By · Last updated 2026-06-04

بلاگ پر واپس جائیںصحت کی دیکھ بھال

HIPAA MRN شناخت بغیر Regex پی ایچ ڈی کے

ہر ہسپتال کا MRN فارمیٹ مختلف ہے۔ Memorial MRN:XXXXXXX استعمال کرتا ہے، St. Mary's PT-YYYYY استعمال کرتا ہے، University Hospital UHN-XXXXXXXXXX استعمال کرتا ہے۔

June 4, 20266 منٹ پڑھیں
HIPAA de-identificationMRN patternhealthcare ITAI pattern generationPHI detection

HIPAA MRN شناخت بغیر Regex پی ایچ ڈی کے

آپ کے ہسپتال کا MRN فارمیٹ کسی بھی معیاری PII ٹول میں نہیں ہے۔ اسے پانچ منٹ میں شامل کرنے کا طریقہ یہ ہے۔ کوئی کوڈ درکار نہیں۔

ہیلتھ کیئر IT ٹیمیں ایک HIPAA مسئلے کا سامنا کرتی ہیں جو دوسرے شعبوں کو نہیں ہوتا۔ وہ ID جو انہیں سب سے زیادہ تلاش کرنی ہے — Medical Record Number — خود ان کے ہسپتال نے طے کی ہے۔ کوئی قومی معیار موجود نہیں ہے۔

ہر HIPAA de-ID پروجیکٹ کو حسب ضرورت سیٹ اپ کی ضرورت ہے۔ اس کے بغیر، MRNs "de-identified" فائلوں میں ان شناخت کے بغیر گزر جاتی ہیں۔

کثیر سہولت MRN مسئلہ

ضم ہونے کے ذریعے بنے ہسپتال نیٹ ورکس میں پرانے EHR سسٹم ہیں۔ ہر سسٹم کا اپنا MRN فارمیٹ ہے:

  • Memorial Hospital (Epic): MRN:XXXXXXX — پریفکس کے ساتھ 7 ہندسے کا نمبر
  • St. Mary's (Cerner): PT-YYYYY — مریض پریفکس کے ساتھ 5 ہندسے
  • University Hospital (Meditech): UHN-XXXXXXXXXX — 10 کردار کا مرکب
  • کلینک (اسٹینڈ الون EMR): C\d{5} — حرف C اور 5 ہندسے

HIPAA Safe Harbor تمام 18 ID اقسام کو ہٹانے کا تقاضا کرتا ہے۔ زمرہ 8 medical record نمبر ہے۔ ایک ٹول جو آپ کا فارمیٹ نہیں جانتا انہیں چھوڑ دے گا۔ فائل صاف لگتی ہے۔ ہے نہیں۔

ServiceNow کی ہیلتھ کیئر کمیونٹی نے اسی مسئلے پر روشنی ڈالی ہے۔ معیاری ٹولز SSNs اور فون نمبر پکڑتے ہیں۔ وہ سہولت MRNs کو ہر بار چھوڑ دیتے ہیں۔

Regex رکاوٹ

Microsoft Presidio میں حسب ضرورت اصول شامل کرنا — بہت سے HIPAA ٹولز کی اوپن سورس بنیاد — اصل مہارت کی ضرورت ہے:

  • آپ کو PatternRecognizer کلاس جاننی ہوگی
  • آپ کو Python syntax میں regex لکھنی ہوگی
  • آپ کو YAML config فائلیں سیٹ اپ کرنی ہوں گی
  • آپ کو confidence scores کو ٹیون کرنا ہوگا
  • آپ کو Python scripts کو ٹیسٹ اور ڈیبگ کرنا ہوگا

ایک تعمیل افسر جو MRN فارمیٹ جانتا ہے یہ اکیلا نہیں کر سکتا۔ حل انجینئرنگ ٹکٹ بن جاتا ہے۔ یہ قطار میں 6-8 ہفتے بیٹھتا ہے۔ خلا کھلا رہتا ہے۔

AI معاونت نمونہ جنریشن

ایک تیز طریقہ ہے۔ عام الفاظ میں نمونہ بیان کریں۔ کام کرنے والی regex واپس پائیں۔

اقدامات:

  1. حسب ضرورت ایکویٹی بلڈر کھولیں
  2. مثالیں دیں: "ہماری MRNs اس طرح نظر آتی ہیں: MRN:1234567, MRN:9876543, MRN:0001234"
  3. AI اصول بناتا ہے: MRN:\d{7}
  4. 10 نمونہ ریکارڈز پر جانچیں
  5. تمام MRNs ملیں؟ محفوظ کریں اور تعینات کریں۔

چار MRN فارمیٹس والے نیٹ ورک کے لیے:

  • Memorial Hospital → MRN:\d{7}
  • St. Mary's → PT-\d{5}
  • University Hospital → UHN-[A-Z0-9]{10}
  • کلینک → C\d{5}

چار حسب ضرورت ایکویٹیز بنائیں۔ انہیں ایک پریسیٹ میں گروپ کریں۔ تمام فائلوں پر چلائیں۔ وقت: ایک سہ پہر۔

مکمل ہاؤ ٹو گائیڈ کے لیے HIPAA پائپ لائنز میں حسب ضرورت MRN شناخت بغیر کوڈ کے دیکھیں۔

Safe Harbor کے لیے توثیق

HIPAA Safe Harbor کہتا ہے کہ covered entity کو "حقیقی علم" نہیں ہونا چاہیے کہ ڈیٹا کسی کی شناخت کر سکتا ہے۔ (45 CFR §164.514(b))

توثیق ظاہر کرتی ہے کہ آپ کے حسب ضرورت اصول تمام 18 ID اقسام کو ڈھانپتے ہیں۔

مرحلہ 1: نمونے نکالیں۔ ہر سائٹ سے 100 ریکارڈز حاصل کریں۔ وقت کی مدت اور محکمے مکس کریں۔

مرحلہ 2: شناخت چلائیں۔ آپ کے حسب ضرورت اصولوں کے ساتھ تمام 400 دستاویزات پروسیس کریں۔

مرحلہ 3: انسانی جانچ۔ 20 دستاویزات ہاتھ سے جائزہ لیں (5% نمونہ)۔ چھوٹی MRNs اور غلط ہٹ تلاش کریں۔

مرحلہ 4: اصول بہتر بنائیں۔ MRNs چھوٹ گئیں؟ نمونہ وسیع کریں۔ بہت زیادہ غلط ہٹ؟ ورڈ حدود شامل کریں۔

مرحلہ 5: لکھیں۔ اصول، نمونہ کا سائز، نتائج اور تاریخ لاگ کریں۔ یہ لاگ آپ کا Safe Harbor ریکارڈ ہے۔

کیا دستاویز کرنا ہے اس پر مزید کے لیے قابل وضاحت ریڈکشن اور HIPAA آڈٹ ٹریلز دیکھیں۔

مکمل Safe Harbor کوریج

MRN شناخت ٹھیک کرنے کے بعد، تمام 18 زمرے چیک کریں۔

زمرہمعیاری ٹولزحسب ضرورت درکار ہے؟
1. نامNER ماڈلنہیں
2. جغرافیائی ڈیٹامقام شناختریاست کے لیے نہیں؛ سائٹ کوڈز کے لیے ہاں
3. تاریخیںتاریخ شناختنہیں
4. فون نمبرفون شناختنہیں
5. فیکس نمبرفون شناختنہیں
6. ای میل پتےای میل شناختنہیں
7. SSNsSSN شناختنہیں
8. میڈیکل ریکارڈ نمبربلٹ ان نہیںہاں — سائٹ مخصوص
9. صحت پلان ممبر نمبرجزویاکثر ہاں — ادا کنندہ مخصوص
10. اکاؤنٹ نمبرجزویاکثر ہاں — بلنگ فارمیٹ
11. لائسنس نمبرجزویاکثر ہاں — ریاست مخصوص
12. گاڑی IDsجزویطبی دستاویزات میں نادر
13. آلہ IDsجزویہاں اگر آلات ریکارڈز میں ہوں
14. ویب URLsURL شناختنہیں
15. IP پتےIP شناختنہیں
16. بایومیٹرک IDsمتن سیاق و سباقڈسچارج نوٹس میں نادر
17. تصاویرصرف تصویرمتن کے دائرے سے باہر
18. دیگر منفرد IDsبلٹ ان نہیںہاں — سائٹ مخصوص

طبی متن کے لیے، زمرے 8، 9، 10 اور 18 کو اکثر حسب ضرورت سیٹ اپ کی ضرورت ہوتی ہے۔

طبی دستاویز سیاق و سباق

ڈسچارج نوٹس، طبی نوٹس اور آپریشن رپورٹس تحقیق کے لیے شیئر کی جانے والی اہم فائلیں ہیں۔ ان میں ہوتا ہے:

  • ہیڈرز اور فٹرز میں MRNs
  • بلنگ سیکشنز میں اکاؤنٹ نمبر
  • تمام واقعات کی تاریخیں — داخلہ، طریقہ کار، لیب، دوائی
  • معالج کے نام اور DEA نمبر
  • حوالہ دینے والے ڈاکٹر کی معلومات
  • انشورنس ممبر IDs

سائٹ مخصوص فارمیٹس کے لیے حسب ضرورت اصول معیاری فارمیٹس کے لیے بلٹ ان اصولوں کے ساتھ جوڑتے ہیں۔ وہ جوڑا آپ کو مکمل Safe Harbor کوریج دیتا ہے۔

نتیجہ

حسب ضرورت اصولوں کے بغیر HIPAA de-ID، Safe Harbor de-ID نہیں ہے۔ ہر ہسپتال کا MRN فارمیٹ منفرد ہے۔ معیاری ٹولز انہیں چھوڑ دیتے ہیں۔ تعمیل خلا حقیقی ہے اور جب تک آپ اسے بند نہیں کرتے کھلا رہتا ہے۔

AI نمونہ جنریشن حل کو 6-8 ہفتے کی انجینئرنگ سے گھٹا کر ایک سہ پہر کے تعمیل کام تک لے آتی ہے۔ فارمیٹ بیان کریں۔ اصل ریکارڈز پر جانچیں۔ تعینات کریں۔ مکمل۔

ذرائع

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.