ARX Data Anonymization Tool
Produktdetails
Produktdetails
Beschreibung
ARX ist eine Softwarelösung, mit der das Reidentifikationsrisiko strukturierter medizinischer Daten analysiert und reduziert werden kann. Die für die Messung und Reduktion von Risiken zur Verfügung stehenden Methoden orientieren sich dabei an Empfehlungen für die medizinische Domäne. Die Software verfügt über eine breite Methodenunterstützung, eine umfangreiche graphische Benutzeroberfläche und sie ist hochskalierbar.
Auch wenn ARX sich durch eine für Datenanonymisierungslösungen sehr intuitive Benutzeroberfläche auszeichnet, ist ein tiefgreifendes Verständnis der eingesetzten Methoden notwendig, um die Software sinnvoll einsetzen zu können.
Das Produkt im Einsatz
- Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig
- LEOSS Register (https://leoss.net)
- NAPKON (https://napkon.de/)
Zusätzliche Anwendungsbereiche
- Medizinsche Fakultät der Universität Hamburg
- Popgen 2.0 Netzwerk (P2N)
Unterstützung
Updates der Software werden mindestens jährlich veröffentlicht (siehe https://github.com/arx-deidentifier/arx/releases).
Die graphische Benutzeroberfläche der Software enthält eine integrierte Dokumentation, die auch online abgerufen werden kann (siehe https://arx.deidentifier.org/anonymization-tool/).
Die Softwarebibliothek ist mit Javadoc dokumentiert (siehe https://arx.deidentifier.org/downloads/). Beispiele finden sich ebenfalls online (siehe https://github.com/arx-deidentifier/arx/tree/master/src/example/org/dei…).
Fehler und Verbesserungswünsche können online gemeldet werden (siehe https://github.com/arx-deidentifier/arx/issues).
Referenzen
- Prasser F, Kohlmayer F, Lautenschläger R, Kuhn KA. ARX - A Comprehensive Tool for Anonymizing Biomedical Data. AMIA Annual Symposium Proceedings. 2014;2014:984-993.
- Prasser F & Kohlmayer F. Putting statistical disclosure control into practice: The ARX data anonymization tool. In Medical Data Privacy Handbook. 2015;111-148. Springer International Publishing.
- EU Agency for Network and Information Security (ENISA): Privacy and Data Protection by Design (2014)
- European Medicines Agency (EMA): EMA/90915/2016 - External Guidance on the Implementation of the European Medicines Agency Policy on the Publication of Clinical Data for Medicinal Products for Human Use (2016)
- Tremmel, S., Die K-Frage. Wie man Daten richtig anonymisiert. c´t, 2020. 2020(5): S. 156-159.
Literaturempfehlungen
- George T. Duncan, Mark Elliot, Gonzalez Juan Jose Salazar. Statistical Confidentiality - Principles and Practice. Springer. 2011.
- Khaled El Emam. Guide to the De-Identification of Personal Health Information. CRC Press, 2013.
- Khaled El Emam, Luk Arbuckle. Anonymizing Health Data: Case Studies and Methods to Get You Started. O'Reilly Media, Inc. 2014.
- Mark Elliot, Elaine Mackey, Kieron O’Hara, Caroline Tudor. The Anonymisation Decision-Making Framework. UKAN Publications. 2016.
Kommentare
Um einen Kommentar verfassen zu können, müssen Sie sich zunächst anmelden!