# 各院执行获批分析，再讨论哪些结果可以汇总 | EasyNet

Source: https://easynet.run/cases/problems/multi-hospital-approved-aggregates

[easynet.run · 全部问题场景](https://easynet.run/cases#problem-scenarios)

# 各院执行获批分析，再讨论哪些结果可以汇总

几家医院想比较某项服务的等待时间，不愿也不能简单搬出明细记录。一个自然想法是各院自己算，只交平均值。但如果其中一组只有很少的人，或者反复改变筛选条件，汇总数字仍可能暴露不该被推断的个体信息。

应先确认公开数据能否回答问题，再考虑获批的数据协作环境。已有研究平台和隐私分析流程时，使用它们比新增网络层更直接。技术演示不应反过来成为使用真实病历的理由。

如果参与方认可有限试点，可以由每院维护固定统计函数，输入只允许预先批准的队列、时间窗口和指标，输出经过检查的聚合值。EasyNet 可以接出这些操作并保留调用线索；数据读取、统计计算和最终放行继续由各院负责。

跨机构调用身份要与批准用途绑定，不能开放任意查询条件。还需统一纳入规则和时间口径，否则连接成功只会让不可比的数字更快汇到一起。汇总方收到哪些字段、可保存多久、是否允许重复查询，都需要事先约定。

先用合成数据验证计算和结果传递，再专门测试小样本、重复请求和相邻筛选条件组合。输出审核、查询限制与隐私风险评估是需要建设的部分；把原始记录留在本地不自动完成匿名化，也不自动形成跨院信任。

只有当每院能解释自己批准了什么、汇总者能说明数字如何可比且没有越过允许范围，才值得讨论真实试点。若经过这些约束已无法回答研究问题，应重新设计问题，而不是通过扩大查询或返回明细绕开限制。

01

统一获批问题

同一队列定义与时间口径

02

各院执行审查

限定参数，不返回任意明细

03

检查后汇总

小样本与重复查询另行处理

各院批准计算与输出；合并前检查可比性和披露风险。

小样本不能直接当普通均值返回

纯合成数据展示一个演示阈值，不是医院认可阈值或匿名化保证；重复查询与差分攻击不由此解决。
本地示例 · python

```
def demo_aggregate(waits, demo_min_count=5):
    if len(waits) < demo_min_count:
        return {"status": "withheld"}
    return {"status": "review_required",
            "count": len(waits),
            "mean_minutes": sum(waits) / len(waits)}

assert demo_aggregate([10, 20]) == {"status": "withheld"}
print(demo_aggregate([10, 20, 15, 25, 30]))
```

预期结果：两条样本不返回均值；五条样本均值为 20，但仍标为 review_required，不自动对外放行。

接入时的检查项

相同统计定义在各站点是否得到可比的测试结果。

小样本或越界查询是否被预定规则拦截。

汇总报告能否追到各机构批准的范围与数据版本。

源码与接入资料

[只返回需要的摘要，不带出原始记录](https://easynet.run/cases/data-resident-ai)

[函数接入指南](https://easynet.run/docs/connect/function)