View
143
Download
6
Embed Size (px)
Citation preview
HUMAIN CONTRE MACHINE :
UNE NOUVELLE APPROCHE POUR VÉRIFIER L’HYGIÈNE
DES MAINS Jocelyn Srigley, MD, MSc, FRCPC
Administrateur, Prévention des infections, Provincial Health Services Authority (CB) Médecin microbiologiste, BC Children’s & Women’s Hospital
5 mai 2015
• Aucun conflit d’intérêts • Salaire reçu de AMMI Canada/Astellas
Post-Residency Fellowship • Projet financé par des subventions de
Inforoute Santé du Canada, Health Technology Exchange, Infonaut Inc. et GOJO Industries Inc.
Divulgation
• Examiner les méthodes de suivi de l’observance de l’hygiène des mains
• Présenter de nouvelles preuves démontrant l’existence de l’effet Hawthorne dans le suivi de l’observance de l’hygiène des mains
• Examiner les preuves de l’efficacité des technologies de suivi de l’hygiène des mains (TSHM)
• Discuter des implications de ces conclusions, dont la déclaration publique des taux d’hygiène des mains et l’utilisation des TSHM
Objectifs
Suivi de l’observance de l’hygiène des mains
• Améliorer l’observance de l’hygiène des mains (HM) par les travailleurs de la santé (TS) est important pour réduire les infections associées aux soins de santé (IASS)
• Nous recommandons une approche multidimensionnelle incluant de mesurer l’observance1
• Voici des options pour mesurer :2
– Observation directe – Autodéclaration – Utilisation des produits – TSHM
Mesurer l’observance de l’hygiène des mains
1OMS, 2009. 2Boyce, 2011.
• Norme d’excellence • Avantages
– C’est la seule méthode qui permet d’évaluer, toutes les fois que l’HM est nécessaire
– C’est l’une des seules méthodes qui permettent d’évaluer la technique d’HM
– Elle fournit des occasions d’éduquer • Désavantages
– Elle demande beaucoup de personnel – Elle ne permet d’évaluer que de petits échantillons
d’occasions d’HM – Il peut être difficile d’obtenir parfaitement le même type
d’évaluation par des personnes différentes – Elle amène des erreurs potentielles de mesure
Observation directe
2Boyce, 2011. 3Haas et coll., 2007.
• Jeu • Biais
– Biais de l’observateur • Les observateurs qui travaillent à l’unité
déclarent des taux d’observance plus élevés que les autres observateurs4
– Biais de sélection – Effet Hawthorne
Sources d’erreurs de mesure
4Dhar et coll., 2010.
• Technologies de suivi de l’hygiène des mains (TSHM) – Compteurs – Systèmes de suivi électroniques, par
exemple système de localisation en temps réel (SLTR) et identification par radiofréquence (IRF)
– Surveillance vidéo
Une solution nouvelle?
L’effet Hawthorne
• Les personnes ont tendance à changer leur comportement quand ils se savent observés3
• Études de Hawthorne initiales de 1924 à 19325,6 – Le concept n’a été mentionné qu’en 19507
• De nombreux auteurs se sont, depuis, interrogés sur la présence réelle de l’effet Hawthorne dans les études de Hawthorne initiales8
• Cependant, il est souvent tenu pour acquis que l’effet Hawthorne joue un rôle dans les comportements liés à l’HM
L’effet Hawthorne
3Haas et coll., 2007. 5Mayo, 1933. 6Roethlisberger et coll., 1939. 7Adair, 1984. 8Jones, 1992.
• 17 études sur l’effet Hawthorne et l’HM • 6 dans les toilettes publiques :
– 90 % contre 16 %9
– 77 % contre 39 %10 – 90 % contre 70 %11 – 91 % contre 55 %12 – 90 % contre 44 %13 – 79 % contre 73 %14
• 2 dans d’autres contextes hors du secteur de la santé – Zoos,15 résidences16
• 9 sur le suivi de l’observance de l’HM en contexte hospitalier
L’effet Hawthorne, mythe ou réalité?
9Pedersen et coll., 1986. 10Munger et coll., 1989. 11Edwards et coll., 2002. 12Drankiewicz et coll., 2003. 13Nalbone et coll., 2005. 14Monk-Turner, et coll., 2005. 16Erdozain et coll., 2013. 16Ram et coll., 2010.
• L’observance de l’HM a augmenté quand les unités ont été avisées comparativement aux fois où elles n’ont pas été avisées de l'imminence de la vérification
– 9,1 % à 29,5 %20 – 29 % à 45 %21
– 47,4 % à 55,7 %22
• Augmentation de l’observance de l’HM dans les unités à haut rendement avec un vérificateur identifié, comparativement aux cas où le vérificateur n’était pas identifié, mais aucune différence dans les unités à bas rendement23
• Le taux d’observance mesuré par des étudiants en médecine (44, %) était beaucoup plus bas que celui mesuré par les infirmières en prévention des infections (74,4 %) et par les ambassadeurs de l’HM de l’unité
Études de vérifications intrahospitalières
20Tibballs, 1996. 21Eckmanns et coll., 2006. 22Maury et coll., 2006. 23Kohli et coll., 2009. 24Pan et coll., 2013.
• Étude pilote d’un SLTR • Observance de l’HM de 88,9 % pendant
les vérifications, comparativement à un taux total de 31,5 % pour l’ensemble de la période de vérifications
• Limite imposée par le petit échantillon et le manque de contrôle des facteurs parasites
Utiliser le suivi électronique pour mesurer l’effet Hawthorne
25Cheng et coll., 2011.
• Des preuves indiquent l’existence d’un effet Hawthorne relativement à l’observance de l’HM, mais les études comportent des limites importantes
• On en sait peu sur les limites spatiales et temporelles de l’effet Hawthorne et les facteurs de modification qui pourraient jouer un rôle
Résumé de la littérature
• Déterminer l’ampleur de l’effet Hawthorne par rapport au suivi de l’observance de l’HM à l’aide d’un système de suivi électronique
Objectif de l’étude
• Le SLTR a été présent dans deux unités de transplantation d’organes multiples de juillet 2012 à mars 2013
• Il a généré des données de localisation en temps réel de manière continue au moyen de dispositifs à ultrason portés par le personnel et les patients
• Il a mesuré chaque utilisation de désinfectant pour les mains à base d’alcool (DMBA) et des distributeurs de savon
Système de suivi électronique
Dispositifs à ultrason portés par le personnel et les patients et installés sur les équipements.
Les dispositifs envoient des données sur la localisation toutes les quelques secondes par un réseau sans fil.
Plan d’étage de l’unité
• Étude de cohorte rétrospective • Cohorte = distributeurs aux deux unités • Exposition = présence d’un vérificateur • Résultat = taux des événements d’HM
(nombre de distributions par distributeur par heure)
Conception de l’étude
• Les vérificateurs portaient des dispositifs pour suivre le temps exact de vérification et leur emplacement dans les unités Les vérificateurs ne connaissaient pas les hypothèses à
l’étude et ont mené les vérifications de manière usuelle et conforme au programme Lavez-vous les mains
• Les vérifications ont eu lieu 1 ou 2 fois par mois dans chaque unité, et ce, de novembre 2012 à mars 2013
• Le nombre de distributions a été déterminé pour les endroits visibles des vérificateurs, lesquels se trouvaient à un endroit donné pendant au moins 5 minutes Pour les distributeurs dans les chambres et couloirs, on a
compté séparément • Le compte a été converti en taux d’événements par distributeur
par heure
Collecte des données
• Secteur de l’unité non visible du vérificateur au même moment pendant la vérification – Contrôle des facteurs parasites en lien avec le
moment • Même secteur où allait se trouver le vérificateur, 1, 2
et 3 semaines avant la vérification – Contrôle des facteurs parasites en lien avec le lieu
• Même secteur où allait se trouver le vérificateur, 5 minutes avant l’arrivée du vérificateur – Biais de causalité inversée
Comparaisons
0
0.5
1
1.5
2
2.5
3
3.5
4
Out* In Total**
Événements par
distributeur par heure
AuditorOther Area
Résultats: Comparaison des lieux
*p=0.001 **p=0.008
0
0.5
1
1.5
2
2.5
3
3.5
4
Out* In Total*
Événements par
distributeur par heure
Auditor1 Week Prior
Résultats: Comparaison du moment
*p<0.001
0
0.5
1
1.5
2
2.5
3
3.5
4
Out* In Total**
Événements par
distributeur par heure
AuditorPrior to Arrival
Résultats: Avant l’arrivée du vérificateur
*p=0.009 **p=0.003
• Le taux d’événements d’HM est ~3 fois plus élevé quand le vérificateur peut voir, comparativement aux autres endroits au même moment et au même endroit durant les semaines précédentes – L’effet a été observé uniquement pour les
distributeurs des couloirs, où le vérificateur était visible, et non dans les chambres des patients
– L’augmentation du taux d’événements est consécutive à l’arrivée du vérificateur et non avant
Résumé des résultats
• Étude d’observation, donc on ne peut indiquer la causalité • Mesure des événements d’HM et non de l’observance par les TS
– Pour obtenir un dénominateur, il aurait fallu que tous les TS portent un dispositif à ultrason
• Des TS ou visiteurs ne portant pas un dispositif à ultrason ont pu générer des événements d’HM
• Le système lui-même a pu produire un effet Hawthorne • Étude menée sur un nombre relativement restreint d’observations
dans des unités de transplantation d’organes multiples
Limites
Efficacité des TSHM
• Validité – Avec quelle exactitude les systèmes de surveillance
électronique ou vidéo (SSE ou SSV) mesurent-ils l’observance de HM?
– Données limitées • Efficacité
– Les SSE et SSV entraînent-ils des améliorations dans l’observance de l’HM?
– Mécanismes potentiels • Rétroaction • Rappels en temps réel • Effet Hawthorne amplifié
La technologie est-elle la solution?
• Déterminer si les TSHM augmentent l’observance de l’HM par les TS constatée de visu comparativement aux soins habituels
• Déterminer si les TSHM réduisent l’incidence des IASS ou si elles améliorent d’autres mesures de l’observance de l’HM, dont : – Fréquence de l’HM – Volume de savon et de DMBA utilisé – Observance, comme définie par la TSHM [soit
l’observance définie par le système (ODS)]
Objectifs de l’étude
• Examen systématique conformément aux lignes directrices PRISMA26
• Recherches dans des bases de données nombreuses, du début jusqu’au 31 décembre 2013
• Crtières d’inclusion – Études expérimentales et quasi expérimentales de TSHM
menées dans les soins de courte et de longue durée mesurant l’HM et (ou) l’incidence d’IASS
– Exclusion si la TSHM était présente seulement pour évaluer une autre intervention ou si l’étude portait sur l’HM aux entrées de l’hôpital, des unités ou de la salle d’opération
– Études revues par les pairs, publiées en anglais • Toutes les étapes de sélection, d’extraction des données et
d’évaluation des risques de biais27,28,29 ont été exécutées de manière indépendante par deux auteurs
Méthodes
26Moher et coll., 2009. 27Higgins et coll., 2011. 28Harris et coll., 2004. 29Schweizer et coll., 2014.
Résultats de la recherche
Auteur, année
Concept de l’étude
Lieu de l'étude
Popula-tion
Type de TSHM
Événements suivis
Suivi des déplacements
Rétroaction
Rappels en TR
Résultats cliniques
Définition de l'observance
Résultats de l’étude
Swoboda, 200430
Étude avant-après test
Unité de soins courants
Tous les TS et visiteurs
SSE DMBA + savon
Sortie chambre
Non Rappel vocal
ODS, taux d'infection nosocomiale
Proportion des sorties de chambre avec événement HM avant ou dans les 10 sec avant la sortie
P1 (suivi): 19,1% P2 (suivi + rappels): 27,3% P3 (suivi): 24,1% P2 contre P1: +8,2%* P3 contre P1: +5%
Ventkatesh, 200831
Étude avant-après test
Unité d’hématologie
Tous les TS et visiteurs
SSE DMBA Entrée/sortie chambre
Non Rappel par voix et autre son
ODS, transmission ERV
Proportion des entrées et sorties de chambre avec événement HM
P1 (suivi): 36,3% P2 (suivi + rappels): 70,1% P2 contre P1: +33,8%*
Rappels sans rétroaction
Rétroaction sans rappels
Auteur, année
Conception de l'étude
Lieu de l'étude
Popula-tion Type de TSHM
Événements suivis
Suivi des déplacements
Rétroaction Rappels en TR
Résultats cliniques
Définition de l'observance
Résultats de l’étude
Armellino, 201232
Étude de séries temporelles interrompues
USI médicine
Tous les TS SSV DMBA + savon
Entrée/sortie chambre
Global, continue
Non ODS Proportion des entrées et sorties de chambre avec événement HM avant ou dans les 10 secondes de l’entrée ou sortie quand temps dans la chambre > 60 secondes
P1(suivi): 6.,5% P2(suivi + Rétroaction): 81,6% P3(suivi + Rétroaction): 87,9% P2 contre P1: +75,1%* P3 contre P1: +81,4%*
Armellino, 201333
Étude de séries temporelles interrompues
USI chirurgie
Tous les TS SSV DMBA + savon
Entrée/sortie chambre
Global, continue
Non ODS Comme ci-dessus
P1(suivi): 30,4% P2(suivi + Rétroaction): 82,3% P2 contre P1: +51,9%*
Marra, 201034
Essai contrôlé non réparti au hasard
Unité de soins courants (2)
Tous les TS et visiteurs
SSE ABHR Non suivi Global, 2/semaine
Non Fréquence de l’HM, taux d'infection nosocomiale
S.O. Contrôle (suivi): 110718 Intervention (suivi + rétroaction): 117579 Intervention contre contrôle : +6861
Rétroaction et rappels
Auteur, année
Conception de l'étude
Lieu de l'étude
Population Type de TSHM
Événements suivis
Suivi des déplacements
Rétroaction Rappels en TR
Résultats Cliniques
Définition de l'observance
Résultats de l’étude
Levchenko, 201335
Étude avant-après test
Soins chroniques
14 infirmières
SSE DMBA + savon
Entrée/sortie chambre
Individuel, 2/sem
Vibration ODS, taux d’événements HM
Proportion des entrées et sorties de chambre avec événement HM dans les 60 secondes de l’entrée ou les 20 secondes de la sortie («propre») ou dans les 20 secondes du rappel par vibreur («après le rappel»)
P1(suivi): 2,97 P2(suivi + rétroaction): 2,84 P3(suivi + rétroaction + rappels) : 6,61 P2 contre P1: -0,13 P3 contre P1: +3.64
Fisher, 201336
ÉCR 2 unités+ USI chirurgie
231 infirmières
SSE DMBA Zone entrée/sortie
Individuel, 1/sem
Vibration ODS Proportion de zones d’entrées et sorties avec événement HM dasn les y secondes de l’entrée ou les 60 secondes de la sortie
Intervention (suivi + rétroaction + rappels) contre contrôle (suivi): +6,8%*
• Aucune étude ne correspondait au principal objectif (observance constatée de visu)
• L’étude ayant le plus faible risque de biais ne démontre aucun effet clinique important d’un SLTR
• Les SSV semblent prometteurs, mais les études présentent un certain risque de biais
• Les preuves sont insuffisantes pour recommander d’adopter une TSHM comme stratégie d’amélioration
• Les essais futurs doivent être mieux conçus, comprendre des groupes témoins et des mesures de l’HM indépendantes du système
Résumé des résultats
Implications
• La Colombie-Britannique, l’Ontario et d’autres provinces ont rendu publique la déclaration des taux d’observance de l’HM en milieu hospitalier
• Cela peut augmenter les risques de jeu et de biais37
• Amélioration basée sur les indicateurs contre amélioration basée sur les preuves
Déclarations publiques
37Muller et coll., 2011.
• Moyenne provinciale en CB (EF 2013-14) – 72 % au moment 1 et 81 % au moment 438
• Moyenne provinciale en Ontario (EF 2013-14) – 86 % au moment 1 et 91% au moment 439
• Selon un examen systématique : le taux médian d’observance de l’HM est de 40 %40
• Malgré l’importante augmentation de l’observance depuis le début des déclarations publiques en Ontario, aucun changement n’est observé quant aux taux d’IASS41
Taux déclarés
38PICNet, 2015. 39Health Quality Ontario, 2015. 40Erasmus et coll., 2010. 41Didiodato, 2013.
• Les taux d’observance réels de l’HM par les TS ne sont pas aussi élevés que ceux déclarés – Jusqu’à 3x moins élevés
• Solutions possibles – Cesser les déclarations publiques – Changer la méthode d’observation (passer
de la méthode d’observation directe à une autre méthode pour mesurer l’observance de l’HM)
Réalité
Observation directe TSHM
Sujette aux biais de l’observateur et de sélection Risque de biais moins probable
Effet Hawthorne Possiblement moins sujettes à l’effet Hawthorne
Fiabilité des résultats de tous les vérificateurs pas nécessairement au rendez-vous
Collecte de données de manière semblable et basée sur un algorithme
Peu d’observations, habituellement pendant les périodes de pointe des soins aux patients
Évaluation constante et en temps réel de tous les comportements liés à l’HM
Mesure des 4 moments de l’HM Utilisent souvent les entrées/sorties de chambre comme dénominateur
Capacité d’évaluer la technique La plupart de ces systèmes ne peuvent évaluer la technique
Capacité de fournir une rétroaction/éducation aux TS
Rétroaction parfois possible, mais pas toujours
Générelement bien acceptée par les TS Peuvent être moins acceptablex aux yeux des TS
Demande beaucoup de personnel Peuvent être dispendieuses à installer et entretenir
Comparaison possible entre les établissements Impossible de comparer les taux d’observance entre des systèmes
Comparaison des méthodes
• Les TSHM ont des avantages, mais ne sont pas une panacée – Les établissements doivent en évaluer les coûts et les
bénéfices dans leur contexte particulier – Idéalement, une TSHM doit être installée dans un but
d’évaluation ou de recherche • Des efforts continus sont requis pour réellement améliorer
l’observance de l’HM et réduire les IASS – Mettre l’accent sur les changements de comportements
individuels et les changements dans la culture de l’établissement
– Responsabilisation de la première ligne (RPL)
Conclusions
Remerciements
Coauteurs Hawthorne : Dr Michael Gardam Dr G. Ross Baker Dr Colin Furness
Coauteurs de l’examen
systématique : Dr Matthew Muller Dr Michael Gardam Dr Geoff Fernie David Lightfoot Dr Gerald Lebovic
Personnel de recherche : Mary Jane Salpeter Nijusha Barmala Timur Sharaftinov Conseillers MSc : Dr Geoff Anderson Dr Whitney Berta Dr Monique Herbert Dr Laura Rosella Dr Gerald Evans
Questions?
1. World Alliance for Patient Safety. WHO guidelines on hand hygiene in health care (May 2009). Geneva, Switzerland: World Health Organization, 2009; [cited May 27, 2013]. Available from: http://whqlibdoc.who.int/publications/2009/9789241597906_eng.pdf.
2. Boyce JM. Measuring healthcare worker hand hygiene activity: current practices and emerging technologies. Infect Control Hosp Epidemiol 2011;32(10):1016-28.
3. Haas JP, Larson EL. Measurement of compliance with hand hygiene. J Hosp Infect 2007;66(1):6-14. 4. Dhar S, Tansek R, Toftey EA, et al. Research brief: observer bias in hand hygiene compliance reporting. Infect
Control Hosp Epidemiol 2010;31(8):869-70. 5. Mayo E. The human problems of an industrial civilization. New York: MacMillan, 1933. 6. Roethlisberger FJ, Dickson WJ. Management and the worker. Cambridge, Mass.: Harvard University Press, 1939. 7. Adair JG. The Hawthorne effect: a reconsideration of the methodological artifact. J Appl Psychol 1984;69(2):334-45. 8. Jones SRG. Was there a Hawthorne effect? Am J Sociol 1992;98(3):451-68. 9. Pedersen DM, Keithly S, Brady K. Effects of an observer on conformity to handwashing norm. Percept Motor
Skill 1986;62:169-70. 10. Munger K, Harris SJ. Effect of an observer on handwashing in a public restroom. Percept Motor Skill 1989;69:733-4. 11. Edwards D, Monk-Turner E, Poorman S, Rushing M, Warren S, Willie J. Predictors of hand-washing behavior. Soc
Behav Personal 2002;30(8):751-6. 12. Drankiewicz D, Dundes L. Handwashing among female college students. Am J Infect Control 2003;31:67-71. 13. Nalbone DP, Lee KP, Suroviak AR, Lannon JM. The effects of social norms on male hygiene. Individual Differences
Res 2005;3(3):171-6. 14. Monk-Turner E, Edwards D, Broadstone J, Hummel R, Lewis S, Wilson D. Another look at hand-washing behavior.
Soc Behav Personal 2005;33(7):629-34.
Références
15. Erdozain G, KuKanich K, Chapman B, Powell D. Observation of public health risk behaviours, risk communication and hand hygiene at Kansas and Missouri petting zoos – 2010-2011. Zoonoses Public Hlth 2013; 60:304-10.
16. Ram PK, Halder AK, Granger SP, Jones T, Hall P, Hitchcock D, et coll. Is structured observation a valid technique to measure handwashing behavior? Use of acceleration sensors embedded in soap to assess reactivity to structured observation. Am J Trop Med Hyg 2010;83(5):1070-6.
17. Pittet D, Simon A, Hugonnet S, Pessoa-Silva CL, Sauvan V, Perneger TV. Hand hygiene among physicians: performance, beliefs, and perceptions. Ann Intern Med 2004;141:1-8.
18. Chen LF, Carriker C, Staheli R, Isaacs P, Elliott B, Miller BA, et coll. Observing and improving hand hygiene compliance: implementation and refinement of an electronic-assisted direct-observer hand hygiene audit program. Infect Control Hosp Epidemiol 2013;34(2):207-10.
19. Bittner MJ, Rich EC, Turner PD, Arnold WH. Limited impact of sustained simple feedback based on soap and paper towel consumption on the frequency of hand washing in an adult intensive care unit. Infect Control Hosp Epidemiol 2002;23:120-6.
20. Tibballs J. Teaching hospital medical staff to handwash. Med J Aust 1996;164:395-8. 21. Eckmanns T, Bessert J, Behnke M, Gastmeier G, Rüden H. Compliance with antiseptic hand rub use in intensive care
units: the Hawthorne effect. Infect Control Hosp Epidemiol 2006;27:931-4. 22. Maury E, Moussa N, Lakermi C, Barbut F, Offenstadt G. Compliance of health care workers to hand hygiene:
awareness of being observed is important. Intens Care Med 2006;32:2088-9. 23. Kohli E, Ptak J, Smith R, Taylor E, Talbot EA, Kirkland KB. Variability in the Hawthorne Effect with regard to hand
hygiene performance in high- and low-performing inpatient care units. Infect Control Hosp Epidemiol 2009;30:222-5. 24. Pan SC, Tien KL, Hung IC, Lin YJ, Sheng WH, Wang MJ, et coll. Compliance of health care workers with hand
hygiene practices: independent advantages of overt and covert observers. PLoS ONE 2013;8(1):e53746. 25. Cheng VC, Tai JW, Ho SK, et al. Introduction of an electronic monitoring system for monitoring compliance with
Moments 1 and 4 of the WHO "My 5 Moments for Hand Hygiene" methodology. BMC Infect Dis 2011;11:151.
Références
26. Moher D, Liberati A, Tetzlaff J, Altman DG, PRISMA Group. Preferred reporting items for systematic reviews and meta-analyses: the PRISMA statement. PLoS Med 2009;6:e1000097.
27. Higgins JP, Altman DG, Gotzsche PC, et al. The Cochrane Collaboration's tool for assessing risk of bias in randomised trials. BMJ 2011;343:d5928.
28. Harris AD, Bradham DD, Baumgarten M, Zuckerman IH, Fink JC, Perencevich EN. The use and interpretation of quasi-experimental studies in infectious diseases. Clin Infect Dis 2004;38:1586-91.
29. Schweizer ML, Reisinger HS, Ohl M, et al. Searching for an optimal hand hygiene bundle: a meta-analysis. Clin Infect Dis 2014;58:248-59.
30. Swoboda SM, Earsing K, Strauss K, Lane S, Lipsett PA. Electronic monitoring and voice prompts improve hand hygiene and decrease nosocomial infections in an intermediate care unit. Crit Care Med 2004;32:358-63.
31. Venkatesh AK, Lankford MG, Rooney DM, Blachford T, Watts CM, Noskin GA. Use of electronic alerts to enhance hand hygiene compliance and decrease transmission of vancomycin-resistant Enterococcus in a hematology unit. Am J Infect Control 2008;36:199-205.
32. Armellino D, Hussain E, Schilling ME, et coll. Using high-technology to enforce low-technology safety measures: the use of third-party remote video auditing and real-time feedback in healthcare. Clin Infect Dis 2012;54:1-7.
33. Armellino D, Trivedi M, Law I, et al. Replicating changes in hand hygiene in a surgical intensive care unit with remote video auditing and feedback. Am J Infect Control 2013;41:925-7.
34. Marra AR, D'Arco C, Bravim BA, et coll. Controlled trial measuring the effect of a feedback intervention on hand hygiene compliance in a step-down unit. Infect Cont Hosp Epidemiol 2008;29:730-5.
35. Levchenko AI, Boscart VM, Fernie GR. The effect of automated monitoring and real-time prompting on nurses' hand hygiene performance. Comput Inform Nurs 2013;31:498-504.
Références
36. Fisher DA, Seetoh T, Oh May-Lin H, et coll. Automated measures of hand hygiene compliance among healthcare workers using ultrasound: validation and a randomized controlled trial. Infect Control Hosp Epidemiol 2013;34:919-28.
37. Muller M, Detsky A. Public reporting of hospital hand hygiene compliance—helpful or harmful? J American Med Assoc 2011;304:1116-7.
38. Provincial Infection Control Network of British Columbia (PICNet). Hand cleaning compliance in BC acute care facilities: fiscal year 2013/2014. Vancouver, BC: Provincial Infection Control Network of British Columbia (PICNet), June 2014; [cited 2015-04-07]. Available from: https://www.picnet.ca/wp-content/uploads/PICNet-HCC-Annual-Report-2013_2014.pdf
39. Health Quality Ontario [homepage on the Internet]. Toronto, ON: Queen's Printer for Ontario, 2015; [cited 2015-04-07]. Public Reporting; [background screen]. Available from: http://www.hqontario.ca/public-reporting/patient-safety.
40. Erasmus V, Daha TJ, Brug H, et coll. Systematic review of studies on compliance with hand hygiene guidelines in hospital care. Infect Control Hosp Epidemiol 2010;31(3):283-94.
41. DiDiodato G. Has improved hand hygiene compliance reduced the risk of hospital-acquired infections among hospitalized patients in Ontario? Analysis of publicly reported patient safety data from 2008 to 2011. Infect Control Hosp Epidemiol 2013;34:605-10
Références