臧國(guó)全 賈瑞瑩

摘 要：[目的/意義]計(jì)量醫(yī)療數(shù)據(jù)中的病種隱私值，并基于人口統(tǒng)計(jì)變量對(duì)病種隱私進(jìn)行敏感性分析，為醫(yī)療隱私保護(hù)和醫(yī)療數(shù)據(jù)利用提供基礎(chǔ)條件。[方法/過(guò)程]采用聯(lián)合分析法，計(jì)算患者對(duì)醫(yī)療數(shù)據(jù)保護(hù)服務(wù)每個(gè)屬性的邊際支付意愿，求得醫(yī)療數(shù)據(jù)中病種的隱私值，通過(guò)獨(dú)立樣本T檢驗(yàn)和單因素方差分析，研究不同個(gè)體特征之間病種隱私的差異是否具有統(tǒng)計(jì)學(xué)意義。[結(jié)果/結(jié)論]基于訪談法的預(yù)調(diào)查結(jié)果，艾滋病隱私值為最高;采用聯(lián)合分析法和Logit模型，計(jì)量其他病種隱私值，結(jié)果顯示，降序排列隱私值較高的病種為精神疾病、傳染?。ò滩〕猓?、惡性腫瘤、心臟與腦血管疾病;基于人口統(tǒng)計(jì)變量的隱私值分析顯示，性別、年齡、受教育程度3個(gè)變量下醫(yī)療數(shù)據(jù)中病種隱私差異具有顯著性，且男性高于女性，年齡段為41～65歲的人群高于其他年齡段人群，教育程度越高隱私越大。

關(guān)鍵詞：醫(yī)療數(shù)據(jù);病種隱私;隱私計(jì)量;聯(lián)合分析

DOI：10.3969/j.issn.1008-0821.2020.05.019

〔中圖分類號(hào)〕G250.252 〔文獻(xiàn)標(biāo)識(shí)碼〕A 〔文章編號(hào)〕1008-0821（2020）05-0161-08

Measurement and Analysis of Disease Privacy in Medical Data

Zang Guoquan1，2 Jia Ruiying1

（1.School of Information Management，Zhengzhou University，Zhengzhou 450000，China;

2.Institute of Data Science，Zhengzhou University，Zhengzhou 450000，China）

Abstract：[Purpose/Significance]Measuring the privacy value of the disease in medical data and sensitivity analysis of disease privacy based on demographic variables provide basic conditions for medical privacy protection and medical data utilization.[Method/Process]Using the method of conjoint analysis，the privacy values of the diseases in medical data were obtained by calculating the patients marginal willingness to pay for each attribute of medical data protection service.And independent sample T-test and one-way ANOVA were used to investigate whether the differences in disease privacy between different individual characteristics were statistically significant.[Result/Conclusion]Pre-survey results based on interviews showed that AIDS had the highest privacy value;using the method of conjoint analysis and Logit model to measure the privacy value of other diseases，the results showed that the diseases with higher privacy value in descending order were mental diseases，infectious diseases（except AIDS），malignant tumors，heart and cerebrovascular diseases;Privacy value analysis based on demographic variables showed that there were significant differences in disease privacy among three variables：gender，age and education level.Males were higher than females，adults were higher than other age groups，and the higher education level，the greater privacy.

Key words：medical data;disease privacy;privacy measurement;conjoint analysis

1 問(wèn)題提出

醫(yī)療數(shù)據(jù)是健康醫(yī)療大數(shù)據(jù)的重要部分。醫(yī)療數(shù)據(jù)是醫(yī)療機(jī)構(gòu)通過(guò)其醫(yī)療信息系統(tǒng)采集的患者就醫(yī)過(guò)程中產(chǎn)生的數(shù)據(jù)。中共中央、國(guó)務(wù)院印發(fā)的《“健康中國(guó)2030”規(guī)劃綱要》和《關(guān)于促進(jìn)和規(guī)范健康醫(yī)療大數(shù)據(jù)應(yīng)用發(fā)展的指導(dǎo)意見(jiàn)》（2016）[1-2]，將健康醫(yī)療大數(shù)據(jù)分3類：健康數(shù)據(jù)（亦稱院外數(shù)據(jù)）、醫(yī)療數(shù)據(jù)（亦稱院內(nèi)數(shù)據(jù)）和基因數(shù)據(jù)。據(jù)CHIMA（中華醫(yī)院管理學(xué)會(huì)信息管理專業(yè)委員會(huì)）調(diào)查（2017），85%以上醫(yī)院已實(shí)施醫(yī)療信息系統(tǒng)，產(chǎn)生的醫(yī)療數(shù)據(jù)在整個(gè)健康醫(yī)療大數(shù)據(jù)中規(guī)模占比最大，采集最完善[3]。

Logit模型的選擇理由。根據(jù)Green P E等的研究，聯(lián)合分析中將配對(duì)比較數(shù)據(jù)與選擇概率模型聯(lián)系起來(lái)的參數(shù)估計(jì)方法有Logit模型和Probit模型，相比之下，Logit模型能夠保證全局的最大似然估計(jì)，逼近真實(shí)似然，而且Logit模型更簡(jiǎn)單，應(yīng)用更加廣泛[9]。

2.3 聯(lián)合分析法運(yùn)用于本研究的適用性分析

聯(lián)合分析法最早用于模擬產(chǎn)品，以得出消費(fèi)者的總體偏好，后又用于模擬服務(wù)，包括虛擬服務(wù)。本研究假設(shè)一個(gè)提供醫(yī)療數(shù)據(jù)保護(hù)的服務(wù)項(xiàng)目，應(yīng)用聯(lián)合分析法，模擬醫(yī)療數(shù)據(jù)中病種信息保護(hù)的服務(wù)項(xiàng)目，分析患者對(duì)各病種信息保護(hù)的選擇偏好及支付意愿。故在方法上是適用的。

病種的隱私值具有相對(duì)性，是患者相對(duì)于其他病種而言的隱私認(rèn)知相對(duì)程度。比如，一般認(rèn)為，艾滋病的隱私值最高，是相對(duì)于其他病種的界定，但艾滋病的絕對(duì)隱私值到底是多少，沒(méi)有一個(gè)確切的數(shù)值。聯(lián)合分析法將各病種放在一起，患者通過(guò)比較各病種保護(hù)狀態(tài)的服務(wù)項(xiàng)目輪廓計(jì)算病種的隱私值，此時(shí)的隱私值是各病種之間的患者隱私認(rèn)知的相對(duì)值。因此，聯(lián)合分析法能夠滿足病種隱私值計(jì)量的特質(zhì)需要。

估計(jì)消費(fèi)者對(duì)某一產(chǎn)品和服務(wù)支付意愿的方法有很多種。除聯(lián)合分析法外，常見(jiàn)的還有條件價(jià)值法（Contingent Valuation Method）和BDM機(jī)制（Becker-DeGroot-Marshak Mechanism）。條件價(jià)值法只適合于具有單個(gè)屬性的產(chǎn)品或服務(wù)，而病種信息保護(hù)服務(wù)涉及多重屬性，故條件價(jià)值法不適合本項(xiàng)研究[10]。BDM機(jī)制采用市場(chǎng)拍賣(mài)原理，競(jìng)標(biāo)者對(duì)拍賣(mài)物品出價(jià)，為獲取該物品，競(jìng)標(biāo)者需給出能夠承受的最高報(bào)價(jià)，即支付意愿，若拍賣(mài)成功，競(jìng)標(biāo)者以上述支付意愿購(gòu)買(mǎi)拍賣(mài)物品;很明顯，BDM機(jī)制拍賣(mài)的是實(shí)際商品，且該商品存在現(xiàn)實(shí)市場(chǎng)，而本研究中的病種信息保護(hù)服務(wù)是一個(gè)虛擬市場(chǎng)的模擬產(chǎn)品，故BDM機(jī)制也不適合本項(xiàng)研究[11]。

3 研究方案

3.1 醫(yī)療數(shù)據(jù)保護(hù)服務(wù)的屬性

為了確定醫(yī)療數(shù)據(jù)保護(hù)服務(wù)的屬性，采用訪談法預(yù)調(diào)查，了解用戶更關(guān)注的病種類型。本研究在鄭州大學(xué)第一附屬醫(yī)院隨機(jī)訪談40名患者，開(kāi)放性訪談問(wèn)題是“如果一個(gè)機(jī)構(gòu)提供醫(yī)療數(shù)據(jù)保護(hù)服務(wù)，你期望保護(hù)哪些病種信息以不被泄露使用？”。經(jīng)過(guò)統(tǒng)計(jì)，艾滋病的出現(xiàn)頻率為100%，為了保證結(jié)果的有效性，將艾滋病的隱私等級(jí)設(shè)置為最高，且不納入聯(lián)合分析。其他調(diào)查結(jié)果中，患者給出的病種既有具體疾病名稱，又有一類疾病的類稱，為了方便研究，按照病種類型聚類，為了使研究具有可行性，僅選擇頻率排名前4的病種，結(jié)果為：精神疾病、傳染?。ò滩〕猓?、惡性腫瘤、心臟與腦血管疾病，每類病種為醫(yī)療數(shù)據(jù)保護(hù)服務(wù)的屬性，每個(gè)屬性設(shè)置兩個(gè)水平，見(jiàn)表1。

3.2 調(diào)查方案

本項(xiàng)調(diào)查中，4個(gè)病種屬性均有2個(gè)層次，一個(gè)費(fèi)用屬性有4個(gè)層次，醫(yī)療數(shù)據(jù)保護(hù)服務(wù)項(xiàng)目輪廓64個(gè)（24x4）。然而，將64個(gè)服務(wù)項(xiàng)目輪廓全部進(jìn)行比較是不切實(shí)際的，因?yàn)楸容^次數(shù)太多會(huì)降

根據(jù)IBM Security和Ponemon Institute的一項(xiàng)調(diào)研[12]，連續(xù)8年來(lái)，健康醫(yī)療機(jī)構(gòu)的患者健康醫(yī)療數(shù)據(jù)泄露損失最高，單個(gè)數(shù)據(jù)項(xiàng)丟失和被盜所產(chǎn)生的損失為408美元，幾乎是其他領(lǐng)域平均值148美元的3倍。如果從泄露損失中提取很小部分用于購(gòu)買(mǎi)醫(yī)療數(shù)據(jù)保護(hù)服務(wù)，可大大降低產(chǎn)生的損失。所以，本研究采取損失金額的2%、4%和6%作為第5個(gè)屬性中的不同水平。

低受訪者對(duì)調(diào)查的注意力。為此，采用正交設(shè)計(jì)法，使用SPSS23.0中正交設(shè)計(jì)模塊，降低比較次數(shù)，選擇部分比較代替完全比較，去除明顯不合理服務(wù)項(xiàng)目輪廓（比如，前4個(gè)屬性的水平均為“保護(hù)狀態(tài)”，但第5個(gè)屬性的水平為0元），最終構(gòu)建的7個(gè)服務(wù)項(xiàng)目輪廓見(jiàn)表2。

本研究的調(diào)查問(wèn)卷分為兩部分：一是患者的人口統(tǒng)計(jì)學(xué)特征和所患病種;二是患者對(duì)所提供的兩兩匹配的醫(yī)療數(shù)據(jù)保護(hù)的服務(wù)項(xiàng)目輪廓的選擇（見(jiàn)表3調(diào)查樣表）。

3.3 調(diào)查對(duì)象來(lái)源

調(diào)查對(duì)象來(lái)自鄭州大學(xué)第一附屬醫(yī)院的住院患者，且至少患有上述4類疾病之一。調(diào)查樣本總數(shù)為453個(gè)，每類病種患者至少有100人。去除無(wú)效樣本，比如21次比較中選中的選擇項(xiàng)相同，或存在任一比較中不做選擇的，剩余有效樣本400個(gè)，且每類病種患者至少有100人，病種分布比較均勻。

4 結(jié)果與討論

4.1 樣本特征的描述

4.2 Logit模型的使用

應(yīng)用SPSS的二元Logitistic分析工具，可得到醫(yī)療數(shù)據(jù)的保護(hù)服務(wù)項(xiàng)目各屬性的相關(guān)系數(shù)，見(jiàn)表5。

β值的涵義。Logit模型中，屬性的β值涵義是聯(lián)合分析中受訪者使用產(chǎn)品（服務(wù)）中的對(duì)應(yīng)屬性所獲效用的程度描述，“1”表示效用最大，“0”表示無(wú)效用，負(fù)值表示屬性與效用之間負(fù)相關(guān)。針對(duì)本項(xiàng)研究，產(chǎn)品是醫(yī)療數(shù)據(jù)保護(hù)服務(wù)項(xiàng)目，屬性是病種，受訪者是患者，效用是患者使用該服務(wù)項(xiàng)目提供的保護(hù)該病種服務(wù)所獲得的收益。因此，表5中4個(gè)病種屬性的β值均為正值，表明患者使用病種保護(hù)服務(wù)均可獲得效用。β值越大，患者所獲效用越高，反之越低，由表5可知，精神疾病保護(hù)服務(wù)的效用最大，其他依次為傳染病（艾滋病除外）、惡性腫瘤、心臟與腦血管疾病的保護(hù)服務(wù)。支付費(fèi)用屬性的β值為負(fù)值，表明患者從該屬性中獲得的是負(fù)效用。

Wald值的作用。用于Logit回歸模型中β值的顯著性檢驗(yàn)，顯著性水平為0.05情況下的Wald統(tǒng)計(jì)量臨界值為3.481。從表5可知，5個(gè)屬性的Wald值均大于臨界值，表明5個(gè)屬性的β系數(shù)都在99.5%的置信水平下成立。

p值的作用。也用于β值的顯著性檢驗(yàn)，p值小于0.01情況下β系數(shù)在99%的置信水平下成立。表5可知，5個(gè)屬性的p值均為0，表明5個(gè)屬性的β系數(shù)均通過(guò)p值檢驗(yàn)。

4.3 病種隱私值的計(jì)量

根據(jù)Itsubo N等研究結(jié)果[13]，將上述得出各病種信息保護(hù)服務(wù)的β值除以愿意支付的醫(yī)療數(shù)據(jù)保護(hù)服務(wù)費(fèi)用β值的相反值（因?yàn)榉?wù)費(fèi)用β值為負(fù)值），即為患者對(duì)醫(yī)療數(shù)據(jù)保護(hù)服務(wù)項(xiàng)目各病種的邊際支付意愿，見(jiàn)表6。

根據(jù)上述分析，病種的邊際支付意愿即為病種的隱私值。因此，根據(jù)表6，精神疾病的隱私值最高，為30.81;其他依次為：傳染?。ò滩〕猓?9.90）、惡性腫瘤（23.95）、心臟與腦血管疾?。?7.71）。

4.4 基于人口統(tǒng)計(jì)變量的隱私值分析

使用SPSS進(jìn)行獨(dú)立樣本T檢驗(yàn)和單因素方差分析，研究不同個(gè)體特征之間隱私值是否存在顯著差異。前者比較兩個(gè)分組個(gè)案，后者可比較多組樣本。本項(xiàng)研究中，收集4項(xiàng)人口統(tǒng)計(jì)學(xué)變量：性別、年齡、受教育程度、婚姻狀況，其中性別和婚姻狀況為兩分組樣本，適合獨(dú)立樣本T檢驗(yàn)，年齡和受教育程度為多組樣本，適合單因素方差分析?；谏鲜鲭[私值計(jì)量方法，計(jì)算各個(gè)體特征下的隱私值，進(jìn)行顯著性檢驗(yàn)，結(jié)果顯示：婚姻變量下患者對(duì)不同病種隱私值不存在顯著差異，但其他3個(gè)變量下的差異顯著，故本節(jié)僅分析性別、年齡、受教育程度3個(gè)變量下的隱私值差異。

性別變量。該變量下患者對(duì)不同病種隱私值的獨(dú)立樣本T檢驗(yàn)結(jié)果見(jiàn)表7。由于各病種隱私值的顯著性p值均小于標(biāo)準(zhǔn)值0.05，性別變量對(duì)每個(gè)病種隱私值均有顯著影響，且統(tǒng)計(jì)結(jié)果男性的隱私值均高于女性，可能原因是男性的事業(yè)心較強(qiáng)，更擔(dān)心所患疾病的泄露給自己事業(yè)帶來(lái)影響。

4.3 病種隱私值的計(jì)量

根據(jù)Itsubo N等研究結(jié)果[13]，將上述得出各病種信息保護(hù)服務(wù)的β值除以愿意支付的醫(yī)療數(shù)據(jù)保護(hù)服務(wù)費(fèi)用β值的相反值（因?yàn)榉?wù)費(fèi)用β值為負(fù)值），即為患者對(duì)醫(yī)療數(shù)據(jù)保護(hù)服務(wù)項(xiàng)目各病種的邊際支付意愿，見(jiàn)表6。

年齡變量。該變量下患者對(duì)不同病種隱私值的單因素方差分析結(jié)果見(jiàn)表8。由于各病種隱私值的顯著性p值也均小于標(biāo)準(zhǔn)值0.05，年齡變量對(duì)每個(gè)病種隱私值均有顯著影響，且統(tǒng)計(jì)結(jié)果為41～65歲的隱私值最高，18～40歲的次之，66歲以上最低，可能原因是年齡段為41～65歲的患者正值事業(yè)高峰期，更擔(dān)心所患疾病的泄露給自己事業(yè)帶來(lái)影響。

受教育程度變量。該變量下患者對(duì)不同病種隱私值的單因素方差分析結(jié)果見(jiàn)表9。由于各病種隱私值的顯著性p值同樣也均小于標(biāo)準(zhǔn)值0.05，受教育程度變量對(duì)每個(gè)病種隱私值均有顯著影響，且統(tǒng)計(jì)結(jié)果均為受教育程度越高，隱私值越高?？赡茉蚴墙逃潭鹊奶嵘粌H提高對(duì)隱私的認(rèn)知程度，而且社會(huì)身份和工作地位也會(huì)提高，進(jìn)而導(dǎo)致對(duì)隱私泄露更加敏感。 -font-family：宋體; mso-bidi-font-family：宋體'>病種隱私值的計(jì)量

根據(jù)Itsubo N等研究結(jié)果[13]，將上述得出各病種信息保護(hù)服務(wù)的β值除以愿意支付的醫(yī)療數(shù)據(jù)保護(hù)服務(wù)費(fèi)用β值的相反值（因?yàn)榉?wù)費(fèi)用β值為負(fù)值），即為患者對(duì)醫(yī)療數(shù)據(jù)保護(hù)服務(wù)項(xiàng)目各病種的邊際支付意愿，見(jiàn)表6。

5 結(jié)束語(yǔ)

本文采用聯(lián)合分析法結(jié)合Logit模型，計(jì)量醫(yī)療數(shù)據(jù)中主要病種的隱私值，除了可應(yīng)用于醫(yī)療隱私識(shí)別和隱私保護(hù)外，本項(xiàng)研究還可應(yīng)用于下述領(lǐng)域：

1）醫(yī)療數(shù)據(jù)保護(hù)服務(wù)潛在市場(chǎng)規(guī)模估計(jì)。步驟：一是依據(jù)本文研究過(guò)程，計(jì)算出單個(gè)患者對(duì)各單項(xiàng)病種保護(hù)的邊際支付意愿，得出單個(gè)患者對(duì)醫(yī)療數(shù)據(jù)保護(hù)服務(wù)項(xiàng)目提供各單項(xiàng)病種保護(hù)的經(jīng)濟(jì)價(jià)值;二是匯總求和單個(gè)患者對(duì)各單項(xiàng)病種保護(hù)的邊際支付意愿，得出單個(gè)患者對(duì)提供醫(yī)療數(shù)據(jù)保護(hù)服務(wù)項(xiàng)目的經(jīng)濟(jì)價(jià)值;三是采用隨機(jī)抽樣法，統(tǒng)計(jì)愿意使用醫(yī)療數(shù)據(jù)保護(hù)服務(wù)的患者比例，再依據(jù)醫(yī)療衛(wèi)生部門(mén)記載的患者總數(shù)量，得出愿意使用醫(yī)療數(shù)據(jù)保護(hù)服務(wù)的患者規(guī)模;四是依據(jù)上述單個(gè)患者對(duì)提供醫(yī)療數(shù)據(jù)保護(hù)服務(wù)項(xiàng)目的經(jīng)濟(jì)價(jià)值計(jì)量結(jié)果和愿意使用醫(yī)療數(shù)據(jù)保護(hù)服務(wù)的患者規(guī)模，估計(jì)醫(yī)療數(shù)據(jù)保護(hù)服務(wù)潛在市場(chǎng)規(guī)模。當(dāng)然，目前還沒(méi)有形成成熟的醫(yī)療數(shù)據(jù)保護(hù)服務(wù)現(xiàn)實(shí)市場(chǎng)，但患者對(duì)該服務(wù)項(xiàng)目的需求是現(xiàn)實(shí)的，建立該項(xiàng)服務(wù)是必要的，本研究結(jié)果可以供服務(wù)提供者估計(jì)市場(chǎng)規(guī)模，分析投資可行性。

2）醫(yī)療數(shù)據(jù)泄露的賠償政策制定。隨著公民的隱私意識(shí)增強(qiáng)，醫(yī)療數(shù)據(jù)泄露訴訟案件不斷增加，但經(jīng)濟(jì)賠償缺乏統(tǒng)一標(biāo)準(zhǔn)，甚至缺失一個(gè)賠償標(biāo)準(zhǔn)的計(jì)量方法，不同判例的計(jì)量方法不同，經(jīng)濟(jì)賠償逐案確定。本項(xiàng)研究給出了醫(yī)療數(shù)據(jù)中各項(xiàng)病種的隱私值計(jì)量方法，也是各項(xiàng)病種的經(jīng)濟(jì)價(jià)值計(jì)量方法，進(jìn)而可以計(jì)量整個(gè)醫(yī)療數(shù)據(jù)的經(jīng)濟(jì)價(jià)值，供醫(yī)療數(shù)據(jù)泄露的賠償政策制定參考。不可否認(rèn)，目前我國(guó)醫(yī)療信息泄露的賠償乃至處罰力度相對(duì)于受害者感知的經(jīng)濟(jì)價(jià)值而言是非常低的，因此構(gòu)建一種具有科學(xué)依據(jù)的賠償制度，是廣大患者的需要，也是政府管理機(jī)構(gòu)的職責(zé)。

3）差異化醫(yī)療數(shù)據(jù)的隱私保護(hù)。醫(yī)療數(shù)據(jù)保護(hù)需成本投入，由于醫(yī)療數(shù)據(jù)中不同病種的隱私值不同，患者對(duì)不同病種的隱私認(rèn)知存在差異，采用同一高標(biāo)準(zhǔn)保護(hù)方案可能會(huì)造成資金浪費(fèi)，但采用同一的寬松保護(hù)方案可能導(dǎo)致隱私泄露，因此醫(yī)療數(shù)據(jù)的差異化保護(hù)在所難免。差異化保護(hù)需要根據(jù)不同醫(yī)療數(shù)據(jù)制定不同的保護(hù)措施，制定保護(hù)措施的依據(jù)是醫(yī)療數(shù)據(jù)的隱私程度，醫(yī)療數(shù)據(jù)的隱私主要是由內(nèi)含的各類病種隱私構(gòu)成的，所以本研究可以為醫(yī)療數(shù)據(jù)差異化保護(hù)措施的制定提供基礎(chǔ)依據(jù)。

另外，本研究也存在一些局限性，主要表現(xiàn)在調(diào)查樣本上。首先，調(diào)查樣本的代表性沒(méi)有進(jìn)行可信度檢驗(yàn)，樣本數(shù)量的充足性也沒(méi)有論證，理想情況下，樣本數(shù)量應(yīng)能代表實(shí)際全部，樣本的人口統(tǒng)計(jì)特征與實(shí)際全部患者的人口統(tǒng)計(jì)特征比較一致，只有這樣才能保證抽樣結(jié)果的可信任性。其次，調(diào)查樣本來(lái)源均為鄭州大學(xué)第一附屬醫(yī)院，而該院患者幾乎都來(lái)自河南省，河南省屬于我國(guó)中部，與東部相比經(jīng)濟(jì)比較落后，但與西部相比經(jīng)濟(jì)比較發(fā)達(dá)，一般來(lái)說(shuō)，經(jīng)濟(jì)越發(fā)達(dá)，人們的隱私保護(hù)意識(shí)越強(qiáng)，反之，隱私保護(hù)意識(shí)越弱，隱私保護(hù)意識(shí)與隱私值呈現(xiàn)正變關(guān)系，故經(jīng)濟(jì)發(fā)展程度與隱私值相關(guān)，所以從地區(qū)維度，本研究?jī)H限于河南省或擴(kuò)大到中部地區(qū)的患者醫(yī)療隱私，不能代替其他地區(qū)。最后，不同國(guó)家的文化不同，對(duì)隱私也會(huì)產(chǎn)生影響，本研究的樣本均來(lái)自中國(guó)，故從文化維度，研究結(jié)果僅限于我國(guó)患者的醫(yī)療隱私。

參考文獻(xiàn)

[1]中共中央，國(guó)務(wù)院.“健康中國(guó)2030”規(guī)劃綱要[EB/OL].http：//www.xinhuanet.com //politics/2016-10/25/c_11197858 67.htm，2019-08-11.

[2]國(guó)務(wù)院辦公廳.關(guān)于促進(jìn)和規(guī)范健康醫(yī)療大數(shù)據(jù)應(yīng)用發(fā)展的指導(dǎo)意見(jiàn)[EB/OL].http：//www.gov.cn/zhengce/content/2016-06/24/content_5085091.htm，2019-08-11.

[3]CHIMA.2017-2018年度中國(guó)醫(yī)院信息化調(diào)查報(bào)告[EB/OL].https：//chima- 1256452791.cos.ap-beijing.myqcloud.com/CHIMA%20Report/2017-2018中國(guó)醫(yī)院信息化狀況調(diào)查報(bào)告.pdf，2019-08-11.

[4]APSN.Privacy in Big Data：An Investigation and Analysis[EB/OL].http：//www.apecpsn.org/ Documents/2018.pdf，2019-08-11.

[5]IBM，Ponemon.Cost of Data Breach Study in 2017：Global Overview[EB/OL].https：// www.ibm.com/report/2018.pdf，2019-07-16.

[6]IAPP.Privacy Leakage Survey in 2017[EB/OL].https：//iapp.org/resources/article/ the-privacy-leakage-survey/，2019-08-16.

[7]Luce R D，Tukey J W.Simultaneous Conjoint Measurement：A New Type of Fundamental Measurement[J].Journal of Mathematical Psychology，1964，1（1）：1-27.

[8]Sichtmann C，Wilken R，Diamantopoulos A.Estimating Willingness-to-Pay with Choice-based Conjoint Analysis-Can Consumer Characteristics Explain Variations in Accuracy？[J].British Journal of Management，2011，22（4）：628-645.

[9]Green P E，Srinivasan V.Conjoint Analysis in Consumer Research：Issues and Outlook[J].Journal of Consumer Research，2008，5（2）：103-123.

[10]Mackenzie，John.A Comparison of Contingent Preference Models[J].American Journal of Agricultural Economics，1993，75（3）：593.

[11]Yue C，Hall C R，Behe B K，et al.Are Consumers Willing to Pay More for Biodegradable Containers Than for Plastic Ones？Evidence from Hypothetical Conjoint Analysis and Nonhypothetical Experimental Auctions[R].2010.

[12]IBM，Ponemon.2019 Cost of a Data Breach Report[EB/OL].https：//www.ibm.com/security/data-breach，2019-07-16.

[13]Itsubo N，Sakagami M，Washida T，et al.Weighting Across Safeguard Subjects for LCIA Through the Application of Conjoint Analysis[J].The International Journal of Life Cycle Assessment，2014，9（3）：196-205.

（責(zé)任編輯：馬 卓）