卡塔尔世界杯8强波胆分析

摘要

背景:

通过在不同机构管理的数据库之间整合个人对应的数据，可以获得流行病学研究的大数据。在高层执行有效的数据匹配时，需要保护隐私信息。

摘要目的:

保护隐私的分布式数据集成(PDDI)是一种在不移动隐私信息的情况下实现多个数据库之间数据匹配的技术。必须考虑匹配键时的错误;因此，我们使用模型进行了基本匹配实验，以评估癌症筛查的准确性。

方法:

我们创建了一个模拟日本癌症筛查和登记数据的数据集，并在地理位置遥远的机构之间使用PDDI系统进行了匹配实验。与在日文记录的数据集中发现的经验性错误相似的错误被人为地引入数据集。两个数据集共有数据的匹配键错误率在实际数据库中设置得足够高，模拟结直肠癌和乳腺癌的数据分别为85.0%和59.0%。姓名、性别、出生日期和地址的各种组合用于匹配键。为了评估匹配准确性，根据癌症筛查数据点的个数计算匹配灵敏度和特异性，并根据所得值估计匹配精度对癌症筛查灵敏度和特异性的影响。为了评估性能，我们测量了CPU使用情况、内存使用情况和网络流量。

结果:

对于特异性在99%及以上且灵敏度较高的组合，采用出生日期和姓名作为模拟结直肠癌的数据，匹配灵敏度和特异性分别为55.00%和99.85%。在模拟乳腺癌的数据中，采用出生日期和姓氏，匹配灵敏度和特异性分别为88.71%和99.98%。假设肿瘤筛查的敏感性和特异性为90%，则表观值分别降至74.90%和89.93%。使用相同数据集的组合进行试验计算，特异性为100%。当匹配灵敏度为82.26%时，表观筛选灵敏度维持在90%，筛选特异性降至89.89%，与原值误差较小。对于214(16,384)个数据点，未并行化的执行时间为82分26秒，并行化的执行时间为11分38秒;19.33%的计算时间用于数据持有机构。PDDI服务器的内存使用量为3.4 GB，数据保存机构的内存使用量为2.7 GB。

结论:

我们演示了引入PDDI系统用于癌症筛查准确性评估的初步可行性。我们计划在实际数据的基础上进行匹配实验，并与现有方法进行对比。