利用常规排班模式消除临床数据的日期偏移

《Journal of Biomedical Informatics》:Leveraging routine scheduling patterns to unshift Date-Shifted clinical data

【字体: 大 中 小 】 时间:2026年10月14日 来源:Journal of Biomedical Informatics 5.9

编辑推荐:

   摘要 目标:日期偏移是一种在去标识化临床数据中保留时间关系的常见策略,其前提是假设接收者认为在选定范围内的所有候选偏移值具有同等可能性。我们评估常规排班模式——门诊活动的白天集中分布和可预测的机构假期停诊——是否会使这一假设失效,并量化由此产生的日期恢复风险,将其作为数据集

  

摘要

目标:日期偏移是一种在去标识化临床数据中保留时间关系的常见策略,其前提是假设接收者认为在选定范围内的所有候选偏移值具有同等可能性。我们评估常规排班模式——门诊活动的白天集中分布和可预测的机构假期停诊——是否会使这一假设失效,并量化由此产生的日期恢复风险,将其作为数据集特征的函数。

方法:我们将日期还原问题形式化为对候选偏移值的贝叶斯推断,通过计算重建日期与工作日及假期排班模式一致的可能性来对每个候选值进行评分。模型参数基于一家大型学术健康系统五年内跨410万患者记录的9590万次就诊进行经验估计。随后,我们在22个从7天到5年不等的偏移范围内,对1617988名门诊患者(具有2个或以上不同事件日期)模拟日期还原,将接收者的最优解与已知真实偏移值进行比较。

结果:门诊就诊98.0%发生在工作日,某些就诊子类型达到100%;类似的模式也影响非周末假期(每年至少有六或七个机构停诊日,具体取决于哪些固定假期落在工作日上)。当接收者仅针对后验置信度达到τ≥0.95的患者时,在30天偏移下正确恢复了5.9%人群的真实偏移值,精确度为88.4%。即使在一年偏移下,拥有超过100个不同就诊日期的患者仍有34%的概率被正确还原日期偏移。

结论:日期还原的漏洞是显著的,并取决于就诊密度、偏移范围和机构假期日历,且具有可预测性。它影响所有规模的数据集,包括带有相对时间线的病例报告。使日期还原成为可能的同一贝叶斯框架也可作为发布前的风险评估工具:数据管理者可以计算每位患者的易损性得分,并在发布日期偏移数据之前实施有针对性的缓解措施。

引言

临床数据的去标识化降低了医疗保健数据在真实世界证据研究中再利用的法规障碍[1]。根据1996年《健康保险流通与责任法案》(HIPAA)隐私规则中去标识化标准的Safe Harbor实施方法,日期元素中精度高于年的部分是数据集要符合去标识化标准必须移除的18个标识符之一[2]。一旦完成去标识化,数据不再被视为受保护的健康信息(PHI),并脱离了HIPAA的范围。然而,仅保留年份的日期消除了临床研究所依赖的年内时间关系。为了在符合专家判定途径下去标识化要求的同时保留事件之间的时间关系,有建议对每位患者的记录应用恒定的日期偏移[3]。日期偏移方法对患者记录中的所有日期应用一个恒定的随机偏移量,因此已被用于各种公共和私人医学研究项目[4]、[5]、[6]、[7]。它已集成在主要电子病历系统和研究平台中,包括REDCap[8]、[9]、HERON[10]和i2b2[11],并被全球众多生物样本库和数据库使用。

日期偏移旨在保留患者内部的时间间隔(例如,检验申请和随访就诊之间的14天间隔保持为14天),同时模糊事件的实际日历日期。1到S天的偏移范围旨在为真实偏移量创建S个同等可能的候选值。S的选择是隐私与研究效用之间的权衡[3]——范围过短会导致较高的风险,而非常长的范围可能会将记录置于不同的流行病学环境中。在某些实施方式中,相对于患者特定锚点(如首次就诊或诊断)的间隔被报告,而非偏移后的绝对日期,但原理相同(范围S可能未明确说明)。然而,正如本文所示,等可能性假设并不总是成立的,特别是当可以针对已知的公共事件进行锚定分析时,例如排班模式。

虽然日期偏移的某些漏洞已被报道[1]、[4]、[12]、[13]、[14],但本研究探讨的是当一般模式可被识别时可能出现的漏洞。该漏洞产生于择期(但非急诊)临床活动通常遵循工作日排班这一事实。通常,门诊就诊、采血、择期手术和影像学检查安排在周一至周五,很少在主要假期(如美国感恩节、圣诞节或独立日)进行。但必须指出的是,就诊排班可能因医疗机构而异[15],某些系统的周末使用率更高,如某些免预约门诊诊所。尽管如此,假设患者的记录中包含在特定机构通常仅在工作日进行的操作,有信息的猜测或推断的日期偏移会表明此类事件不太可能落在周六或周日。这一软约束应用于患者记录中的多个日期时,可以逐步降低候选偏移的权重,在许多情况下,真实偏移值成为唯一幸存者。我们将真实偏移值的恢复称为日期还原。

关于周排班分析已有关于检测数据集是否经过日期偏移的报道[16],但尚未将其作为撤销日期偏移的策略。在本工作中,我们评估了星期几推断和完整日期恢复的概率,作为患者记录中仅工作日事件数量的函数。然后我们从几个方向扩展了分析。我们首先在一个贝叶斯模型中将日期还原问题形式化,该模型计算候选偏移的完整后验分布,提供每位患者的易损性指标。其次,我们使用大型学术医疗中心临床数据仓库(CDW)中的9590万次就诊数据经验性地验证模型参数,证明该漏洞并非微不足道。然后我们在22个偏移范围内对1617988份患者记录模拟日期还原,量化不同场景下的漏洞。

应当指出的是,这种漏洞不仅限于显示日期的偏移数据。例如,已发表的病例报告中包含相对时间线的情况并不少见("患者到诊所就诊;实验室检查在第11、18和29天安排;随访就诊发生在第46、67和81天")。我们证明此类间隔同样受到日期还原策略的影响。包含4到6个事件的病例报告可能在超过95%的情况下揭示索引事件的星期几,从而将可能的偏移数量减少7倍。对于在特定机构病例较少的罕见疾病,这一减少可能足以实现重新识别。

值得注意的是,使日期还原成为可能的同一数学框架也提供了评估风险的手段。通过在数据发布前计算后验分布,数据管理者可以帮助组织识别高风险患者,并在认为适当时考虑额外的缓解策略,如为某些人群使用更大的偏移范围、日期泛化或记录抑制。

章节摘要

意义陈述

问题或议题:日期偏移被广泛用于在HIPAA专家判定下对临床数据进行去标识化。临床活动集中在工作日,并在假期减少——这可能导致不同偏移的不等可能性。这些差异是否会转化为可测量的日期恢复风险,尚未得到定量评估。

已知内容:日期偏移已在主要研究平台(REDCap、i2b2)和生物样本库中实施。虽然某些漏洞已被...

星期几的恢复:如果患者的日期偏移记录包含多个通常在仅工作日进行的就诊,则就诊日的模7结构可用于通过排除会将仅工作日操作放置在周六或周日的日期偏移,来推断记录中所有条目的星期几。因为日期偏移是恒定的,记录中的所有日期都被推移相同的天数。每个重建日期的星期几仅取决于余数...

贝叶斯日期还原模型:上述硬性排除模型有效但过于保守。这是因为它对任何将一个事件放置在周末的候选值分配零概率,忽略了某些门诊事件确实发生在周末。此处我们描述了一种基于概率的方法,为每个候选日期偏移分配概率,而非二元通过/失败标签。

案例研究:临床学术数据仓库:在实践中,日期还原的漏洞将取决于几个不易量化的因素。这包括患者记录中唯一日期的分布、患者或提供者对特定日期安排程序的偏好,以及个人对特定假期的遵守情况。因此,为评估日期还原的风险,我们使用了源自UTHealth Houston临床数据仓库(CDW)的数据集,采用PCORnet通用数据模型。我们的分析...

模拟日期还原结果:为估计日期还原的实际风险,我们针对上述CDW中的患者模拟日期偏移程序。对于合并门诊场景中的1617988名患者,我们在[1, S]范围内随机生成一个值,并相应地偏移患者的事件日期。贝叶斯模型随后使用p_weekday=0.98和p_holiday=0.001计算所有S个候选偏移的完整后验分布。我们提取每位患者的易损性指标并进行比较...

风险评估和缓解的机会:本文介绍用于量化日期还原风险的方法学可帮助组织在共享日期偏移数据前评估风险。数据管理者可以:1) 使用患者的实际日期和计划的偏移范围计算所有候选偏移的后验分布;2) 为每位患者提取p_max、熵和有效候选数;3) 将患者分类为风险等级;4) 报告每个等级的患者数量和比例。这一漏洞概况...

讨论:我们介绍了一种定量框架,用于测量日期偏移临床记录的残余时间可识别性。工作日排班结构和非周末假期模式在偏移日期中创造了可测量的信号,此处开发的贝叶斯模型提供了一种按患者计算该信号大小的工具。我们还注意到,该分析的相关性超越大型研究数据库。已发表的病例报告和小病例系列...

关于生成式AI和AI辅助技术在稿件准备过程中的声明。在准备本工作期间,作者使用Claude Sonnet进行计算机代码的调试和组织。作者根据需要审查和编辑了输出结果,并对已发表文章的内容承担全部责任。

CRediT作者贡献声明:Andrzej Kudlicki:撰写—审查与编辑,撰写—初稿,可视化,验证,软件,调查,形式化分析,数据管理,概念化。Bradley A. Malin:撰写—审查与编辑,验证,方法论,形式化分析。Elmer V. Bernstam:撰写—审查与编辑,撰写—初稿,验证,监督,资源,调查,资金获取,形式化分析。

利益冲突声明:作者声明他们没有已知的可能影响本论文所报告工作的竞争性经济利益或个人关系。

致谢:本研究得到德克萨斯州癌症预防与研究研究所(CPRIT)编号为RP250630的拨款、美国卫生与公众服务部国家卫生研究院/国家转化科学促进中心编号为UM1 TR004906的拨款、国家以患者为中心的临床研究网络第四阶段(大平原合作合同CDRN-1306-04631)以及Reynolds and Reynolds基金会(无编号)的支持。

Andrzej Kudlicki | Bradley A. Malin | Elmer V. Bernstam
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号