Con el método Safe Harbor, un extracto está anonimizado (desidentificado) cuando se han eliminado los 18 identificadores y la organización no tiene conocimiento real de que lo que queda pueda identificar a una persona. En SQL eso significa reescribir columnas, no solo quitarlas:
- Código postal (ZIP): conserva los tres primeros dígitos solo donde el área de tres dígitos tiene más de 20.000 habitantes; si no, 000. Las poblaciones están en
hd_zip3_population.
- Fechas: se eliminan todos los elementos de las fechas salvo el año. Un mes es un elemento de una fecha.
- Edades de más de 89: se agrupan como 90 o más, y el año de nacimiento de esos pacientes también se va, porque delata su edad.
- Los identificadores directos (nombres, MRN, teléfono, correo electrónico y los demás) salen del extracto.
CASE WHEN z.population > 20000 THEN z.zip3 ELSE '000' END AS zip3
La regla del ZIP de Safe Harbor en SQL.