利用计算机视觉辅助的移动应用提升多校区医院的环境清洁质量与一致性：一项前瞻性干预研究

《Antimicrobial Resistance & Infection Control》：Improving environmental cleaning quality and consistency in a multi-campus hospital using a computer vision-assisted mobile application: a prospective interventional study

　　

摘要

背景

保持环境清洁对于预防医疗相关感染至关重要，但在多院区的医院系统中实现统一标准十分困难。传统方法如人工目视检查以及传统的荧光标记方式具有主观性、定性特征，且容易受到观察者偏差的影响。本研究旨在探讨将计算机视觉辅助的移动应用纳入基于技术的计划-执行-检查-行动（T-PDCA）质量改进模型中，是否能提升清洁效果并促进各院区之间的标准化。

方法

我们在中国西南部一家拥有四座地理位置分散的院区的三级医院系统中进行了为期17周的前瞻性干预研究（2025年6月至10月）。该智能手机应用通过分析常规清洁前后拍摄的紫外线荧光图像，生成由算法计算得出的荧光标记清除率（FMRR）分数，并提供实时定量反馈。这项干预措施是在T-PDCA框架下实施的，包括标准化培训、盲法荧光标记、基于算法的性能评估以及数据驱动的反馈。清洁效果根据预定的FMRR阈值进行评分，同时运用非参数统计方法分析时间趋势、各院区之间的差异以及不同科室类型和表面材料带来的差异。

结果

在研究期间共分析了2,457个有效的荧光标记样本。第1周的总体每周平均FMRR为83.91%，从第4周开始这一数值一直保持在90%以上，整个研究期间呈现显著上升趋势（斯皮尔曼相关系数ρ=0.615，P=0.01）。性能的波动性大幅降低，每周标准差从29.72%下降到9.59%，说明清洁效果的均匀性有所提高。初始性能较低的院区有了改善，而性能较高的院区则保持了相对稳定的清洁质量。不同医院科室和表面材料之间的FMRR存在显著差异，尤其是重症监护室、门诊部以及由哑光塑料或木材制成的表面，其清洁效果更低且波动更大。

结论

将计算机视觉辅助的移动监测系统融入T-PDCA质量改进框架，有助于提升多院区医院系统的环境清洁效果并增强其一致性。这种方法能够实现对关键高接触表面的标准化实时监测，为改善多院区医院系统的环境清洁管理提供实用工具。