RADx-Rad Discoveries & Data: Consortium Coordination Center Program Organization

RADx-Rad 发现

• 批准号: 10321007
• 负责人: Eliah S Aronoff-Spencer
• 金额: $ 584.89万
• 依托单位: UNIVERSITY OF CALIFORNIA, SAN DIEGO
• 依托单位国家: 美国
• 财政年份: 2020
• 资助国家: 美国
• 起止时间: 2020-12-21 至 2022-11-30
• 项目状态: 已结题
• 来源: https://reporter.nih.gov/project-details/10321007
• 关键词: Agreement; Antibodies; Area; Award; Back; Benchmarking; Biological Assay; COVID-19; COVID-19 diagnostic; COVID-19 pandemic; COVID-19 testing; Calibration; California; Clinical Pathology; Clinical Research; Cloud Computing; Cloud Service; Collaborations; Communicable Diseases; Communication; Communities; Computer software; Consultations; Data; Data Collection; Data Coordinating Center; Data Discovery; Data Science; Data Scientist; Data Sources; Development; Diagnostic; Diagnostic tests; Ensure; Evaluation; FAIR principles; FDA approved; Funding; Goals; Gold; Health Insurance Portability and Accountability Act; Health Sciences; Informatics; Internet; Knowledge; Laboratories; Logistics; Metadata; Methods; Online Systems; Persons; Positioning Attribute; Preparation; Privacy; Procedures; Process; Protocols documentation; Quality Control; RADx; RADx Radical; Reporting; Research Personnel; Resources; Risk; Role; SARS-CoV-2 infection; Sampling; Science; Secure; Security; Semantics; Signal Transduction; Specialist; Specimen; Standardization; Structure; Technology; Terminology; Testing; Texas; Time; United States National Institutes of Health; Universities; Update; Validation; Viral; Viral Load result; Virus; Work; base; dashboard; data access; data centers; data exchange; data management; data modeling; data reuse; data sharing; data standards; design; diagnostic technologies; distributed data; expectation; experience; help-seeking behavior; indexing; innovation; meetings; member; new technology; news; novel diagnostics; programs; quality assurance; repository; search engine; syntax; testing services; tool; transmission process; user centered design; user-friendly; virology

ABSTRACT     Preparing SARS-­CoV-­2 testing data for reuse requires making the data syntactically and semantically equivalent.  Standardization  of  terminologies  and  a  common  data  model  accomplish  the  former,  while  the  latter  is  accomplished  through  understanding  the  data  and  making  it  comparable  across  RADx-­rad  awardees  by  benchmarking against known gold standards. The standardization of samples is as important as standardizing  the data, particularly in the highly innovative RADx-­rad program, where new technologies will be developed or  optimized for deployment in various settings. Highly motivated RADx-­rad awardees will receive advice on how  their diagnostics compare to FDA-­approved ones, with each other, how their diagnostic performs in independent  testing,  as  well as how  to ensure  the  tests  are usable  in  real  world  settings.  In  collaboration  with  University  of  Texas  Health  Science  Center  at  Houston,  University  of  California San  Diego  researchers  in  informatics/data  science and infectious diseases with ample experience in leading large consortia have designed a unique RADx-­ rad  Consortium  Data  and  Coordination  Center  (radCDCC).  This  center  is  based  on  three  pillars:  (1)  effective  administration and coordination among awardees, NIH, and other programs;; (2) innovative approaches and tools  to  collect  and  standardize  data  and  metadata  to  promote  findability,  accessibility,  interoperability  and  reuse  (FAIR)  for  data  sharing;;  and  (3)  principled  preparation  of  standardized  samples  with  known  quantities  of  viral  loads, and standardized procedures for testing new diagnostics to allow comparison across tests and calibration  of  new  technologies.  Backed  by  sophisticated  HIPAA-­compliant  cloud  services,  user  friendly  web-­tools,  and  extensive  support  from  UCSD’s  facilities  for  computation and  for  clinical  research,  the  radCDCC will  interface  with other RADx programs and other COVID-­19 focused programs at NIH to ensure alignment of awardees, NIH  and the public in the pursuit of effective, affordable, and deployable new technologies for testing.

摘要： 这是一个很大的问题。 为测试数据集以供重复使用，为SARS--CoV--2做准备，需要使这些数据在语法上是一致的，在语义上是等价的。 术语的标准化研究和建立一个通用的数据模型来完成前者，而后者则是。 通过加深对数据的理解，并使其成为全球RADx获奖者的可比指标，实现了这一目标。 以已知的黄金标准为基准。标准样品的标准与标准一样重要。 这些数据，特别是在第一个高度创新的RADx--RADrad技术计划中的数据，表明新的技术将不会被开发出来。 针对各种环境下的部署进行了优化。具有高度积极性的RADx获奖者将不会收到有关如何使用RADx的建议。 他们的诊断结果与FDA批准的诊断结果进行了比较，并相互比较，以及他们的诊断结果在独立诊断中的表现如何。 测试，以及如何确保这些测试在真实世界的测试环境中是可用的。与加州大学合作 德克萨斯州健康与科学研究中心位于休斯顿，加州大学圣地亚哥分校的研究人员从事医学信息学/数据研究。 科学研究和传染病研究在领先的大型国际财团中拥有丰富的技术经验，已被设计为一种独特的RADx-- RAD与数据交换和数据交换协调中心(RadCDCC)的联盟。这个数据中心的建立是基于以下三大支柱：第一，有效； 在获奖者、美国国立卫生研究院、美国国家卫生研究院和其他政府项目之间进行行政管理和协调；;(2)提供创新的政府方法和政府工具。 进一步收集数据，规范数据结构和元数据，促进数据的可查找性、可及性、互操作性和可重用性。 (公平)支持数据共享；;测试和测试(3)使用已知病毒数量的标准数据样本的原则性测试准备计划。 用于测试的负载、测试和测试的标准化测试程序以及新的测试诊断工具，以允许在测试和校准之间进行比较。 的新技术。它由先进的、符合HIPAA标准的云服务、用户友好的网络工具、应用程序和应用程序支持。 UCSD的医疗设施为医疗计算提供了广泛的支持，并为临床医疗研究提供了医疗服务，因此UCSD将提供更好的接口。 NIH表示，与其他RADx和COVID计划一起，NIH将重点关注这些计划，以确保获奖者的地位保持一致。 并为公众提供了高效、实惠、高效、可部署的新技术用于汽车测试的共同追求。