HIPAA Safe Harbor de-identifikacija u velikom opsegu: vodic za zdravstvene istrazivace
Akademski medicinski centar treba ocistiti 200.000 otpusnih zapisa. Cilj: izgraditi model predvidanja ponovnog prijema. Postojeci alat kosta 120.000 dolara godisnje. Budzet granta za rad s podacima: 5.000 dolara.
Ovaj jaz je uobicajen. Zdravstveno istrazivanje treba velike skupove podataka. Ti skupovi podataka drze zasticene zdravstvene informacije (PHI). PHI ukljucuje imena, datume, adrese i druge osobne podatke. Uklanjanje PHI-a istrazivacima dopusta zakonitu upotrebu podataka. Ali alati su cjenovno dostupni bolnickim sustavima, ne istrazivackim grantovima.
HIPAA Safe Harbor: 18 identifikatora
HIPAA-ova metoda Safe Harbor (45 CFR 164.514(b)) navodi 18 vrsta PHI-a. Sve moraju biti uklonjene prije nego zdravstveni podaci izgube status "zasticenih". Nakon uklanjanja, istrazivanje moze nastaviti bez pristanka pacijenta.
Evo svih 18 vrsta:
- Imena
- Geografski podaci manji od drzave (postanski brojevi trebaju skracivanje na 3 znamenke za malu populaciju)
- Svi datumi osim godine - primanje, otpust, rodjenje, smrt i drugi datumi
- Brojevi telefona
- Brojevi faksa
- Email adrese
- Brojevi socijalnog osiguranja
- Brojevi medicinske evidencije
- Brojevi korisnika zdravstvenog plana
- Brojevi racuna
- Brojevi certifikata i licenci
- Identifikatori vozila i serijski brojevi
- Identifikatori uredaja i serijski brojevi
- Web URL-ovi
- IP adrese
- Biometrijski identifikatori (otisci prstiju, glasovni otisci)
- Fotografije punog lica i slicne slike
- Svaki drugi jedinstveni identifikacijski broj ili kod
Prvih pet pojavljuje se u gotovo svakom otpusnom zapisu. Svi moraju biti uklonjeni ili promijenjeni.
Datumi trebaju posebnu paznju. Svaki pacijentov datum mora zadrzati godinu ali izgubiti specifican dan i miesec. "15. ozujka 2023." postaje "2023." Mozete zadrzati trajanje kao polje - ali tek nakon sto su izvorni datumi uklonjeni.
Problem opsega
Korisni zdravstveni skupovi podataka su veliki:
- Predvidanje ponovnog prijema: 50.000-500.000 susreta
- Rad na ishodima lijecenja: 10.000-100.000 pacijenata po stanju
- Ucinkovitost lijekova: 5.000-50.000 zapisa
- Zdravlje populacije: 100.000+ susreta
Rucni pregled u ovom opsegu ne funkcionira. Pregled od 5 minuta po zapisu traje 250-2.500 radnih dana za 100.000 zapisa. Stope ljudske greske iznose 1-5%. Cak i mala stopa propusta stvara HIPAA rizik. Dva recenzenta koji razlicito tretiraju datume mogu narusiti status Safe Harbor-a. To je laka greska napraviti na velikom skupu podataka.
Automatizirana obrada je jedina stvarna opcija. Mora uhvatiti svih 18 vrsta kroz razlicite formate pronadjene u klinickim biljeskama.
Jaz u cijenama alata
Enterprise alati ciljaju bolnicke sustave:
- Datavant: 100.000+ dolara/godisnje
- Veradigm (Allscripts): slicne cijene
- Clinithink CLiX: samo kontakt prodaje
- Syntegra (sinteticki podaci): enterprise cijene
Ovi dobavljaci prodaju velikim organizacijama s pravnim i timovima za uskladenost. Istrazivacki grantovi nisu njihovo trziste.
Besplatni i open-source alati postoje ali zahtijevaju strucnost:
- MITRE MIST: besplatan, ali treba opsezno postavljanje i ima ogranicenu jezicnu podrsku
- Stanford NLP DEID: istrazivacke razine, treba Java i programerske vjestine
- i2b2 NLP alati: klinicka NLP, potrebno postavljanje
Vecina istrazivaca treba pouzdano uklanjanje PHI-a s jednostavnim postavljanjem. Open-source alati trebaju vjestime kodiranja i lingvistiku za pokretanje. Takodjer zahtijevaju validacijski rad. Enterprise alati kostaju vise nego sto vecina grantova dopusta. Jaz je stvaran i blokira istrazivanje.
Petostupanjski batch proces
Za 200.000 otpusnih zapisa, sekvencijalni batch pristup dobro funkcionira.
Korak 1: Izvoz iz EHR-a. Izvucite strukturirana i nestrukturirana polja kao tekst ili PDF datoteke po susretu. Epic, Cerner i Meditech svi to podrzavaju. Izvoze CSV ili HL7 datoteke s ukljucenim poljima klinickih biljeska.
Korak 2: Pokrenite batcheve od 5.000. Batchevi ove velicine su brzi i dovoljno mali za pregled u svakoj fazi.
Postavite vrste entiteta za Safe Harbor:
- PERSON (imena pacijenata, clanovi obitelji u biljeskama)
- US_SSN
- US_MEDICAL_RECORD_NUMBER
- PHONE_NUMBER
- EMAIL_ADDRESS
- URL
- IP_ADDRESS
- LOCATION (adrese, postanski brojevi, gradovi - sve ispod razine drzave)
- DATE (svi klinicki datumi; pacijenti stariji od 89 postaju "> 89")
- HEALTHCARE_ID (brojevi osiguranja, brojevi korisnika)
- ACCOUNT_NUMBER
Za vise o batch PHI obradi za klinicke biljeske, pogledajte batch obrada klinickih biljeska s lokalnim HIPAA alatima. Taj vodic pokriva formate datoteka i podeSavanje entiteta.
Korak 3: Rukujte datumima kao zasebnim korakom. Zadrzite godinu. Uklonite miesec i dan. Zamijenite svaku dob iznad 89 s "> 89". Rijetki parovi dob-bolest mogu re-identificirati pacijente. Najprije izracunajte polja trajanja - duljina boravka, dani do ponovnog prijema. Zatim izbrisite izvorene datume.
Korak 4: Uzorkujte i pregledajte svaki batch. Nakon svakog batcha od 5.000 zapisa, izvucite 50 zapisa za ljudski pregled. Provjerite svih 18 vrsta. Potrazite kontekstualne stavke poput imena istrazivaca u biljeskama ili detalja upucujuceg lijecnika. Potvrdite da rukovanje datumima odgovara pravilima Safe Harbor-a. Ispravite sve praznine prije nastavka.
Korak 5: Dokumentirajte i certificirajte. HIPAA zahtijeva da netko sa statistickim znanjem potvrdi da je rizik ponovne identifikacije vrlo malen. Za Safe Harbor, tim koji vrsi uklanjanje donosi tu odluku. Napisite vasu konfiguraciju entiteta i rezultate uzorkovanja. Cuvajte ih za IRB evidencije.
Trebate revizijski trag za svako uklanjanje? Objasnjiva redakcija s HIPAA revizijskim tragom pokriva logiranje u detalje.
Usporedba troskova
Enterprise alat: 120.000 dolara/godisnje. Pokriva postavljanje, obuku, neogranicenu obradu i podrsku za uskladenost.
Batch obrada:
- 200.000 zapisa x prosjek 300 rijeci = 60.000.000 tokena
- Po 0,0001 EUR/token: 6.000 EUR u obradi
- Pro plan (180 EUR/godisnje) ili Business plan (348 EUR/godisnje) za projekt
- Istrazivacki pregled: 20-40 sati
- Ukupno: priblizno 7.000-8.000 EUR
Ustede u odnosu na enterprise alat: 111.000-113.000 dolara. Istrazivanje koje je zastalo na 120.000 dolara postaje izvedivo na 7.000 dolara.
Kljucna ogranicenja
Samo tekst. Ovaj pristup rukuje tekstualnim PHI-jem. Slike, zvuk i biometrijski podaci (Safe Harbor kategorije 13, 16 i 17) trebaju druge alate.
Validacija je obavezna. Automatizirani alati propustaju neke stavke. Stopa propusta od 0,1% na 200.000 zapisa ostavlja 200 zapisa sa zivim PHI-jem. To je stvarni HIPAA rizik. Ne preskacite validaciju.
Provjerite s vasim uredom za privatnost. IRB odobrenje za studiju ne pokriva metodu obrade. Vecina centara zasebno pregledava pristupe uklanjanja PHI-a. Ovaj vodic dopunjava taj pregled - ne zamjenjuje ga.
Strucna procjena je opcija. HIPAA takodjer dopusta obradu putem "Strucne procjene" (45 CFR 164.514(b)(1)). Statisticki strucnjak certificira da je rizik ponovne identifikacije vrlo malen. Ovaj put odgovara neobicnim skupovima podataka. Dobro funkcionira kad bi uklanjanje svih datuma narusilo vremensku analizu serija.
Za usporedbu automatiziranih PHI alata jedan uz drugog, pogledajte usporedbu tocnosti detekcije PHI-a.
Zakljucak
Zdravstveno istrazivanje koje bi moglo pomoci pacijentima zaglavilo je iza troskova uklanjanja PHI-a. Rucni pregled se ne skalira. Enterprise alati kostaju vise nego sto vecina grantova dopusta. Skupovi podataka ostaju zakljucani ili nepravilno ocisceni.
Batch obrada temeljena na tokenima cini istrazivanje velikog opsega izvedivim. Akademski centri i neovisni istrazivaci dobivaju istu tocnost kao i veliki bolnicki sustavi. Na standardnom budzetu granta.