A Distributed Ledger Architecture for Cross-Jurisdictional Healthcare Professional Authentication and Tracking in Universal EHR Systems
Notice bibliographique
Résumé
While there are mechanisms for identifying patients and professionals in most jurisdictions, cross-jurisdictional identification of who accessed health information remains a significant challenge. Initiatives like EHDS, TEHDAS, XpanDH and the European Electronic Health Record Exchange Format (EEHRxF), and xShare have been working to enable cross-border health data usage for healthcare, research, and policy purposes, by proposing and establishing legal, operational and technical foundations. However, the absence of global healthcare professional databases and federated identification and authentication mechanisms perpetuates some challenges for cross-border usage at scale. Based on the work of the EU-funded Blockchain.PT R&D initiative, we propose a distributed ledger technology (DLT)-based architecture and protocol to support a universal EHR system, which combines standardized off-chain storage of sensitive health data with an on-chain layer utilising smart contracts for data certification, access management, and logging of consent and data sharing, processing and transfer agreements. The architecture addresses key requirements of the EHR lifecycle and incorporates emerging decentralised digital identity, authentication and verification protocols to establish the trust layer between the several participants of the healthcare value chain, put citizens in control of their data and partially disintermediate health data exchange and verification. Leveraging the emerging DLT infrastructures such as EBSI/Europeum, and on established digital identity regulations and frameworks such as eIDAS and EUDI, we propose to develop on this EHR-focused architecture and protocol and integrate cross-jurisdictional healthcare professional identification and authentication capabilities. The combination of a universal EHR system with a trusted healthcare professional identity and access management layer could work as a cornerstone for realising the EHDS vision.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».