Lünk, mille veeru kustutamine vahele jätab
Uuendatud 2026. aastaks
Uurimisandmekogumid liiguvad ülikoolide vahel CSV-failidena. Kui meeskonnad valmistavad CSV-i jagamiseks ette, on töö veerupõhine. Leidke isikuandmed. Kustutage või asendage need.
See meetod töötab fikseeritud väljade puhul. Veerg nimega "e-post" sisaldab e-posti aadresse - kustutage see. Veerg nimega "telefon" sisaldab telefoninumbreid - kustutage see. Veerg nimega "osaleja_nimi" sisaldab nimesid - vahetage see koodi vastu.
Kuid vabateksti vastuste veerud on pimeala. Märgistatud veergude eemaldamine ei puuduta neid.
Küsitlus 5000 reaga võib sisaldada viit struktureeritud isikuandmete veergu ja viisteist vabateksti vastuse veergu. Struktureeritud veerud sisaldavad nimesid, e-posti aadresse, telefoninumbreid, ID-sid ja sünniaastat. Vabateksti veerud sisaldavad kommentaare, märkusi ja ettepanekuid.
Struktureeritud veerud puhastatakse. Vabateksti veerud jäävad töötlemata. Kuid inimesed kirjutavad selliseid asju nagu need kolm näidet.
Esimene: "Minu arst Boston Medical Centeris, dr Maria Santos, ütles, et ravi oli uus." Teine: "Olen sellega tegelenud alates oma 2019. aasta õnnetusest." Kolmas: "Võite minu hooldajaga ühendust võtta aadressil margaret.wells@gmail.com lisateabe saamiseks."
Igaüks nimetab reaalset inimest. Mõned sisaldavad tervislikke fakte või kontaktandmeid. Ükski see ei ilmu veeru päises. Ükski ei tabata veeru kustutamisega.
Miks see ei vasta GDPR-i standardile
GDPR põhjendus 26 defineerib anonüümseid kirjeid kui kirjeid, mida ei saa ühegi isikuga seostada. Latt on kõrge. Kirjed on tõeliselt anonüümsed ainult siis, kui uuesti tuvastamine ei ole mõistlikult võimalik.
CSV puhaste fikseeritud veergudega, kuid nimetatud inimestega vabatekstis ei läbi seda testi. Need nimed on tuvastatavad. Andmekogum on endiselt isiklik. GDPR artikkel 89 reeglid kehtivad endiselt. Seega tekib kolm riski.
Artikkel 89 uurimisvabastus: Artikkel 89 lubab teadlastel töödelda isikuandmeid teaduse huvides vähemate kohustuste tekkimisega. Kuid ainult seal, kus "asjakohased kaitsemeetmed" eksisteerivad. Faili jagamine vabateksti isikuandmetega, nõudes samal ajal artikkel 89 kaitset, on juriidiline ebaõnnestumine.
Eetika heakskiit: Enamik IRB-sid ja eetikakomiteesid nõuavad jagatud andmekogumite täielikku anonümiseerimist. Osaline töö - fikseeritud veerud puhastatud, vabatekst töötlemata - ei läbi tavaliselt. Komitee võib esituse tagasi lükata.
Andmete jagamise kokkulepped: DSA-d institutsioonide vahel määravad nõutava anonümiseerimise taseme. Osaline töö, mis ei vasta GDPR põhjendus 26-le, võib rikkuda DSA-d. Vaadake meie Juriidilise nõuetele vastavuse ülevaade selle kohta, kuidas see sobib laiemasse programmi.
Miks vabateksti on nii raske puhastada
Vabateksti küsitluse vastused on ühed raskeimad isikuandmete sihtmärgid. Siin on põhjused.
Nimed kontekstis: "Dr. Maria Santos Boston Medical Centeris" nõuab isiku ja organisatsiooni märgistamiseks nimetatud olemite tuvastamist (NER). Märksõnade nimekirjad ei suuda seda leida.
Nimed lugudes: "John Hendersoni auto lõi minu oma" paneb loo sisse reaalse nime. See on möödaminnes nimetatud inimene. Ainult NER tabab seda.
Ebastandardsed vormingud: Kontaktteave võib kõlada nii: "võtke minuga ühendust margaret dot wells at gmail." Lihtsad regex-tööriistad jätavad need vahele.
Uurimispõhised terminid: Kliinilised küsitlused sisaldavad sageli haigla ID-sid, koodi nimesid ja kohanid. Need võivad tuvastada inimese isegi siis, kui need näevad välja üldised.
Seega ei piisa ainult mustrite sobitamisest. Tegelikuks küsitluse anonümiseerimiseks on vaja NLP-põhiseid tööriistu. Vaadake Turvalisus ja nõuetele vastavus tehniliste võimaluste jaoks.
Reaalne näide kolmest ülikoolist
Uurimismeeskond kolmes Euroopa ülikoolis viis läbi patsiendikogemuse küsitluse. Andmekogum sisaldas 5000 vastajat, 3 fikseeritud isikuandmete veergu ja 8 vabateksti veergu. Plaan oli jagada faili saitide vahel DSA ja GDPR artikkel 89 alusel.
Ainult veeru kustutamisega:
- Fikseeritud isikuandmete veerud: eemaldatud
- Vabateksti veerud: jäetud töötlemata
- Väide: "Isikuandmete veerud kustutatud"
- Jäänud isikuandmed: 47 nimetatud inimest, 23 e-posti aadressi kommentaarides, 18 kohanit, mis võivad vastajaid tuvastada
NLP-põhise tuvastusega:
- Fikseeritud isikuandmete veerud: asendatud järjepidevate märkidega
- Vabateksti veerud: 47 nime asendatud, 23 e-posti maskeeritud, 18 kohanit tehtud üldiseks ("Boston Medical Center" - "[Tervishoiuasutus]")
- Tulemus: fail, mis vastab GDPR põhjendus 26-le
- Eetikakomitee kiitis meetodi heaks
- DPO kinnitas DSA vastavuse
Lõhe on reaalne. Esimene väljund näeb puhas välja. Teine väljund on puhas.
Viie sammu eel-jagamise protokoll
Kasutage neid samme enne iga küsitluse- või intervjuufaili jagamist.
Samm 1: Märgistage iga veerg Märkige iga veerg fikseeritud isikuandmete, fikseeritud mitte-isikuandmete või vabatekstina. Kirjutage see üles.
Samm 2: Käsitlege fikseeritud isikuandmeid Kustutage analüüsiks mittevajalikud kirjed. Asendage kirjete sidumiseks vajalikud kirjed. Registreerige kasutatud koodid.
Samm 3: Skaneerige vabateksti veerud Käivitage NLP-tuvastus kõigil vabateksti veergudel. Vaadake iga tulemust üle. Kinnitage, millised on reaalsed isikuandmed.
Samm 4: Rakendage asendused
Asendage kinnitatud isikuandmed vabateksti väljundis. Kasutage selgeid märgendeid nagu [ISIK], [E-POST] või [ASUKOHT].
Samm 5: Kontrollige ja dokumenteerige Võtke väljundist 50-100 rea näidis. Kontrollige vabateksti kirjeid käsitsi. Kirjutage lühike kokkuvõte: kasutatud tööriistad, leitud olemitüübid, töödeldud veerud. Jagage see failiga koos eetika ülevaatuseks.
See muudab "kustutasime nimeveeru" selgeks, dokumenteeritud protsessiks. See vastab GDPR artiklile 89 ja enamiku eetikakomiteede nõutavatele anonümiseerimise standarditele. Külastage meie dokumentide keskust seotud juhendite jaoks.
Allikad
- GDPR artikkel 89: Teadusuuringute kaitsemeetmed - VERIFIED-EXTERNAL
- GDPR põhjendus 26: Anonümiseerimise põhimõte - VERIFIED-EXTERNAL
- ICO: Anonümiseerimine ja andmekaitserisk - VERIFIED-EXTERNAL