substantivo
Contexto: "
Challenge no 1:
Protection of geoprivacy Safeguarding patient privacy while preserving the spatial resolution required for spa- tial analysis and cluster detection is a major challenge in disease mapping. Location and health data from patients are considered identifiable and personal information and, the- refore, are subject to the General Data Protection Regulation 2016/679 (GDPR), a legis- lation that aims to provide control to individuals over their personal information. Simi- larly, mobile phone geolocation data – increasingly used to track human movement and access the efficacy of lockdown measures – is under the same rules and poses even more data protection questions. In response, a variety of methods have been proposed to mask patients’ geolocation (Chen et al., 2017). For example, the most common geomasking method is to spatially aggregate data, as done by the Directorate-General of Health (Direção-Geral da Saúde, DGS), which therefore only discloses data at the municipal level. Moreover, the DGS applies an additional restriction by omitting municipalities with less than three cases, which makes spatial analysis challenging and introduces a new layer of uncertainty. While disaggregating data is nearly impossible, dealing with the second problem could be achieved by using, for instance, imputation methods for masked count data."
Fonte: THE IMPORTANCE OF SPATIAL ANALYSIS OF COVID-19 PANDEMIC FOR HEALTH GEOGRAPHY: CHALLENGES AND PERSPECTIVES Ana Isabel Ribeiro1 Cláudia Jardim Santos2
Termo equivalente: proteção da privação geográfica
Definição: "Spatial analysis and mapping of georeferenced, individual-level data can help identify important geographical patterns or lead to knowledge significant for dealing with specific social issues in a particular area. However, given the need to protect personal privacy when using geospatial data, the possibility for undertaking geographical analysis on certain types of individual-level data is becoming increasingly circumscribed. This article addresses the need to protect geoprivacy while making georeferenced, individual-level data available in such a way that analytical results are not significantly affected. The effectiveness of three geographical masks with different perturbation radii (r) is examined using a data set for lung-cancer deaths in Franklin County, Ohio, in 1999. The findings reveal a rather consistent trade-off between data confidentiality and accuracy of analytical results. There seems to be a threshold r-value at which the results of analyses on masked data become substantially different from the original results. An r that produces an area about the average size of the study-area census-block groups achieves a desirable optimum trade-off between privacy protection and accuracy of results. The study shows that implementing appropriate geographical masks may help data managers or researchers establish the desirable trade-off, in a particular context, between privacy protection and accuracy of geographic information."
Fonte: https://www.utpjournals.press/doi/abs/10.3138/X204-4223-57MK-8273
Definição em português: "A análise espacial e o mapeamento de dados georreferenciados em nível individual podem ajudar a identificar padrões geográficos importantes ou levar ao conhecimento significativo para lidar com questões sociais específicas em uma área particular. No entanto, dada a necessidade de proteger a privacidade pessoal ao usar dados geoespaciais, a possibilidade de realizar análises geográficas em certos tipos de dados de nível individual está se tornando cada vez mais circunscrita. Este artigo aborda a necessidade de proteger a geoprivação e, ao mesmo tempo, disponibilizar dados georreferenciados em nível individual de forma que os resultados analíticos não sejam significativamente afetados. A eficácia de três máscaras geográficas com diferentes raios de perturbação (r) é examinada usando um conjunto de dados para mortes por câncer de pulmão em Franklin County, Ohio, em 1999. As descobertas revelam um trade-off bastante consistente entre a confidencialidade dos dados e a precisão dos resultados analíticos . Parece haver um valor limite de r no qual os resultados das análises de dados mascarados tornam-se substancialmente diferentes dos resultados originais. Um r que produz uma área com o tamanho médio dos grupos do censo da área de estudo atinge um equilíbrio ideal desejável entre a proteção da privacidade e a precisão dos resultados. O estudo mostra que a implementação de máscaras geográficas adequadas pode ajudar os gerentes de dados ou pesquisadores a estabelecer o trade-off desejável, em um determinado contexto, entre a proteção da privacidade e a precisão das informações geográficas."
