論文の概要: Nudging Consent and the New Opt Out System to the Processing of Health Data in England

• arxiv url: http://arxiv.org/abs/2407.19447v1
• Date: Sun, 28 Jul 2024 09:49:37 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-30 18:02:25.113743
• Title: Nudging Consent and the New Opt Out System to the Processing of Health Data in England
• Title（参考訳）: 英国における看護コンセントと健康データ処理のための新しいオプトアウトシステム
• Authors: Janos Meszaros, Chih-hsing Ho, Marcelo Corrales Compagnucci,
• Abstract要約: 本章では、イングランドにおけるオプトアウト制度の改訂と健康データ二次利用の課題について考察する。 このプロジェクトの目的は、研究・政策計画のための全国中央データベースの構築であった。 新しいNDオプトアウトによると、データ共有を本当に止める唯一の選択肢であるタイプ1オプトアウトオプションは、2020年に削除される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This chapter examines the challenges of the revised opt out system and the secondary use of health data in England. The analysis of this data could be very valuable for science and medical treatment as well as for the discovery of new drugs. For this reason, the UK government established the care.data program in 2013. The aim of the project was to build a central nationwide database for research and policy planning. However, the processing of personal data was planned without proper public engagement. Research has suggested that IT companies, such as in the Google DeepMind deal case, had access to other kinds of sensitive data and failed to comply with data protection law. Since May 2018, the government has launched the national data opt out system with the hope of regaining public trust. Nevertheless, there are no evidence of significant changes in the ND opt out, compared to the previous opt out system. Neither in the use of secondary data, nor in the choices that patients can make. The only notorious difference seems to be in the way that these options are communicated and framed to the patients. Most importantly, according to the new ND opt out, the type 1 opt out option, which is the only choice that truly stops data from being shared outside direct care, will be removed in 2020. According to the Behavioral Law and Economics literature (Nudge Theory), default rules, such as the revised opt out system in England, are very powerful, because people tend to stick to the default choices made readily available to them. The crucial question analyzed in this chapter is whether it is desirable for the UK government to stop promoting the type 1 opt outs, and whether this could be seen as a kind of hard paternalism.
• Abstract（参考訳）: 本章では、イングランドにおけるオプトアウト制度の改訂と健康データ二次利用の課題について考察する。 このデータの解析は、科学や治療、新薬の発見に非常に有用かもしれない。 このため、イギリス政府は2013年にケア・データ・プログラムを設立した。 このプロジェクトの目的は、研究・政策計画のための全国中央データベースの構築であった。 しかし、個人データの処理は適切な公的な関与なしに計画された。 調査によると、Google DeepMindのようなIT企業は、他の機密データにアクセスでき、データ保護法に従わなかった。 2018年5月以降、政府は国民の信頼を取り戻すため、国家データオプトアウトシステムを開始した。 それでも、以前のオプトアウトシステムと比較して、NDがオプトアウトした証拠はない。 二次的なデータの使用も、患者が選択できるものもない。 唯一の悪名高い違いは、これらの選択肢が患者に伝達され、フレーム化される方法にあるようだ。 一番重要なのは、新しいNDオプトアウト(オプトアウト)オプションであるタイプ1オプトアウト(オプトアウト)オプションが2020年に削除されるということです。 行動法・経済学文学(ナッジ理論)によれば、イングランドのオプトアウト制度などのデフォルトルールは非常に強力である。 この章で分析された重要な疑問は、英国政府が1型オプトアウトの推進をやめることが望ましいかどうか、そしてこれが一種のハード・パタニストと見なされるかどうかである。

関連論文リスト

• Differentially Private Data Release on Graphs: Inefficiencies and Unfairness [48.96399034594329]
  本稿では,ネットワーク情報公開の文脈における偏見と不公平性に対する差別的プライバシの影響を特徴づける。 ネットワーク構造が全員に知られているネットワークリリースの問題を考えるが、エッジの重みをプライベートにリリースする必要がある。 我々の研究は、これらのネットワーク化された決定問題におけるプライバシーに起因する偏見と不公平性に関する理論的根拠と実証的な証拠を提供する。
  論文  参考訳（メタデータ） (2024-08-08T08:37:37Z)
• Retrieval Augmented Thought Process for Private Data Handling in Healthcare [53.89406286212502]
  Retrieval-Augmented Thought Process (RATP)を紹介する。 RATPは大規模言語モデル(LLM)の思考生成を定式化する 電子カルテのプライベートデータセットにおいて、RATPは、質問応答タスクのコンテキスト内検索強化生成と比較して35%の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-12T17:17:50Z)
• Blockchain-empowered Federated Learning for Healthcare Metaverses: User-centric Incentive Mechanism with Optimal Data Freshness [66.3982155172418]
  まず、医療メタバースのための分散型フェデレートラーニング(FL)に基づく、ユーザ中心のプライバシ保護フレームワークを設計する。 次に,情報時代(AoI)を有効データ更新度指標として利用し,観測理論(PT)に基づくAoIベースの契約理論モデルを提案し,センシングデータ共有の動機付けを行う。
  論文  参考訳（メタデータ） (2023-07-29T12:54:03Z)
• A Comparative Audit of Privacy Policies from Healthcare Organizations in USA, UK and India [19.45392112573428]
  本稿では,米国,英国,インドにおける医療機関のプライバシポリシを監査するための大規模データ駆動型研究を提案する。 まず、これらの国の何千もの医療機関のプライバシポリシを収集し、クラスタリングベースの混合メソッド技術を使用して、このプライバシポリシデータをクリーン化した。 第2に、各国の正確なデータプラクティスを明らかにし、重要な違いに気づくために、要約ベースの手法を採用しました。
  論文  参考訳（メタデータ） (2023-06-20T14:21:37Z)
• Machine Learning Recommendation System For Health Insurance Decision Making In Nigeria [0.0]
  ナイジェリアでは健康保険の取得が貧弱になっている。 適切な健康保険計画を見つけ、選択するためのレコメンデーションツールは、医療保険へのアクセス障壁を減らすのに有用である。
  論文  参考訳（メタデータ） (2023-05-18T04:54:23Z)
• The Design and Implementation of a National AI Platform for Public Healthcare in Italy: Implications for Semantics and Interoperability [62.997667081978825]
  イタリア国立衛生局は、その技術機関を通じて人工知能を採用している。 このような広大なプログラムには、知識領域の形式化に特別な注意が必要である。 AIが患者、開業医、健康システムに与える影響について疑問が投げかけられている。
  論文  参考訳（メタデータ） (2023-04-24T08:00:02Z)
• Practical Challenges in Differentially-Private Federated Survival Analysis of Medical Data [57.19441629270029]
  本稿では,ニューラルネットワークの本質的特性を活用し,生存分析モデルの訓練過程を関連づける。 小さな医療データセットと少数のデータセンターの現実的な設定では、このノイズはモデルを収束させるのが難しくなります。 DPFed-post は,私的フェデレート学習方式に後処理の段階を追加する。
  論文  参考訳（メタデータ） (2022-02-08T10:03:24Z)
• Second layer data governance for permissioned blockchains: the privacy management challenge [58.720142291102135]
  新型コロナウイルス(COVID-19)やエボラウイルス(エボラ出血熱)のようなパンデミックの状況では、医療データを共有することに関連する行動は、大規模な感染を避け、死亡者を減らすために重要である。 この意味において、許可されたブロックチェーン技術は、スマートコントラクトが管理する不変で統一された分散データベースを通じて、データのオーナシップ、透明性、セキュリティを提供する権利をユーザに与えるために登場します。
  論文  参考訳（メタデータ） (2020-10-22T13:19:38Z)
• Discussing Privacy and Surveillance on Twitter: A Case Study of COVID-19 [2.0305676256390934]
  テクノロジーは、広範囲にわたる公衆衛生上の懸念の中で貴重な洞察を提供するために、大量の情報を分析するのに役立ちます。 AppleとGoogleは、コンタクトトラッキングツールを最近ローンチした。 Twitterのデータ分析と、前例のない公衆衛生のアウトブレイク時の情報共有ポリシーを通じて、もし存在すれば、ユーザーのプライバシー上の懸念を強調するのに役立つかもしれない。
  論文  参考訳（メタデータ） (2020-06-11T20:56:55Z)
• Synthetic Observational Health Data with GANs: from slow adoption to a boom in medical research and ultimately digital twins? [0.16244541005112745]
  患者に関するデータとそれを保護するための規制が、非常にプライベートな性質を持っているため、獣の潜在能力は明らかにされていない。 Generative Adversarial Networks (GAN) は、現実的な合成データを生成する生成モデルを学ぶための画期的な方法として最近登場した。 GANは、データ不足、クラス不均衡、まれな疾患、プライバシの保護など、医療における一般的な問題に関連する機能を備えている。
  論文  参考訳（メタデータ） (2020-05-27T17:40:35Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。