Communitygithub.com

conformidade-phi-saude

Padrões de conformidade para Informações Protegidas de Saúde (PHI) e Informações Pessoais Identificáveis (PII) em aplicações de saúde. Abrange classificação de dados, controle de acesso, trilhas de auditoria, criptografia e vetores comuns de vazamento. Use quando o código tocar em PHI ou PII em um sistema de saúde, ou ao auditar controle de acesso, trilhas de auditoria ou vetores de vazamento.

O que é conformidade-phi-saude?

Este skill fornece padrões essenciais de conformidade para proteger Informações Protegidas de Saúde (PHI) e Informações Pessoais Identificáveis (PII) em aplicações de saúde, sendo aplicável a regulamentações como HIPAA (EUA), DISHA (Índia), GDPR (UE) e outras leis de proteção de dados de saúde. Ele orienta sobre classificação de dados sensíveis (PHI e PII), implementação de controle de acesso seguro, criação de trilhas de auditoria imutáveis e prevenção de vazamentos comuns. O skill é adequado para desenvolvedores que trabalham com registros de pacientes, prontuários eletrônicos, APIs clínicas e bancos de dados multi-inquilino, e oferece exemplos práticos de código e políticas de segurança de nível de banco de dados. Ao seguir esses padrões, você pode garantir que dados sensíveis sejam tratados de forma segura, compliant e auditável em qualquer plataforma que suporte SQL e TypeScript, como bancos de dados relacionais e frameworks de backend.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/healthcare-phi-compliance

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

Padrões de Conformidade PHI/PII para Saúde

Padrões para proteger dados de pacientes, dados de clínicos e dados financeiros em aplicações de saúde. Aplicável à HIPAA (EUA), DISHA (Índia), GDPR (UE) e proteção geral de dados de saúde.

Quando Usar

  • Construindo qualquer funcionalidade que envolva registros de pacientes
  • Implementando controle de acesso ou autenticação para sistemas clínicos
  • Projetando esquemas de banco de dados para dados de saúde
  • Construindo APIs que retornam dados de pacientes ou clínicos
  • Implementando trilhas de auditoria ou registro de logs
  • Revisando código em busca de vulnerabilidades de exposição de dados
  • Configurando Segurança em Nível de Linha (RLS) para sistemas de saúde multi-inquilino

Como Funciona

A proteção de dados de saúde opera em três camadas: classificação (o que é sensível), controle de acesso (quem pode ver) e auditoria (quem viu).

Classificação de Dados

PHI (Informações Protegidas de Saúde) — qualquer dado que possa identificar um paciente E esteja relacionado à sua saúde: nome do paciente, data de nascimento, endereço, telefone, e-mail, números de identificação nacional (SSN, Aadhaar, número NHS), números de prontuário, diagnósticos, medicamentos, resultados de exames, imagens, detalhes de apólices e sinistros de seguros, registros de consultas e internações, ou qualquer combinação dos itens acima.

PII (Dados não sensíveis ao paciente) em sistemas de saúde: dados pessoais de clínicos/funcionários, estruturas de honorários e valores de pagamento de médicos, salários e dados bancários de funcionários, informações de pagamento a fornecedores.

Controle de Acesso: Segurança em Nível de Linha

ALTER TABLE patients ENABLE ROW LEVEL SECURITY;

-- Escopo de acesso por unidade
CREATE POLICY "staff_read_own_facility"
  ON patients FOR SELECT TO authenticated
  USING (facility_id IN (
    SELECT facility_id FROM staff_assignments
    WHERE user_id = auth.uid() AND role IN ('doctor','nurse','lab_tech','admin')
  ));

-- Log de auditoria: somente inserção (à prova de adulteração)
CREATE POLICY "audit_insert_only" ON audit_log FOR INSERT
  TO authenticated WITH CHECK (user_id = auth.uid());
CREATE POLICY "audit_no_modify" ON audit_log FOR UPDATE USING (false);
CREATE POLICY "audit_no_delete" ON audit_log FOR DELETE USING (false);

Trilha de Auditoria

Todo acesso ou modificação de PHI deve ser registrado:

interface AuditEntry {
  timestamp: string;
  user_id: string;
  patient_id: string;
  action: 'create' | 'read' | 'update' | 'delete' | 'print' | 'export';
  resource_type: string;
  resource_id: string;
  changes?: { before: object; after: object };
  ip_address: string;
  session_id: string;
}

Vetores Comuns de Vazamento

Mensagens de erro: Nunca inclua dados que identifiquem o paciente em mensagens de erro enviadas ao cliente. Registre os detalhes apenas no servidor.

Saída de console: Nunca registre objetos completos de pacientes. Use IDs internos opacos (UUIDs) — nunca números de prontuário, IDs nacionais ou nomes.

Parâmetros de URL: Nunca coloque dados que identifiquem o paciente em strings de consulta ou segmentos de caminho que possam aparecer em logs ou no histórico do navegador. Use apenas UUIDs opacos.

Armazenamento do navegador: Nunca armazene PHI em localStorage ou sessionStorage. Mantenha PHI apenas na memória, buscando sob demanda.

Chaves de função de serviço: Nunca use a chave service_role no código do lado do cliente. Sempre use a chave anônima/publicável e deixe o RLS impor o controle de acesso.

Logs e monitoramento: Nunca registre registros completos de pacientes. Use apenas IDs opacos (não números de prontuário). Sanitize stack traces antes de enviar para serviços de rastreamento de erros.

Marcação de Esquema de Banco de Dados

Marque colunas PHI/PII no nível do esquema:

COMMENT ON COLUMN patients.name IS 'PHI: patient_name';
COMMENT ON COLUMN patients.dob IS 'PHI: date_of_birth';
COMMENT ON COLUMN patients.aadhaar IS 'PHI: national_id';
COMMENT ON COLUMN doctor_payouts.amount IS 'PII: financial';

Lista de Verificação de Implantação

Antes de cada implantação:

  • Sem PHI em mensagens de erro ou stack traces
  • Sem PHI em console.log/console.error
  • Sem PHI em parâmetros de URL
  • Sem PHI em armazenamento do navegador
  • Sem chave service_role no código do cliente
  • RLS habilitado em todas as tabelas PHI/PII
  • Trilha de auditoria para todas as modificações de dados
  • Tempo limite de sessão configurado
  • Autenticação de API em todos os endpoints PHI
  • Isolamento de dados entre unidades verificado

Exemplos

Exemplo 1: Tratamento de Erros Seguro vs Inseguro

// RUIM — vaza PHI no erro
throw new Error(`Paciente ${patient.name} não encontrado em ${patient.facility}`);

// BOM — erro genérico, detalhes registrados no servidor apenas com IDs opacos
logger.error('Falha na busca do paciente', { recordId: patient.id, facilityId });
throw new Error('Registro não encontrado');

Exemplo 2: Política RLS para Isolamento Multi-Unidade

-- Médico da Unidade A não pode ver pacientes da Unidade B
CREATE POLICY "facility_isolation"
  ON patients FOR SELECT TO authenticated
  USING (facility_id IN (
    SELECT facility_id FROM staff_assignments WHERE user_id = auth.uid()
  ));

-- Teste: faça login como medico-unidade-a, consulte pacientes da unidade-b
-- Esperado: 0 linhas retornadas

Exemplo 3: Registro Seguro

// RUIM — registra dados identificáveis do paciente
console.log('Processando paciente:', patient);

// BOM — registra apenas o ID interno opaco
console.log('Processando registro:', patient.id);
// Nota: mesmo patient.id deve ser um UUID opaco, não um número de prontuário

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/content-engine

Create platform-native content systems for X, LinkedIn, TikTok, YouTube, newsletters, and repurposed multi-platform campaigns. Use when the user wants social posts, threads, scripts, content calendars, or one source asset adapted cleanly across platforms.

affaan-m/ECC

Multi-platform content distribution across X, LinkedIn, Threads, and Bluesky. Adapts content per platform using content-engine patterns. Never posts identical content cross-platform. Use when the user wants to distribute content across social platforms.

affaan-m/fal-ai-media

Unified media generation via fal.ai MCP — image, video, and audio. Covers text-to-image (Nano Banana), text/image-to-video (Seedance, Kling, Veo 3), text-to-speech (CSM-1B), and video-to-audio (ThinkSound). Use when the user wants to generate images, videos, or audio with AI.

affaan-m/manim-video

日本語翻訳:このファイルは manim-video 用の日本語翻訳が必要です

affaan-m/remotion-video-creation

Remotion のベストプラクティス - React で動画を作成する。3D、アニメーション、音声、字幕、チャート、トランジションなどをカバーするドメイン固有の29のルール。

affaan-m/video-editing

AI-assisted video editing workflows for cutting, structuring, and augmenting real footage. Covers the full pipeline from raw capture through FFmpeg, Remotion, ElevenLabs, fal.ai, and final polish in Descript or CapCut. Use when the user wants to edit video, cut footage, create vlogs, or build video content.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

agent-self-evaluation

Use after completing any non-trivial task. The agent self-rates its output on 5 axes — accuracy, completeness, clarity, actionability, conciseness — with concrete evidence per criterion. Produces a structured 1-5 scorecard with specific improvement suggestions.

agent-sort

Build an evidence-backed ECC install plan for a specific repo by sorting skills, commands, rules, hooks, and extras into DAILY vs LIBRARY buckets using parallel repo-aware review passes. Use when ECC should be trimmed to what a project actually needs instead of loading the full bundle.

ai-first-engineering

Engineering operating model for teams where AI agents generate a large share of implementation output. Use when setting team process, review gates, or ownership rules for a codebase largely written by agents.

ai-regression-testing

Regression testing strategies for AI-assisted development. Sandbox-mode API testing without database dependencies, automated bug-check workflows, and patterns to catch AI blind spots where the same model writes and reviews code. Use when adding regression coverage to AI-assisted code, or when the same model both wrote and reviewed a change.

android-clean-architecture

Clean Architecture patterns for Android and Kotlin Multiplatform projects — module structure, dependency rules, UseCases, Repositories, and data layer patterns. Use when structuring modules, layers, or data flow in an Android or KMP project.

angular-developer

Generates Angular code and provides architectural guidance. Trigger when creating projects, components, or services, or for best practices on reactivity (signals, linkedSignal, resource), forms, dependency injection, routing, SSR, accessibility (ARIA), animations, styling (component styles, Tailwind CSS), testing, or CLI tooling.

Habilidades Relacionadas