نشر اطلاعات سلامت بدون تحریف با حفظ توازن میان حریم خصوصی و سودمندی مطلوب
Publish Year: 1401
Type: Journal paper
Language: Persian
View: 351
This Paper With 22 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_JIPET-13-50_003
Index date: 11 October 2021
نشر اطلاعات سلامت بدون تحریف با حفظ توازن میان حریم خصوصی و سودمندی مطلوب abstract
در عصر تحلیل اطلاعات سلامت، کد تشخیص بیماری، حریم خصوصی بیمار است و مهم ترین نیاز تحلیلگران، دستیابی به کد تشخیص بیماری و مهم ترین نیاز مردم، گمنام سازی کد تشخیص بیماری، هنگام نشر اطلاعات سلامت است. کدهای تشخیص بیماری که معمولا بر اساس کلاس بندی بین المللی ارایه می شوند، قابل نمایش در قالب یک درخت تاکسونومی اند. در زندگی واقعی، بیماران فقط اجازه می دهند تا رده ی کد تشخیص بیماری به جای کد اصلی تشخیص بیماری ، منتشر و افشا گردد. مدل های متعارف حفظ حریم خصوصی، معمولا باعث تحریف رده ی کد تشخیص بیماری می شوند. حفظ حریم خصوصی توام با سودمندی داده ها، همواره، مساله ی حایز اهمیتی در نشر اطلاعات سلامت است. در این پژوهش، روش گمنام سازی جدیدی ارایه می شود تا جهت حفظ سودمندی داده ها، تمام صفات اطلاعات سلامت بتواند بدون تحریف منتشر گردد؛ طوری که اطلاعات منتشره هم حافظ حریم خصوصی بیماران تا حد مطلوب متخصصین و هم حافظ سودمندی مطلوب تحلیلگران باشد. این روش، اطلاعات سلامت را طوری منتشر می کند که حداکثر احتمال افشای کد تشخیص بیماری، همواره، کوچک تر یا مساوی با آستانه ی تهدید تعریف شده توسط متخصص باشد و از طرفی میزان خطای تحلیل عضویت، کاهش یابد. روش جدید در شرایط خاص بسط پذیر است. نتایج ارزیابی عملی داده های بیماران یکی از بیمارستان های اصفهان گواه اثربخشی این روش جدید است.
نشر اطلاعات سلامت بدون تحریف با حفظ توازن میان حریم خصوصی و سودمندی مطلوب Keywords:
نشر اطلاعات سلامت بدون تحریف با حفظ توازن میان حریم خصوصی و سودمندی مطلوب authors
عباس کریمی ریزی
دانشکده مهندسی کامپیوتر-واحد نجف آباد-دانشگاه آزاد اسلامی -نجف آباد- ایران
محمد نادری دهکردی
مرکز تحقیقات مه داده- واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
ناصر نعمت بخش
دانشکده مهندسی- دانشگاه شهید اشرفی اصفهانی، اصفهان، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :