Anonimizar historias obstétricas y perinatales para investigación en salud materno-infantil – Anonimización conforme al RGPD según Ley 41/2002 arts. 14, 15, 17; RGPD art. 9; RGPD art. 5; Ley 14/2007 art. 5

La historia obstétrica contiene datos de salud reproductiva, antecedentes ginecológicos, evolución del embarazo y datos del recién nacido, todos de categoría especial conforme al RGPD art. 9 y tutelados por la Ley 41/2002. anonym.legal anonimiza estos registros para estudios de salud materno-infantil, indicadores de calidad obstétrica y vigilancia epidemiológica perinatal.

Cuándo se aplica

Aplica cuando servicios de obstetricia y ginecología, registros de actividad perinatal o grupos de investigación en salud reproductiva necesitan analizar datos de partos, complicaciones obstétricas y resultados neonatales sin identificar a las pacientes ni a los recién nacidos.

  1. Sube las historias obstétricas en PDF, DOCX o exportación estructurada del sistema de maternidad.
  2. El motor detecta datos identificativos de la madre (nombre, DNI, NHC, dirección, fecha de nacimiento) y del recién nacido (nombre, fecha y hora de nacimiento, datos del padre si constan).
  3. Los datos clínicos obstétricos (semanas de gestación, tipo de parto, complicaciones, medicación, Apgar) se conservan como datos científicos estructurales.
  4. Las referencias a circunstancias personales o familiares identificativas mencionadas en la historia se detectan en texto libre y se suprimen.
  5. Las fechas de ingreso, parto y alta se desplazan de forma aleatoria y consistente.
  6. Se aplica k-anonimato sobre sexo del recién nacido, edad materna quinquenal, tipo de parto y código postal.
  7. La historia anonimizada se exporta en el formato original para análisis o integración en registros perinatales de investigación.

Qué proporciona usted

  • Historias obstétricas en PDF, DOCX o exportación del sistema de maternidad
  • Variables para análisis de indicadores perinatales (tipo de parto, complicaciones, resultado neonatal)
  • Configuración de generalización de fechas y edades
  • Protocolo de investigación aprobado por comité de ética

Limitaciones y precauciones

  • Los datos de salud reproductiva son especialmente sensibles desde el punto de vista social y legal; el riesgo residual de reidentificación debe evaluarse con especial cuidado en centros pequeños con bajo volumen de partos.
  • Los datos del recién nacido son datos de un menor; su tratamiento requiere las garantías reforzadas del art. 9 LOPDGDD y el consentimiento de los representantes legales para usos distintos a la asistencia.
  • La historia obstétrica puede contener datos sobre la interrupción voluntaria del embarazo, que requieren el máximo nivel de protección y supresión en escenarios de investigación.
  • anonym.legal no valida la correcta codificación CIE-10 de los diagnósticos obstétricos; esa responsabilidad corresponde al servicio de documentación clínica.

Preguntas frecuentes

¿Pueden incluirse en el análisis datos del recién nacido junto con los de la madre?

Sí, siempre que ambos conjuntos de datos hayan sido correctamente anonimizados y el vínculo madre-hijo se represente únicamente mediante identificadores anónimos consistentes. La anonimización preserva la relación diádica sin revelar las identidades.

¿Qué nivel de k-anonimato se recomienda para datos obstétricos?

Para datos obstétricos en centros con volumen de partos bajo o medio, se recomienda k≥10. En centros con mayor volumen k≥5 puede ser suficiente, pero siempre debe validarse con el informe de riesgo residual de reidentificación que emite anonym.legal.

¿Pueden los datos anonimizados integrarse en el Registro de Actividad Perinatal del SNS?

Los registros perinatales nacionales y autonómicos requieren formatos específicos y conjuntos mínimos de datos definidos por el SNS. La exportación de anonym.legal en CSV o JSON puede adaptarse a esos formatos, pero la integración técnica con los sistemas del SNS debe coordinarse con los responsables del registro.

Datos Sanitarios

About this page

We update this page when our platform or the law changes.

Read our founder note for how we work.

Each change shows up in the timestamp at the top.

We follow these rules

  • GDPR (EU 2016/679).
  • ISO/IEC 27001:2022.
  • NIS2 (EU 2022/2555).
  • HIPAA safe harbor under 45 CFR § 164.514(b)(2).

Our promise

We do not sell your data.

We do not train models on your text.

We store your files in Germany.

You can delete your account at any time.

You own your work.

Where we run

Our servers live in Falkenstein, Germany.

We use Hetzner. They hold ISO 27001 certification.

All data stays in the EU.

Backups run every day.

Need help?

Email support@anonym.legal.

We reply within one business day.

How we test

We run a full check suite on every release.

Each surface gets its own sweep script and report.

Human reviewers spot-check the output each week.

We track recall and precision on a labelled set.

Bad runs block the deploy.

What we never do

  • We never sell your information to third parties.
  • We never train models on what you upload.
  • We never keep your work after you delete it.
  • We never share keys with any outside firm.
  • We never run ads inside the product.

Plans in plain words

We sell credits, not seats.

One credit covers one short job.

Long jobs use a few credits each.

You can top up at any time.

Unused credits roll over each month.

Read the plans page for current rates.

Who built this

A small team of engineers and lawyers built this.

We ship from Europe and work in the open.

Our founder note spells out why we started.

Where to start

How the parts fit

A browser add-on cleans text inside Chrome.

A Word plug-in handles drafts in Office.

A small desktop tool works on whole folders.

An agent protocol link feeds large models safely.

All four share one core engine and one rule set.

Words from our team

We started this work after a lunch about cookies.

One friend kept getting odd ads on her phone.

We asked why a court file leaked through a draft.

We sketched the first build on a napkin that week.

By month three we had a tiny demo for a friend.

She used it on her first case the next day.

Common questions we hear

Can the tool read scanned PDFs? Yes, with OCR.

Does it work on long files? Yes, in small chunks.

Can I roll my own rule set? Yes, save it as a preset.

Does it run offline? The desktop build runs offline.

Do you keep my files? No, the cloud build wipes after each run.

Will it learn from my work? No, we never train on inputs.

A short tour of the workflow

Upload a file or paste a snippet of prose.

Pick the entities you want gone from the draft.

Choose a method: replace, mask, hash, encrypt, or redact.

Press run and watch the side panel show each hit.

Skim the result and tweak any rule that misfired.

Save the cleaned file or send it to a teammate.