Pseudonymisierung und Offenlegungskontrolle
Die Vertraulichkeit von Patientinnen und Patienten schützen, wenn Daten verknüpft, analysiert, geteilt oder veröffentlicht werden, durch Pseudonymisierung, Anonymisierung, Unterdrückung kleiner Zahlen und andere Methoden der statistischen Offenlegungskontrolle.
Stufen
- 1. Bewusstsein
Sie können:
- den Unterschied zwischen identifizierbaren, pseudonymisierten und anonymisierten Daten erklären
- die Regeln der Organisation zur Unterdrückung kleiner Zahlen in Ergebnissen befolgen
- 2. Anwendung
Sie können:
- mit pseudonymisierten Daten arbeiten und Offenlegungsprüfungen anwenden, bevor Ergebnisse freigegeben werden
- erkennen, wann verknüpfte oder detaillierte Daten eine Patientin oder einen Patienten identifizieren könnten
- 3. Erfahren
Sie können:
- Pseudonymisierungs- und Verknüpfungsmethoden entwerfen, die Kennungen von Analysedaten getrennt halten
- das Re-Identifizierungsrisiko eines Datensatzes oder einer Veröffentlichung bewerten und geeignete Kontrollen wählen
- Teams zu sicheren Umgebungen beraten, etwa vertrauenswürdigen Forschungsumgebungen
- 4. Expertise
Sie können:
- die Standards der Organisation für Deidentifizierung und Offenlegungskontrolle festlegen
- Datenfreigaben und Verknüpfungsprojekte mit hohem Risiko absichern
- die Arbeit mit Partnern an sicherem Datenzugang für Forschung und Planung leiten
Nächstliegende Kompetenzen in ESCO
Contains ESCO v1.2.1 data (https://esco.ec.europa.eu/). © European Union. Reuse authorised under Commission Decision 2011/833/EU.
Rollenstufen, die diese Kompetenz erwarten
| Rollenstufe | Rolle | Entgeltgruppe | Erwartete Stufe |
|---|---|---|---|
| Analytics-Ingenieur/in | Analytics-Ingenieur/in | 6 | Bewusstsein |
| Senior-Analytics-Ingenieur/in | Analytics-Ingenieur/in | 7 | Anwendung |
| Leitende/r Analytics-Ingenieur/in | Analytics-Ingenieur/in | 8a | Anwendung |
| Data Scientist in Ausbildung | Data Scientist | 4 | Bewusstsein |
| Associate Data Scientist | Data Scientist | 5 | Anwendung |
| Data Scientist | Data Scientist | 6 | Anwendung |
| Principal Data Scientist | Data Scientist | 7 | Erfahren |
| Leitende/r Data Scientist | Data Scientist | 8a | Erfahren |
| Associate Datenanalyst/in | Datenanalyst/in | 5 | Bewusstsein |
| Datenanalyst/in | Datenanalyst/in | 6 | Anwendung |
| Senior-Datenanalyst/in | Datenanalyst/in | 7 | Erfahren |
| Principal-Datenanalyst/in | Datenanalyst/in | 8b | Erfahren |
| Dateningenieur/in | Dateningenieur/in | 6 | Anwendung |
| Senior-Dateningenieur/in | Dateningenieur/in | 7 | Erfahren |
| Leitende/r Dateningenieur/in | Dateningenieur/in | 8a | Erfahren |
| Leiter/in Dateningenieurwesen | Dateningenieur/in | 8b | Erfahren |
| Leistungsanalyst/in | Leistungsanalyst/in | 6 | Bewusstsein |
| Senior-Leistungsanalyst/in | Leistungsanalyst/in | 7 | Anwendung |
| Leitende/r Leistungsanalyst/in | Leistungsanalyst/in | 8a | Anwendung |
| Manager/in Data Governance | Manager/in Data Governance | 7 | Anwendung |
| Leitende/r Manager/in Data Governance | Manager/in Data Governance | 8b | Erfahren |
| Leiter/in Data Governance | Manager/in Data Governance | 8c | Expertise |