Kennt jemand ein Tool, um einen HL7 zu de-identifizieren / anomisieren?
Ich bin im Grunde auf der Suche nach einem Tool zur De-Identifizierung sowohl einzelne als auch Batch-HL7-Nachrichten.
Sie können sich das Umhang-Werkzeug von Caristix ansehen ( Ссылка ).
Hier ist die Beschreibung von der Website:
Caristix Cloak identifiziert geschützte Patientendaten an der Quelle, in HL7-Protokollen und Nachrichtenflüssen. Nach jeder De-Identifikation werden prüffähige Berichte erstellt. Dies ist der einfachste Weg, um klinisch valide Daten für die Entwicklung, das Testen und die Analyse von Schnittstellen zu generieren - und mit Ihren HIPAA-Richtlinien und -Verfahren konform zu bleiben.
Es ist ziemlich schnell und einfach zu bedienen. Es kann realistische Daten wie falsche Patientennamen und Adressen verwenden, nicht nur zufällige Strings. Wenn Sie mehrere Nachrichten de-identifizieren, bleibt der klinische Arbeitsablauf erhalten, da PatientX durch PatientY für die gesamte Nachrichtenliste ersetzt wird.
Disclaimer: Ich bin Teil des Teams, das das Tool bei Caristix entwickelt ...
Wir verwenden den Ultraport HL7 Notepad von HermeTech . Es hat einige großartige Funktionen zum Umwandeln (Anonymisieren) von HL7-Daten. Sie können 1 oder 2 Testnachrichten erstellen und 10.000 eindeutige anonyme HL7-Nachrichten erstellen, die alle unterschiedliche Daten enthalten, aber immer noch "Klone" des Originals in ungefähr 5 MINUTEN enthalten.
Ich glaube, es hat (oder hatte zumindest) eine voll funktionsfähige kostenlose 30-tägige Testphase. Wenn Sie Probleme haben, haben sie auch einen wirklich guten Kundenservice, auch wenn Sie das Programm noch nicht gekauft haben.
Obwohl es sich nicht um ein reines Identifizierungswerkzeug handelt, sollten Sie sich eine Kopie von MirthConnect besorgen.
Sie können es dann mit einem Kanal mit einer Dateilesequelle und einem Dateischreiberziel einrichten. Es liest Dateien von der Quelle, führt eine Umwandlung durch und schreibt sie dann in das Ziel.
Ihre Transformation (wahrscheinlich am besten als Zieltransformator mit einfachen Zuordnungen) muss dann eingerichtet werden, um einzelne Felder zu erfassen, die de-identifiziert werden müssen. Diese enthalten normalerweise Namen, Adressen und IDs (BESONDERS SSN!).
Sie sollten auch genau auf Textfelder und NTE-Segmente achten, die Textdaten enthalten können, die ebenfalls identifiziert werden müssen.
Wir verwenden Corepoint, und wir müssen unsere Nachrichten häufig zum Testen de-identifizieren, und wir entschlüsseln die Datensätze einfach mit Standardtest-Patienteninformationen. Alle Datensätze haben jedoch die gleichen Patienteninformationen. Aber ich habe festgestellt, dass es für die meisten unserer Tests sehr gut funktioniert.
Wenn Ihre HL7 Messagine Interface Engine flexibel genug ist, sollte es ziemlich einfach sein, dasselbe zu tun.
Tags und Links hl7