Publicação Diferencialmente Privada de Dados de Pacientes de COVID-19 | Zendy

Manuel Edvar Bento Filho | Zendy; Eduardo R. Duarte Neto | Zendy; Javam C. Machado | Zendy

AI Assistant Blog Pricing

Home ZAIA Blog

Open Access

Publicação Diferencialmente Privada de Dados de Pacientes de COVID-19

Author(s) -

Manuel Edvar Bento Filho,

Eduardo R. Duarte Neto,

Javam C. Machado

Publication year - 2020

Language(s) - Portuguese

Resource type - Conference proceedings

DOI - 10.5753/sbbd.2020.13649

Subject(s) - covid-19 , humanities , political science , philosophy , medicine , disease , pathology , infectious disease (medical specialty)

A pandemia do novo corona vírus (COVID-19) trouxe novos desafios aos sistemas de saúde por quase todos os cantos do mundo, muitos deles sobrecarregados. A análise de dados tem desempenhado um papel fundamental no combate ao corona vírus, guiando tanto profissionais de saúde, como autoridades governamentais nas estratégias adotadas. Entretanto, informações privadas dos indivíduos devem ser preservadas, e um equilíbrio entre privacidade e utilidade deve ser alcançado. Este trabalho irá demonstrar que é possível garantir a privacidade dos pacientes infectados e manter a utilidade dos dados, permitindo uma análise de qualidade sobre os mesmos.

The content you want is available to Zendy users.

Already have an account? Click here to sign in.

Having issues? You can contact us here

Accelerating Research