本文内容如下e-collection /主题问题:

主题:新型冠状病毒(COVID-19)疫情快速报告(1268年) JMIR主题:COVID-19特刊(1898年) 数字接触追踪，数字接近追踪，精确公共卫生(116) 信息监测，信息流行病学，数字疾病监测，信息管理(741) 爆发和大流行病的准备和管理(1347年) 区块链，健康和医疗分布式账本应用程序(72) 监控系统(325)

发表在在第七卷第4期(2021年):4月

本文的预印本(早期版本)可在https://preprints.www.mybigtv.com/preprint/26460，首次出版．
测试，追踪，然后戴上区块链?评估使用分散系统进行算法接触追踪以对抗全球大流行的观点

测试，追踪，然后戴上区块链?评估使用分散系统进行算法接触追踪以对抗全球大流行的观点

测试，追踪，然后戴上区块链?评估使用分散系统进行算法接触追踪以对抗全球大流行的观点

本文作者:

莫里茨普拉特1 作者Orcid图片； 安东Hasselgren2 作者Orcid图片； 胡安·曼努埃尔Román-Belmonte3. 作者Orcid图片； Marcela Tuler de Oliveira4 作者Orcid图片； Hortensia De la Corte-Rodríguez5 作者Orcid图片； Sílvia Delgado Olabarriaga4 作者Orcid图片； E卡洛斯Rodríguez-Merchán6、7 作者Orcid图片； 蒂姆·肯·麦基8、9 作者Orcid图片
文章 作者 引用的 Tweetations (8) 指标

    的观点

    1伦敦国王学院信息系，英国伦敦

    2挪威科技大学医学与健康科学学院神经医学和运动科学系，挪威特隆赫姆

    3.物理医学和康复科，dela Cruz Roja San中央医院José y Santa Adela，马德里，西班牙

    4流行病学和数据科学系，阿姆斯特丹UMC，阿姆斯特丹，荷兰

    5西班牙马德里拉巴斯大学医院物理医学和康复科

    6西班牙马德里拉巴斯大学医院矫形外科

    7骨关节外科研究，拉巴斯医院健康研究所，IdiPAZ，马德里，西班牙

    8美国加州大学圣地亚哥分校医学院麻醉科、传染病与全球公共卫生学部

    9BlockLAB，圣地亚哥超级计算机中心，加州大学圣地亚哥分校，加州拉霍亚，美国

    通讯作者:

    蒂姆·肯·麦基，硕士，博士

    麻醉科，传染病和全球公共卫生司

    医学院

    加州大学圣地亚哥分校

    拉霍亚大道8950号

    A124

    La Jolla, CA, 92037

    美国

    电话:1 951 491 4161

    电子邮件:tmackey@ucsd.edu


    COVID-19大流行期间病例数不断增加的巨大压力催生了各种新型数字系统，旨在为公共卫生领域的前所未有挑战提供解决方案。算法接触者追踪领域，特别是以前受到有限关注的研究领域，已成为遏制大流行的一个关键因素。使用数字工具实现更有力和更迅速的接触者追踪和通知，同时保持对所生成数据的隐私和信任，被视为识别传播链和密切接触者，从而实现有效案件调查的关键。随着全球病例数超过1亿，许多无症状患者仍未被发现，以及COVID-19变体开始在世界各地出现，扩大这些工具的规模从未如此重要。在这种背景下，区块链技术作为增强数字算法接触追踪和报告系统的一部分受到越来越多的关注。通过分析从这一趋势中出现的文献，所提出的设计的共同特征变得明显。考虑到这些特征，可以推导出一个原型系统架构。然而，使用公认的评估框架评估该体系结构的效用表明，区块链技术的附加好处和特性在算法接触跟踪和报告方面并没有比传统的集中式系统提供显著优势。因此，从我们的研究来看，区块链技术似乎可以在接触者追踪之外的其他公共卫生领域提供更显著的好处。

    JMIR公共卫生监测2021;7(4):e26460

    doi: 10.2196/26460

    关键字

    新型冠状病毒肺炎； 公共卫生； 区块链； 分布式账本技术； 移动应用程序； 流行的缓解； 接触者追踪； 流行病学监测


    背景

    对许多全球卫生专业人员来说，COVID-19大流行的出现并不完全出人意料。2002年秋在中国广东省爆发的非典——其特征是全球化时代第一次接近大流行[1]，标志着新世纪的开始，全球卫生安全事件将在全球范围内变得更加频繁和迅速升级。在SARS之后，全球爆发了H1N1流感、中东呼吸综合征、寨卡病毒和新的埃博拉疫情。这些预警信号预示了自1918年流感大流行以来最严重的人类卫生紧急情况:目前的COVID-19全球大流行，截至2021年2月，已在全球造成至少1亿例病例和200万人死亡[2］．

    在这段新型、新出现和重新出现的传染病加速爆发的整个时期，要求制定健全的公共卫生政策和进一步扩大公共卫生监测能力以预防未来大流行的呼声变得更加频繁和紧迫[3.］．然而，对公共卫生基础设施的投资，例如根据世界卫生组织《国际卫生条例》加强国家能力，并没有注意到这些警告:专家们描绘了一幅暴发准备的惨淡图景，他们将全球大流行应对描述为恐慌的循环，然后是忽视[4］．因此，各种疾病监测系统，包括电子公共卫生报告模式，都受到了与covid -19相关数据相关的复杂要求的挑战。其中一些挑战源于相关公共卫生机构无法接收和分享大规模流行的电子数据[5]，部分原因是使用了不适当或过时的工具，缺乏互操作性[6]，以及部分因未能符合保安及私隐要求[7］．

    随着COVID-19病例继续激增，各国政府试图投资和部署更强大的数字疾病监测系统。这些包括不同形式的技术(例如，数字流行病学、大数据、机器学习、移动应用程序和分布式计算)，现在被视为探索大流行应对现代化的关键工具[8］．虽然这一技术领域的创新和投资迅速增加，但由于与数据治理、用户采用、对问责制和监督的担忧以及患者隐私和社会接受问题相关的非技术挑战，许多以技术为中心的举措遇到了实施障碍[7，8］．在此背景下提出的一种新兴技术是区块链，这是一种分布式账本技术，在多个行业中日趋成熟，包括数字加密货币、金融交易技术等领域，并在能源、运输、供应链、审计和医疗保健等工业部门受到越来越多的关注[9］．

    区块链用于医疗保健

    采用区块链，它可以被描述为一个仅可附加的分布式数据库，通过点对点协议协调[10]，消除了对中央运营商的需求，并可以提供对传统医疗保健信息管理系统(例如，客户-服务器系统)的潜在改进[9］．区块链允许在对抗环境中对数据进行防篡改复制[11］．该技术对于对手向系统的不同部分发送冲突信息的故障场景具有弹性[12]，即使这些对手恶意提供大量假名身份[13］．区块链的参与者使用共识机制就建议的记录是否可予接纳达成共识[14]，从而确保只复制网络成员同意的有效记录。

    区块链网络上的共识可以是基于证明的(例如，比特币区块链使用的工作量证明共识)或基于投票的(例如，权威证明共识)[15]，不同的杂交形式正成为一个新兴的研究领域[16］．关于访问控制，区块链协议分类法区分了公共或私有网络以及无许可或许可网络[17］．公共区块链是开放的，任何人都可以参与，而私有区块链，或企业在美国，区块链采用访问控制机制。在无权限系统中，所有成员在共识协议中都有相同的责任，而有权限的网络根据参与者的角色和权限，在共识中分配不同的责任。

    已经出现了几个用例，证明了区块链在医疗保健数据管理中的潜在效用。其中包括电子健康记录(EHR)管理和聚合、卫生系统数据的隐私保护算法、区块链系统与医疗物联网的集成、在多个支付方和提供者之间实现分布式患者-提供者目录，以及增强卫生供应链的管理和安全[18-21］．伴随着这一潜力，区块链也面临着现实世界的实现挑战，包括存储和传输链上和链下的数据，与其他卫生信息系统的互操作性，管理权限结构，并确保可伸缩性[22］．

    区块链还被认为是COVID-19算法接触追踪的潜在解决方案，有望防止网络攻击[23]，从而在全球范围内监测社会遭遇，为卫生政策提供信息[24]，保障私隐[25，26]，以防止伪造诊断[27]，让使用者保留个人资料的拥有权[28]，以及确保该等资料的可信度[29]，同时保存其来源记录[26］．虽然目前市场上流行的算法联系人跟踪框架都没有[30.]使用区块链，越来越多的学术著作[23，25，27，31-38暗示着极大的兴趣。因此，这一观点旨在严格审查区块链技术在大流行算法接触追踪方面的潜在效用和技术可行性。这是通过应用区块链评估框架来实现的，该框架基于七个关键问题来评估对特定用例使用技术的适用性。该观点最后提出了一些关于区块链是否是这一关键公共卫生用例的可行应用的建议，以及关于如何在持续对抗COVID-19的斗争中利用该技术的其他观察结果。


    常规和算法接触追踪方法概述

    接触者追踪是一项流行病学控制措施，旨在查明与感染传染病的个人有过接触的所有人，以及这些人有可能感染该疾病并将该疾病传播给其他密切接触者[39］．它在控制人群中未被发现的感染方面有明显的好处[40]，例如COVID-19的传播，其中很大一部分病例可能是无症状的[41］．快速、可靠和准确的检测以确认病例是成功追踪接触者的先决条件[42，43]，因为如果没有它们，感染个体可能仍未被识别，并继续作为人类病媒，维持社区传播。检测不足可能导致漏报疾病的真实流行率及其发病率，并限制非药物干预措施的有效性，如口罩、社交距离和其他重要的公共卫生干预措施[44］．然而，接触者追踪只是有效疫情控制和应对过程中的一个单一阶段，只有在与检疫和隔离程序相结合时才有效[45］．

    接触者追踪有丰富的历史，可以追溯到19世纪后期，当时英国医务人员对天花等传染病暴发采取了监测系统，包括通报、隔离、消毒和发现病例[46］．信息时代带来了数字病例管理系统和其他创新(例如，通过移动应用程序实现的数字流行病学、互联网监测以及使用人工智能实现的疾病建模和预测)，现在卫生当局正在利用这些创新。然而，传统的基于面试的方法仍然是主流[8，47，48］．在这里，联系信息是由卫生保健专业人员或志愿者收集的，他们通过与患者、家庭或卫生保健专业人员的访谈或通过分析医疗记录、跟踪数据或监测数据来发现受传染病影响的个人的接触史[49］．

    在使用基于访谈的接触追踪技术时，其成功依赖于受影响者回忆其接触历史的能力。然而，这种自我报告的数据的可靠性值得怀疑[50］．而且，通过这种方法无法发现与未知人员的联系。此外，传统的接触者追踪方案是劳动密集型的，与每个病例的高成本相关，并且在增量投资下，疾病流行率的降低越来越小[51］．因此，有人怀疑在大规模流行的情况下，仅靠这些传统方法是否有效。对此，提出了数字流行病学方法，包括接触者追踪算法，以更有效地减少病毒传播[8］．数字流行病学，或“利用公共卫生系统之外产生的数据进行疾病监测”[8]，自20世纪90年代以来一直在讨论[52］．大多数早期的数字流行病学方法都在使用被动方法是重新利用来自"一系列来源的数据，其中大多数与医疗保健利用无关"[补充材料，8]。相比之下，大多数的算法接触追踪模式都可以考虑活跃的方法，作为用户要自觉地启用数据监控和共享。

    通过允许公共卫生机构收集、汇总和分析有关病例接触者的自动生成数据，算法接触者追踪使传统的接触者追踪过程自动化，从而消除了费力的面谈的需要。临床信息系统和流行病学数据的大容量和多模态性质构成了新技术可以帮助解决的挑战[53］．这尤其适用于能够快速评估潜在暴露和风险模式的算法，同时能够更快地通知可疑接触者[54］．通过强制使用手机追踪应用程序，积极应用算法接触追踪的国家(如中国和韩国)能够比使用自愿参与方法的国家更有效地减少每日阳性病例[55］．虽然尚不清楚控制病例数是否可以直接归因于算法接触者追踪，但使用大数据追踪个人是这些国家应用的大流行控制战略的共性[56］．此外，部署算法接触者追踪的实际经验说明了与这些技术相关的道德问题的复杂性，包括需要平衡个人隐私和自主权问题，以及在公共卫生紧急情况期间利用此类数据防止疾病传播[8，56］．

    重申一下，接触追踪的目标是识别那些有过接触从而确定潜在的接触和感染途径。而定义什么可以考虑联系在COVID-19仍在演变的背景下[57]，主动接触追踪算法通常使用物理距离和接触时间[58作为近似值。用于算法联系人追踪收集的数据通常采用以下三种形式之一:(1)主动报告的数据(即要求参与者遵守的手动数字签到)[59])，(2)主动传感器数据(即使用同一追踪应用程序遇到不同设备的信息)，以及(3)被动传感器数据(即有关设备地理位置的信息)。这些信号通常由使用蓝牙的设备产生，包括低功耗蓝牙;全球定位系统(GPS);及Wi-Fi信号强度资料[60］．蓝牙允许主动传感，以亚微米精度传递关于两个传感器接近的信息[61，62］．通过GPS和Wi-Fi的被动传感利用环境数据，在良好的条件下，以相对较高的精度近似设备的地理位置[63，64]，但在次优条件下精度不足[65-67］．基于这些信息，算法接触追踪系统可以重建个人设备何时接近，从而使其能够主动提醒那些被确定为有感染风险的人，一旦确认阳性病例向系统通报。

    现有的区块链技术的算法接触追踪文献

    如前所述，算法接触追踪现在是区块链技术的一个新兴用例。然而，在COVID-19大流行之前，关于这一主题及其在传染病控制中的应用的论文很少，尽管此前曾爆发过其他疾病。这一领域最早的贡献之一是由康柏等人[68在刚果民主共和国2018年爆发这种高毒性病毒的背景下，他提出了一个“区块链平台，用于实时追踪埃博拉接触者”。随后，COVID-19大流行引起了人们对这一主题的兴趣，并在医学和工程文献中发表了一些出版物和预印本。从系统的角度来看，区块链在算法联系人跟踪中的主要功能是用于管理联系人数据的防篡改分布式数据存储[23，25，27，31-38］．一个不太明显的功能是数据集成层，它允许在卫生保健环境中的不同行动者之间交换来自不同来源的医疗和公共卫生信息[23，25，27，32］．以这种方式交换的数据是经认证的COVID-19诊断数据[23，25，32]或免疫数据[27］．

    所提出的算法接触跟踪区块链系统表现为分布式架构，由网络中不同数量的节点组成(参见图1)。通常，这些系统不采用访问控制，而是授予公众读写权限[23，25，31，33-36，38］．不常见的情况是，向公众提供读访问权限，但限制写访问权限[37]，但其他架构作为私有系统运行[27，32］．在大多数公共系统中，每个节点都存储全网范围内所有数据的副本。在这里，数据可能会根据特定于所使用的协议的格式进行加密和存储。在某些体系结构中，医院或实验室等外部实体访问区块链以获取用于分析的数据[37]，可能会将它们与外部电子病历系统所保存的数据相关联。用于节点间数据复制的共识机制很少被讨论。在它们所在的地方，机制的选择要么是根据它们的性能特征[25]或实施以权威为基础的共识形式[23，35，37］．虽然一些提案没有讨论智能合约的作用[31，37，38，许多人使用智能合约来验证链上的数据[23，32，34-36]，主要是为了防止恶意用户在系统中插入捏造的阳性诊断记录[23，32］．

    ‎
    图1。基于区块链的接触跟踪环境原型，源自已发表文献中描述的体系结构。EHR:电子健康记录。
    查看此图

    提议的基于区块链的算法接触跟踪系统(见图1)也通常迎合两种类型的参与者:一种是使用联系人追踪应用程序的受试者，另一种是只使用自我报告数据的情况[34，36]，以数字方式证明阳性病例的医疗专业人员[23，25，32］．受试者通过移动设备从被动传感器获取环境信号[33]，主动传感器发出的接近信号[23，31，32，34，36-38]，或两者的组合[25，27，35，36］．接收到的数据被转换成目标格式存储在区块链上，其细节是协议之间的关键区别。虽然有些协议忽视了信息隐私[33]，更常见的是，追踪数据的机密性被认识到，并通过提出被认为可以防止主体隐私受到损害的格式来解决。

    以隐私为中心的区块链架构的目标如下:防止对诊断数据的操纵[23]，防止冒充卫生当局[31]，以保护受感染人士的身分[25，36]，或者，最常见的是，通过从存储数据中推导运动或接触剖面来排除大规模监控[25，31，32，34，35，37，38］．为了实现这些目标，提出了各种模型来捕获与接触追踪相关的数据。联系资料通常以使用一次性假名的联系人名单的形式出现[23]，化名用户数据与加密位置信息相结合[25]、假名或加密诊断[31，32]，或加密的流行病学资料[37］．

    无论格式如何，联系人数据在用户设备上生成后都会被发送到区块链。这可以通过向公共网络提交交易来实现[23，25，31，33-36，38]或，特别是在受试者无法直接访问区块链的私人系统的情况下[27，32，37]，通过可由政府机构操作的上游应用程序编程接口[27，37]或由其他可信赖实体组成的财团[32］．然后在节点之间复制数据。在对受试者进行阳性诊断的情况下，有两种可供选择的模式。首先，受试者可以主动透露他们在链条上的积极状态，通常是通过提供某种形式的证明[23，32］．其次，假名诊断可以上传到链[31，33]或由授权诊断医生在链上背书[25］．然后，受试者可每隔一段时间查询区块链，以获得基于其以往接触的风险评估[32，38]或接收通知[23，36，37］．这些拟议系统的总体目的是使分散的网络能够共享与接触追踪工作相关的可信数据，包括自我报告数据和环境信号。然而，围绕数据存储、计算和确保隐私保护处理的措施的参数各不相同，如果实现这些，可以由开发人员进一步调整。

    区块链在算法接触追踪中的适用性评价

    概述

    基于我们对算法接触追踪区块链系统设计的审查，我们现在基于技术评估框架对其应用于COVID-19的潜在适用性和技术可行性进行了深入评估。我们使用了Lo等[69框架，该框架通过提出一组七个问题和相关的决策门来评估应用区块链对一般用例需求的适用性，以回答区块链或传统数据库是否更适合特定技术用例的问题。这些问题包括:

    1. 需要多方参与吗?
    2. 是否需要可信的权威?
    3. 操作是否集中?
    4. 数据是否需要透明或保密?
    5. 是否需要交易历史的完整性?
    6. 数据不变性是必需的吗?
    7. 是否需要高性能?

    下面，我们评估区块链的核心功能，如去中心化、信息隐私、不可变性、数据集成、交易验证和网络性能，与适用性评估保持一致，并应用于算法联系人跟踪的用例(见表1)。

    表1。区块链技术应用于算法接触追踪的适用性评估，并与传统数据库应用(cda)进行比较。
    区块链用例的考虑 评价 指示的系统体系结构
    需要多方参与吗?一个 是的 区块链是首选，但CDA也适用
    是否需要可信的权威?一个 是的 要么区块链要么CDA
    操作是否集中?一个 不确定的 可能是CDA，因为它本质上支持集中式操作
    透明度是必需的吗?一个 没有 CDA
    需要交易历史记录吗?一个 没有 CDA
    不变性是必需的吗?一个 没有 CDA
    是否需要高性能?一个 不确定的 可能是CDA，因为它通常可以实现更高的吞吐量
    是否需要与其他系统集成? 是的 要么区块链要么CDA
    是否需要分散的数据验证? 没有 CDA
    数据可靠性要求高? 是的 CDA，因为它通常可以提供更高的数据可靠性，而不需要区块链所需的链上和链下方法

    一个这一考虑是基于Lo等人提出的框架[69］．
    多党分权

    第一个问题Lo等人[69在他们的框架中提出的问题是，用例是否需要多方参与，如果是这样，是否需要一个可信的权威，以及这个可信的权威是否可以去中心化。在这种情况下，评估是否需要在公共或私人区块链上运行多方去中心化权威是需要解决的第一个主题。公共区块链被认为是一种设计范式，在没有中央可信方存在的对抗性环境中有效，并且潜在的恶意作者与诚实的作者在同一层次上操作[11］．从这个意义上说，公共区块链构成了完全去中心化的网络，不需要单一的可信权威来验证交易。私有区块链通过限制谁可以访问网络，以及在私有许可区块链的情况下，通过限制谁可以参与网络上的共识协议，从而为这一范式引入了一些变化。因此，私有区块链和联盟区块链的迭代(单个实体或组控制对区块链的访问)本质上表现出较低的去中心化程度。不过，这两种模式都只能在数据撰写者之间存在不信任以及可信第三方缺失的情况下发挥各自的优势。70］．

    然而，进行算法接触追踪的环境是非常不同的。尽管这是一个多方环境，但它需要一个可信的权威机构(问题2)参与关键公共卫生数据的验证，特别是在应对大流行的背景下。分散受信任权威的角色可能不会带来任何额外的好处。例如，在一个多方公共区块链网络中，患者与医疗从业者和卫生当局拥有相同的权利和责任(包括访问和验证数据)，但对于病例发现和调查来说并不是最佳的，因为参与区块链的其他潜在节点可能天生就不那么值得信任。具体而言，接触者追踪通常在国家主管部门领导的具有明确等级制度、专业知识和法律规定的环境中进行[56］．有关当局还监督向其他地方、国家和国际组织报告病例数，并根据疾病的流行病学进行必要的计算，以评估与受感染者接触的日期和时间相关的传播风险。当考虑到执法部门可能对不遵守公共卫生措施的个人进行干预时，这种公共卫生用例的等级性质就变得特别明显[71］．因此，卫生当局几乎控制了影响接触者追踪算法技术成功的所有因素，从根本上使其成为一个需要可信当局和集中操作的集中问题(问题3)，这可能使其更适合传统的信息管理系统。这些系统通常由围绕关系数据库管理系统和应用程序设置构建的基础设施组成[72]采用法例及规例规定的访问控制机制[73］．

    信息隐私

    算法接触者追踪虽然有可能成为控制疾病传播的有效工具[74，也被定性为一种强有力的大规模监控工具，这是公平或不公平的，导致人们担心国家电子监控的正常化[32，75-78］．这可以用算法联系人跟踪所需数据的性质来解释，如前所述，这些数据可以表现为位置或联系人数据。克拉克和维根[79]讨论为什么位置数据特别脆弱，通过识别收集位置数据所产生的具体危险。在其他因素中，他们讨论了通过尴尬产生的心理伤害，通过发现行为模式而产生的侧写和怀疑的危险，以及由于知道或怀疑被监视而产生的社会、文化、科学和经济伤害[79］．虽然对这些问题的深入讨论超出了这一观点的范围，但我们通过与传统的集中管理的联系人跟踪系统进行比较，讨论了区块链对信息隐私的影响。本主题与区块链适当性框架的问题一致，该框架的重点是权衡增强透明度的好处与此类系统保持机密性的需求(问题4)之间的紧张关系，以及这些决定对数据治理和网络性能的影响。

    当在公共网络上运行时，区块链对处理隐私敏感数据(包括受保护的健康信息)提出了重大挑战。虽然提议的基于区块链的联系人跟踪系统通常通过加密协议解决跟踪数据的隐私问题[25，31，32，34，35，37，38]，在对抗环境中，我们必须关注它们的有效性，原因有三:

    1. 密码分析可以揭示以前被认为是安全的密码协议中的缺陷，潜在地揭示被认为是免受攻击者保护的数据[80］．
    2. 即使是通过“尽量减少或消除个人身份数据……”来努力应用数据卫生的协议。主题“(81]并且在隐私方面似乎没有问题，可能容易被尚不清楚的方法滥用，可能是通过与尚未考虑的其他来源的数据的相关性[82］．
    3. 当今区块链协议的加密完整性受到量子计算方法的威胁[83］．

    因此，不建议将与联系人追踪相关的任何数据提供给完全值得信任的、拥有合法身份的人士以外的人，即使这些数据被当今的方法认为是无害的或不可破解的需要知道，不论数据是存储在传统系统还是分散系统中。

    当作为专用网络运行时，区块链系统通常对信息隐私有微弱的负面影响:而区块链中的数据访问可以通过权限结构进行更细粒度的控制[84]，通常，私有区块链网络中的所有节点都具有全网数据的可见性。在链上仅存储散列或类似的混淆数据，并在链下保存敏感的健康相关或个人身份数据，包括使用链下区块链存储和计算的方法，可以提高保密性。然而，这需要应用适当的哈希算法和随机化技术[85］．此外，混淆可降低所述数据的效用，并可抑制网络性能，包括当数据被加密时[9，69］．虽然利用链下和链上存储的不同组合来管理医疗保健数据的隐私保护方法是可能的，但其应用需要仔细设计并映射到特定医疗保健用例和数据类型的适当法律和隐私框架[9］．鉴于联系追踪数据的高度敏感性，机密性考虑似乎超过了区块链中介的分布式信任和透明度的好处。

    数据完整性和不可变性

    区块链系统的一个原始原则和关键价值主张是，它们能够通过连接事务块创建出处来提供数据完整性和不可变性[11]，这意味着附加到区块链的数据不能被随意删除或更改，因此在大多数情况下可以被视为最终数据[86］．虽然已提出提供可变性的替代设计[87]，这里讨论的应用程序认为区块链是一种近乎不可变的技术，并强调这种特性。这与用例适用性评估中的关键决策点一致(问题5和6)。不可变性在算法接触追踪环境中具有实际缺点，因为在潜伏期之后数据无法删除。这意味着不再用于启用联系人追踪的联系人记录可能仍然存在于这些系统中，可能威胁到报告这些记录的人的隐私或对区块链系统性能产生负面影响(问题7)。

    此外，建议的应用程序通常包含防干扰的区块链上接触追踪数据的性质。这主要是由于攻击者篡改跟踪数据的抽象威胁，或者将受信任的权威作为单点故障的风险。然而，在数字接触追踪的背景下，数据的完整性和不可变性不受关注，而准确性和正确性是预测传播链的决定性因素。就其性质而言，有关确诊病例的数据应来自可信的中央来源(如卫生当局)。因此，通过建立系统范围的共识来确保交易历史的完整性来建立数据来源的需求变得不那么重要。与其他医疗保健用例(如增强对全球供应链中的药品的跟踪和跟踪)不同，接触者跟踪数据不是需要跟踪其访问、所有权和转移变更的实物资产[88］．

    如前所述，通用区块链协议旨在实现记录数据的不变性[89]，如果需要更正现有记录，则通过将更新的记录附加到区块链来解决。这与集中式数据存储系统形成鲜明对比，在集中式数据存储系统中，记录可以简单地删除或更正。因此，在基于区块链的算法接触追踪系统中，数据卫生很难实现，因为这些系统保留追踪数据的时间可能超过医疗所需的时间，仅仅是因为没有提供删除它们的技术能力。测试结果不正确或不一致，或在整合和整合来自不同司法管辖区和机构的接触者追踪数据过程中出现重复，在不可变的环境中同样难以纠正[69］．

    性能

    性能(问题7)被认为是区块链系统在现实世界中实现的主要挑战之一[90］．这可以归因于与可伸缩性相关的挑战[91]，特别是在链上和链下存储和计算之间的调制环境中[9］．虽然在金融领域的一些区块链应用中通过应用分区实现了规模[92]或二级协议侧链［93]，在记录创建过程中，需要在网络成员之间达成共识，这可能会对性能产生负面影响。达成共识是一个复杂的问题，不同的区块链协议提供了不同的解决方案，具有不同的性能特征[94］．在算法联系人跟踪上下文中，吞吐量(即单位时间内可以执行的事务数)可以被认为是总体性能的最相关近似值。所有共识协议的共同点是需要节点或成员之间的协调，这对吞吐量施加了惩罚，以换取共享信任的分布式网络。在主要的公共无许可区块链上，处罚尤其严重，其中数据验证和复制受到限制proof-of-work或连锁酒店忠诚度奖励proof-of-stake共识协议的特点是允许每秒仅数十个事务的吞吐量[95］．

    例如，虽然受许可的区块链可以比无许可的区块链提供显著的性能优势[96]，在某些常见配置下，每秒可达约1000个事务[97]，它们仍然不如传统的复制数据库，特别是当应用低一致性水平的多领导者策略时，因为即使在具有挑战性的工作负载下，这些策略也可以支持每秒15,000次以上的操作[98］．因此，传统的数据库系统可以更有效地解决联系人跟踪的用例，在这种用例中，必要时可以由适当的权限集中执行数据验证。在算法联系跟踪基础设施的环境中，吞吐量是至关重要的，特别是在大量人口快速生成大量联系数据的情况下，以及隐私要求不可避免地需要链下存储和计算的情况下。尽管缺乏最终回答这个问题所需的标准化工作负载，但可以推测，私有区块链可能具有处理联系人跟踪数据量的能力，至少在区域范围内是这样。然而，与传统数据库系统相比，它们不能提供更高的吞吐量，这一事实从性能角度最大限度地降低了它们的适用性。

    其他评估注意事项

    除了基于Lo等人提出的框架进行评估外[69]，其他方面与评估区块链增强算法接触追踪的适用性有关。这些方面包括本节讨论的数据集成、事务验证和数据可靠性。

    通过算法追踪接触者收集的数据的进一步处理在很大程度上是一个数据集成问题(即将追踪数据与不同来源的数据结合起来，例如来自COVID-19检测中心的诊断数据和来自电子病历的临床数据)。在这里，区块链可以通过定义交易数据有效载荷的标准化格式和通过智能合约的标准处理逻辑来提供好处。目前正在努力解决数据集成问题，区块链与大流行和流行病监测交叉点的新标准就是一个例证[99］．然而，在与现有的健康档案管理系统整合方面仍存在挑战，例如更改所产生的成本[One hundred.]，确保综合资讯科技环境符合规管规定[101]，处理有关健康资讯的私隐及保密政策(例如，美国《健康保险可携性及责任法案》的影响[102]及欧洲联盟的《一般保障资料规例》[103])，或建议的标准不成熟，不利于实现互操作性[104］．

    聪明的合同［14，105]构成在没有有关当事方参与的情况下执行的协议，作为区块链议定书的一部分。它们是许多分布式应用程序的关键组件，可以用各种编程语言实现，遵循带有各种安全特性的不同范例[106］．共同的元素是，它们允许应用程序开发人员对控制区块链上合法事务的构成的逻辑进行编码。这样的逻辑可以验证关于数据完整性的背书策略和规则，从而确保添加的内容的正确性。集中式系统中围绕数据审计和系统访问的规则通常由基于角色的访问控制机制强制执行[107]也可以通过智能合约执行[108］．可以想象，在联系人追踪应用程序的情况下，智能合约可以由可信的供应商开发，并由可信的权威机构进行审计。可通过正式核查，对其正确执行有进一步的信心[109］．然而，即使在完美的实现中，智能合约也只能在这里得到部分利用。虽然它们作为一种确保确诊病例数据来自可信来源且未被篡改的手段提供了价值，但大多数接触者追踪数据是用户生成的，并基于来自系统外部的信号(例如，距离较近或地理位置的设备的假名)。对于这样的数据，智能合约区分合法数据集和非法数据集最多只能是启发式的。这降低了区块链技术提供的交易验证功能的有用性。

    在接触者追踪中，数据可靠性被认为是至关重要的，因为丢失最近的接触者数据可能会导致有感染风险的参与者未被通知。公共区块链网络上的节点可以随意离开和加入，而不会有数据丢失的风险。通常，数据在现有节点和新加入网络的节点之间完全复制。这种技术允许高度冗余，特别是在公共区块链上，复制节点的数量可能非常大(例如，比特币的复制节点数量可达23,000个[110])。私有区块链部署可以在任意拓扑中运行，这使得它们提供的冗余程度取决于系统设计者选择的配置。冗余会对可用性产生积极影响，因为在出现故障时，客户端可以选择与之交互的替代副本。然而，这并不是区块链的唯一好处。高可靠性也可以通过在云计算上下文中使用的更传统的集中式数据复制协议来实现，其中数据冗余级别通常是可配置的[111］．


    区块链虽然在这种情况下没有实际使用，但越来越多地作为一种支持针对COVID-19的算法接触追踪工作的技术进行讨论。这种趋势带来的一个问题是，这种技术是否可以取代或增强目前正在运行的集中式架构。为了解决这个问题，我们研究了文献中讨论的基于区块链的接触追踪概念。在认识到它们设计中的相似性之后，我们推导出一个原型系统架构，以捕获它们的共同特征。随后，在评估框架的指导下，我们探索了这种系统架构相对于传统数据存储方法的潜在优势。这一适宜性评估的结果表明，目前提出的基于区块链的协议并没有提供足够大的好处来保证其实现的优先级。这主要是由于围绕联系追踪的组织和行政流程的集中化与区块链技术的分散性之间的不协调。支持这一结果的进一步技术论证是对区块链对个人数据隐私的影响的担忧，区块链主要功能的不明确好处(即，增强透明度，数据来源和不可变性)，围绕以合法合规的方式将区块链系统与现有健康数据规避来源集成的挑战，以及与传统信息管理系统相比缺乏性能优势。常规的集中式算法接触者追踪系统已成为一些在控制COVID-19传播方面最成功的国家大流行缓解战略的组成部分，这一事实加强了适用性分析的结果。未来利用区块链技术抗击COVID-19的努力可以转向评估其他有前景的用例的适用性，而不是专注于算法接触追踪。 Health supply chain management, digital immunization passports, and the management of digital identity in the context of COVID-19 patient journeys are areas where blockchain might be more appropriate, not least because investments in technology infrastructure and stakeholder buy-in are more mature here.

    致谢

    我们感谢Peter McBurney分享了他对信息隐私的看法，这启发了我们加强本文的结论。我们感谢Gennaro Avitabile、Paulo Valente Klaine、Leonie Reichert和Hao Xu的宝贵意见。这项工作部分由欧盟地平线2020研究和创新计划的高级安全云加密平台国际医疗保健协调解决方案(ASCLEPIOS)项目(赠款826093)资助。

    作者的贡献

    MP写了手稿的初稿。AH、TM、JRB、MTO和HCR贡献了额外的内容、编辑和参考文献。SDO和ERM贡献了编辑和参考资料。所有作者都批准了定稿。

    利益冲突

    TM是S-3 Research LLC的员工，该公司是一家初创公司，目前由美国国立卫生研究院、国家药物滥用研究所资助，通过与阿片类药物相关的社交媒体研究和技术商业化的小型企业创新和研究合同提供支持。作者没有报告与此稿件相关的其他利益冲突，也没有被任何组织要求署名或提交此稿件。其他作者没有冲突需要声明。

    1. 莫伦斯DM，福奇AS。新出现的大流行疾病:我们如何发展到COVID-19。Cell 2020 Sep 03; 82(5):1077-1092 [免费全文] [CrossRef] [Medline］
    2. 全球COVID-19疫情最新情况。欧洲疾病预防和控制中心，2021年。URL:https://www.ecdc.europa.eu/en/geographical-distribution-2019-ncov-cases[2021-02-04]访问
    3. Cherry JD, Krogstad P. SARS: 21世纪第一次大流行。儿科决议2004年7月;56(1):1-5 [免费全文] [CrossRef] [Medline］
    4. Yamey G, Schäferhoff M, Aars OK, Bloom B, Carroll D, Chawla M，等。为预防流行病和大流行病的国际集体行动筹资。Lancet Glob Health 2017 Aug;5(8):e742-e744 [免费全文] [CrossRef] [Medline］
    5. Holmgren AJ, apaapanc, Adler-Milstein J.医院电子公共卫生报告的障碍及其对COVID-19大流行的影响。美国医学通报协会2020年8月01日;27(8):1306-1309 [免费全文] [CrossRef] [Medline］
    6. 唐尼A.“卓越门”强调了NHS对“高质量技术能力”的需求。数字健康，2020年10月09日。URL:https://www.digitalhealth.net/2020/10/excel-gate-highlights-need-for-quality-technical-capability-in-nhs[2021-03-29]访问
    7. 阿里加达·布鲁诺G，吉尔索普M, Müller VC。COVID-19大流行的伦理要求:来自数据伦理的回顾。Veritas 2020 Aug;46:13-35 [免费全文] [CrossRef］
    8. 梅洛MM，王佳杰。数字疾病监测的伦理与治理。科学2020年5月29日;368(6494):951-954 [免费全文] [CrossRef] [Medline］
    9. Miyachi K, Mackey TK。hOCBS:用于医疗保健数据的隐私保护区块链框架，利用链上和链下系统设计。Inf Process Manag 2021 5月;58(3):102535。［CrossRef］
    10. Tai S, Eberhardt J, Klems M.不是ACID，不是BASE，而是SALT:区块链交易处理的视角。见:第七届云计算与服务科学国际会议论文集。: ACM;2017年发表于:第七届云计算与服务科学国际会议;2017年4月24-26日;葡萄牙波尔图，第755-764页。［CrossRef］
    11. 比特币:点对点电子现金系统。比特币2008。URL:https://bitcoin.org/bitcoin.pdf[2021-03-29]访问
    12. 兰波特L，肖斯塔克R，皮斯M.拜占庭将军问题。ACM Trans Program Lang Syst 1982 july;4(3):382-401。［CrossRef］
    13. 杜塞尔二世，西比尔袭击案。见:第一届点对点系统国际研讨会论文集。:施普林格;2002年发表于:第一届点对点系统国际研讨会;2002年3月7日至8日;剑桥，马萨诸塞州，第251-260页。
    14. Szabo N.在公共网络上形式化和保护关系。1997年9月2日(9):1 [免费全文] [CrossRef］
    15. Nguyen GT, Kim K.关于区块链中使用的共识算法的调查。中国机械工程学报，2018;14(1):101-128。［CrossRef］
    16. Platt M, McBurney P.自治的公共去中心化系统:正在进行中的工作。见:第十届安全社会技术问题国际研讨会论文集，2020年发表于:第十届安全社会技术问题国际研讨会;2020年9月17日;吉尔福德，英国网址:https://kclpure.kcl.ac.uk/portal/files/136350337/2020_self_governing_public_decentralised_systems.pdf
    17. Oliveira M, Carrara G, Fernandes N, Albuquerque C, Carrano R, Medeiros D，等。使用实际的工作负载对私有区块链框架进行性能评估。见:第22届云、互联网和网络创新研讨会(ICIN)会议记录。: IEEE;2019出席:第22届云、互联网和网络创新大会及研讨会(ICIN);2019年2月19日至21日;法国巴黎，第180-187页。［CrossRef］
    18. 季米特洛夫DV。区块链应用程序用于医疗保健数据管理。Healthc Inform Res 2019年1月;25(1):51-56 [免费全文] [CrossRef] [Medline］
    19. Hussien HM, Yasin SM, Udzir SNI, Zaidan AA, Zaidan BB。在医疗保健应用中开发区块链技术的系统回顾:分类、实质分析、动机、挑战、建议和未来方向。中国医学杂志2019年9月14日;43(10):320。［CrossRef] [Medline］
    20. 马基TK，郭涛，葛玛迪B，克劳森KA，丘奇G，格里辛D，等。“定制?——区块链技术在未来医疗保健应用中的挑战和机遇。BMC Med 2019 3月27日;17(1):68 [免费全文] [CrossRef] [Medline］
    21. Hasselgren A, Kralevska K, Gligoroski D, Pedersen SA, Faxvaag A.区块链在医疗保健和健康科学-范围审查。Int J Med Inform 2020年2月;134:104040 [免费全文] [CrossRef] [Medline］
    22. Vazirani AA, O'Donoghue O, Brindley D, Meinert E.为高效医疗保健实施区块链:系统回顾。J Med Internet Res 2019 Feb 12;21(2):e12439 [免费全文] [CrossRef] [Medline］
    23. Arifeen M, Al Mamun M, Kaiser MS, Mahmud M.在COVID-19疫情期间支持区块链追踪以保护用户隐私。预印本。预印本于2020年7月22日在线发布[免费全文] [CrossRef］
    24. Micali S. Algorand的COVID-19报告方法。Algorand》2020。URL:https://www.algorand.com/algorand的% 20方法% 20 % 20 covid-19 % 20跟踪% 20042520. pdf[2021-03-29]访问
    25. 徐华，张磊，欧妮蕾蒂，方勇，Buchanan WJ, Imran MA。BeepTrace:支持区块链的隐私保护接触追踪，适用于COVID-19大流行及其他情况。IEEE Internet Things J 2021 3月;8(5):3915-3929 [免费全文] [CrossRef］
    26. Idrees SM, Nowostawski M, Jameel R.基于区块链的数字接触者追踪应用程序用于COVID-19大流行管理:问题、挑战、解决方案和未来方向JMIR Med Inform 2021 Mar 09;9(2):e25245 [免费全文] [CrossRef] [Medline］
    27. 班萨尔A，加格C，帕达帕伊RP。使用区块链优化COVID-19“免疫证书”的实施。J Med Syst 2020 july 19;44(9):140 [免费全文] [CrossRef] [Medline］
    28. Kalla, Hewa T, Mishra RA, Ylianttila M, Liyanage M.区块链在抗击COVID-19中的作用。IEEE工程师管理版本2020年9月1日;48(3):85-96 [免费全文] [CrossRef］
    29. 马博，马斯米，马斯米，马玛，等。区块链用于COVID-19:审查、机会和值得信赖的跟踪系统。阿拉伯科学杂志2020年10月12日:1-17 [免费全文] [CrossRef] [Medline］
    30. Martin T, Karopoulos G, Hernández-Ramos JL, Kambourakis G, Nai Fovino I.揭开COVID-19数字接触追踪的神秘面纱:关于框架和移动应用程序的调查。Wirel commmob Comput 2020年10月17日;2020:1-29。［CrossRef］
    31. Klaine PV，张磊，周波，孙勇，徐宏，Imran M.基于区块链的COVID-19大流行隐私保护接触者追踪与公共风险评估。IEEE Internet Things Mag 2020年9月3日(3):58-63 [免费全文] [CrossRef］
    32. avabile G, Botta V, Iovino V, Visconti I.击败大规模监控和SARS-CoV-2: Pronto-C2完全分散的自动接触追踪系统。密码学电子打印档案。2020年4月27日在线预印本[免费全文］
    33. Hossain MS, Muhammad G, Guizani N.可解释的人工智能和基于大规模监测系统的医疗保健框架，以对抗COVID-19等流行病。IEEE Netw 2020 july;34(4):126-132 [j]免费全文] [CrossRef］
    34. Garg L, Chukwu E, Nasser N, Chakraborty C, Garg G.基于匿名保留物联网的COVID-19和其他传染病接触者追踪模型。IEEE Access 2020;8:159402-159414 [免费全文] [CrossRef］
    35. 吕伟，吴松，蒋超，崔勇，邱晓霞，张颖。基于分散式区块链的大规模隐私保护接触追踪。出来了。预印本于2020年7月2日在线发布[免费全文］
    36. 宋娟，顾涛，冯霞，葛勇，Mohapatra P.区块链满足COVID-19:联系信息共享和风险通知系统框架。出来了。预印本于2020年7月20日在线发布。
    37. Choudhury H, Goswami B, Gurung S. CovidChain:基于匿名保护区块链的预防COVID-19框架。出来了。预印本于2020年5月15日在线发布[免费全文］
    38. 刘建科，区明明，袁涛，左超，王杰，Sakzad A，等。保护隐私的COVID-19接触者追踪应用程序:零知识证明方法。密码学电子打印档案。2020年5月5日在线预印本[免费全文］
    39. 联系人追踪。入:编辑Kirch W。公共卫生百科全书。荷兰多德雷赫特:施普林格;2008:164。
    40. Eames KTD, Keeling MJ。接触者追踪和疾病控制。Proc bioscience 2003 Dec 22;270(1533):2565-2571 [免费全文] [CrossRef] [Medline］
    41. 新冠肺炎:中国数据显示，五分之四的病例无症状。英国医学杂志2020年4月02日;369:m1375。［CrossRef] [Medline］
    42. Hasell J, Mathieu E, Beltekian D, Macdonald B, Giattino C, ortizo - ospina E，等。COVID-19检测的跨国数据库。Sci Data 2020 Oct 08;7(1):345 [免费全文] [CrossRef] [Medline］
    43. Salathé M，李志强，李志强，李志强，等。瑞士COVID-19疫情:检测、接触者追踪和隔离的重要性瑞士医学Wkly 2020年3月09日;150:w20225 [免费全文] [CrossRef] [Medline］
    44. Russell TW, Golding N, Hellewell J, Abbott S, Wright L, Pearson CAB, CMMID COVID-19工作组。重建未确定COVID-19病例和感染的早期全球动态。BMC Med 2020 10月22日;18(1):332 [免费全文] [CrossRef] [Medline］
    45. 怀尔德-史密斯A，弗里德曼DO。隔离、隔离、社会距离和社区遏制:旧式公共卫生措施在新型冠状病毒(2019-nCoV)爆发中的关键作用。J Travel Med 2020年3月13日;27(2):taaa020 [免费全文] [CrossRef] [Medline］
    46. 穆尼G。“对公众健康的威胁”——接触者追踪和说服的限制。英国医学杂志2020年11月05日;383(19):1806-1808。［CrossRef] [Medline］
    47. Wójcik OP, Brownstein JS, Chunara R, Johansson MA。人民的公共卫生:数字时代的参与性传染病监测。新兴主题流行病2014;11:7 [免费全文] [CrossRef] [Medline］
    48. 数字疾病检测:基于事件的互联网生物监测系统的系统综述。Int J Med Inform 2017 5月;101:15-22 [免费全文] [CrossRef] [Medline］
    49. 韩国COVID-19的接触传播:追踪接触者的新调查技术。奥松公共卫生展望2020年3月;11(1):60-63 [免费全文] [CrossRef] [Medline］
    50. Smieszek T, Castell S, Barrat A, Cattuto C, White PJ, Krause G.在会议中测量接触模式的接触日记与可穿戴接近传感器:方法比较和参与者的态度。BMC infected Dis 2016 7月22日;16:341 [免费全文] [CrossRef] [Medline］
    51. Armbruster B, Brandeau ML.接触者追踪控制传染病:适可而止。医疗保健管理科学2007年12月;10(4):341-355 [免费全文] [CrossRef] [Medline］
    52. 阿姆斯特朗D.监视医学的兴起。社会健康疾病，1995年6月;17(3):393-404。［CrossRef］
    53. Roman-Belmonte JM, De la Corte-Rodriguez H, Rodriguez-Merchan EC。区块链技术如何改变医学。研究生医学2018年5月;130(4):420-427。［CrossRef] [Medline］
    54. Venkataraman N, Poon BH, Siau C.在急性医院COVID-19大流行期间创新使用卫生信息学来加强接触者追踪。美国医学通报协会2020年12月09日;27(12):1964-1967 [免费全文] [CrossRef] [Medline］
    55. Bianconi A, Marcelli A, Campi G, Perali A.通过测量时间相关的加倍时间来测量COVID-19移动接触者追踪遏制的效率。物理生物学2020年10月09日;17(6):065006。［CrossRef] [Medline］
    56. 林玲，侯震。用人工智能和大数据抗击新冠肺炎。J Travel Med 2020年8月20日;27(5):taaa080 [免费全文] [CrossRef] [Medline］
    57. Morawska L, Milton DK。现在是解决2019冠状病毒病(COVID-19)空气传播问题的时候了。临床感染疫情2020年12月03日;71(9):2311-2313 [免费全文] [CrossRef] [Medline］
    58. Leith DJ, Farrell S.谷歌/苹果曝光通知尽职调查。见:CoronaDef研讨会论文集，网络和分布式系统安全研讨会(NDSS)。2021年出席:CoronaDef研讨会，网络和分布式系统安全研讨会(NDSS);2021年2月21日;虚拟网址:https://www.ndss-symposium.org/wp-content/uploads/coronadef2021_23005_paper.pdf［CrossRef］
    59. Hoffman AS, Jacobs B, van Gastel B, Schraffenberger H, Sharon T, Pas B. Covid-19接触追踪应用程序的缝合伦理?伦理与技术2020年9月28:1-11 [免费全文] [CrossRef] [Medline］
    60. Reichert L, Brack S, Scheuermann B.自动接触追踪方法的调查使用蓝牙低能量。ACM Trans compute Healthc 2021 3月2日(2):1-33。［CrossRef］
    61. Raghavan A, Ananthapadmanaban H, Sivamurugan M, Ravindran B.基于蓝牙的室内移动机器人精确定位。见:2010年机器人与自动化国际会议论文集。: IEEE;2010年发表于:2010年机器人与自动化国际会议;2010年5月3日至7日;安克雷奇，AK页4391-4396。［CrossRef］
    62. Bertuletti S, Cereatti A, Caldara M, Galizzi M, Croce U.利用蓝牙低能量信号强度估算室内距离:回归模型的比较。见:2016传感器应用研讨会(SAS)论文集。: IEEE;2016年发表于:2016传感器应用研讨会(SAS);2016年4月20-22日;意大利卡塔尼亚，第1-5页。［CrossRef］
    63. Merry K, Bettinger P.智能手机GPS在城市环境中的精度研究。PLoS One 2019;14(7):e0219890 [免费全文] [CrossRef] [Medline］
    64. 郑文杰，李志强，李志强。基于wifi的室内定位的潜在风险及定位功能的改进。见:第四届室内空间意识国际研讨会论文集。: ACM;2012年发表于:第四届室内空间意识国际研讨会;2012年11月6日;雷东多海滩，加利福尼亚州，第13-20页。［CrossRef］
    65. schipperjn J, Kerr J, Duncan S, Madsen T, Klinker CD, Troelsen J.用于健康研究的GPS接收机的动态精度:一种评估GPS精度的新方法。前线公共卫生2014;2:21 [免费全文] [CrossRef] [Medline］
    66. 全球定位系统:将GPS推向主流消费者的挑战。见:1998年国际固态电路会议记录。: IEEE;1998年发表于:1998国际固态电路会议;1998年2月5日至7日;旧金山，加州，第26-28页。［CrossRef］
    67. 陈强，王波，邓霞，莫勇，杨林。室内无线覆盖接入点的布置及基于指纹的定位。见:第十届嵌入式和普适计算国际会议论文集。: IEEE;2013年发表于:第十届嵌入式与普适计算国际会议;2013年11月13-15日;中国张家界，p 2253-2257。［CrossRef］
    68. 康柏JB, Jame PB, Mandoh S, Fofanah AB, George A, Briama A，等。通过手机、物联网和区块链技术追踪埃博拉病毒。Curr Res integrative Med 2018;1(2):13-15 [免费全文] [CrossRef］
    69. 罗珊，徐旭，Chiam yy，卢强。评价区块链应用的适用性。见:第22届复杂计算机系统工程国际会议论文集。: ACM;2017年发表于:第22届复杂计算机系统工程国际会议;2017年11月5-8日;日本福冈，第158-161页。［CrossRef］
    70. Wüst K, Gervais a .你需要区块链吗?见:2018年区块链技术加密谷会议(CVCBT)的会议记录。: IEEE;2018年出席:2018年区块链技术加密谷会议(CVCBT);2018年6月20-22日;瑞士，楚格，第45-54页。［CrossRef］
    71. Gostin L, Sapsin J, Vernick J, Teret S, Burris S. SARS与国际法律防范。圣殿律法Rev 2004;77:155-174 [免费全文］
    72. Ogbuji C.临床数据的采集、存储和管理。入职:刘玲，Özsu M，编辑。数据库系统百科全书。纽约州纽约:施普林格;2016.
    73. Ferreira A, Correia R, Chadwick D, Antunes L.医疗保健中的访问控制:从立法到实践的方法。种马健康技术通报2010;60(Pt 1):666-670。［Medline］
    74. Ferretti L, Wymant C, Kendall M, Zhao L, Nurtay A, Abeler-Dörner L，等。量化SARS-CoV-2传播建议采用数字接触追踪来控制疫情。科学2020 5月08日;368(6491):eabb6936 [免费全文] [CrossRef] [Medline］
    75. Couch DL, Robinson P, Komesaroff PA。covid -19扩大监控和圆形监狱。J Bioeth Inq 2020 Dec;17(4):809-814 [免费全文] [CrossRef] [Medline］
    76. 新紧急状态:在COVID-19期间实现技术监控正常化。Glob Aff 2020 10月02日;6(3):301-310。［CrossRef］
    77. 拉姆·N，格雷·D. COVID-19时代的大规模监控。中国生物医学工程学报2020;7(1):lsaa023 [免费全文] [CrossRef] [Medline］
    78. ttaddeo M. COVID-19大流行期间和之后的数字道德治理。Minds Mach (Dordr) 2020 Jun 12:1-6 [免费全文] [CrossRef] [Medline］
    79. Clarke R, Wigan M. You are where You’ve been:定位和跟踪技术对隐私的影响。J Location Based Serv 2011 9月5日(3-4):138-155。［CrossRef］
    80. Dooley摩根富林明。简介:一个革命性的密码。见:密码学和密码分析史:密码、密码及其算法。瑞士占姆:施普林格;2018:1-11。
    81. Fischer-Hübner S.隐私增强技术。录用:刘林，Özsu MT，编辑。数据库系统百科全书。纽约州纽约:施普林格;2017:1-7。
    82. 张志强，张志强，张志强，等。行政数据关联研究面临的挑战。大数据Soc 2017 Dec 05;4(2):1-12 [免费全文] [CrossRef] [Medline］
    83. Fedorov AK, Kiktenko EO, Lvovsky AI。量子计算机将区块链的安全置于危险之中。自然学报2018年11月;563(7732):465-467。［CrossRef] [Medline］
    84. 彭林，冯伟，闫震，李勇，周旭，清水生。无许可区块链的隐私保护研究。数字通讯网络2020年6月:1-13日(即将推出)[免费全文] [CrossRef］
    85. Marx M, Zimmer E, Mueller T, Blochberger M, Federrath H.个人身份信息的哈希是不够的。见:保安部第九届年会会议记录。: Gesellschaft für Informatik e.V;2018年出席:保安部第九届年会;2018年4月25日至27日;康斯坦茨，德国p. 55-68 URL:https://dl.gi.de/bitstream/handle/20.500.12116/16294/sicherheit2018-04.pdf?sequence=1&isAllowed=y［CrossRef］
    86. Wandhofer R, Berndsen R.工作量证明区块链和结算终局性:功能解释。财经学报，2019;7(4):71-104。［CrossRef］
    87. Politou E, Casino F, Alepis E, Patsakis C.区块链可变性:挑战和建议的解决方案。IEEE Trans Emerg Top compput 2019:1。［CrossRef］
    88. 克劳森KA，布里登EA，戴维森C，麦基TK。利用区块链技术加强医疗保健供应链管理:探索医疗保健供应链中的挑战和机遇。区块链Healthc Today 2018年3月23日;1:1-12 [免费全文] [CrossRef］
    89. Hofmann F, Wurster S, Ron E, Böhmecke-Schwafert M.区块链的不变性概念和早期标准化的好处。见:2017年国际电联万花筒:数据驱动社会的挑战(ITU K)会议论文集:IEEE;2017年国际电联万花筒:数据驱动社会的挑战(ITU K);2017年11月27-29日;中国南京，p. 1-8。［CrossRef］
    90. 郑旭，朱勇，司欣。区块链技术面临的挑战和进展:性能和安全的视角。应用科学2019 11月06日;9(22):4731。［CrossRef］
    91. 索拉比，李志强，李志强。区块链系统的可扩展性研究。见:2020年IEEE云工程国际会议论文集(IC2E)。: IEEE;2020年发表于:2020 IEEE云工程国际会议(IC2E);2020年4月21-24日;澳大利亚悉尼，第124-133页。［CrossRef］
    92. 当华，丁涛，罗金，张娥，林青，黄斌。基于分片的区块链系统扩展。见:2019年数据管理国际会议论文集。:美国计算机协会;2019发表于:2019年数据管理国际会议;2019年6月30日至7月5日;荷兰阿姆斯特丹，第123-140页。［CrossRef］
    93. Singh A, Click K, Parizi RM, Zhang Q, dehghantha A, Choo KR.区块链网络中的侧链技术:检查和最新技术回顾。J Netw计算应用2020年1月;149:102471。［CrossRef］
    94. 肖燕，张娜，娄伟，侯yt。区块链网络的分布式共识协议综述。IEEE公共调查导师2020;22(2):1432-1465。［CrossRef］
    95. Lepore C, Ceria M, Visconti A, Rao UP, Shah KA, Zanolini L.对区块链共识的调查与PoW, PoS和纯PoS的性能比较。数学2020年10月14日;8(10):1782。［CrossRef］
    96. 达巴格M，秋KR，贝赫什提A，塔希尔M，萨法NS。许可区块链平台的实证绩效评估:挑战与机遇。计算安全2021年1月;100:102078。［CrossRef］
    97. 郝颖，李颖，董旭，方林，陈平。共识算法在私有区块链中的性能分析。见:2018智能汽车研讨会论文集。: IEEE;2018年出席:2018智能汽车研讨会;2018年6月26-30日;中国常熟，页280-285。［CrossRef］
    98. Haughian G, Osman R, Knottenbelt W.在Cassandra和MongoDB NoSQL数据存储中的基准复制。见:第27届数据库和专家系统应用国际会议论文集。:施普林格;2016年发表于:第27届数据库与专家系统应用国际会议;2016年9月5-8日;葡萄牙波尔图，第152-166页。［CrossRef］
    99. 基于区块链的全方位大流行/流行病监测标准:总体框架。IEEE标准协会，2020。URL:https://standards.ieee.org/project/2677_1.html[2021-03-29]访问
    100. Pirtle C, Ehrenfeld J.区块链用于医疗保健:下一代医疗记录?中国医学杂志2018年8月10日;42(9):172。［CrossRef] [Medline］
    101. Vazirani AA, O'Donoghue O, Brindley D, Meinert E.区块链车辆用于有效的病历管理。NPJ数字医学2020;3:1 [免费全文] [CrossRef] [Medline］
    102. Colin D, Young B.区块链和符合HIPAA的患者信息保护。国际计算机科学杂志2019;1(1):63-68。［CrossRef］
    103. Van Humbeeck A.区块链- gdpr悖论。J数据保护Priv 2019;2:12。
    104. El-Gazzar R, Stendal K.区块链在医疗保健:希望还是炒作?J Med Internet Res 2020 july 10;22(7):e17199 [免费全文] [CrossRef] [Medline］
    105. 史密斯。契约网络协议:分布式问题解决器中的高级通信和控制。IEEE计算机工程，1980年12月;C-29(12):1104-1113。［CrossRef］
    106. Harz D, Knottenbelt W.迈向更安全的智能合约:对语言和验证方法的调查。出来了。预印本已于2018年11月1日在网上发布[免费全文］
    107. Fernández-Alemán JL, Señor IC, Lozoya PÁO, Toval A.电子健康记录中的安全性和隐私:系统的文献综述。J Biomed Inform 2013 Jun;46(3):541-562 [免费全文] [CrossRef] [Medline］
    108. Cruz JP, Kaji Y, Yanai N. RBAC-SC:基于角色的智能合约访问控制。IEEE Access 2018;6:12240-12251。［CrossRef］
    109. Mavridou A, Laszka A, Stachtiari E, Dubey A. VeriSolid:以太坊的设计修正智能合约。见:第23届国际金融密码学和数据安全会议论文集。:施普林格;2019年发表于:第23届金融密码学和数据安全国际会议;2019年2月18日至22日;护卫舰湾，圣基茨和尼维斯页446-465。［CrossRef］
    110. Park S, Im S, Seol Y, Paek J.比特币网络中的节点:比较度量研究与调查。IEEE Access 2019;7:57009-57022。［CrossRef］
    111. 李伟，杨毅，袁迪。文献综述。在:云中的大数据可靠性保证:基于复制的高性价比存储。马萨诸塞州沃尔瑟姆:摩根·考夫曼;2015:9-17。

    ‎
    ASCLEPIOS:用于医疗保健领域国际协调解决方案的高级安全云加密平台
    电子健康档案:电子健康记录

    T·桑切斯编辑;提交12.12.20;同行评议:A wild - smith, F Coelho, P Miranda, Z Yan;对作者18.01.21的评论;修订版本收到20.02.21;接受08.03.21;发表06.04.21

    版权

    ©Moritz Platt, Anton Hasselgren, Juan Manuel Román-Belmonte, Marcela Tuler de Oliveira, Hortensia de la Corte-Rodríguez, Sílvia Delgado Olabarriaga, E Carlos Rodríguez-Merchán, Tim Ken Mackey。最初发表于JMIR公共卫生与监测(http://publichealth.www.mybigtv.com)， 2021年4月6日。

    这是一篇根据创作共用署名许可协议(https://creativecommons.org/licenses/by/4.0/)发布的开放获取文章，允许在任何媒介上不受限制地使用、分发和复制，前提是正确引用了首次发表在JMIR公共卫生和监测上的原创作品。必须包括完整的书目信息，http://publichealth.www.mybigtv.com上的原始出版物的链接，以及此版权和许可信息。
    Baidu
    map