基于本地差分隐私的医疗数据收集方法

针对现有医疗数据收集算法无法有效抵抗背景知识攻击和不可信第三方的隐私泄露问题,提出一种基于本地差分隐私的医疗数据收集方法。设计基于Count-Min Sketch和GRR算法的两阶段数据收集框架,利用随机采样技术避免隐私预算分割,降低数据收集的通信代价和噪声误差,通过对高低频症状分别抽样扰动收集统计,降低数据哈希冲突导致的误差问题。理论分析算法满足本地差分隐私。实验结果表明,该方法频率估计的精确度、运行时间和通信开销优于对比方法。

基于常规收集健康医疗数据的上市药品安全性评价研究设计和分析技术专家共识

作为真实世界数据的重要组成,常规收集的健康医疗数据(RCD)已广泛应用到上市后药品安全性评价。但如何生成高质量的RCD证据支持上市后药品安全性监管决策,在研究设计和分析上还存在挑战。本专家共识通过阐明RCD的定义、应用,并针对研究设计、数据分析提出基于RCD的上市后药品安全性评价基本要求及注意事项,以期促进我国高质量的研究证据的生产及应用。