S'abonner

Performance of Pseudonymization Methods applied to Hospital Documents in the Context of Health Data Warehouses - 29/07/26

Doi : 10.1016/j.jeph.2026.203790 
Dounia MEDDAD a, c, Caroline ADOU-LE-BRIS a, c, Marion VERGONJEANNE a, c, Guillaume COULAUD a, Erij AMEUR a, Welba DANWE-DANWANG a, Arnold Didier GHOMSI-TALLA a, Romain GRIFFIER b, Fabien RASTELLO a, Julien MAGNE a, c,
a Limoges University Hospital, Clinical and Research Data Center, 23 Av Dominique Larrey, Limoges, France 
b Bordeaux University Hospital, Medical Information Service, Place Amélie Raba Léon, Bordeaux Cedex, France 
c Inserm U1094, IRD UMR270, EpiMaCT - Epidemiology of chronic diseases in tropical zone, OmegaHealth, Limoges, France 

Corresponding author. Pr. Julien Magne, CHU Limoges, Clinical and Research Data Center, 23 Av Dominique Larrey, Limoges, France. Tel: +33 5 55 05 69 58 CHU Limoges Clinical and Research Data Center 23 Av Dominique Larrey Limoges France
Sous presse. Manuscrit accepté. Disponible en ligne depuis le Wednesday 29 July 2026

Abstract

Introduction

The development of health data warehouses (HDWs) in France raises concerns about personal data protection. Regulations require health research to use anonymized or pseudonymized data. This study evaluates a document pseudonymization tool developed by AP-HP, which integrates named entity recognition methods, within the NOVA Health cooperation group's project to establish an HDW at Limoges University Hospital.

Methods

This single-center observational study assessed the performance of the AP-HP pseudonymization algorithm on documents from Limoges University Hospital. The corpus included documents extracted from the Crossway clinical information system software. The study aimed to identify reidentifying labels revealing patient identity. Precision, recall, and F1-score were calculated by document type, hospital department, and patient.

Results

The AP-HP algorithm achieved an overall F1-score of 79%, with performance varying from 15% to 96% among label types, document formats, and departments. Most false positives and negatives occurred in last names (25% and 21%), first names (23% and 18%), and dates (13% and 14%). The algorithm performed best for emails and phone numbers (0.5% and 0.5%; 4% and 3% for false positives and negatives, respectively). By document type, letters had the best performance (5% false positive, 6% false negative). Per patient, performance was good for up to six documents (80%) but dropped significantly for more than six (−25%).

Conclusion

While the AP-HP algorithm shows strong label identification, detailed error analysis and contextual adaptation of regular expressions at Limoges University Hospital are necessary to optimize accuracy and ensure full General Data Protection Regulation compliance in HDW data use.

Le texte complet de cet article est disponible en PDF.

Keywords : Clinical data warehouse, Natural language processing, Health reports, Pseudonymization, Data privacy

Abbreviations : AP-HP, CNIL, GDPR, GS, HDW, HIS, IEP, IPP, NER, NLP, OCR


Plan


© 2026  Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Déjà abonné à cette revue ?

Elsevier s'engage à rendre ses eBooks accessibles et à se conformer aux lois applicables. Compte tenu de notre vaste bibliothèque de titres, il existe des cas où rendre un livre électronique entièrement accessible présente des défis uniques et l'inclusion de fonctionnalités complètes pourrait transformer sa nature au point de ne plus servir son objectif principal ou d'entraîner un fardeau disproportionné pour l'éditeur. Par conséquent, l'accessibilité de cet eBook peut être limitée. Voir plus

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2026 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.