数据湖的丰富以支持人口健康结果使用社会决定因素的研究 相关的EHR数据
Md Kamruz Zaman Rana1, Xing Song1,2, Humayera Islam1,2
1Department of Health Management and Informatics, University of Missouri, Columbia, Missouri.
这项研究引入了一个安全的框架,将非识别的电子健康记录与健康数据的社会决定因素联系起来. 它使人口健康研究能够强大,同时保护隐私并减少安全风险.
科学领域:
- 医疗信息学 医疗信息学
- 人口健康研究 人口健康研究
- 数据安全 数据安全
背景情况:
- 整合电子健康记录 (EHR) 与健康的社会决定因素 (SDoH) 对于人口健康研究至关重要.
- 为此集成收集可识别信息带来了重大安全风险.
- 现有的方法往往难以平衡数据实用性与隐私保护.
研究的目的:
- 提出一个新的框架,以安全地整合非识别的临床数据与隐私保护的地理编码的SDoH数据.
- 为传输数据开发和评估重新识别风险检测算法.
- 为了证明框架在人口健康结果研究中的实用性.
主要方法:
- 在数据湖中开发了一个框架,以促进与隐私保护的地理编码SDoH数据相关的非识别的EHR数据.
- 实施了重新识别风险检测算法,以评估数据传输风险.
- 进行了一项人口健康结果研究,研究了社会经济地位和慢性疾病之间的联系.
主要成果:
- 该框架成功地将非识别的临床数据与SDoH数据集成在一起,同时保持隐私.
- 重新识别风险算法提供了对数据传输安全性的评估.
- 该研究表明,社会经济地位与患慢性病的风险之间存在相关性,展示了该框架的实用性.
结论:
- 拟议的框架有效地减少了研究人员的计算和管理负担以及安全风险.
- 它可以对与SDoH相关的临床数据进行快速,可靠的研究,支持基于证据的干预措施.
- 这种方法对于理解复杂的SDoH-健康结果关系至关重要,同时保持数据隐私.
更多相关视频
11:21Methodology for Establishing a Community-Wide Life Laboratory for Capturing Unobtrusive and Continuous Remote Activity and Health Data
Published on: July 27, 2018
07:31Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack
Published on: May 15, 2020
相关概念视频
Analysis of Population Pharmacokinetic Data
Steps in Outbreak Investigation
Longitudinal Studies
Statistical Software for Data Analysis and Clinical Trials
Data Collection by Observations
An astronomer viewing the motion and brightness of stars in the sky and recording the data is an example of observational data collection. A botanist recording...
Documentation in Long-Term and Home Healthcare Setting
Long-Term Care Facilities
