MétaCan
Menu
Retour à la cohorte
Enregistrement W2883481861 · doi:10.1109/ichi.2018.00016

A Study Using the In-Depth Interview Approach to Understand Current Practices in the Management of Personal Health Information and Privacy Compliance

2018· article· en· W2883481861 sur OpenAlexaffabout
Maha Aljohani, James Blustein

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePrivacy, Security, and Data Protection
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésLegislationCompliance (psychology)Privacy by DesignInformation privacyInternet privacyPrivacy policyPersonally identifiable informationGrounded theoryPrivacy lawInformation managementBusinessKnowledge managementPublic relationsComputer scienceComputer securityPsychologyQualitative researchPolitical scienceSociologyLaw

Résumé

récupéré en direct d'OpenAlex

This paper describes the results of an in-depth interview study targeting three different stakeholders – privacy professionals, doctor's office administrators, and information technology designers – in an aim to understand the current practices, challenges and knowledge regarding compliance with privacy legislation in the management of patients' Personal Health Information (PHI). We apply the grounded theory as an analytical approach to form privacy-preserving guidelines. Further, we derive themes related to PHI access, breach conditions, Electronic Medical Records (EMRs), and privacy legislation Compliance. Based on our results, we propose privacy-preserving design guidelines to assist IT privacy designers in showing compliance with privacy legislation in the design process of online patient portals in Canada.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,076
Score d'incertitude au seuil0,961

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,346
Tête enseignante GPT0,453
Écart entre enseignants0,106 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetPrivacy, Security, and Data ProtectionTravaux en français237 207