Artigo de método

Monitoramento em Tempo Real da Técnica de Higiene das Mãos via Pulseira Utilizando Sensores de Movimento e Aprendizado de Máquina

42 visualizações

⸱

DOI:

10.3791/71289

⸱

29 de setembro de 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

Neste artigo

Resumo

Este protocolo descreve a aquisição sincronizada, anotação e segmentação temporal de dados de IMU usados no punho para gerar um conjunto de dados de referência para validar a avaliação por aprendizado de máquina da técnica de higiene das mãos em 3 etapas. A rotulagem por observador e os sinais de marcadores temporais fornecem anotações por etapa reprodutíveis, apoiando o desenvolvimento futuro de algoritmos de sensores de movimento vestíveis para feedback em tempo real aos profissionais de saúde.

Resumo

Profissionais de saúde (HCP) frequentemente não realizam as técnicas recomendadas de higiene das mãos (HH), comprometendo a prevenção de infecções. O dispositivo de pulseira proposto tem a finalidade de dispensar antissépticos no ponto de atendimento, fornecendo simultaneamente feedback em tempo real sobre a execução da técnica de HH. O feedback em tempo real será gerado por um algoritmo que classifica os movimentos das mãos por etapa a partir de sensores inerciais de pulso. Atualmente, esse algoritmo está passando por validação mediante avaliação da validade concorrente em comparação com um padrão ouro: um observador treinado que avalia a técnica de HH. O presente estudo concentra-se no desenvolvimento e na validação do protocolo de aquisição e anotação necessário para o treinamento do algoritmo e para a avaliação da validade concorrente, antes da implantação clínica em tempo real. O protocolo descreve a coleta sincronizada de dados utilizando um IMU com marcador temporal para delimitar os limites das etapas, associando gravações segmentadas dos sensores de pulso a rótulos de correção atribuídos pelo observador para cada movimento. O desenvolvimento do modelo explora arquiteturas de modelos de sequência capazes de rotular séries temporais densas, e o desempenho será quantificado por meio de métricas de classificação por movimento (por exemplo, escore F1) e critérios de sobreposição de segmentos (por exemplo, interseção sobre união), refletindo tanto as decisões de correção quanto a qualidade da segmentação temporal. Resultados secundários incluem o desempenho na entrega de antisséptico, a oportunidade e usabilidade do feedback e a aceitabilidade pelo usuário nos fluxos de trabalho clínicos. Os dados coletados de uma amostra diversificada de profissionais de saúde, compreendendo múltiplas execuções supervisionadas por participante, apoiarão análises de validação concorrente para determinar a precisão do dispositivo e seu potencial para complementar programas existentes de HH e reduzir infecções associadas aos cuidados de saúde.

Introdução

A higiene das mãos (HM) é a estratégia mais simples, eficaz e menos onerosa para prevenir infecções associadas aos cuidados de saúde (IACS), reconhecidas como um importante problema de saúde pública global1. No entanto, a adesão a essa prática permanece abaixo do ideal em todo o mundo2,3. Nesse sentido, os programas de controle de infecções devem monitorar não apenas as taxas de adesão com base nas oportunidades, mas também a qualidade da técnica de higiene das mãos (HM), que envolve seguir as etapas recomendadas e a duração apropriada para a ação do antisséptico4.

No que diz respeito à técnica, a OMS recomenda a técnica de 6 etapas para a higiene das mãos (HH) para garantir a eficácia. Os passos são: (1) esfregar as palmas das mãos juntas com um movimento rotacional; (2) esfregar a palma da mão direita contra o dorso da mão esquerda entrelaçando os dedos; (3) esfregar as palmas das mãos juntas com os dedos entrelaçados; (4) esfregar as costas dos dedos de uma mão na palma da mão oposta segurando os dedos e movendo-os para frente e para trás, e vice-versa; (5) esfregar o polegar direito usando a palma esquerda em movimento circular, e vice-versa; (6) esfregar as pontas dos dedos da mão esquerda na palma da mão direita com movimentos circulares, e vice-versa5,6.

No entanto, as evidências sobre a eficácia relativa e a viabilidade das técnicas recomendadas pela OMS ainda são incompletas. Em particular, uma revisão sistemática recente avaliou a eficácia da técnica de HH em 6 etapas da OMS na redução da carga bacteriana nas mãos de profissionais de saúde e a comparou com abordagens alternativas relatadas na literatura internacional. Embora a técnica de HH em 6 etapas tenha demonstrado reduções na carga bacteriana, a revisão concluiu que as evidências que identificam a técnica mais eficaz e prática ainda não são definitivas, e que a pesquisa sobre técnicas de HH exige maior padronização entre os estudos7. Paralelamente, a técnica de HH em 3 etapas tem sido promovida globalmente por diversos autores. Seus passos são: (1) cobrir todas as superfícies das mãos; (2) realizar fricção rotacional das pontas dos dedos na palma oposta alternadamente; e (3) realizar fricção rotacional de ambos os polegares8,9,10. Os passos são ilustrados na Figura 1.

Conforme essas descobertas, um ensaio controlado randomizado quantificou as oportunidades de higiene das mãos em 12 alas hospitalares nos Estados Unidos (n = 2.923). Dessas oportunidades, 1.516 (51,9%) ocorreram no grupo de intervenção, que recebeu treinamento na técnica de higiene das mãos em 3 etapas9, e 1.407 (48,1%) ocorreram no grupo controle, que recebeu educação convencional alinhada à técnica de higiene das mãos em 6 etapas da OMS. O grupo de intervenção apresentou maior adesão aos “Cinco Momentos da OMS” e à técnica em 3 etapas. Embora as reduções nas unidades formadoras de colônias não tenham sido significativamente diferentes em termos do desfecho microbiológico primário (p = 0,029), a adesão observada à higiene das mãos foi substancialmente maior no grupo de intervenção (51,7%) em comparação com o grupo controle (12,7%).

A técnica HH de 3 etapas produziu uma redução maior na contagem de unidades formadoras de colônias em log10 (mediana 4,45, IIQ 4,04–5,15) do que a técnica de seis etapas (mediana 3,91, IIQ 3,69–4,62; p = 0,021)8. Notavelmente, em ambos os estudos, as reduções na contagem de colônias não diferiram significativamente entre as técnicas, e ambos os estudos sustentam a conclusão de que o método de 3 etapas é eficaz quando realizado corretamente8,9.

Com base nessas evidências, a pesquisadora principal e seu grupo de pesquisa avaliaram e demonstraram a eficácia da técnica de HH em 3 etapas entre profissionais de saúde em um hospital universitário e de pesquisa na região Centro-Oeste do Brasil. Naquele estudo, uma avaliação microbiológica das mãos dos participantes não revelou crescimento de micro-organismos potencialmente patogênicos após a correta execução da técnica em 3 etapas por 15 s. Esses achados corroboram a eficácia da técnica11,12.

Diante dos problemas globais descritos acima, o presente estudo concentra-se no desenvolvimento de um produto tecnológico relacionado à higiene das mãos, com o objetivo de aumentar a adesão dos profissionais de saúde por meio de uma pulseira capaz de dispensar antisséptico por comando verbal no local do atendimento e fornecer feedback sobre a qualidade da técnica de higiene das mãos realizada (Figura 2), com um visor que pode ser facilmente desconectado do reservatório, permitindo que a parte do reservatório seja submetida à desinfecção de alto nível conforme necessário. Ressalta-se ainda que a proposta aqui apresentada encontra-se submetida sob pedido de modelo de utilidade (privilégio de patente) em protocolo no Instituto Nacional da Propriedade Industrial (INPI) sob o nº BR 20 2022 001267 4. É, portanto, essencial validar o algoritmo da pulseira para garantir que ele forneça uma avaliação confiável e válida dos três passos da higiene das mãos, com a capacidade de distinguir com precisão execuções corretas das incorretas da técnica. A validade de critério refere-se à capacidade de um método de corresponder a outras medições coletadas com o objetivo de estudar o mesmo conceito. A validade de critério busca avaliar com que precisão uma nova medida pode prever um conceito ou critério previamente validado13.

A validade relacionada ao critério descreve o grau em que um procedimento de medição corresponde a outras medidas destinadas a avaliar o mesmo constructo subjacente e, dentro desse enfoque, é utilizada para avaliar se um novo instrumento está alinhado a um padrão de referência estabelecido, previamente validado e confiável (critério). A validação relacionada ao critério exige (1) a seleção de um critério apropriado e conceitualmente relevante e (2) a verificação independente da validade do critério14. Quando o padrão de referência é obtido ao mesmo tempo que o instrumento em avaliação, a validade relacionada ao critério é geralmente considerada concorrente, enquanto é considerada preditiva quando o padrão de referência é medido em um momento posterior; essa distinção também pode ser orientada pelo propósito pretendido da avaliação15.

Assim, a força da concordância entre o instrumento e uma medida externa considerada padrão-ouro pode ser avaliada por meio de análise estatística. Essa análise normalmente quantifica a associação ou concordância entre o instrumento em estudo e o critério externo (padrão-ouro) utilizando medidas apropriadas de associação ou concordância14.

Para o constructo específico de adesão à higiene das mãos (HM), a observação direta, implementada por meio do registro sistemático das oportunidades de HM e da avaliação da qualidade da técnica por observadores treinados, é amplamente considerada o padrão-ouro para avaliação de critério16 e é fortemente recomendada pela Organização Mundial da Saúde (OMS)5.

Neste trabalho, o pesquisador atuou como observador treinado na avaliação da técnica de higiene das mãos dos participantes. O pesquisador principal é um especialista reconhecido na prevenção e controle de infecções associadas aos cuidados de saúde, com expertise particular na adesão aos Cinco Momentos para Higiene das Mãos da OMS5.

Para permitir uma avaliação objetiva e por etapas da execução da técnica, o presente estudo integra a avaliação observacional padrão-ouro com sensores inerciais usados no punho e um procedimento rigoroso para a delimitação temporal de cada etapa. Os limites das etapas são determinados durante a aquisição de dados utilizando uma IMU dedicada de marcador temporal operada por um pesquisador colaborador, que indica o início ou término de uma etapa e anota transições entre etapas por meio de eventos breves de toques. Esses eventos de toque são posteriormente detectados usando um pipeline de detecção de picos em Python e utilizados para segmentar as gravações da IMU do punho em instâncias da Etapa 1, Etapa 2 e Etapa 3. Os sinais resultantes, segmentados por etapa, são então associados a rótulos binários de correção atribuídos por observadores (correto ou incorreto) ao nível do movimento. Este delineamento permite modelar a avaliação da técnica HH como uma tarefa de rotulagem densa de séries temporais seguida por classificação ao nível das etapas.

Modelos de sequência baseados em transformadores são particularmente adequados para esta formulação do problema porque a autoatenção pode representar dependências temporais em sinais de sensores vestíveis e pode acomodar a predição de sequência para sequência quando rótulos supervisivos são definidos em alta resolução temporal17. O desempenho do modelo é quantificado usando métricas de classificação por movimento (por exemplo, pontuação F1) juntamente com critérios de sobreposição por segmento (por exemplo, interseção sobre união), capturando assim tanto (i) a correção das decisões técnicas quanto (ii) a qualidade da segmentação temporal.

Embora o objetivo final do sistema proposto seja fornecer feedback automatizado em tempo real durante a realização da higiene das mãos em ambientes clínicos, o presente estudo concentra-se nos procedimentos de aquisição, anotação e segmentação temporal necessários para gerar o conjunto de dados de referência para o treinamento e validação subsequentes de algoritmos. Portanto, o objetivo principal deste trabalho é estabelecer e validar um protocolo reproduzível para coletar dados sincronizados de sensores inerciais e anotações geradas por observadores, que possam servir como referência confiável para o desenvolvimento futuro de aprendizado de máquina.

Os dados foram coletados na Escola de Engenharia, Campus de São João da Boa Vista, da Universidade Estadual Paulista (UNESP). Cinquenta profissionais (n = 50) participaram: estudantes (n = 20), membros do corpo docente (n = 18), técnicos administrativos (n = 10) e trabalhadores de serviços gerais (n = 2). O conjunto final de dados compreendeu 1.500 execuções da técnica de HH de 3 etapas. Os participantes foram instruídos a realizar a técnica de HH de 3 etapas em três cenários distintos, administrados pelo pesquisador principal, que atuou como avaliador padrão-ouro para a execução correta.

Antes da coleta de dados, os participantes potenciais foram convidados a participar e receberam uma explicação detalhada sobre os objetivos e procedimentos do estudo. Os participantes foram recrutados da comunidade da FESJ/UNESP, incluindo estudantes de graduação e pós-graduação, membros do corpo docente, funcionários administrativos e trabalhadores de serviços gerais. Os participantes elegíveis eram adultos (≥18 anos), capazes de compreender e realizar o procedimento de higiene das mãos, e dispostos a fornecer consentimento informado por escrito antes da participação.

Após obter o consentimento informado por escrito, um assistente de pesquisa do Departamento de Engenharia Elétrica fixou um sensor de captura de movimento no punho preferido pelo participante (direito ou esquerdo). Durante todo o processo de coleta de dados, o pesquisador colaborador permaneceu presente para prestar suporte técnico, incluindo a garantia de transmissão confiável do sinal e o monitoramento da variabilidade do sinal.

Protocolo

Este protocolo experimental foi aprovado pelo Comitê de Ética em Pesquisa da instituição do Hospital Universitário. Os participantes que concordaram em participar foram convidados a assinar o Termo de Consentimento Livre e Esclarecido, conforme a Resolução nº 466/2012 do Conselho Nacional de Saúde do Brasil18. Os reagentes e o equipamento utilizados estão listados na Tabela de Materiais.

1. Preparação do ambiente de coleta de dados

  1. Coloque um laptop, um smartphone montado em um suporte e uma cadeira diante do assistente de pesquisa.
  2. Coloque um laptop e uma cadeira diante do observador treinado.
  3. Coloque um banquinho ao lado do observador treinado e posicione o IMU marcador temporal sobre ele, de modo que possa ser facilmente alcançado.
  4. Fixe o IMU marcador temporal na superfície do banquinho usando fita adesiva.
  5. Coloque na bancada diante do participante um frasco de desinfetante de mãos à base de álcool, lenços umedecidos, creme hidratante, o IMU de pulso e um cronômetro.
  6. Posicione uma lixeira ao lado do participante.

2. Verificação da conectividade do aplicativo (pelo assistente de pesquisa)

  1. Garanta que o nível da bateria do smartphone permaneça acima de 80%.
  2. Garanta que o IMU usado no punho esteja completamente carregado.
  3. Garanta que o IMU do marcador temporal esteja completamente carregado.
  4. Garanta que o aplicativo "Mantenha Ativo" esteja ativo.
  5. Abra o aplicativo BSL Capture, desenvolvido no Laboratório de Sinais Biomédicos (LSBio/UFSCar), e aguarde até que a varredura de dispositivos Bluetooth seja concluída.
  6. Verifique se ambos os IMUs aparecem na lista de dispositivos disponíveis na tela principal.
  7. Confirme que o status de conexão de ambos os IMUs seja exibido como "Conectado" e que os dados dos sensores em tempo real estejam sendo atualizados continuamente antes de iniciar a aquisição de dados.
  8. Confirme que todo o fluxo de trabalho de aquisição e processamento mostrado em Figura 3 esteja operacional antes de iniciar a gravação do participante.
  9. Antes de iniciar a aquisição de dados, verifique se ambos os IMUs vestíveis (WitMotion WT901BLECL) estão operando com a configuração padrão do fabricante, com gravação contínua dos sinais do acelerômetro e giroscópio triaxiais, faixa de medição do acelerômetro de ±6 g, faixa de medição do giroscópio de ±2000 °/s e frequência efetiva de amostragem de aproximadamente 25 Hz. Nenhum filtro adicional em nível de hardware é aplicado durante a aquisição de dados.

3. Preparação do observador treinado

  1. Garanta que cada participante conclua as três fases de coleta de dados individualmente, sem a presença de outro participante na sala durante a aquisição do sinal.
  2. Atribua um único observador treinado para instruir e monitorar cada participante.
  3. Registre a classificação de cada etapa da técnica HH de 3 etapas em uma planilha dedicada.
  4. Garanta que o observador treinado tenha uma visão clara da técnica de higiene das mãos do participante e acesso conveniente ao IMU marcador temporal.
  5. Avalie cada etapa da técnica de higiene das mãos de acordo com o protocolo padronizado de higiene das mãos em 3 etapas9. Classifique cada etapa como correta ou incorreta de acordo com os critérios de avaliação pré-definidos.
    NOTA: A planilha é organizada para incluir o ID do participante, o número de execução da técnica de higiene das mãos (1–10 para cada uma das três fases de coleta de dados) e a classificação das Etapas 1, 2 e 3 da técnica de higiene das mãos. Registre a classificação de cada etapa como correta ou incorreta.

4. Preparação do participante (pelo assistente de pesquisa)

  1. Permita que o participante sente-se em uma cadeira voltada para a bancada preparada.
  2. Instrua o participante a colocar ambos os antebraços sobre a bancada.
  3. Pedir ao participante que escolha o punho preferido para a colocação do IMU de pulso.
  4. Prenda o IMU de pulso ao punho escolhido pelo participante usando a tira de Velcro, garantindo que esteja firme e estável sem causar desconforto.
  5. Coloque um cronômetro visível ou temporizador digital sobre a bancada, dentro do campo de visão do participante.
  6. Realize todas as sessões de aquisição de dados no mesmo laboratório, sob iluminação artificial constante e com o ar-condicionado funcionando durante todas as sessões experimentais, para manter condições ambientais consistentes.

5. Procedimento de coleta e registro de dados (pelo observador treinado)

OBSERVAÇÃO: Uma visão geral do fluxo de trabalho completo de coleta de dados é apresentada na Figura 4. O protocolo consiste em três fases sequenciais de aquisição: (1) instrução verbal, (2) demonstração da técnica correta e (3) execução de padrões predefinidos de erros. Em cada fase, os participantes realizam 10 repetições da técnica de higiene das mãos em três etapas. Durante todas as fases, o observador treinado avalia a correção de cada etapa e gera marcadores temporais utilizando o IMU de marcador temporal para apoiar a subsequente segmentação de sinais e anotação do conjunto de dados resultante. Figura 3 resume o fluxo de trabalho completo de aquisição, processamento, segmentação e geração do conjunto de dados.

  1. Fase inicial da coleta de dados
    1. Descreva verbalmente cada etapa da técnica HH de 3 etapas ao participante (Figura 1).
    2. Declare explicitamente: "Realize cada uma das três etapas por pelo menos 5 s, de modo que a técnica completa dure pelo menos 15 s."
    3. Instrua o participante a monitorar o cronômetro posicionado à sua frente.
    4. Instrua o participante a realizar a técnica HH de 3 etapas por 10 vezes, permitindo um intervalo de descanso entre cada execução completa da técnica HH.
    5. Toque uma vez no IMU marcador temporal imediatamente após a conclusão de cada etapa HH para gerar uma referência temporal utilizada durante o processo de segmentação.
    6. Certifique-se de que o observador treinado avalie cuidadosamente a qualidade de cada etapa HH realizada e a registre na planilha como correta ou incorreta.
    7. Na quinta execução da técnica HH de 3 etapas, lembre o participante de realizar cada etapa por pelo menos 5 s.
    8. Monitore a exibição em tempo real do sinal no aplicativo do smartphone e confirme que pacotes de dados estão sendo continuamente recebidos de ambos os IMUs durante toda a sessão de gravação. Caso sejam detectados perda de pacotes, desconexão do sensor ou baixa qualidade do sinal, interrompa a gravação, restabeleça a conexão Bluetooth, se necessário, e repita a aquisição para garantir a gravação completa e confiável do sinal.
  2. Segunda fase da coleta de dados
    1. Certifique-se de que o observador treinado demonstre a execução correta da técnica HH de 3 etapas (Figura 1).
      1. Certifique-se de que o observador treinado demonstre cada etapa lentamente e com plena visibilidade para o participante, repetindo qualquer etapa conforme necessário até que o participante indique compreensão.
      2. Certifique-se de que o observador treinado destaque os pontos de contato críticos e os erros comuns durante a demonstração.
    2. Declare explicitamente: "Realize cada uma das três etapas por pelo menos 5 s, de modo que a técnica completa dure pelo menos 15 s, seguindo a demonstração prática realizada pelo observador treinado."
    3. Instrua o participante a realizar 10 repetições da técnica HH de 3 etapas.
    4. Avalie a correção de cada etapa da técnica HH de 3 etapas.
    5. Gere marcadores temporais utilizando o IMU marcador temporal após cada etapa HH.
    6. Monitore a transmissão do sinal em tempo real durante toda a sessão de aquisição. Caso sejam detectados perda de pacotes, desconexão do sensor ou baixa qualidade do sinal, interrompa a gravação e repita a aquisição após restabelecer a transmissão normal do sinal.
  3. Terceira fase da coleta de dados
    1. Certifique-se de que o observador treinado demonstre o padrão de erro que deverá ser realizado pelo participante.
    2. Certifique-se de que o observador treinado aplique os Padrões de Erro 1, 2, 3 e 4 sequencialmente.
      1. Atribua os Padrões de Erro 1–4 sequencialmente aos participantes sucessivos e repita o ciclo após o participante 4.
    3. Certifique-se de que o observador treinado demonstre os padrões de erro, definidos da seguinte forma:
      1. Padrão de Erro 1: Para a Etapa 1, cubra apenas as palmas das mãos e omita as demais superfícies das mãos. Para a Etapa 2, esfregue apenas as pontas dos dedos, excluindo os polegares. Para a Etapa 3, movimente os polegares para frente e para trás sem esfregamento rotacional.
      2. Padrão de Erro 2: Para a Etapa 1, omita a cobertura do dorso da mão esquerda. Para a Etapa 2, esfregue apenas as pontas dos dedos indicador, médio e anelar, excluindo os dedos mindinhos e polegares. Para a Etapa 3, realize apenas esfregamento rotacional parcial dos polegares.
      3. Padrão de Erro 3: Para a Etapa 1, omita a cobertura do dorso da mão direita. Para a Etapa 2, esfregue apenas as pontas dos dedos da mão direita. Para a Etapa 3, realize esfregamento rotacional apenas do polegar direito.
      4. Padrão de Erro 4: Para a Etapa 1, cubra apenas as palmas das mãos. Para a Etapa 2, esfregue as pontas dos dedos utilizando um padrão de movimento invertido ou incorreto. Para a Etapa 3, realize esfregamento rotacional apenas do polegar esquerdo.
    4. "Realize cada uma das três etapas por pelo menos 5 s, de modo que a técnica completa dure pelo menos 15 s, seguindo a demonstração prática realizada pelo observador treinado."
    5. Instrua o participante a realizar 10 repetições da técnica HH de 3 etapas.
    6. Avalie a correção de cada etapa da técnica HH de 3 etapas.
    7. Gere marcadores temporais utilizando o IMU marcador temporal após cada etapa HH.
    8. Monitore a transmissão do sinal em tempo real durante toda a sessão de aquisição. Caso sejam detectados perda de pacotes, desconexão do sensor ou baixa qualidade do sinal, interrompa a gravação e repita a aquisição após restabelecer a transmissão normal do sinal.
  4. Remova suavemente o IMU usado no punho do participante.
  5. Limpe qualquer resíduo de produto antisséptico à base de álcool com papel toalha.
  6. Limpe a superfície de trabalho e descarte os papéis toalha usados na lixeira.
  7. Ofereça creme hidratante se o participante solicitar ou relatar necessidade.
  8. Agradeça ao participante pela sua contribuição.

Resultados

O protocolo de coleta de dados clínicos foi implementado conforme planejado, e sinais inerciais de dispositivos vestíveis no punho foram adquiridos com sucesso de todos os participantes incluídos durante todas as execuções programadas da HH. O conjunto de dados resultante incluiu 50 participantes e 1.500 execuções completas da técnica de HH em 3 etapas (30 execuções por participante). Quando decompostos em três etapas ordenadas por execução, esses dados geraram um total de 4.500 segmentos de movimento.

Execução do teste clínico

Cada participante realizou três blocos consecutivos de 10 execuções de HH (totalizando 30 execuções por participante), e cada execução de HH consistiu nas três etapas ordenadas definidas para a técnica de 3 etapas. O primeiro bloco foi realizado após uma explicação oral dos movimentos corretos; o segundo bloco foi realizado após explicação oral e demonstração visual dos movimentos corretos; e o terceiro bloco foi realizado após demonstração de movimentos incorretos que refletem padrões de erro comuns observados na prática em saúde. Para o bloco de movimentos incorretos, foram utilizados quatro padrões de erro predefinidos, distribuídos entre os participantes segundo um esquema balanceado (ou seja, ciclando os padrões entre participantes sucessivos) para garantir representação comparável de cada tipo de erro no nível da coorte.

Todos os 50 participantes concluíram com sucesso as três fases de aquisição, resultando em 1.500 execuções completas da técnica HH de 3 etapas. Durante a coleta de dados, o observador treinado avaliou cada execução e registrou a correção da Etapa 1, Etapa 2 e Etapa 3 de acordo com os critérios de avaliação pré-definidos. Simultaneamente, marcadores temporais foram gerados utilizando a IMU auxiliar para indicar as transições entre etapas consecutivas do HH. Este procedimento produziu um conjunto completo de anotações baseadas no observador e referências temporais para todas as execuções registradas, permitindo a subsequente segmentação e construção do conjunto de dados.

Delimitação do passo temporal

Todas as sessões foram acompanhadas por um pesquisador colaborador responsável por gerar uma referência temporal externa para os limites das passadas. Essa referência foi produzida usando um segundo IMU dedicado à anotação, que era levemente batido à mão para indicar o início e o término de cada passada, incluindo as transições entre passadas consecutivas. Esses eventos de batida geraram um sinal de marcador com codificação temporal, que foi posteriormente utilizado para delimitar — em cada execução de HH — a extensão temporal da Etapa 1, Etapa 2 e Etapa 3.

Marcadores temporais foram gerados com sucesso para todas as execuções de HH registradas. Os eventos induzidos por toque produziram picos distintos no sinal auxiliar do IMU, permitindo a identificação clara das transições entre o Passo 1, o Passo 2 e o Passo 3. Essas referências temporais forneceram um mecanismo reprodutível para sincronizar as anotações do observador com os registros do IMU usado no punho e serviram como base para a subsequente segmentação do sinal.

Processamento de sinal e segmentação

Um algoritmo baseado em Python foi desenvolvido para processar o fluxo temporal de marcadores do IMU, incluindo operações de filtragem e lógica de detecção de picos para identificar com confiabilidade os eventos induzidos por toques. O processamento de sinais foi realizado usando um script personalizado em Python, implementado no Spyder IDE versão 6.0.5 com Python 3.9.19 (distribuição Anaconda, Windows 11). Os sinais do IMU foram importados de arquivos de texto delimitados em Python usando detecção automática de delimitadores e análise numérica sensível à localidade, a fim de recuperar o canal de velocidade angular do giroscópio adquirido a 25 Hz. O sinal foi retificado em onda completa e suavizado com um kernel gaussiano unidimensional (σ ≈ 60 ms) para atenuar ruídos de alta frequência, preservando ao mesmo tempo seu envelope temporal. Em seguida, eventos discretos foram identificados por um procedimento automatizado de detecção de picos restrito por prominência mínima (5% da amplitude máxima), distância mínima entre picos e largura mínima de pico. Os picos detectados foram posteriormente utilizados como referências temporais para a segmentação das gravações do IMU usado no punho em instâncias de movimento da Etapa 1, Etapa 2 e Etapa 3, gerando um conjunto de dados resolvidos por etapa abrangendo 1.500 execuções (4.500 instâncias segmentadas de etapas).

Figura 5 ilustra o procedimento de segmentação temporal para três execuções consecutivas de HH (nove passos no total), mostrando o sinal filtrado do marcador temporal baseado em toques do IMU, os picos detectados correspondentes utilizados como eventos de limite de passo e o sinal do IMU usado no punho sincronizado registrado durante a execução de HH. O fluxo de trabalho completo, desde a aquisição de dados até a geração do conjunto de dados anotado em nível de passo, é resumido na Figura 3.

O procedimento de segmentação foi aplicado com sucesso a todas as execuções de HH registradas. Os eventos marcadores temporais detectados permitiram a identificação confiável dos limites das etapas e a subsequente segmentação das gravações contínuas do IMU usado no punho em instâncias da Etapa 1, Etapa 2 e Etapa 3. O conjunto de dados resultante foi associado a anotações geradas por observadores para cada instância de movimento, fornecendo as etiquetas de referência necessárias para o treinamento e validação subsequentes do algoritmo. Figura 5 demonstra a correspondência entre os eventos marcadores temporais, os picos detectados e os limites de movimento resultantes, ilustrando a implementação bem-sucedida do protocolo proposto de aquisição e segmentação.

Conjunto de dados resultante e utilidade posterior

O conjunto de dados resultante reúne realizações corretas e incorretas intencionais dos três passos da higiene das mãos sob três condições de aquisição (instrução oral, demonstração oral mais visual e padrões de erros instruídos), com fronteiras temporais em nível de passo fornecidas pelo sinal auxiliar do marcador IMU. Este conjunto de dados permite o desenvolvimento e a avaliação de modelos de classificação por etapas que utilizam dados de IMU vestíveis, com o objetivo prático de longo prazo de possibilitar feedback em tempo real aos profissionais de saúde durante a realização da higiene das mãos em ambientes clínicos. Todas as inferências estão limitadas à demonstração da viabilidade do protocolo e à criação bem-sucedida de um conjunto de dados amplo e segmentado por etapas, adequado para modelagem algorítmica subsequente.

figure-results-1
Figura 1: Ilustração da técnica de higiene das mãos (HM) em três etapas. Clique aqui para visualizar uma versão maior desta figura.

figure-results-2
Figura 2: Protótipo do dispositivo de monitoramento de higiene das mãos usado no punho. Clique aqui para visualizar uma versão maior desta figura.

figure-results-3
Figura 3: Fluxo de trabalho para aquisição, processamento e segmentação de dados. Clique aqui para visualizar uma versão maior desta figura.

figure-results-4
Figura 4: Representação esquemática do método proposto. Clique aqui para visualizar uma versão maior desta figura.

figure-results-5
Figura 5: Detecção de fronteiras de etapas e segmentação de três execuções consecutivas de higiene das mãos em três etapas. O sinal da unidade de medição inercial (IMU) coletado no punho de um participante é mostrado em azul, e o sinal filtrado do marcador temporal baseado em toques (IMU) é mostrado em laranja. Os picos induzidos pelos toques, utilizados para identificar as transições entre as etapas da higiene das mãos, são indicados por círculos vermelhos. As etapas individuais dentro de cada execução da higiene das mãos são rotuladas como 1, 2 e 3. Nove etapas consecutivas (três execuções completas de higiene das mãos) são mostradas para fins ilustrativos. Clique aqui para visualizar uma versão maior desta figura.

Discussão

Este estudo aborda a validade de critério para a avaliação da técnica HH em etapas, combinando um processo de rotulagem observacional considerado padrão-ouro com sensores inerciais vestíveis e uma estratégia reprodutível de segmentação temporal. A discussão a seguir interpreta as escolhas metodológicas e descreve as contribuições científicas esperadas, mantendo-se coerente com o escopo do estudo e com as evidências geradas por meio da execução do protocolo e da construção do conjunto de dados.

Interpretação e contribuição

Uma contribuição fundamental é demonstrar a viabilidade de gerar um conjunto de dados com resolução por etapa, obtido por sensores vestíveis, para a técnica HH de três etapas em condições controladas, incluindo tanto a execução correta quanto padrões incorretos representativos. O tamanho do conjunto de dados (50 participantes, 1.500 execuções completas de HH, 4.500 segmentos por etapa) permite o desenvolvimento e a avaliação de modelos no nível do movimento (etapa), em vez de tratar o HH como uma única atividade indiferenciada.

Ao estruturar explicitamente as aquisições em três seções (instrução oral, oral mais demonstração visual e padrões incorretos instruídos), o estudo estabelece uma base coerente para analisar como o contexto instrucional e a indução de erros influenciam a cinemática em nível de etapa e a subsequente discriminação algorítmica19.

Considerações metodológicas

Usar uma segunda IMU como marcador temporal externo, com indicações baseadas em toques nos limites das etapas, fornece um mecanismo de delimitação de etapas que não depende de análise subjetiva pós-hoc baseada apenas em vídeo. O algoritmo subsequente de detecção de picos e segmentação implementado em Python opera essas pistas de limite em um fluxo de trabalho consistente, essencial para a rotulagem temporal densa e a classificação de correção por etapa.

A distribuição equilibrada de quatro padrões incorretos entre os participantes fortalece a estrutura interna da classe "incorreta" ao reduzir o risco de super-representar um único modo de erro. Isso é especialmente importante considerando que o objetivo da classificação é a correção específica por etapa, e não a detecção genérica de anomalias.

Passos críticos do protocolo

Um aspecto crítico do protocolo proposto é preservar a correspondência temporal entre a avaliação baseada em observador e os sinais inerciais adquiridos a partir do sensor vestível. Esse objetivo depende de quatro etapas inter-relacionadas. Primeiro, a aquisição confiável de sinais IMU sincronizados é essencial para garantir que nenhuma informação relevante sobre movimento seja perdida durante a gravação. Segundo, o observador treinado deve aplicar critérios de avaliação pré-definidos de forma consistente, uma vez que essas avaliações constituem as etiquetas de referência utilizadas para o desenvolvimento subsequente de aprendizado de máquina. Terceiro, os marcadores temporais gerados com o IMU auxiliar devem indicar com precisão as transições entre os passos consecutivos da higiene das mãos, permitindo a sincronização entre a avaliação observacional e as gravações do sensor vestível. Por fim, a detecção bem-sucedida de picos e a segmentação do sinal são fundamentais para isolar corretamente as instâncias individuais de movimento, já que imprecisões na segmentação afetariam diretamente a qualidade do conjunto de dados rotulados e poderiam propagar erros para o treinamento e validação subsequentes do algoritmo. Juntas, essas etapas estabelecem a base metodológica necessária para gerar um conjunto de dados de referência reprodutível, precisamente anotado e confiável para o desenvolvimento futuro de algoritmos.

Embora o protocolo tenha sido implementado com sucesso ao longo do presente estudo, diversos fatores práticos devem ser considerados para garantir a qualidade do conjunto de dados em futuras aplicações. A comunicação estável entre as IMUs e o aplicativo de aquisição, juntamente com a geração confiável de marcadores temporais, é importante para assegurar uma aquisição de dados bem-sucedida e a subsequente segmentação de sinais. Gravações que contenham marcadores temporais ausentes ou ambíguos devem, portanto, ser inspecionadas visualmente e refeitas quando necessário. Além disso, a rotulagem consistente por parte do observador é fundamental, pois essas anotações constituem a verdade de referência para o desenvolvimento subsequente de aprendizado de máquina. Por fim, recomenda-se a verificação visual dos sinais segmentados para confirmar que os limites de movimento detectados correspondem às etapas esperadas de higiene das mãos antes de sua inclusão no conjunto de dados de referência.

Validade e generalização

Sob a perspectiva da validade de critério, a questão central é se a correção no nível dos passos inferida a partir dos sinais de IMU corresponde a um critério externo independente, aqui representado pela observação treinada durante a aquisição. Este delineamento alinha o alvo do modelo com uma construção comportamental interpretável — a execução correta de cada um dos três passos — em vez de com indicadores indiretos. Também permite relatar o grau de concordância na mesma granularidade em que as etiquetas de treinamento são definidas. No entanto, a validade de critério depende não apenas do modelo, mas também da confiabilidade e consistência do próprio critério. Assim, os procedimentos do observador, a clareza das definições de correção para cada passo e a consistência no sinalização dos limites são elementos críticos que determinam até que ponto qualquer concordância observada é defensável.

Implicações práticas

O presente estudo não avalia o desempenho de feedback em tempo real na prática clínica. Em vez disso, estabelece e valida o protocolo de aquisição, anotação e segmentação temporal utilizado para gerar o conjunto de dados de referência para o desenvolvimento subsequente de aprendizado de máquina. Assim, o resultado validado deste estudo é o protocolo de aquisição de dados, e não o próprio sistema de monitoramento em tempo real. A classificação automatizada de movimentos, o monitoramento em tempo real e as funcionalidades de feedback permanecem como objetivos das fases subsequentes do projeto e não foram avaliados no presente estudo. Um paradigma de avaliação por etapas é clinicamente relevante porque pode fornecer feedback acionável: identificar qual etapa específica está incorreta geralmente é mais útil operacionalmente do que fornecer uma única etiqueta de aprovação/reprovação para toda uma tentativa de HH.

O protocolo em três seções fornece uma base para análises futuras de como a instrução e a demonstração moldam os padrões de execução da técnica, o que pode orientar estratégias de treinamento e o design de mensagens de feedback direcionadas a etapas específicas20. Se adaptado para aplicações futuras em tempo real, uma abordagem com dispositivo usado no punho pode complementar a observação direta, aumentando a frequência e a padronização da avaliação da técnica de higiene das mãos, sem exigir auditorias presenciais contínuas.

Em comparação com a observação direta convencional, que ainda é o padrão de referência para avaliar a técnica de higiene das mãos5, o protocolo proposto combina avaliação por especialista com sensores vestíveis sincronizados e segmentação baseada em marcadores temporais para gerar anotações objetivas em nível de movimento. Os sistemas vestíveis baseados em IMU tornaram-se uma abordagem consolidada para análise de movimento humano, pois permitem pipelines estruturados de processamento de sinais, incluindo pré-processamento, segmentação, extração de características e classificação21. Além disso, revisões recentes destacaram o uso crescente de sensores vestíveis e outros sistemas eletrônicos de monitoramento para avaliação da higiene das mãos, ao mesmo tempo em que enfatizaram seu potencial para complementar os métodos convencionais de observação22. Nesse contexto, o presente protocolo foi especificamente projetado para gerar um conjunto de dados anotado de alta qualidade, que apoie o desenvolvimento futuro e a validação de algoritmos de aprendizado de máquina capazes de avaliar a técnica de higiene das mãos em nível individual de cada etapa.

Limitações e direções futuras

As aquisições foram realizadas em um ambiente controlado e incluíram padrões incorretos instruídos; a representatividade da distribuição de erros em relação à prática clínica rotineira deve ser interpretada com cautela. Seria necessária uma validação externa em condições do mundo real antes de fazer afirmações sobre implantação operacional23. Além disso, o uso de um único observador treinado e a dependência de sinais de limite baseados em toques introduzem fontes potenciais de viés sistemático e variabilidade temporal. Esses fatores devem ser quantificados em trabalhos futuros (por exemplo, avaliando a robustez na detecção de limites e a consistência entre observadores).

Os trabalhos futuros devem priorizar: (1) o desenvolvimento de modelos de classificação de inteligência artificial, (2) a realização de análises formais de concordância entre as saídas do modelo e o critério observacional no nível do movimento, (3) a avaliação de diferentes grupos de usuários e posicionamentos de sensores e (4) a validação do desempenho do monitoramento em tempo real e do feedback passo a passo em fluxos de trabalho clínicos realistas. Assim, quaisquer afirmações sobre monitoramento automatizado, usabilidade, latência, eficiência ou escalabilidade clínica devem ser interpretadas como objetivos futuros, e não como resultados demonstrados pelo presente estudo. Da mesma forma, o impacto potencial do sistema proposto na adesão à higiene das mãos ou na prevenção de infecções permanece a ser estabelecido por meio de validação clínica futura.

Divulgações

Os autores declaram que não possuem conflito de interesses relacionado a este estudo.

Agradecimentos

Os autores agradecem o apoio financeiro do CNPq (Conselho Nacional de Desenvolvimento Científico e Tecnológico).

Materiais

Lista de materiais utilizados neste artigo
NomeEmpresaNúmero de catálogoComentários
Fita adesivaSCOTCH5802Fixação da IMU de referência ao banquinho
Antisséptico para as mãos à base de álcool (70%)Giovanna Babby-Produto para higiene das mãos
Aplicativo BSL Capture UFSCarLSBio/UFSCar-Aplicativo para smartphone para aquisição de dados da IMU
Unidade de Medição Inercial (IMU) (2 unidades)WitMotionWT901BLECLUma IMU usada no punho e uma IMU marcadora temporal
Computador portátilASUSS46CMonitoramento e processamento de dados
Computador portátilAppleMacBook Air M1Monitoramento e processamento de dados
Creme hidratanteNIVEA-Conforto do participante após a execução da HH
Toalhas de papelSNOB-Secagem e limpeza das mãos
Script de segmentação em PythonDesenvolvido sob medida-Algoritmo de detecção de picos e segmentação temporal para sinais da IMU
SmartphoneXIAOMIREDMI 13Aquisição de dados da IMU
Suporte para smartphone--Posicionamento do smartphone durante a aquisição
Lenços umedecidosPampers-Limpeza das mãos do participante e da superfície de trabalho

Referências

  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.

Reimpressões e permissões

Etiquetas

Feedback em Tempo RealSensores InerciaisValidação de AlgoritmoModelo de SequênciaProfissionais de SaúdePrevenção de Infecções

Este artigo foi publicado

Vídeo em breve

Fale conosco
Recomendar à biblioteca

Privacidade

Termos de Uso

Políticas

Copyright © 2026 MyJoVE Corporation. Todos os direitos reservados.