By · Last updated 2026-04-28

بلاگ پر واپس جائیںصحت کی دیکھ بھال

18 HIPAA شناخت کار جو آپ کا ٹول چھوڑ دیتا ہے

HIPAA 18 PHI شناخت کار درج کرتا ہے۔ زیادہ تر گمنامی ٹولز شاید 6 پتہ لگاتے ہیں۔ میڈیکل ریکارڈ نمبر کسی بھی ریاست بھر کے امریکی فارمیٹ کے بغیر ادارے کے لحاظ سے مختلف ہوتا ہے۔

April 28, 20269 منٹ پڑھیں
HIPAA 18 identifiersPHI complete detectionMRN detectionNPI DEA numbersHIPAA Safe Harbor compliance

18 HIPAA شناخت کار جو آپ کا ٹول چھوڑ دیتا ہے

2026 کے لیے اپ ڈیٹ شدہ۔

HIPAA 18 PHI شناخت کار کیٹیگریز درج کرتا ہے۔ زیادہ تر گمنامی ٹولز شاید چھ پتہ لگاتے ہیں۔ باقی بارہ گزر جاتے ہیں — اور ہر ایک ایک تطابق کا خلا ہے۔

Safe Harbor اصول

HIPAA کا Privacy Rule (45 CFR § 164.514) Safe Harbor de-identification کی تعریف کرتا ہے۔ تمام 18 شناخت کار کیٹیگریز ہٹانی ہوتی ہیں۔ ہر ایک ہٹائیں اور ڈیٹا قانونی طور پر de-identified ہو جاتا ہے۔ یہی وجہ ہے کہ Safe Harbor مقبول ہے: یہ پاس یا فیل ہے، رائے نہیں۔

18 کیٹیگریز یہ ہیں:

  1. نام
  2. ریاست سے چھوٹا جغرافیائی ڈیٹا — گلی کا پتہ، شہر، کاؤنٹی، ZIP کوڈ
  3. سال کے علاوہ تاریخیں — پیدائش، داخلہ، خروج، موت
  4. فون نمبر
  5. Fax نمبر
  6. ای میل پتے
  7. سوشل سیکیورٹی کوڈ
  8. میڈیکل ریکارڈ شناخت کار (MRNs)
  9. ہیلتھ پلان فائدہ اٹھانے والے کوڈ
  10. اکاؤنٹ شناخت کار
  11. سرٹیفکیٹ اور لائسنس کوڈ
  12. گاڑی کے شناخت کار اور سیریل کوڈ
  13. آلات کے شناخت کار اور سیریل کوڈ
  14. ویب URLs
  15. IP پتے
  16. بائیومیٹرک شناخت کار — انگلیوں کے نشان، آواز کے نشان
  17. پورے چہرے کی تصاویر اور ایسی دیگر تصاویر
  18. کوئی بھی دیگر منفرد شناختی کوڈ یا قدر

زیادہ تر ٹولز کیٹیگریز 1، 4، 6، اور 7 اچھی طرح سنبھالتے ہیں۔ وہ 8، 9، 10، 11، 13، اور 18 معمول کے طور پر چھوڑ دیتے ہیں۔

MRN خلا

میڈیکل ریکارڈ شناخت کار کیٹیگری 8 میں ہیں۔ MRN فارمیٹس ہر ہسپتال طے کرتا ہے۔ امریکہ میں کوئی قومی معیار نہیں ہے۔

ہسپتال A 7 ہندسوں کا عدد استعمال کرتا ہے۔ ہسپتال B "PT-YYYYNNNN" استعمال کرتا ہے۔ ہسپتال C 8 کرداروں کی alphanumeric سٹرنگ استعمال کرتا ہے۔ ہسپتال D "MRN: " ایک 9 ہندسوں کے کوڈ سے پہلے لکھتا ہے۔

ایک عام ٹول "PT-2024-8847" کو PHI کے طور پر نشان زد نہیں کرے گا۔ دستاویز de-identification جانچ پاس کرتی ہے۔ لیکن یہ de-identified نہیں ہے۔ کوئی الرٹ نہیں آتا۔ ٹیم سوچتی ہے کام ہو گیا۔ یہ نہیں ہوا۔

یہ سب سے برا قسم کا خلا ہے: ایک خاموش۔

اسے ٹھیک کرنے کے تین طریقے

Presidio میں کوڈ کریں۔ اس کے لیے Python مہارت اور جاری دیکھ بھال چاہیے۔ یہ کام کرتا ہے لیکن وقت لیتا ہے۔

دستی جائزہ شامل کریں۔ ایک شخص ہر دستاویز MRNs کے لیے جانچتا ہے۔ یہ پیمانے پر نہیں چلتا۔

AI سے مدد شدہ کسٹم ادارہ تخلیق استعمال کریں۔ کوئی کوڈ ضروری نہیں۔ ٹیم نمونہ اقدار دیتی ہے۔ AI نمونہ بناتا ہے۔

یہ کیسے کام کرتا ہے۔ ایک ٹیم پانچ نمونہ MRN اقدار دیتی ہے: SVHS-0012345, SVHS-0987654, SVHS-1122334, SVHS-4455667, SVHS-8899001۔ AI `SVHS-\d{7}` واپس کرتا اور نمونوں کے خلاف جانچتا ہے۔ ٹیم اسے اپنے HIPAA preset میں محفوظ کرتی ہے۔ تمام مستقبل کے سیشن فارمیٹ پتہ لگاتے ہیں۔ یہی طریقہ فائدہ اٹھانے والے کوڈز اور آلات کے سیریل کوڈز کے لیے بھی کام کرتا ہے۔

Presets کیسے کام کرتے ہیں HIPAA MRN detection guide میں دیکھیں۔ AI نمونہ ورک فلو کے بارے میں جانیں۔

پوشیدہ فرض

بہت سی ٹیمیں نام اور فون نمبر کے ساتھ ایک نمونہ دستاویز پر جانچتی ہیں۔ ٹول پاس ہوتا ہے۔ وہ مکمل کوریج فرض کر لیتی ہیں۔ لیکن نمونے کم ہی ادارے مخصوص شناخت کار شامل کرتے ہیں۔ MRNs اور فائدہ اٹھانے والے کوڈ ایک عام ٹول کو بے ترتیب سٹرنگز لگتے ہیں۔ وہ بغیر نشان کے گزر جاتے ہیں۔

ایک حقیقی Safe Harbor آڈٹ تمام 18 کیٹیگریز کو ایک پتہ لگانے کے طریقے سے میپ کرتا ہے۔ کیٹیگری 8 کے لیے، اپنے ہی ہسپتال کے اصل MRN نمونوں سے تصدیق کریں۔ یہ فرض نہ کریں کہ ٹول آپ کا فارمیٹ جانتا ہے۔

مکمل فریم ورک ہمارے HIPAA تطابق جائزے میں دیکھیں۔

نتیجہ

Safe Harbor کے لیے تمام 18 شناخت کار کیٹیگریز ہٹانی ضروری ہیں۔ عام ٹولز بہت کم کا احاطہ کرتے ہیں۔ خلاء — MRNs، فائدہ اٹھانے والے کوڈ، آلات کے سیریل نمبر — کا کوئی معیاری فارمیٹ نہیں، اس لیے عام ٹولز انہیں چھوڑ دیتے ہیں۔ AI سے مدد شدہ کسٹم ادارے کوڈ یا دستی جائزے کے بغیر خلا بند کرتے ہیں۔

ذرائع

  • HHS: HIPAA Safe Harbor, 45 CFR § 164.514 — hhs.gov۔
  • Shaip: صحت کی دیکھ بھال de-identification میں PHI شناخت کار کی اقسام — shaip.com۔
  • HHS OCR: De-identification رہنمائی 2024 اپ ڈیٹ — hhs.gov۔

کیا آپ اپنے ڈیٹا کی حفاظت کے لیے تیار ہیں؟

48 زبانوں میں 285+ ادارتی اقسام کے ساتھ PII کی گمنامی شروع کریں۔

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.

Related reading

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.