maziyarpanahi/openmed✦ 精选0°

deidentify-a-dataset

仓库创建 2025年10月4日最近提交 3 小时前SkillHot 收录 3 小时前

⬈ GitHub 仓库 ⬈ SKILL.md 原文件 ⬇ Raw 原始文件

▸ 精选理由

保留原始文件并生成不可逆脱敏汇总，适合共享分析

▸ 风险提示

需本地模型下载且脱敏可能不完全，部署时确认无外泄。

这个 Skill 做什么

在本地为CSV/JSONL/Parquet文件中的指定文本列去标识化并输出脱敏数据与汇总。

在本地对 CSV/JSONL/Parquet 的指定文本列做去标识化，输出脱敏后的数据集和一个不含 PHI 的汇总报告。适合需要准备临床数据以便分析或共享但又不能覆盖原始文件的场景，明确指定要处理的列，不会随意扫描或打印源数据。流程会把脱敏结果写到新文件并生成汇总统计，避免在日志或中间环节泄露单元格值。

▸ 展开 SKILL.md 英文原文

De-identify selected free-text columns in a local CSV, JSONL, or Parquet dataset with OpenMed and produce a separate redacted dataset plus a PHI-free aggregate summary. Use when an agent must prepare a clinical dataset for analysis or sharing without overwriting the source or exposing cell values in logs.

数据与抓取数据脱敏临床文本批量处理通用

4.7k

Stars

581

Forks

仓库内 Skill

积累中

7 日增星

安装 / 使用

给你的 Agent 一句话（通用）

帮我安装这个 skill：https://raw.githubusercontent.com/maziyarpanahi/openmed/master/skills/deidentify-a-dataset/SKILL.md

或 curl 直取 SKILL.md

curl -fsSL "https://raw.githubusercontent.com/maziyarpanahi/openmed/master/skills/deidentify-a-dataset/SKILL.md"

SKILL.MD 节选查看完整文件 ↗

# De-identify a dataset

Keep the source local, name the free-text columns explicitly, and write to a
different destination. Never infer columns or print source and redacted cell
values.

## Procedure

1. Confirm that the input is CSV, JSONL/NDJSON, or Parquet.
2. Confirm which columns contain free text. Do not scan or log values to guess.
3. Choose a policy and language. Prefer `strict_no_leak` when recall is the
   governing safety requirement.
4. Write to a new path; never overwrite the input.
5. Inspect only `result.summary`, which contains aggregate counts and rates.
6. Validate recall and residual leakage on representative synthetic or
   approved evaluation fixtures before releasing t

via SKILL·HOT · 数据来自 GitHub 公开信息 · 原文版权归作者所有