방법 논문

모션 센서와 머신러닝을 이용한 손 위생 기법의 실시간 손목밴드 모니터링

44 조회수

⸱

DOI:

10.3791/71289

⸱

2026년 9월 29일

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

이 논문에서

요약

본 프로토콜은 3단계 손 위생 기법의 머신러닝 평가를 검증하기 위한 참조 데이터셋을 생성하기 위해, 손목 착용형 IMU 데이터의 동기화된 획득, 주석 달기 및 시간적 분할 방법을 설명합니다. 관찰자 라벨링과 시간 마커 신호는 재현 가능한 단계별 주석을 제공하며, 이는 웨어러블 동작 감지 알고리즘 개발을 통해 의료 전문가에게 제공될 향후 실시간 피드백의 기반이 됩니다.

초록

의료 종사자(HCP)들은 권장되는 손 위생(HH) 기법을 제대로 수행하지 않는 경우가 많으며, 이는 감염 예방을 저해하는 요인이 됩니다. 제안된 손목 밴드 장치는 진료 현장에서 소독제를 분사함과 동시에 손 위생 기법 수행에 대한 실시간 피드백을 제공하도록 설계되었습니다. 실시간 피드백은 손목 관성 센서의 단계별 손 움직임을 분류하는 알고리즘을 통해 생성됩니다. 이 알고리즘은 현재 손 위생 기법을 평가하는 숙련된 관찰자라는 골드 표준(gold standard)과의 동시 타당도 평가를 통해 검증 과정을 거치고 있습니다. 본 연구는 실시간 임상 적용에 앞서 알고리즘 학습과 동시 타당도 평가에 필요한 데이터 수집 및 어노테이션 프로토콜의 개발과 검증에 중점을 둡니다. 본 프로토콜은 시간 마커 IMU를 사용하여 단계별 경계를 설정하는 동기화된 데이터 수집 방법을 설명하며, 분절된 손목 센서 기록을 각 움직임에 대해 관찰자가 할당한 정확도 라벨과 쌍으로 연결합니다. 모델 개발에는 밀집 시계열 라벨링이 가능한 시퀀스 모델 아키텍처가 활용되며, 성능은 정확도 결정과 시간적 분절 품질을 모두 반영하기 위해 움직임 수준의 분류 지표(예: F1 score) 및 세그먼트 중첩 기준(예: intersection-over-union)을 사용하여 정량화됩니다. 이차 결과 지표에는 소독제 분사 성능, 피드백의 적시성과 사용성, 그리고 임상 워크플로우에서의 사용자 수용도가 포함됩니다. 여러 명의 참가자로부터 각 참가자당 여러 번의 감독 하에 수행된 동작을 포함하는 다양한 의료 종사자 표본으로부터 수집된 데이터는, 장치의 정확도를 결정하고 기존 손 위생 프로그램의 보완 및 의료 관련 감염 감소 가능성을 확인하기 위한 동시 타당도 분석을 뒷받침할 것입니다.

서론

손 위생(HH)은 전 세계적으로 주요한 공중 보건 문제로 인식되는 의료 관련 감염(HAIs)을 예방하는 가장 간단하고 효과적이며 비용이 적게 드는 전략입니다1. 그러나 이러한 실천에 대한 준수율은 전 세계적으로 여전히 이상적인 수준보다 낮습니다2,3. 이러한 관점에서 감염 관리 프로그램은 기회 기반의 준수율뿐만 아니라, 권장 단계의 준수 및 소독제가 작용하는 적절한 시간을 포함하는 손 위생(HH) 기술의 품질 또한 모니터링해야 합니다4.

기술적 측면에서, WHO는 효과를 보장하기 위해 6단계 손위생(HH) 기술을 권장합니다. 그 단계는 다음과 같습니다: (1) 양 손바닥을 회전시키며 서로 문지릅니다; (2) 손가락을 깍지 낀 상태에서 오른손 바닥으로 왼손 등 쪽을 문지릅니다; (3) 손가락을 깍지 낀 채로 양 손바닥을 서로 문지릅니다; (4) 한 손의 손가락 등을 반대쪽 손바닥에 대고 손가락을 잡은 채 앞뒤로 움직이며 문지르고, 반대쪽도 동일하게 수행합니다; (5) 왼손 바닥을 사용하여 오른손 엄지손가락을 원을 그리듯 문지르고, 반대쪽도 동일하게 수행합니다; (6) 왼손 끝을 오른손 바닥에 대고 원을 그리듯 문지르고, 반대쪽도 동일하게 수행합니다5,6.

하지만 WHO 권고 기법의 상대적 유효성과 실현 가능성에 관한 근거는 여전히 불충분합니다. 특히, 최근의 한 체계적 문헌 고찰에서는 보건 의료 전문가의 손에 있는 세균 부하를 줄이는 데 있어 WHO 6단계 손 위생(HH) 기법의 유효성을 평가하고, 이를 국제 문헌에 보고된 다른 대안적 방법들과 비교하였습니다. 6단계 HH 기법이 세균 부하 감소 효과를 보였음에도 불구하고, 해당 고찰에서는 가장 효과적이고 실용적인 기법을 식별할 수 있는 근거가 아직 결정적이지 않으며, HH 기법 연구 전반에 걸쳐 표준화된 개선이 필요하다고 결론지었습니다7. 이와 병행하여, 3단계 HH 기법이 여러 저자들에 의해 전 세계적으로 장려되어 왔습니다. 그 단계는 다음과 같습니다: (1) 손의 모든 표면 덮기, (2) 양쪽 손바닥에 손가락 끝을 교대로 대고 회전하며 문지르기, (3) 양쪽 엄지손가락을 회전하며 문지르기8,9,10. 해당 단계들은 그림 1에 도식화되어 있습니다.

이러한 발전과 일맥상통하게, 한 무작위 대조 시험에서 미국 내 12개 병원 병동(n = 2,923) 전체의 손 위생(HH) 기회를 정량화하였습니다. 이러한 기회 중 1,516건(51.9%)은 3단계 HH 기법 교육을 받은 중재군9에서 발생했으며, 1,407건(48.1%)은 WHO 6단계 HH 기법에 따른 기존 교육을 받은 대조군에서 발생했습니다. 중재군은 "WHO 5가지 시점(Five Moments)" 및 3단계 기법에 대해 더 높은 준수율을 보였습니다. 일차 미생물학적 결과 측면에서 집락 형성 단위(colony-forming units)의 감소는 유의미한 차이가 없는 것으로 보고되었으나(p = 0.029), 관찰된 HH 준수율은 대조군(12.7%)에 비해 중재군(51.7%)에서 상당히 더 높았습니다.

3단계 HH 기법은 6단계 기법(중앙값 3.91, IQR 3.69–4.62; p = 0.021)보다 더 큰 colony-forming units의 log10 감소(중앙값 4.45, IQR 4.04–5.15)를 나타냈습니다8. 특히, 두 연구 모두에서 기법 간 colony 수 감소량은 유의미한 차이가 없었으며, 두 연구 모두 3단계 방법이 정확하게 수행될 때 효과적이라는 결론을 뒷받침합니다8,9.

이러한 근거를 바탕으로, 책임 연구자와 그녀의 연구팀은 브라질 중서부 지역의 교육 및 연구 병원 의료 전문가들을 대상으로 3단계 HH 기법의 효능을 평가하고 입증하였습니다. 해당 연구에서 참가자들의 손에 대한 미생물학적 평가 결과, 3단계 기법을 15 s 동안 정확하게 수행한 후 잠재적 병원성 미생물이 성장하지 않았음을 보여주었습니다. 이러한 결과는 해당 기법의 효능을 뒷받침하였습니다11,12.

앞서 설명한 글로벌 이슈를 고려하여, 본 연구는 의료 전문가의 준수율을 높이기 위한 손 위생 관련 기술 제품 개발에 초점을 맞춘다. 이 제품은 처치 시 음성 명령을 통해 소독제를 분사하고, 수행된 손 위생 기술의 품질에 대한 피드백을 제공할 수 있는 손목 밴드이며(그림 2), 디스플레이를 저장소에서 쉽게 분리할 수 있어 필요 시 저장소 부분만 고수준 소독을 거칠 수 있도록 설계되었다. 또한, 본 제안은 현재 브라질 국립산업재산권연구소(INPI)에 실용신안 특허 출원(특허 특권) 번호 BR 20 2022 001267 4로 제출된 상태임을 밝힌다. 따라서 손목 밴드의 알고리즘이 세 가지 손 위생 단계에 대해 신뢰할 수 있고 유효한 평가를 제공하며, 기술의 정확한 수행 여부를 정확하게 구별할 수 있는지 검증하는 것이 필수적이다. 기준 타당도는 특정 방법이 동일한 개념을 연구하기 위해 수집된 다른 측정값과 일치하는 능력과 관련이 있다. 기준 타당도는 새로운 측정법이 이전에 검증된 개념이나 기준을 얼마나 정확하게 예측할 수 있는지를 평가한다13.

기준 관련 타당도는 측정 절차가 동일한 잠재적 구성 개념을 평가하려는 다른 측정치와 일치하는 정도를 설명하며, 이 프레임워크 내에서 새로운 도구가 이미 확립되고 이전에 검증되었으며 신뢰할 수 있는 참조 표준(기준)과 일치하는지 평가하는 데 사용됩니다. 기준 관련 타당도 검증에는 (1) 적절하고 개념적으로 관련 있는 기준을 선택하는 것과 (2) 해당 기준의 타당성을 독립적으로 검증하는 것이 필요합니다14. 참조 표준이 평가 대상 도구와 동시에 얻어지는 경우 기준 관련 타당도는 일반적으로 공인 타당도로 간주되며, 참조 표준이 나중 시점에 측정되는 경우에는 예측 타당도로 간주됩니다. 이러한 구분은 평가의 의도된 목적에 따라 결정될 수도 있습니다15.

따라서, 해당 기기와 외부 표준 측정법(gold-standard measure) 간의 일치 강도는 통계적 분석을 통해 평가할 수 있습니다. 이러한 분석은 일반적으로 적절한 연관성 또는 일치도 측정 지표를 사용하여, 조사 대상 기기와 외부 기준(골드 표준) 간의 연관성이나 일치도를 정량화합니다14.

손 위생(HH) 준수라는 특정 구성 요소를 위해, 훈련된 관찰자가 HH 기회를 체계적으로 기록하고 기술의 품질을 평가함으로써 시행되는 직접 관찰은 기준 평가의 골드 표준으로 널리 인정받고 있으며16, 세계보건기구(WHO)5에서 강력히 권장하고 있습니다.

본 연구에서 조사자는 참가자들의 손 위생(HH) 기법을 평가하는 훈련된 관찰자 역할을 수행하였습니다. 주연구자는 의료 관련 감염의 예방 및 관리 분야의 공인된 전문가이며, 특히 WHO의 손 위생 5가지 시점(Five Moments for Hand Hygiene)5 준수 여부에 대한 전문 지식을 보유하고 있습니다.

기술 실행에 대한 객관적이고 단계적인 평가를 위해, 본 연구에서는 표준 관찰 평가와 손목 착용형 관성 센싱, 그리고 각 단계의 시간적 범위를 구분하는 원칙적인 절차를 통합하였습니다. 단계 경계는 협력 연구자가 조작하는 전용 시간 마커 IMU를 사용하여 데이터 수집 중에 결정되며, 연구자는 단계의 시작 또는 종료를 표시하고 짧은 태핑 이벤트(tapping events)를 통해 단계 간 전환을 주석으로 기록합니다. 이러한 태핑 이벤트는 이후 Python 피크 검출 파이프라인을 통해 감지되며, 손목 IMU 기록을 Step 1, Step 2, Step 3 사례로 분할하는 데 사용됩니다. 결과적으로 단계별로 분할된 신호는 동작 수준에서 관찰자가 지정한 이진 정확도 라벨(정확함 또는 부정확함)과 쌍을 이룹니다. 이러한 설계는 HH 기술 평가를 조밀한 시계열 라벨링 작업과 그에 따른 단계별 분류 모델링으로 구현할 수 있게 합니다.

트랜스포머 기반 시퀀스 모델은 셀프 어텐션이 웨어러블 센서 신호의 시간적 의존성을 표현할 수 있고, 지도 라벨이 세밀한 시간 해상도로 정의될 때 시퀀스 투 시퀀스 예측이 가능하므로 이러한 문제 정식화에 특히 적합합니다.17모델 성능은 동작 수준의 분류 지표(예: F1 스코어)와 세그먼트 수준의 중첩 기준(예: 교집합-합집합 비율)을 사용하여 정량화하며, 이를 통해 (i) 기술 결정의 정확성과 (ii) 시간적 세그먼트 분할의 품질을 모두 측정합니다.

제안된 시스템의 최종 목표는 임상 환경에서 손 위생 수행 중 자동화된 실시간 피드백을 제공하는 것이지만, 본 연구는 이후의 알고리즘 학습 및 검증을 위한 참조 데이터셋 생성에 필요한 데이터 획득, 어노테이션 및 시간적 분할 절차에 초점을 맞춥니다. 따라서 본 연구의 주된 목적은 향후 머신러닝 개발의 그라운드 트루스(ground truth)로 활용될 수 있는 동기화된 관성 센서 데이터와 관찰자 생성 어노테이션을 수집하기 위한 재현 가능한 프로토콜을 수립하고 검증하는 것입니다.

데이터는 상파울루 주립대학교(UNESP) 상조앙 다 보아 비스타 캠퍼스 공학부에서 수집되었습니다. 학생(n = 20), 교수진(n = 18), 행정 기술직원(n = 10), 일반 서비스직(n = 2)을 포함하여 총 50명의 전문가(n = 50)가 참여했습니다. 최종 데이터 세트는 3단계 HH 기법의 실행 1,500건으로 구성되었습니다. 참가자들은 책임 연구자가 지정한 세 가지 서로 다른 시나리오에서 3단계 HH 기법을 수행하도록 지시받았으며, 책임 연구자는 정확한 실행 여부를 판정하는 골드 표준 평가자 역할을 수행했습니다.

데이터 수집에 앞서, 잠재적 참여자들에게 참여를 요청하고 연구 목적과 절차에 대해 상세한 설명을 제공하였다. 참여자는 학부생 및 대학원생, 교수진, 행정 직원 및 일반 서비스 근로자를 포함한 FESJ/UNESP 커뮤니티에서 모집되었다. 선정 기준은 성인(≥18세)으로서 손 위생 절차를 이해하고 수행할 수 있으며, 참여 전 서면 동의서를 제출할 의사가 있는 자였다.

서면 동의를 얻은 후, 전기공학과 연구원이 참가자가 선호하는 손목(오른쪽 또는 왼쪽)에 모션 캡처 센서를 부착했습니다. 데이터 수집 과정 전반에 걸쳐 협력 연구원이 상주하며 신뢰할 수 있는 신호 전송을 보장하고 신호 가변성을 모니터링하는 등 기술 지원을 제공했습니다.

프로토콜

본 실험 프로토콜은 대학 병원의 기관 연구 윤리 위원회의 승인을 받았습니다. 참여에 동의한 참가자들은 브라질 국립 보건 위원회의 결의안 No. 466/201218에 따라 고지된 동의서에 서명하도록 요청받았습니다. 사용된 시약 및 장비는 재료 표에 나열되어 있습니다.

1. 데이터 수집 환경 준비

  1. 연구 보조원 앞에 노트북, 홀더에 고정된 스마트폰, 그리고 의자를 배치합니다.
  2. 훈련된 관찰자 앞에 노트북과 의자를 배치합니다.
  3. 훈련된 관찰자 옆에 스툴을 놓고, 쉽게 손이 닿을 수 있도록 시간 표식(temporal-marker) IMU를 그 위에 배치합니다.
  4. 접착 테이프를 사용하여 시간 표식(temporal-marker) IMU를 스툴 표면에 부착합니다.
  5. 참가자 앞 벤치에 알코올 기반 손 소독제, 물티슈, 보습 크림, 손목 착용형 IMU, 그리고 스톱워치를 놓습니다.
  6. 참가자 옆에 폐기물 함을 배치합니다.

2. 애플리케이션 연결성 확인 (연구 보조원 수행)

  1. 스마트폰 배터리 잔량이 80% 이상으로 유지되도록 하십시오.
  2. 손목 착용형 IMU가 완전히 충전되었는지 확인하십시오.
  3. 시간 표식 IMU가 완전히 충전되었는지 확인하십시오.
  4. ~을(를) 확인하십시오. "각성 상태 유지" 애플리케이션이 활성화되어 있습니다.
  5. 시작하십시오 BSL 캡처 Biomedical Signals Laboratory (LSBio/UFSCar)에서 개발한 애플리케이션을 실행하고, Bluetooth 장치 검색이 완료될 때까지 기다립니다.
  6. 메인 화면의 사용 가능한 장치 목록에 두 IMU가 모두 표시되는지 확인하십시오.
  7. 두 IMU의 연결 상태가 다음과 같이 표시되는지 확인하십시오. "연결됨" 그리고 데이터 수집을 시작하기 전에 실시간 센서 데이터가 지속적으로 업데이트되어야 합니다.
  8. ~에 표시된 전체 획득 및 처리 워크플로를 확인하십시오. 그림 3 참가자 녹화를 시작하기 전에 작동 상태인지 확인합니다.
  9. 데이터 수집을 시작하기 전, 두 개의 웨어러블 IMU(WitMotion WT901BLECL)가 제조업체의 기본 설정으로 작동하고 있는지 확인하십시오. 이때 3축 가속도계 및 자이로스코프 신호가 연속적으로 기록되어야 하며, 가속도계 측정 범위는 ±6 g, 자이로스코프 측정 범위: ±2000 °/s이며, 유효 샘플링 주파수는 약 25Hz입니다. 데이터 수집 과정에서 하드웨어 수준의 추가 필터링은 적용되지 않습니다.

3. 훈련된 관찰자의 준비

  1. 각 참가자가 데이터 수집의 세 단계를 개별적으로 완료하도록 하며, 신호 획득 중에 방 안에 다른 참가자가 없도록 합니다.
  2. 훈련된 관찰자 한 명을 배정하여 각 참가자를 교육하고 모니터링합니다.
  3. 전용 스프레드시트에 3단계 손 위생(HH) 기술의 각 단계에 대한 분류 결과를 기록합니다.
  4. 훈련된 관찰자가 참가자의 손 위생 기술을 명확하게 볼 수 있고, 시간 마커 IMU에 편리하게 접근할 수 있도록 합니다.
  5. 표준화된 3단계 손 위생 프로토콜9에 따라 손 위생 기술의 각 단계를 평가합니다. 미리 정의된 평가 기준에 따라 각 단계를 '정확함' 또는 '부정확함'으로 분류합니다.
    참고: 스프레드시트는 참가자 ID, 손 위생 기술 수행 횟수(데이터 수집의 세 단계 각각에 대해 1~10회), 그리고 손 위생 기술의 1, 2, 3단계 분류를 포함하도록 구성되어 있습니다. 각 단계의 분류 결과를 정확함 또는 부정확함으로 기록하십시오.

4. 참가자 준비 (연구 보조원 수행)

  1. 참가자가 준비된 벤치를 마주보고 의자에 앉게 합니다.
  2. 참가자에게 양쪽 전완을 벤치 위에 올려놓도록 안내합니다.
  3. 참가자에게 손목 착용형 IMU를 착용할 선호하는 손목을 선택하게 합니다.
  4. 벨크로 스트랩을 사용하여 손목 착용형 IMU를 참가자가 선택한 손목에 고정하며, 불편함을 유발하지 않으면서 안정적이고 견고하게 고정되었는지 확인합니다.
  5. 참가자의 시야 내 벤치 위에 눈에 보이는 스톱워치 또는 디지털 타이머를 배치합니다.
  6. 일관된 환경 조건을 유지하기 위해, 모든 데이터 수집 세션은 일정한 인공 조명 아래 동일한 실험실에서 수행하며 실험 세션 동안 에어컨을 계속 가동합니다.

5. 데이터 수집 및 기록 절차 (훈련된 관찰자에 의해 수행)

참고: 전체 데이터 수집 워크플로우의 개요는 그림 4에 제시되어 있습니다. 프로토콜은 (1) 구두 설명, (2) 올바른 기술 시연, (3) 사전 정의된 오류 패턴 실행의 세 가지 순차적 습득 단계로 구성됩니다. 각 단계에서 참가자는 3단계 손 위생 기술을 10회 반복 수행합니다. 모든 단계 전반에 걸쳐, 교육받은 관찰자는 각 단계의 정확성을 평가하고 시간 마커 IMU를 사용하여 시간적 마커를 생성함으로써, 이후 결과 데이터셋의 신호 분할 및 어노테이션을 지원합니다. 그림 3은 전체 습득, 처리, 분할 및 데이터셋 생성 워크플로우를 요약하여 보여줍니다.

  1. 데이터 수집의 첫 번째 단계
    1. 참가자에게 3단계 HH 기법의 각 단계를 구두로 설명하십시오.그림 1).
    2. 명확하게 명시하십시오: "세 단계의 각 과정을 최소 5초 동안 수행하여, 전체 기술 과정이 최소 15초 동안 지속되도록 합니다."
    3. 참가자에게 앞에 놓인 스톱워치를 확인하도록 안내하십시오.
    4. 참가자에게 3단계 HH 기법을 10회 수행하도록 지시하고, 각 HH 기법의 전체 수행 단계 사이에 휴식 시간을 둡니다.
    5. 각 HH 단계가 완료된 직후 시간 표시 마커 IMU를 한 번 탭하여, 분할 과정 중에 사용될 시간적 기준점을 생성하십시오.
    6. 훈련된 관찰자가 수행된 각 HH 단계의 품질을 주의 깊게 평가하고, 그 결과를 스프레드시트에 '정확함' 또는 '부정확함'으로 기록하도록 하십시오.
    7. 3단계 HH 기법의 다섯 번째 시행 시, 참가자에게 각 단계를 최소 5초 동안 수행하도록 상기시키십시오.
    8. 스마트폰 애플리케이션에서 실시간 신호 표시를 모니터링하여, 기록 세션 동안 두 IMU 모두에서 데이터 패킷이 지속적으로 수신되는지 확인하십시오. 패킷 손실, 센서 연결 끊김 또는 신호 품질 저하가 감지되면 기록을 중단하고, 필요한 경우 블루투스 연결을 복구한 후 데이터 수집을 반복하여 완전하고 신뢰할 수 있는 신호 기록을 보장하십시오.
  2. 데이터 수집의 두 번째 단계
    1. 훈련된 관찰자가 3단계 HH 기술의 정확한 수행을 시연하는지 확인하십시오. (그림 1).
      1. 숙련된 관찰자가 각 단계를 천천히, 참가자가 충분히 볼 수 있도록 시연하게 하고, 참가자가 이해했음을 표시할 때까지 필요에 따라 각 단계를 반복하십시오.
      2. 숙련된 관찰자가 시연 중에 중요한 접촉 지점과 흔히 발생하는 오류를 지적하도록 하십시오.
    2. 명시하십시오: "훈련된 관찰자의 실제 시연에 따라, 전체 기술이 최소 15초 동안 지속될 수 있도록 세 가지 단계 각각을 최소 5초 동안 수행하십시오."
    3. 참가자에게 3단계 HH 기법을 10회 반복하도록 지시하십시오.
    4. 3단계 HH 기술의 각 단계에 대한 정확성을 평가하십시오.
    5. 각 HH 단계 후에 temporal-marker IMU를 사용하여 시간 표지자(temporal markers)를 생성하십시오.
    6. 데이터 수집 세션 전반에 걸쳐 실시간 신호 전송 상태를 모니터링하십시오. 패킷 손실, 센서 연결 끊김 또는 신호 품질 저하가 감지되면 기록을 중단하고, 정상적인 신호 전송을 복구한 후 데이터 수집을 반복하십시오.
  3. 데이터 수집의 세 번째 단계
    1. 훈련된 관찰자가 참가자가 수행해야 할 오류 패턴을 시연하도록 하십시오.
    2. 훈련된 관찰자가 오류 패턴 1, 2, 3, 4를 순차적으로 적용하도록 하십시오.
      1. 오류 패턴 1-4를 다음 참여자들에게 순차적으로 할당하고, 4번째 참여자 이후에 이 주기를 반복하십시오.
    3. 훈련된 관찰자가 다음과 같이 정의된 오류 패턴을 시연하도록 하십시오.
      1. 오류 패턴 1: 1단계에서는 손바닥만 덮고 나머지 손 표면은 생략하십시오. 2단계에서는 엄지손가락을 제외하고 손끝을 문지르십시오. 3단계에서는 회전하며 문지르지 말고 엄지손가락을 앞뒤로 움직이십시오.
      2. 오류 패턴 2: 1단계에서는 왼손 등 부위의 세척을 생략하십시오. 2단계에서는 새끼손가락과 엄지손가락을 제외하고 검지, 중지, 약지 끝부분만 문지르십시오. 3단계에서는 엄지손가락의 회전 마찰을 부분적으로만 수행하십시오.
      3. 오류 패턴 3: 1단계에서는 오른손 등 부위를 생략하십시오. 2단계에서는 오른손 손가락 끝만 문지르십시오. 3단계에서는 오른손 엄지만 회전시키며 문지르십시오.
      4. 오류 패턴 4: 1단계에서는 손바닥만 덮습니다. 2단계에서는 반대 방향 또는 잘못된 움직임 패턴으로 손끝을 문지릅니다. 3단계에서는 왼쪽 엄지만 회전하며 문지릅니다.
    4. "훈련된 관찰자의 실습 시연에 따라, 전체 기술 수행 시간이 최소 15초가 되도록 세 가지 단계 각각을 최소 5초 동안 수행하십시오."
    5. 참가자에게 3단계 HH 기법을 10회 반복하도록 안내하십시오.
    6. 3단계 HH 기술의 각 단계별 정확성을 평가하십시오.
    7. 각 HH 단계 후에 temporal-marker IMU를 사용하여 시간 표시기를 생성하십시오.
    8. 데이터 수집 세션 전반에 걸쳐 실시간 신호 전송 상태를 모니터링하십시오. 패킷 손실, 센서 연결 끊김 또는 신호 품질 저하가 감지되면 기록을 중단하고, 정상적인 신호 전송 상태를 복구한 후 수집을 다시 수행하십시오.
  4. 참가자의 손목에서 손목 착용형 IMU를 조심스럽게 제거하십시오.
  5. 종이 타월을 사용하여 과도하게 도포된 알코올 기반 손 소독제를 닦아냅니다.
  6. 작업 표면을 세척하고 사용한 페이퍼 타월은 폐기물 함에 버리십시오.
  7. 참가자가 요청하거나 필요성을 보고하는 경우 보습 크림을 제공하십시오.
  8. 참가자의 기여에 감사를 표하십시오.

결과

임상 데이터 수집 프로토콜이 계획대로 수행되었으며, 모든 등록된 참가자로부터 예정된 모든 HH 수행 동안 손목 착용 관성 신호를 성공적으로 획득하였습니다. 결과 데이터셋에는 50명의 참가자와 3단계 HH 기법의 완전한 수행 1,500건(참가자당 30건)이 포함되었습니다. 이를 수행당 3개의 순차적 단계로 분해했을 때, 총 4,500개의 움직임 세그먼트 데이터가 도출되었습니다.

임상 시험 수행

각 참가자는 10회의 손 위생(HH) 수행으로 구성된 3개의 연속 블록을 실시하였으며(참가자당 총 30회 수행), 각 손 위생 수행은 3단계 기술로 정의된 3가지 순차적 단계로 구성되었습니다. 첫 번째 블록은 올바른 동작에 대한 구두 설명을 들은 후 실시하였고, 두 번째 블록은 구두 설명과 올바른 동작의 시각적 시연을 거친 후 실시하였으며, 세 번째 블록은 보건 의료 현장에서 관찰되는 일반적인 오류 패턴을 반영한 잘못된 동작의 시연 후 실시하였습니다. 잘못된 동작 블록에서는 미리 정의된 4가지 오류 패턴을 사용하였으며, 코호트 수준에서 각 오류 유형이 균등하게 표현되도록 균형 배분 방식(즉, 연속된 참가자들에게 패턴을 순환하여 할당)을 통해 참가자들에게 배정하였습니다.

50명의 참가자 모두 세 가지 습득 단계를 성공적으로 완료하였으며, 그 결과 3단계 HH 기술의 완전한 수행 횟수는 총 1,500회에 달했습니다. 데이터 수집 과정에서 훈련된 관찰자가 각 수행 과정을 평가하고, 미리 정의된 평가 기준에 따라 1단계, 2단계 및 3단계의 정확성을 기록했습니다. 동시에 보조 IMU를 사용하여 연속적인 HH 단계 사이의 전환을 나타내는 시간적 마커를 생성했습니다. 이 절차를 통해 기록된 모든 수행 과정에 대해 관찰자 기반의 주석과 시간적 참조 세트가 완성되었으며, 이를 통해 후속 분할 및 데이터셋 구축이 가능해졌습니다.

시간적 단계 구분

모든 세션에는 단계 경계에 대한 외부 시간 참조를 생성하는 담당 협력 연구원이 동행하였습니다. 이 참조는 주석 작성 전용의 두 번째 IMU를 사용하여 제작되었으며, 각 단계의 시작과 종료(연속된 단계 간의 전환 포함)를 표시하기 위해 손으로 가볍게 탭하였습니다. 이러한 탭 이벤트는 시간 인코딩된 마커 신호를 생성하였으며, 이는 이후 모든 HH 수행 시 단계 1, 단계 2 및 단계 3의 시간적 범위를 구분하는 데 사용되었습니다.

기록된 모든 HH 실행에 대해 시간 마커가 성공적으로 생성되었습니다. 탭으로 유도된 이벤트는 보조 IMU 신호에서 뚜렷한 피크를 생성하여 Step 1, Step 2 및 Step 3 사이의 전환을 명확하게 식별할 수 있게 했습니다. 이러한 시간적 참조는 관찰자 주석을 손목 착용 IMU 기록과 동기화하기 위한 재현 가능한 메커니즘을 제공했으며, 후속 신호 분할의 기초가 되었습니다.

신호 처리 및 세그멘테이션

탭으로 유도된 이벤트를 신뢰성 있게 식별하기 위해 필터링 작업과 피크 검출 로직을 포함하여 시간 마커 IMU 스트림을 처리하는 Python 기반 알고리즘이 개발되었습니다. 신호 처리는 Python 3.9.19(Anaconda 배포판, Windows 11)가 설치된 Spyder IDE 버전 6.0.5에서 구현된 사용자 정의 Python 스크립트를 사용하여 수행되었습니다. IMU 신호는 자동 구분자 감지 및 로케일 인식 숫자 파싱을 통해 Python에서 구분된 텍스트 파일로부터 가져와 25 Hz로 획득된 자이로스코프 각속도 채널을 복구했습니다. 신호는 전파 정류된 후 1차원 가우시안 커널(σ ≈ 60 ms)로 평활화하여 시간적 포락선은 유지하면서 고주파 노이즈를 감쇠시켰습니다. 그 후, 최소 돌출도(최대 진폭의 5%), 최소 피크 간 거리 및 최소 피크 너비로 제한된 자동 피크 검출 절차를 통해 이산 이벤트를 식별했습니다. 검출된 피크는 이후 손목 착용 IMU 기록을 Step 1, Step 2 및 Step 3 움직임 사례로 분할하기 위한 시간적 참조점으로 사용되었으며, 이를 통해 1,500회 실행(4,500개의 분할된 단계 사례)에 걸친 단계별 분석 데이터셋을 생성했습니다.

그림 5는 3회의 연속적인 HH 수행(총 9단계)에 대한 시간적 분할 절차를 보여주며, 필터링된 탭 기반 시간 마커 IMU 신호, 단계 경계 이벤트로 사용된 해당 검출 피크, 그리고 HH 수행 중 기록된 동기화된 손목 착용 IMU 신호를 나타냅니다. 데이터 획득부터 주석이 달린 단계 수준 데이터셋 생성까지의 전체 워크플로우는 그림 3에 요약되어 있습니다.

분할 절차는 기록된 모든 HH 실행 과정에 성공적으로 적용되었습니다. 검출된 시간 마커 이벤트 덕분에 단계 경계를 신뢰성 있게 식별할 수 있었으며, 이에 따라 손목 착용 IMU의 연속 기록을 Step 1, Step 2, Step 3 인스턴스로 분할할 수 있었습니다. 결과 데이터셋은 각 동작 인스턴스에 대해 관찰자가 생성한 어노테이션과 쌍을 이루어, 이후의 알고리즘 학습 및 검증에 필요한 참조 레이블을 제공하였습니다. 그림 5는 시간 마커 이벤트, 검출된 피크, 그리고 결과적인 동작 경계 사이의 대응 관계를 보여주며, 제안된 획득 및 분할 프로토콜이 성공적으로 구현되었음을 입증합니다.

결과 데이터 세트 및 후속 활용도

결과 데이터셋은 세 가지 습득 조건(구두 지시, 구두 및 시각적 시연, 지시된 오류 패턴) 하에서 세 단계의 HH 단계에 대한 정확한 수행과 의도적으로 잘못된 수행 사례를 통합하며, 보조 IMU 마커 신호를 통해 단계별 시간 경계가 제공됩니다. 이 데이터셋은 웨어러블 IMU 데이터를 사용하는 단계별 분류 모델의 개발 및 평가를 가능하게 하며, 장기적인 실용적 목표는 임상 환경에서 HH 수행 중 의료 전문가에게 실시간 피드백을 제공하는 것입니다. 모든 추론은 프로토콜의 타당성을 입증하고, 이후의 알고리즘 모델링에 적합한 대규모의 단계별 분할 데이터셋을 성공적으로 구축했음을 보여주는 것에 국한됩니다.

figure-results-1
그림 1: 3단계 손 위생(HH) 기법의 도해. 이 그림의 더 큰 버전을 보시려면 여기를 클릭하십시오.

figure-results-2
그림 2: 손목 착용형 손 위생 모니터링 장치의 프로토타입. 이 그림의 더 큰 버전을 보시려면 여기를 클릭하십시오.

figure-results-3
그림 3: 데이터 획득, 처리 및 분할 워크플로. 이 그림의 확대 버전을 보시려면 여기를 클릭하십시오.

figure-results-4
그림 4: 제안된 방법의 개략도. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

figure-results-5
그림 5: 3회 연속으로 수행된 3단계 손 위생 실행의 단계 경계 검출 및 세분화. 참가자로부터 기록된 손목 착용 관성 측정 장치(IMU) 신호는 파란색으로, 필터링된 탭 기반 시간 마커 IMU 신호는 주황색으로 표시되어 있다. 손 위생 단계 간의 전환을 식별하는 데 사용된 탭 유도 피크는 빨간색 원으로 표시되어 있다. 각 손 위생 실행 내의 개별 단계는 1, 2, 3으로 라벨링되어 있다. 예시를 위해 9개의 연속된 단계(총 3회의 완전한 손 위생 실행)를 보여준다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

토론

본 연구는 골드 표준 관찰 라벨링 프로세스를 웨어러블 관성 센싱 및 재현 가능한 시간적 분할 전략과 결합함으로써, 단계별 HH 기술 평가에 대한 기준 타당성을 다룹니다. 이어지는 고찰에서는 방법론적 선택 사항을 해석하고 기대되는 과학적 기여도를 설명하며, 이는 연구 범위와 프로토콜 실행 및 데이터셋 구축을 통해 생성된 증거와 일관성을 유지합니다.

해석 및 기여

주요 기여점은 올바른 수행과 대표적인 오답 패턴을 모두 포함하는 통제된 조건 하에서, 3단계 HH 기술에 대한 단계별 분해 웨어러블 센서 데이터셋 생성의 가능성을 입증한 것입니다. 데이터셋 규모(참가자 50명, HH 전체 수행 1,500회, 단계별 세그먼트 4,500개)는 HH를 단일한 미분화 활동으로 취급하는 대신, 동작(단계) 수준에서 모델을 개발하고 평가하는 것을 지원합니다.

습득 과정을 세 가지 섹션(구두 지시, 구두 및 시각적 시연, 지시된 오답 패턴)으로 명확하게 구조화함으로써, 본 연구는 교수 맥락과 오류 유도가 단계별 운동학 및 후속 알고리즘 판별에 어떻게 영향을 미치는지 분석하기 위한 일관된 기반을 마련하였습니다19.

방법론적 고려 사항

두 번째 IMU를 외부 시간 마커로 사용하고 단계 경계에서 탭 기반 표시를 활용함으로써, 사후의 주관적인 비디오 전용 파싱에 의존하지 않는 단계 구분 메커니즘을 제공합니다. 이후 Python으로 구현된 피크 검출 및 세그멘테이션 알고리즘은 이러한 경계 신호를 일관된 파이프라인으로 정형화하며, 이는 조밀한 시간적 라벨링과 단계별 정답 분류에 필수적입니다.

네 가지의 오답 패턴을 참가자들에게 균형 있게 배분함으로써 단일 오류 모드가 과하게 대표될 위험을 줄여 "오답" 클래스의 내부 구조를 강화합니다. 이는 분류 목표가 일반적인 이상 탐지가 아니라 단계별 정답 여부라는 점을 고려할 때 특히 중요합니다.

핵심 프로토콜 단계

제안된 프로토콜의 핵심적인 측면은 관찰자 기반 평가와 웨어러블 센서에서 획득한 관성 신호 사이의 시간적 대응 관계를 보존하는 것입니다. 이 목적은 서로 연관된 4가지 단계에 달려 있습니다. 첫째, 기록 중에 관련 움직임 정보가 손실되지 않도록 하기 위해 동기화된 IMU 신호의 신뢰성 있는 획득이 필수적입니다. 둘째, 이러한 평가는 이후 머신러닝 개발에 사용되는 정답(ground-truth) 레이블이 되므로, 숙련된 관찰자가 사전 정의된 평가 기준을 일관되게 적용해야 합니다. 셋째, 보조 IMU를 통해 생성된 시간 마커는 연속적인 손 위생 단계 간의 전환을 정확하게 나타내어, 관찰 평가와 웨어러블 센서 기록 간의 동기화를 가능하게 해야 합니다. 마지막으로, 성공적인 피크 검출과 신호 분절은 개별 움직임 사례를 정확하게 분리하는 데 필수적입니다. 분절의 부정확성은 레이블링된 데이터셋의 품질에 직접적인 영향을 미치며, 이후의 알고리즘 학습 및 검증 단계로 오류가 전파될 수 있기 때문입니다. 종합적으로, 이러한 단계들은 향후 알고리즘 개발을 위해 재현 가능하고 정확하게 주석이 달린 신뢰할 수 있는 참조 데이터셋을 생성하는 데 필요한 방법론적 토대를 마련합니다.

본 연구 전반에 걸쳐 프로토콜이 성공적으로 구현되었으나, 향후 적용 시 데이터 세트의 품질을 보장하기 위해 몇 가지 실질적인 요소를 고려해야 합니다. 데이터의 성공적인 획득과 이후의 신호 분절을 위해서는 IMU와 데이터 수집 애플리케이션 간의 안정적인 통신과 더불어 신뢰할 수 있는 시간 마커 생성이 중요합니다. 따라서 시간 마커가 누락되었거나 모호한 기록은 육안으로 검사하고 필요한 경우 다시 획득해야 합니다. 또한, 이러한 주석(annotation)이 이후 머신러닝 개발의 기준점(ground truth)이 되므로 관찰자의 일관된 라벨링이 필수적입니다. 마지막으로, 분절된 신호를 참조 데이터 세트에 포함시키기 전에 탐지된 움직임 경계가 예상되는 손 위생 단계와 일치하는지 확인하기 위해 시각적 검증을 권장합니다.

타당성 및 일반화 가능성

기준 타당도 관점에서 핵심 질문은 IMU 신호를 통해 추론된 단계별 정확도가 독립적인 외부 기준(본 연구에서는 데이터 수집 중 수행된 숙련된 관찰로 대표됨)과 일치하는지 여부입니다. 이러한 설계는 모델의 목표를 간접적인 대리 지표가 아니라, 세 가지 단계 각각의 정확한 수행이라는 해석 가능한 행동 구성 개념과 일치시킵니다. 또한 이는 학습 레이블이 정의된 것과 동일한 세분성으로 일치도를 보고하는 것을 가능하게 합니다. 그러나 기준 타당도는 모델뿐만 아니라 기준 자체의 신뢰성과 일관성에도 달려 있습니다. 따라서 관찰자 절차, 각 단계에 대한 정확성 정의의 명확성, 그리고 경계 신호의 일관성은 관찰된 일치도의 정당성을 결정하는 결정적인 요소입니다.

실질적 시사점

본 연구는 임상 현장에서의 실시간 피드백 성능을 평가하지 않습니다. 대신, 후속 머신러닝 개발을 위한 참조 데이터 세트를 생성하는 데 사용되는 데이터 획득, 어노테이션 및 시간적 세분화 프로토콜을 수립하고 검증합니다. 따라서 본 연구의 검증된 결과물은 실시간 모니터링 시스템 자체가 아니라 데이터 획득 프로토콜입니다. 자동화된 동작 분류, 실시간 모니터링 및 피드백 기능은 프로젝트의 후속 단계 목표이며 본 연구에서는 평가되지 않았습니다. 단계별 평가 패러다임은 실행 가능한 피드백을 지원할 수 있기 때문에 임상적으로 의미가 있습니다. 즉, 특정 단계의 어느 부분이 잘못되었는지 식별하는 것이 전체 HH 시도에 대해 단순한 합격/불합격 라벨을 제공하는 것보다 일반적으로 운영상 더 유용합니다.

이 3단계 프로토콜은 교육 및 시연이 기술 실행 패턴을 어떻게 형성하는지에 대한 향후 분석의 기초를 제공하며, 이는 훈련 전략과 단계별 맞춤형 피드백 메시지 설계의 지침이 될 수 있습니다20. 향후 실시간 애플리케이션에 적용될 경우, 손목 착용 방식은 지속적인 대면 감사 없이도 손 위생 기술 평가의 빈도와 표준화를 높임으로써 직접 관찰 방식을 보완할 수 있습니다.

손 위생 기술을 평가하는 참조 표준으로 유지되고 있는 기존의 직접 관찰법5과 비교하여, 제안된 프로토콜은 전문가 평가를 동기화된 웨어러블 센싱 및 시간 마커 기반 세그멘테이션과 결합하여 객관적인 동작 수준의 어노테이션을 생성합니다. 웨어러블 IMU 기반 시스템은 전처리, 세그멘테이션, 특징 추출 및 분류로 구성된 구조화된 신호 처리 파이프라인을 지원하기 때문에 인간 동작 분석을 위한 확립된 접근 방식으로 자리 잡았습니다21. 또한, 최근의 리뷰 논문들은 손 위생 평가를 위한 웨어러블 센서 및 기타 전자 모니터링 시스템의 사용 증가를 강조하는 동시에, 이러한 시스템이 기존의 관찰 방법을 보완할 수 있는 잠재력을 가지고 있음을 강조해 왔습니다22. 이러한 맥락에서, 본 프로토콜은 개별 단계 수준에서 손 위생 기술을 평가할 수 있는 머신러닝 알고리즘의 향후 개발 및 검증을 지원하는 고품질의 어노테이션 데이터셋을 생성하도록 특별히 설계되었습니다.

한계 및 향후 방향

데이터 수집은 통제된 환경에서 수행되었으며 지시된 잘못된 패턴이 포함되었습니다. 따라서 일상적인 임상 실무와 비교한 오류 분포의 대표성은 주의해서 해석해야 합니다. 실제 환경에서의 외부 검증이 이루어져야 실제 운영 배포에 대한 주장을 할 수 있을 것입니다23. 또한, 단일 훈련 관찰자의 사용과 탭 기반 경계 신호에 대한 의존은 체계적 편향 및 타이밍 변동성의 잠재적 원인이 됩니다. 이러한 요인들은 후속 연구(예: 경계 검출 견고성 및 관찰자 일관성 평가)에서 정량화되어야 합니다.

향후 연구에서는 다음 사항을 우선적으로 고려해야 합니다: (1) 인공지능 분류 모델의 개발, (2) 모델 출력값과 동작 수준의 관찰 기준 간의 공식적인 일치도 분석 수행, (3) 다양한 사용자 그룹 및 센서 배치 평가, (4) 실제 임상 워크플로우 내 실시간 모니터링 및 단계별 피드백 성능 검증. 따라서 자동 모니터링, 사용성, 지연 시간, 효율성 또는 임상적 확장성에 관한 모든 진술은 본 연구에서 입증된 결과가 아니라 향후 목표로 해석되어야 합니다. 마찬가지로, 제안된 시스템이 손 위생 준수 또는 감염 예방에 미치는 잠재적 영향은 향후 임상 검증을 통해 확립되어야 합니다.

공개 사항

저자들은 본 연구와 관련하여 이해상충이 없음을 확인합니다.

감사의 글

저자들은 CNPq(브라질 국립 과학 기술 개발 위원회)의 재정적 지원에 깊은 감사를 표합니다.

재료

이 논문에 사용된 재료 목록
이름회사카탈로그 번호댓글
접착 테이프SCOTCH5802기준 IMU의 의자 고정
알코올 기반 손 소독제 (70%)Giovanna Babby-손 위생 제품
BSL Capture UFSCar 애플리케이션LSBio/UFSCar-IMU 데이터 수집용 스마트폰 애플리케이션
관성 측정 장치 (IMU) (2개)WitMotionWT901BLECL손목 착용용 IMU 1개 및 시간 표시용 IMU 1개
노트북 컴퓨터ASUSS46C데이터 모니터링 및 처리
노트북 컴퓨터AppleMacBook Air M1데이터 모니터링 및 처리
보습 크림NIVEA-손 위생 수행 후 참여자의 편안함 유지
종이 타월SNOB-손 건조 및 세척
Python 분할 스크립트자체 개발-IMU 신호의 피크 검출 및 시간적 분할 알고리즘
스마트폰XIAOMIREDMI 13IMU 데이터 수집
스마트폰 홀더--수집 중 스마트폰 위치 고정
물티슈Pampers-참여자의 손 및 작업 표면 세척

참고문헌

  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.

재인쇄 및 허가

태그

실시간 피드백관성 센서알고리즘 검증시퀀스 모델의료 종사자감염 예방

이 논문이 게재되었습니다

동영상 곧 제공

문의하기
도서관에 추천하기

개인정보 처리방침

이용 약관

정책

저작권 © 2026 MyJoVE Corporation. 모든 권리 보유.