal en temps réel tout au long de la session d’acquisition. En cas de perte de paquets, de déconnexion du capteur ou de mauvaise qualité du signal, interrompre l’enregistrement et répéter l’acquisition après avoir rétabli une transmission normale du signal.
  3. Troisième phase de collecte des données
    1. S’assurer que l’observateur formé démontre le modèle d’erreur que le participant devra reproduire.
    2. S’assurer que l’observateur formé applique les modèles d’erreur 1, 2, 3 et 4, séquentiellement.
      1. Attribuer les modèles d’erreur 1 à 4 séquentiellement aux participants successifs et répéter le cycle après le participant 4.
    3. S’assurer que l’observateur formé démontre les modèles d’erreur, définis comme suit :
      1. Modèle d’erreur 1 : Pour l’étape 1, ne couvrir que les paumes et omettre les autres surfaces des mains. Pour l’étape 2, frotter les extrémités des doigts en excluant les pouces. Pour l’étape 3, déplacer les pouces en avant et en arrière sans frottement rotatif.
      2. Modèle d’erreur 2 : Pour l’étape 1, omettre le dos de la main gauche. Pour l’étape 2, frotter uniquement les extrémités des doigts index, majeur et annulaire, en excluant les auriculaires et les pouces. Pour l’étape 3, effectuer un frottement rotatif partiel des pouces.
      3. Modèle d’erreur 3 : Pour l’étape 1, omettre le dos de la main droite. Pour l’étape 2, frotter uniquement les extrémités des doigts de la main droite. Pour l’étape 3, effectuer un frottement rotatif uniquement du pouce droit.
      4. Modèle d’erreur 4 : Pour l’étape 1, ne couvrir que les paumes. Pour l’étape 2, frotter les extrémités des doigts en utilisant un mouvement inversé ou incorrect. Pour l’étape 3, effectuer un frottement rotatif uniquement du pouce gauche.
    4. « Effectuez chacune des trois étapes pendant au moins 5 s, de sorte que la technique complète dure au moins 15 s, en suivant la démonstration pratique réalisée par l’observateur formé. »
    5. Demander au participant d’effectuer 10 répétitions de la technique HH en 3 étapes.
    6. Évaluer la justesse de chaque étape de la technique HH en 3 étapes.
    7. Générer des marqueurs temporels à l’aide de l’IMU marqueur temporel après chaque étape HH.
    8. Surveiller la transmission du signal en temps réel tout au long de la session d’acquisition. En cas de perte de paquets, de déconnexion du capteur ou de mauvaise qualité du signal, interrompre l’enregistrement et répéter l’acquisition après avoir rétabli une transmission normale du signal.
  4. Retirer délicatement l’IMU porté au poignet du poignet du participant.
  5. Essuyer tout excès de solution hydroalcoolique avec des serviettes en papier.
  6. Nettoyer la surface de travail et jeter les serviettes en papier usagées dans la poubelle.
  7. Proposer une crème hydratante si le participant en fait la demande ou signale en avoir besoin.
  8. Remercier le participant pour sa contribution.

Résultats

Le protocole de collecte des données cliniques a été mis en œuvre comme prévu, et les signaux inertiels provenant des dispositifs portés au poignet ont été correctement enregistrés chez tous les participants inclus, lors de toutes les exécutions planifiées du geste HH. L'ensemble de données obtenu comprenait 50 participants et 1 500 exécutions complètes de la technique HH en trois étapes (30 exécutions par participant). Une fois décomposées en trois étapes ordonnées par exécution, ces données ont fourni au total 4 500 segments de mouvement.

Exécution du test clinique

Chaque participant a effectué trois blocs consécutifs de 10 exécutions de HH (au total 30 exécutions par participant), chaque exécution de HH comprenant les trois étapes ordonnées définies pour la technique en 3 étapes. Le premier bloc a été réalisé après une explication orale des mouvements corrects ; le second bloc a été réalisé après une explication orale et une démonstration visuelle des mouvements corrects ; le troisième bloc a été réalisé après démonstration de mouvements incorrects reflétant des erreurs fréquemment observées en pratique médicale. Pour le bloc des mouvements incorrects, quatre schémas d’erreurs prédéfinis ont été utilisés et répartis entre les participants selon un plan d’allocation équilibré (c’est-à-dire en alternant les schémas entre les participants successifs), afin d’assurer une représentation comparable de chaque type d’erreur au niveau du groupe.

Les 50 participants ont tous terminé avec succès les trois phases d'acquisition, ce qui a donné lieu à 1 500 exécutions complètes de la technique HH en trois étapes. Pendant la collecte des données, l'observateur formé a évalué chaque exécution et noté la justesse de l'étape 1, de l'étape 2 et de l'étape 3 selon les critères d'évaluation prédéfinis. Parallèlement, des marqueurs temporels ont été générés à l'aide de l'IMU auxiliaire afin d'indiquer les transitions entre les étapes consécutives de la méthode HH. Cette procédure a produit un ensemble complet d'annotations basées sur l'observation et de références temporelles pour toutes les exécutions enregistrées, permettant la segmentation ultérieure et la construction du jeu de données.

Délimitation des pas temporels

Toutes les séances étaient accompagnées par un chercheur collaborateur chargé de générer une référence temporelle externe pour les limites des pas. Cette référence a été produite à l'aide d'un second IMU dédié à l'annotation, qui était légèrement tapoté à la main pour indiquer le début et la fin de chaque pas, y compris les transitions entre des pas consécutifs. Ces événements de tapotement ont généré un signal de marqueur temporel, qui a ensuite été utilisé pour délimiter — pour chaque exécution de HH — l'étendue temporelle de l'Étape 1, de l'Étape 2 et de l'Étape 3.

Des marqueurs temporels ont été correctement générés pour toutes les exécutions de HH enregistrées. Les événements induits par les tapotements ont produit des pics distincts dans le signal auxiliaire de l'IMU, permettant d'identifier clairement les transitions entre l'étape 1, l'étape 2 et l'étape 3. Ces références temporelles ont fourni un mécanisme reproductible pour synchroniser les annotations de l'observateur avec les enregistrements de l'IMU porté au poignet et ont servi de base à la segmentation ultérieure du signal.

Traitement du signal et segmentation

Un algorithme basé sur Python a été développé pour traiter le flux d'IMU des marqueurs temporels, incluant des opérations de filtrage et une logique de détection de pics afin d'identifier de manière fiable les événements induits par les tapotements. Le traitement du signal a été effectué à l'aide d'un script Python personnalisé implémenté dans l'environnement Spyder IDE version 6.0.5 avec Python 3.9.19 (distribution Anaconda, Windows 11). Les signaux d'IMU ont été importés à partir de fichiers texte délimités dans Python en utilisant une détection automatique des délimiteurs et un analyseur numérique adapté à la localisation, afin de récupérer le canal de vitesse angulaire du gyroscope enregistré à 25 Hz. Le signal a été redressé en onde complète et lissé à l'aide d'un noyau gaussien unidimensionnel (σ ≈ 60 ms) afin d'atténuer le bruit à haute fréquence tout en préservant son enveloppe temporelle. Des événements discrets ont ensuite été identifiés par une procédure automatisée de détection de pics soumise à des contraintes de prominance minimale (5 % de l'amplitude maximale), de distance minimale entre pics et de largeur minimale de pic. Les pics détectés ont ensuite été utilisés comme références temporelles pour segmenter les enregistrements d'IMU portés au poignet en instances de mouvement Étape 1, Étape 2 et Étape 3, produisant un jeu de données résolu par étape couvrant 1 500 exécutions (4 500 instances de pas segmentées).

Figure 5 illustre la procédure de segmentation temporelle pour trois exécutions consécutives de HH (neuf étapes au total), montrant le signal IMU filtré des marqueurs temporels basé sur les tapotements, les pics détectés correspondants utilisés comme événements de délimitation des étapes, et le signal IMU porté au poignet synchronisé enregistré pendant l'exécution de HH. Le flux de travail complet, de l'acquisition des données à la génération du jeu de données annoté au niveau des étapes, est résumé dans la Figure 3.

La procédure de segmentation a été appliquée avec succès à toutes les exécutions de HH enregistrées. Les événements marqueurs temporels détectés ont permis une identification fiable des limites des pas et une segmentation ultérieure des enregistrements continus des IMU portés au poignet en instances du pas 1, du pas 2 et du pas 3. Le jeu de données obtenu a été associé à des annotations générées par un observateur pour chaque instance de mouvement, fournissant les étiquettes de référence nécessaires à l'entraînement et à la validation ultérieurs de l'algorithme. Figure 5 illustre la correspondance entre les événements marqueurs temporels, les pics détectés et les limites de mouvement obtenues, démontrant ainsi la mise en œuvre réussie du protocole proposé d'acquisition et de segmentation.

Jeu de données obtenu et utilité ultérieure

L'ensemble de données obtenu regroupe des réalisations correctes et incorrectes intentionnelles des trois étapes du HH sous trois conditions d'acquisition (instruction orale, démonstration orale et visuelle, et modèles d'erreurs instruits), les frontières temporelles au niveau des étapes étant fournies par le signal auxiliaire du marqueur IMU. Cet ensemble de données permet le développement et l'évaluation de modèles de classification par étape utilisant des données IMU portables, dans le but pratique à long terme de fournir un retour en temps réel aux professionnels de santé pendant la réalisation du HH dans des environnements cliniques. Toutes les inférences se limitent à démontrer la faisabilité du protocole et la création réussie d'un ensemble de données volumineux, segmenté par étape, adapté à une modélisation algorithmique ultérieure.

figure-results-1
Figure 1 : Illustration de la technique de trois étapes pour l'hygiène des mains (HH). Veuillez cliquer ici pour visualiser une version agrandie de cette figure.

figure-results-2
Figure 2 : Prototype du dispositif de surveillance de l'hygiène des mains porté au poignet. Veuillez cliquer ici pour afficher une version agrandie de cette figure.

figure-results-3
Figure 3 : Flux de travail pour l'acquisition, le traitement et la segmentation des données. Veuillez cliquer ici pour visualiser une version agrandie de cette figure.

figure-results-4
Figure 4 : Représentation schématique de la méthode proposée. Veuillez cliquer ici pour visualiser une version agrandie de cette figure.

figure-results-5
Figure 5 : Détection des limites des étapes et segmentation de trois exécutions consécutives d'un lavage des mains en trois étapes. Le signal enregistré par l'unité de mesure inertielle (IMU) portée au poignet d'un participant est représenté en bleu, et le signal filtré de l'IMU basé sur les tapotements est représenté en orange. Les pics induits par les tapotements, utilisés pour identifier les transitions entre les étapes du lavage des mains, sont indiqués par des cercles rouges. Les étapes individuelles de chaque exécution du lavage des mains sont numérotées 1, 2 et 3. Neuf étapes consécutives (trois lavages des mains complets) sont illustrées à titre explicatif. Veuillez cliquer ici pour visualiser une version agrandie de cette figure.

Discussion

Cette étude aborde la validité de critère pour l'évaluation de la technique HH pas à pas en combinant un processus de labellisation observationnel considéré comme référence avec une détection inertielle portative et une stratégie de segmentation temporelle reproductible. La discussion qui suit interprète les choix méthodologiques et présente les contributions scientifiques attendues, tout en restant conforme au champ d'application de l'étude et aux données probantes générées par la mise en œuvre du protocole et la construction du jeu de données.

Interprétation et contribution

Une contribution essentielle consiste à démontrer la faisabilité de la génération d'un jeu de données issu de capteurs portables avec résolution pas à pas pour la technique HH en trois étapes, dans des conditions contrôlées incluant à la fois une exécution correcte et des modèles incorrects représentatifs. La taille du jeu de données (50 participants, 1 500 exécutions complètes de HH, 4 500 segments d'étape) permet le développement et l'évaluation de modèles au niveau du mouvement (par étape), plutôt que de traiter la désinfection des mains (HH) comme une activité unique et indifférenciée.

En structurant explicitement les acquisitions en trois parties (instruction orale, instruction orale accompagnée d'une démonstration visuelle, et présentation de modèles incorrects guidés), l'étude établit une base cohérente pour analyser la manière dont le contexte pédagogique et l'induction d'erreurs influencent les cinématiques au niveau des gestes ainsi que la discrimination algorithmique ultérieure19.

Considérations méthodologiques

L'utilisation d'un deuxième IMU comme marqueur temporel externe, avec des indications par tapotements aux limites des pas, fournit un mécanisme de délimitation des pas qui ne repose pas sur une analyse subjective a posteriori basée uniquement sur la vidéo. L'algorithme ultérieur de détection des pics et de segmentation, implémenté en Python, met en œuvre ces indices de limite dans un pipeline cohérent, ce qui est essentiel pour un étiquetage temporel dense et une classification de justesse pas à pas.

La répartition équilibrée de quatre motifs incorrects parmi les participants renforce la structure interne de la classe « incorrect » en réduisant le risque de surreprésentation d'un mode d'erreur unique. Cela est particulièrement important étant donné que l'objectif de classification est la justesse spécifique à chaque étape, plutôt qu'une détection générique d'anomalies.

Étapes critiques du protocole

Un aspecte essentiel du protocole proposé consiste à préserver la correspondance temporelle entre l'évaluation par observateur et les signaux inertiels obtenus à partir du capteur portatif. Cet objectif repose sur quatre étapes interdépendantes. Premièrement, l'acquisition fiable de signaux IMU synchronisés est essentielle afin de garantir qu'aucune information pertinente sur les mouvements n'est perdue pendant l'enregistrement. Deuxièmement, l'observateur formé doit appliquer de manière cohérente les critères d'évaluation prédéfinis, car ces évaluations constituent les étiquettes de référence utilisées pour le développement ultérieur des algorithmes d'apprentissage automatique. Troisièmement, les marqueurs temporels générés à l'aide de l'IMU auxiliaire doivent indiquer précisément les transitions entre les étapes consécutives de l'hygiène des mains, permettant ainsi la synchronisation entre l'évaluation par observation et les enregistrements du capteur portable. Enfin, une détection correcte des pics et une segmentation adéquate des signaux sont fondamentales pour isoler correctement chaque mouvement individuel, car des erreurs de segmentation affecteraient directement la qualité du jeu de données annoté et pourraient propager des erreurs lors de l'entraînement et de la validation ultérieurs des algorithmes. Prises ensemble, ces étapes établissent la base méthodologique nécessaire pour générer un jeu de données de référence reproductible, correctement annoté et fiable, destiné au développement futur d'algorithmes.

Bien que le protocole ait été mis en œuvre avec succès tout au long de la présente étude, plusieurs facteurs pratiques doivent être pris en compte pour garantir la qualité des données lors d'applications futures. Une communication stable entre les IMU et l'application d'acquisition, ainsi qu'une génération fiable des marqueurs temporels, est essentielle pour assurer une acquisition de données réussie et une segmentation ultérieure des signaux. Les enregistrements contenant des marqueurs temporels manquants ou ambigus doivent donc être inspectés visuellement et réenregistrés si nécessaire. En outre, une annotation cohérente par l'observateur est fondamentale, car ces annotations constituent la vérité terrain pour le développement ultérieur de l'apprentissage automatique. Enfin, une vérification visuelle des signaux segmentés est recommandée afin de confirmer que les limites de mouvement détectées correspondent aux étapes attendues d'hygiène des mains avant leur inclusion dans le jeu de données de référence.

Validité et généralisabilité

Du point de vue de la validité par rapport à un critère, la question centrale est de savoir si la justesse au niveau de chaque étape, déduite à partir des signaux IMU, correspond à un critère externe indépendant, ici représenté par une observation réalisée par des experts pendant l'acquisition. Ce dispositif expérimental aligne l'objectif du modèle sur une construction comportementale interprétable — l'exécution correcte de chacune des trois étapes — plutôt que sur des indicateurs indirects. Il permet également de rapporter l'accord avec la même finesse que celle utilisée pour définir les étiquettes d'apprentissage. Toutefois, la validité par rapport à un critère dépend non seulement du modèle, mais aussi de la fiabilité et de la cohérence du critère lui-même. Par conséquent, les procédures des observateurs, la clarté des définitions de la justesse pour chaque étape, ainsi que la cohérence du signalement des limites constituent des éléments essentiels qui déterminent dans quelle mesure l'accord observé est justifiable.

Implications pratiques

La présente étude n'évalue pas les performances du retour d'information en temps réel dans la pratique clinique. Elle vise plutôt à établir et valider le protocole d'acquisition, d'annotation et de segmentation temporelle utilisé pour générer le jeu de données de référence destiné au développement ultérieur de l'apprentissage automatique. En conséquence, le résultat validé de cette étude est le protocole d'acquisition des données, et non le système de surveillance en temps réel lui-même. La classification automatisée des mouvements, la surveillance en temps réel et les fonctionnalités de retour d'information restent des objectifs des étapes ultérieures du projet et n'ont pas été évaluées dans la présente étude. Un paradigme d'évaluation progressif est pertinent sur le plan clinique, car il peut fournir un retour d'information actionnable : identifier précisément quelle étape est incorrecte est généralement plus utile sur le plan opérationnel que d'attribuer une simple étiquette de réussite/échec à une tentative complète d'hygiène des mains.

Le protocole en trois parties fournit une base pour les analyses futures sur la manière dont l'instruction et la démonstration influencent les schémas d'exécution des techniques, ce qui pourrait orienter les stratégies de formation et la conception de messages de rétroaction ciblant des étapes spécifiques20. Si elle était intégrée dans des applications futures en temps réel, une approche utilisant un dispositif porté au poignet pourrait compléter l'observation directe en augmentant la fréquence et la standardisation de l'évaluation de la technique d'hygiène des mains, sans nécessiter un audit en personne continu.

Par rapport à l'observation directe classique, qui reste la référence standard pour évaluer la technique d'hygiène des mains5, le protocole proposé combine une évaluation par des experts avec une détection portable synchronisée et une segmentation basée sur des marqueurs temporels afin de produire des annotations objectives au niveau des mouvements. Les systèmes portables basés sur des IMU sont devenus une méthode établie pour l'analyse des mouvements humains, car ils permettent des chaînes de traitement structurées des signaux comprenant un prétraitement, une segmentation, une extraction de caractéristiques et une classification21. De plus, des revues récentes ont mis en lumière l'utilisation croissante de capteurs portables et d'autres systèmes électroniques de surveillance pour l'évaluation de l'hygiène des mains, tout en soulignant leur potentiel à compléter les méthodes d'observation classiques22. Dans ce contexte, le présent protocole a été spécifiquement conçu pour générer un jeu de données annoté de haute qualité, permettant le développement futur et la validation d'algorithmes d'apprentissage automatique capables d'évaluer la technique d'hygiène des mains au niveau de chaque étape individuelle.

Limites et orientations futures

Les acquisitions ont été réalisées dans un cadre contrôlé et incluaient des patrons incorrects prescrits ; la représentativité de la distribution des erreurs par rapport à la pratique clinique courante doit être interprétée avec prudence. Une validation externe dans des conditions réelles serait nécessaire avant de formuler des affirmations sur un déploiement opérationnel23. De plus, le recours à un seul observateur formé et la dépendance à un signalement des limites basé sur des tapotements introduisent des sources potentielles de biais systématique et de variabilité temporelle. Ces facteurs devraient être quantifiés dans des travaux ultérieurs (par exemple, en évaluant la robustesse de la détection des limites et la cohérence entre observateurs).

Les travaux futurs devraient privilégier : (1) le développement de modèles de classification par intelligence artificielle, (2) la réalisation d'analyses formelles d'accord entre les sorties du modèle et le critère d'observation au niveau du mouvement, (3) l'évaluation de différents groupes d'utilisateurs et des positions des capteurs, et (4) la validation du suivi en temps réel et des performances de rétroaction pas à pas dans des flux cliniques réalistes. En conséquence, toutes les déclarations concernant la surveillance automatisée, l'ergonomie, la latence, l'efficacité ou l'extensibilité clinique doivent être interprétées comme des objectifs futurs plutôt que comme des résultats démontrés par la présente étude. De même, l'impact potentiel du système proposé sur la compliance à l'hygiène des mains ou la prévention des infections reste à établir par des validations cliniques futures.

Déclarations de divulgation

Les auteurs certifient qu'ils n'ont aucun conflit d'intérêts lié à cette étude.

Remerciements

Les auteurs remercient sincèrement le CNPq (Conseil national brésilien pour le développement scientifique et technologique) pour son soutien financier.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
ScotchSCOTCH5802Fixation de l'IMU de référence sur le tabouret
Désinfectant pour les mains à base d'alcool (70 %)Giovanna Babby-Produit d'hygiène des mains
Application BSL Capture UFSCarLSBio/UFSCar-Application smartphone pour l'acquisition des données de l'IMU
Unité de mesure inertielle (IMU) (2 unités)WitMotionWT901BLECLUne IMU portée au poignet et une IMU marqueur temporel
Ordinateur portableASUSS46CSurveillance et traitement des données
Ordinateur portableAppleMacBook Air M1Surveillance et traitement des données
Crème hydratanteNIVEA-Confort du participant après la réalisation de l'hygiène des mains
Serviettes en papierSNOB-Séchage et nettoyage des mains
Script de segmentation en PythonDéveloppé sur mesure-Algorithme de détection des pics et de segmentation temporelle des signaux de l'IMU
SmartphoneXIAOMIREDMI 13Acquisition des données de l'IMU
Support pour smartphone--Positionnement du smartphone pendant l'acquisition
Essuie-tout humidePampers-Nettoyage des mains du participant et de la surface de travail

Références

  1. World Health Organization. Global report on infection prevention and control: executive summary [Internet]. Geneva: World Health Organization; 2022. Available from: https://cdn.who.int/media/docs/default-source/integrated-health-services-(ihs)/ipc/ipc-global-report/who_ipc_global-report_executive-summary.pdf
  2. World Health Organization. WHO research agenda for hand hygiene in health care 2023–2030: summary. Geneva: World Health Organization; 2023. Available from: https://iris.who.int/bitstream/handle/10665/367527/9789240073715-eng.pdf
  3. Valim MD, et al. Efficacy of the multimodal strategy for hand hygiene compliance: an integrative review. 2019;72(2):552-565.
  4. Toney-Butler TJ, Gasner A, Carver N. Hand hygiene. In: StatPearls [Internet]. Treasure Island (FL): StatPearls Publishing; 2023. Available from: https://www.ncbi.nlm.nih.gov/books/NBK470254/
  5. World Health Organization. WHO guidelines on hand hygiene in health care: first global patient safety challenge Clean Care is Safer Care. Geneva: World Health Organization; 2009: WHO/IER/PSP/2009/01.
  6. World Health Organization. Interim recommendations on obligatory hand hygiene against transmission of COVID-19. Geneva: World Health Organization; 2020. Available from: https://www.who.int/publications/m/item/interim-recommendations-on-obligatory-hand-hygiene-against-transmission-of-covid-19
  7. Price L, et al. Comparing the effectiveness of hand hygiene techniques in reducing the microbial load and covering hand surfaces in healthcare workers: updated systematic review. Am J Infect Control. 2022;50(10):1079-1090.
  8. Tschudin-Sutter S, et al. Simplifying the WHO "how to hand rub" technique: three steps are as effective as six—results from an experimental randomized crossover trial. Clin Microbiol Infect. 2017;23(6):409-414.
  9. Tschudin-Sutter S, et al. Simplifying the World Health Organization protocol: 3 steps versus 6 steps for performance of hand hygiene in a cluster-randomized trial. Clin Infect Dis. 2019;69(4):614-620.
  10. Stadler RN, Tschudin-Sutter S. What is new with hand hygiene? Curr Opin Infect Dis. 2020;33(4):327-232.
  11. Valim MD, et al. The impact of an effective 3-step hand hygiene technique in reducing potentially pathogenic microorganisms found on nursing professionals' hands. J Infect Dev Ctries. 2023;17(8):1088-1098.
  12. Valim MD, et al. Adherence to hand hygiene technique: an observational study. Acta Paul Enferm. 2024;37:eAO0001262.
  13. Campbell JC, Hindle A, Stroulia E. The art and science of analyzing software data. Burlington (MA): Morgan Kaufmann; 2013.
  14. Cunha CM, Neto OPA, Stackfleth R. Main psychometric evaluation methods of the validity of measuring instruments. Rev Aten Saúde. 2016;14(47):75-83.
  15. Pasquali L. Psicometria. Rev Esc Enferm USP. 2009;43:992-999.
  16. Boyce JM, Pittet D. Guideline for hand hygiene in health care settings: recommendations of the Healthcare Infection Control Practices Advisory Committee and the HICPAC/SHEA/APIC/IDSA Hand Hygiene Task Force. MMWR Recomm Rep. 2002;51(RR-16):1-45.
  17. Ramachandra S, Hoelzemann A, Van Laerhoven K. Transformer networks for data augmentation of human physical activity recognition. arXiv. 2021. arXiv:2109.04054.
  18. Brasil. Conselho Nacional de Saúde. Resolução nº 466, de 12 de dezembro de 2012. Brasília: Conselho Nacional de Saúde; 2012.
  19. Dirgová Luptáková I, Kubovčík M, Pospíchal J. Wearable sensor-based human activity recognition with transformer model. Sensors (Basel). 2022;22(5):1911.
  20. Srigley JA, Furness CD, Baker GR, Gardam M. Quantification of the Hawthorne effect in hand hygiene compliance monitoring using an electronic monitoring system: a retrospective cohort study. BMJ Qual Saf. 2014;23(12):974-980.
  21. Ghasemzadeh H, Ostadabbas S, Guenterberg E, Pantelopoulos A. Wireless medical-embedded systems: a review of signal-processing techniques for classification. IEEE Sens J. 2013;13(2):423-437.
  22. Wang Y, Xu C, Xiang W, et al. Electronic monitoring systems for hand hygiene: systematic review of technology. J Med Internet Res. 2021;23(11):e27880.
  23. Gould DJ, Moralejo D, Drey N, Chudleigh JH. Interventions to improve hand hygiene compliance in patient care. Cochrane Database Syst Rev. 2010;(9):CD005186.

Réimpressions et autorisations

Étiquettes

Rétroaction en temps réelcapteurs inertielsvalidation d'algorithmemodèle de séquencepersonnel de santéprévention des infections

Cet article a été publié

Vidéo bientôt disponible

Contactez-nous
Recommander à la bibliothèque

Confidentialité

Conditions d’utilisation

Politiques

Copyright © 2026 MyJoVE Corporation. Tous droits réservés.