ClinicalNetR&D: desenvolvimento de aplicações web com garantias de alto desempenho e segurança na rede de gestão de projetos de P&D de dados de múltiplas clínicas

• Processo: 19/08373-7
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Data de Início da vigência: 01 de julho de 2019
• Data de Término da vigência: 31 de dezembro de 2019
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Pesquisador responsável: Alexandre Cláudio Botazzo Delbem
• Beneficiário: Diego Prosperi Turibio
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Vinculado ao auxílio: 13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria, AP.CEPID
• Assunto(s): Aplicativos móveis Aplicação web Segurança da informação Sistema de aquisição de dados Administração de projetos
• Palavra(s)-Chave do Pesquisador: Aplicativos móveis | Sistemas Web | Sistemas de aquisição de dados

Resumo

Lidar com aquisição de dados em experimentos com um grande número de pacientes envolvendo várias clínicas e métodos para modelagem e análise é uma tarefa complexa. Este projeto realizará as atividades de desenvolvimento de aplicações web, focando principalmente nos aspectos de desempenho e na segurança dos dados na internet. A aplicações web compõem parte fundamental na construção de uma Rede de Gestão de Projetos de Pesquisa e Desenvolvimento (ClinicalNetR&D - Clinical data based Network for Managing R&D Projects), que está sendo desenvolvida com o apoio do CEPID-CeMEAI, capaz de integrar várias clínicas, pacientes (acessados por diferentes tipos de dispositivos), suas agendas (disponibilidade), a fim de realizar um conjunto de experimentos para fins de diagnóstico ou projeto de pesquisa. Além disso, as relações na rede podem ser alteradas ao longo do tempo devido a um projeto de pesquisa ou às demandas do paciente. Após a construção do NetManagR&D, diversos novos experimentos relativamente complexos envolvendo pacientes poderão ser rapidamente projetados e dados consistentes poderão ser obtidos para o desenvolvimento e investigação de novos métodos baseados principalmente em técnicas nos campos da matemática, estatística e inteligência artificial.