手卫生是降低医院感染最有效的预防措施，但多数情况下医务人员的手卫生依从性都不甚理想^[1-2]。为提高医务人员手卫生依从性，已有许多干预措施被提出和研究。在评价这些干预措施的效果时，通常采用的统计方法是对干预实施前后的手卫生依从率差异进行卡方检验或Z检验(正态近似法)^[3-5]，这一做法实际仅是对干预措施实施前后手卫生依从率水平变化的评价，忽略了对其趋势变化(远期效果)的分析，未能充分利用手卫生监测数据所具备的时间序列特征。中断时间序列(interrupted time-series, ITS)分析是收集干预措施实施前后的多个时点数据，在控制结局变量干预前后的变化趋势后，使用统计学模型评价干预措施的效果，该方法可同步分析干预实施前后结局变量的水平变化和趋势变化^[6-7]，适用于手卫生依从率等按固定期限采集、具备时间序列特征的各类监测数据。国内已有研究^[8-10]将ITS分析用于卫生领域的政策实施效果评价，但尚未有研究将其引入用于手卫生依从性干预措施的效果评价。

医院评审是指医院按照《医院评审暂行办法》^[11]要求，根据医疗机构基本标准和医院评审标准，开展自我评价，持续改进医院工作，并接受卫生行政部门对其规划级别的功能任务完成情况进行评价，以确定医院等级的过程。我国医院等级评审的主体是卫生行政部门，评审目的是检查医院是否具备其对应等级的医疗服务能力和医疗安全质量。某院自2021年第4季度启动三级医院等级评审迎检筹备工作，至2022年第2季度顺利通过评审，期间实施了包含培训、调查、竞赛等多种形式的综合干预措施，以提高医务人员手卫生依从性。

本研究利用该院监测的手卫生依从率数据，应用ITS模型分析医院等级评审前后医务人员手卫生依从率的变化情况，以评估等级评审迎检筹备期间实施的综合干预措施对医务人员手卫生依从性的影响效果，同时探讨ITS应用于手卫生依从率数据分析的可行性。

1 对象与方法 1.1 研究对象

选取某三级医院全部临床和医技科室的工作人员，包括医生、护士、技师、健康促进员、保洁员、实习生等。

1.2 研究方法

本研究应用ITS模型，分析比较医院等级评审前后医务人员手卫生依从率的变化情况，评价医院等级评审筹备期间(2021年第4季度—2022年第3季度)所实施的手卫生综合性干预措施的效果。手卫生依从率监测采用《医务人员手卫生规范》^[12]中的直接观察法。由受过统一培训的调查员进行观察，在日常医务工作中，不告知观察对象的情况下，随机选择观察对象，观察并记录工作人员的手卫生时机及执行情况。调查员由医院感染管理科专职人员和临床医技科室的感染监控护士组成，经过专门培训后参与调查工作。调查覆盖全院所有临床和医技科室，结果按季度进行汇总分析。

1.3 干预措施

为提高医务人员手卫生依从率，顺利迎接三级医院等级评审，该院在等级评审筹备期间实施了以下综合干预措施：(1)增加医院感染管理培训频次，分级分类开展手卫生知识培训，覆盖全体工作人员，重点关注保洁、运送等感染防控意识薄弱群体。(2)开展手卫生调查，按月将调查结果反馈到相应科室，每季度将各科室手卫生依从率在《医疗质量简报》和《医院感染管理工作简报》中公布。(3)手卫生调查结果纳入季度医疗质量考核，对依从率不达标的科室进行扣分，质量考核结果与科室绩效挂钩。(4)手卫生调查期间同步检查科室的手卫生设施情况，发现问题即现场反馈到科室，督促科室及时完善。(5)要求科室开展手卫生自查，每月观察不少于30次时机数，发现问题及时改进。(6)针对保洁、运送等手卫生依从性较差的群体，举办手卫生知识和操作竞赛，竞赛成绩靠前者给予现金奖励，调动其学习手卫生知识的积极性。

1.4 模型构建^[7]

中断线性回归模型的应用条件包括：(1)结果变量在干预前后随时间呈现线性趋势；(2)结果变量序列不存在自相关。用采Durbin-Watson(DW)法检验序列的1阶自相关情况，DW值为0~4。若DW值接近2，提示序列数据无自相关，采用最小二乘估计拟合线性回归模型。若序列数据存在1阶自相关，则采用广义最小二乘估计(Prais-Winsten)法进行模型拟合。

以监测期间(2020年第1季度—2023年第2季度)每季度的手卫生依从率为因变量(Y)，以医院等级评审筹备启动时间(2021年第4季度)作为干预分界点，自变量包括：X₁，指示时间，取值依次为0~13；X₂，指示干预，干预前(2021年第3季度及之前)取值为0，干预后(2021年第4季度及之后)取值为1；X₃，指示斜率，干预前取值为0，干预后依次取值为0~6。见表 1。

采用最小二乘估计拟合线性回归模型，最终拟合的ITS模型为：

$ Y=\beta_0+\beta_1 X_1+\beta_2 X_2+\beta_3 X_3+\varepsilon $

其中，β₀为截距；β₁为干预前的斜率，反映干预实施前医务人员手卫生依从率每季度的平均变化趋势；β₂为即刻水平改变量，反映干预实施前后手卫生依从率的即刻水平变化幅度；β₃为斜率改变量或趋势改变量，反映干预实施前后手卫生依从率的趋势变化，指示干预的长期效果；(β₁+β₃)为干预后的斜率，反映干预实施后手卫生依从率每季度的平均变化趋势；ε为误差。

1.5 统计分析

应用Excel表格建立数据库，应用R 4.2.2软件进行统计分析与绘图。ITS建模分析中，采用决定系数R²和调整R²评价模型的拟合效果，回归系数(β₀~β₃)的假设检验采用双侧t检验，检验水准α=0.05。

2 结果 2.1 基本情况

监测期间累计观察医务人员手卫生时机数8 728次，干预前观察4 905次，执行手卫生3 315次，手卫生依从率为67.58%；干预后观察3 823次，执行手卫生3 113次，手卫生依从率为81.43%。干预实施后，医务人员手卫生依从率较干预前升高13.85%。监测期间每季度和不同岗位工作人员的手卫生依从率见表 2。

2.2 手卫生依从率变化情况 2.2.1 总体医务人员手卫生依从率变化情况

总体医务人员手卫生依从率自相关分析DW值为2.04(P=0.364)，提示序列不存在自相关，采用最小二乘法进行模型拟合，最终构建的ITS模型方程为：

Y=67.5-0.023X₁+19.717X₂-1.995X₃+ε

模型拟合优度检验R²=0.873，调整R²=0.835，提示模型拟合效果良好。综合干预措施实施前，医务人员手卫生依从率线性变化斜率为-0.023，呈下降趋势，差异无统计学意义(t=-0.036，P=0.972)。干预实施后，医务人员手卫生依从率较干预前升高19.717，差异有统计学意义(t=5.473，P < 0.001)。斜率改变量为-1.995(t=-2.249，P=0.048)，干预实施后的斜率为-0.023-1.995=-2.018，提示干预实施后的医务人员手卫生依从率依然呈下降趋势，且下降的斜率增加。见表 3、图 1。

2.2.2 不同岗位工作人员手卫生依从率变化情况

不同岗位医务人员手卫生依从率自相关分析DW值均接近2，提示序列均不存在自相关，采用最小二乘法进行模型拟合，最终ITS模型构建结果见表 4，不同岗位医务人员手卫生依从率变化趋势见图 1。

3 讨论

医务人员手卫生依从性调查目前已成为各医院的医院感染管理部门常规开展的监测工作，积累了大量的监测数据，这些数据是了解医院工作人员手卫生依从率现状、评价手卫生干预措施效果的重要依据。手卫生依从性监测数据通常按照固定期限(月、季度或年)进行汇总，是典型的时间序列数据，但现有研究^[3-5]利用这些监测数据进行手卫生干预措施的效果评价时，通常采用的是传统的卡方检验或Z检验，未考虑到这些数据的时间序列特征。本研究引入中断时间序列分析模型，用于手卫生综合干预措施的效果评价，以丰富该研究领域的统计分析方法。

ITS分析结果显示，干预措施实施后，总体医务人员的手卫生依从率即刻升高19.717%，医生、护士、保洁员等不同岗位工作人员的手卫生依从率均有明显提升，以医生的绝对提升幅度最大(22.865%)。这些结果表明，该院等级评审迎检筹备期间采取的综合干预措施可以有效提高医务人员的手卫生依从率。

ITS分析结果亦显示，虽然干预后医务人员的总体手卫生依从率较干预前明显升高，但其斜率改变量为负值(-1.995)，干预后依从率的下降趋势进一步扩大，提示干预的长期效果不甚理想。究其原因，考虑与医院通过等级评审后，医务人员开始逐渐产生懈怠情绪有关。从图 1A中可看到，2021年第4季度至2022年第2季度，医务人员手卫生依从率呈上升趋势，但在2022年第2季度该院通过等级评审后，下一季度医务人员的手卫生依从率出现大幅度下降，并在随后的两个季度中逐渐降低。不同岗位工作人员手卫生依从率的ITS分析，也得到了类似的结果，其斜率改变量均为负值，其中护士群体的斜率改变量绝对值最小(-0.770)，保洁员群体的斜率改变量绝对值最大(-5.104)，提示综合措施对护士群体的长期干预效果最好，对保洁员群体的长期效果最差。

本研究存在一些局限性。首先，研究监测期间共包含14个数据点，与理想的40~50个数据点有一定差距^[7]。其次，每个监测周期(季度)内观察到的手卫生时机数量不稳定，最多的季度(1 230次)与最少的季度(392次)差距较大，且其中对于保洁员的观察次数相对较少。较少的监测数据点和观察样本数，会增加监测结果数据的波动性，一定程度上降低研究的统计效度，这可能也是ITS分析结果中多个回归系数的t检验结果无统计学差异的原因。

综上所述，医院等级评审期间实施的综合措施可有效提高医务人员的手卫生依从性，但其长期干预效果不甚理想；干预对不同岗位的工作人员均有效果，对医生群体的即刻提升效果最好，但对护士群体的长期干预效果最好。ITS模型可有效用于手卫生依从性监测数据的统计分析，但本研究的监测数据点和样本量较少，限制了研究的效果，后续的研究在采用ITS分析时，应考虑延长监测周期和增加样本量。

利益冲突：所有作者均声明不存在利益冲突。