Privacy Interests in Prescription data, Part 2 Patient Privacy
Notice bibliographique
Résumé
the sale or transfer of prescrip-• tion data from pharmacies to commercial data brokers; processing of the data to analyze • physicians ’ prescribing patterns; and the subsequent sale of these pre-• scribing patterns to pharmaceu-tical companies, among others, that use this information to cus-tomize their marketing strategies aimed at physicians. In part one of this two-part se-ries, we discussed privacy concerns with respect to prescribers. In this second installment, we examine the privacy risks to patients from Canadian and US perspectives. Identifiability In privacy terms, we generally understand personal information to be identifiable information about an individual. Although prescrip-tion data in relation to a patient is clearly information about him or her, the privacy issue that arises is whether prescription records con-tain fields that—taken together or in combination with other publicly available data—could identify the individual patient concerned. If so, pharmacies would have a clear privacy obligation to obtain prior consent from patients before dis-closing any prescription data about them to commercial data brokers. Prescription data disclosed by pharmacies to commercial data brokers don’t typically contain any directly identifiable information about the patient involved, but do contain fields such as the patient’s age and gender. Sometimes, phar-macies also disclose, directly or inferentially, geographic informa-tion about the patient’s residence, such as the first three characters of the Canadian postal code (other-wise known as the forward sortation area, or FSA). The privacy ques-tion here is whether these three fields, limited as they are, can still be used, either alone or in combi-nation with other available infor-mation, to re-identify individual patients, thereby jeopardizing their right to confidentiality. Privacy laws generally apply only to identifiable information. These laws might either explic-itly or implicitly provide some kind of threshold for determining when information ceases to be de-identified and becomes identifi-
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,013 |
| Communication savante | 0,013 | 0,012 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,008 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».