Journal of Clinical Healthcare (JCHC)

6-9 9 Journal of Clinical Healthcare 3/2018 Osobą możliwą do zidentyfikowania jest osoba, której tożsamość można określić bezpośrednio lub pośrednio, w szczególności przez powołanie się na numer identyfikacyjny albo jeden lub kilka specy- ficznych czynników określających jej cechy fizyczne, fizjologiczne, umysłowe, ekonomiczne, kulturowe lub społeczne. Informacji nie uważa się za umożliwiającą określenie tożsamości osoby, jeżeli wymagałoby to nadmiernych kosztów, czasu lub działań [12]” „Art. 27. 1. Zabrania się przetwarzania danych ujaw- niających pochodzenie rasowe lub etniczne, poglądy polityczne, przekonania religijne lub filozoficzne, przynależność wyznaniową, partyjną lub związkową, jak również danych o stanie zdrowia, kodzie genetycznym, nałogach lub życiu seksualnym oraz danych dotyczących wskazań, orzeczeń o ukaraniu i mandatów karnych, a także innych orzeczeń wydanych w postępowaniu sądowym lub admini- stracyjnym [12].” PIŚMIENNICTWO 1. Papińska-Kacperek J. Usługi cyfrowe. Perspektywy wdrożenia i akceptacji cyfrowych usług administracji publicznej w Polsce. Łódź; Wyd. Uniwersytetu Łódzkiego, 2013. 2. Fan W, Bifet A. Mining Big Data: Current Status, and Forecast to the Future. New York; Wyd. ACM SIGKDD Explorations Newsletter 2012. 3. Diebold F. On the Origin(s) and Development of the Term ”Big Data”. Pier working paper archive. Pennsylvania; Penn Insti- tute for Economic Research, Department of Economics. Uni- versity of Pennsylvania, 2012. 4. Mach-Król M. Analiza i strategia Big Data w organizacjach . Stud Mater Pol Stow Zarz Wiedzą 2015; 74: 43–55. 5. Bollier D. The promise and Peril of Big Data. Raport of the As- pen Institute. Washington; Communications and Society Pro- gram, 2010. 6. Marconi K, Dobra M, Thompson C. The use of Big Data in Healthcare. In: Liebowitz J. Big Data and Business Analitics. Boca Raton; CRC Press, 2013: 229–248. 7. Schmarzo B. Big Data. Understandinga How Data Powers Big Business. Indianapolis; John Wiley &Sons Inc., 2013. 8. Chen H, Chiang R H, Storey V C. Business Intelligence and Analytics: From Big Data to Big Impact. MIS Quarterly 2012; 36, 4:1165–1188. 9. Cichosz P. Systemy uczące się. Warszawa; WNT, 2000. 10. Strycharz L. Eksploracja tekstu i danych – bariery prawne w Europie i Polsce. 18 luty 2016. [cytowany 8 sierpnia 2016]. Ad- res :http://centrumcyfrowe.pl/eksploracja-tekstu-i-danych- barieryprawne-w-europie-i-polsce/ 11. Fracchia JA, Motta J, Miller LS, Armenakas NA, Schumann GB, Greenberg RA. Evaluation of asymptomatic microhematu- ria. Urology 1995; 46: 484–489. 12. Cormay. Twoje laboratourium. Dostęp 10.06.2017http:// www.pzcormay.pl/userfiles/file/Biuletyny/TL_wiosna_2015_PL. pdf . 13. Guder W, Narayan S, Wisser H, Zawta B. Próbki: od pacjenta do laboratorium. Wpływ zmienności przedanalitycznej na ja- kość wyników badań laboratoryjnych. Wrocław; MedPharma Polska, 2009. 14. Alberts B. Podstawy biologii komórki. Warszawa; PWN, 2005; 15. Myśliwiec M. Choroby nerek. Warszawa; PZWL, 2008. 16. Borkowski A. Urologia. Warszawa; PZWL, 2006.