Knowledge-Hub Digitalisierung, KI & Gesundheitein Angebot von Monitor Versorgungsforschung

Knowledge-Hub Digitalisierung, KI & Gesundheit › Studien

Anonymisierung von Klinicdaten: Wie k-Anonymität Analyseergebnisse verfälscht

Kamdje Wabo G et al. · JMIR Med Inform · erschienen 11.09.2026 · PMID 42726783

Von KI ausgewählt und zusammengefasst

Worum es geht

Deutsche Studie über Versorgungsdaten (719.387 stationäre Fälle) untersucht, wie die k-Anonymität zum Datenschutz die statistische Qualität für klinische Analysen zu Diagnosen und Liegedauer beeinträchtigt.

Ergebnis

Bei k=5 bis k=15 blieb die Rangfolge diagnose-spezifischer Liegedauer-Effekte erhalten (Spearman ρ 0,964–0,970), aber die Verteilungsform verschob sich: Median um 1 Tag, SD sank um 6,5 Tage, Diagnose-Vokabular schrumpfte (Jaccard-Overlap 0,624 zu 0,421). Etwa 7% der schwach-signalträchtigen Diagnosen zeigten Vorzeichenwechsel.

Übertragbarkeit auf Deutschland

Deutsche Universitätsklinik, direkt auf deutsche Anonymisierungspraxis übertragbar

Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.