Currently there are many clinical trials using paper case report forms as the primary data collection tool. Cloud Computing platforms provide big potential for increasing efficiency through a web-based data collection interface, especially for large-scale multi-center trials. Traditionally, clinical and biological data for multi-center trials are stored in one dedicated, centralized database system running at a data coordinating center (DCC). This paper presents C-PASS-PC, a cloud-driven prototype of multi-center proactive surveillance system for prostate cancer. The prototype is developed in PHP, JQuery and CSS with an Oracle backend in a local Web server and database server and deployed on Google App Engine (GAE) and Google Cloud SQL-MySQL. The deploying process is fast and easy to follow. The C-PASS-PC prototype can be accessed through an SSL-enabled web browser. Our approach proves the concept that cloud computing platforms such as GAE is a suitable and flexible solution in the near future for multi-center clinical trials.


翻译:目前有许多临床试验,使用纸质案例报告表格作为主要的数据收集工具。云计算平台通过基于网络的数据收集接口,特别是大型多中心试验,为提高效率提供了巨大的潜力。传统上,多中心试验的临床和生物数据储存在一个专门、集中的数据库系统中,在一个数据协调中心(DCC)运行。本文介绍了C-PASS-PC,一个云驱动的多中心前列腺癌预防性监测系统原型。原型在PHP、JQuery和CSS中开发,在本地的网络服务器和数据库服务器上有一个甲骨架后端,并部署在Google App 引擎(GAE)和Google Cloud SQL-MySQL。部署过程既快又容易进行。C-PAS-PC原型可以通过一个借助SSL的网络浏览器访问。我们的方法证明,“GAE”等云计算平台在近期是多中心临床试验的合适和灵活解决方案。

0
下载
关闭预览

相关内容

【陈天奇】TVM:端到端自动深度学习编译器,244页ppt
专知会员服务
86+阅读 · 2020年5月11日
专知会员服务
60+阅读 · 2020年3月19日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
已删除
AI掘金志
7+阅读 · 2019年7月8日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
【泡泡一分钟】LIMO:激光和单目相机融合的视觉里程计
泡泡机器人SLAM
11+阅读 · 2019年1月16日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Reinforcement Learning: An Introduction 2018第二版 500页
CreateAMind
11+阅读 · 2018年4月27日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【推荐】Python机器学习生态圈(Scikit-Learn相关项目)
机器学习研究会
6+阅读 · 2017年8月23日
【推荐】SLAM相关资源大列表
机器学习研究会
10+阅读 · 2017年8月18日
【推荐】图像分类必读开创性论文汇总
机器学习研究会
14+阅读 · 2017年8月15日
Arxiv
9+阅读 · 2018年3月28日
Arxiv
3+阅读 · 2017年11月20日
VIP会员
相关VIP内容
相关资讯
已删除
AI掘金志
7+阅读 · 2019年7月8日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
【泡泡一分钟】LIMO:激光和单目相机融合的视觉里程计
泡泡机器人SLAM
11+阅读 · 2019年1月16日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Reinforcement Learning: An Introduction 2018第二版 500页
CreateAMind
11+阅读 · 2018年4月27日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【推荐】Python机器学习生态圈(Scikit-Learn相关项目)
机器学习研究会
6+阅读 · 2017年8月23日
【推荐】SLAM相关资源大列表
机器学习研究会
10+阅读 · 2017年8月18日
【推荐】图像分类必读开创性论文汇总
机器学习研究会
14+阅读 · 2017年8月15日
Top
微信扫码咨询专知VIP会员