Predicting resistance to fluoroquinolones among patients with rifampicin-resistant tuberculosis using machine learning methods

Interface nationale ANTIBIORÉSISTANCE

Accueil • Veille Scientifique • Predicting resistance to fluoroquinolones among patients with rifampicin-resistant tuberculosis using machine learning methods

A Decrease font size. A Reset font size. A Increase font size.

Predicting resistance to fluoroquinolones among patients with rifampicin-resistant tuberculosis using machine learning methods

PLOS Digital Health • 2022.06.30

Bioinformatics, New antibiotics and alternatives
International
Anti-TB agents, Fluoroquinolones, Logistic regression, Machine learning, Moldova, Neural network, Random forest, Rifampicin-resistant tuberculosis

Cookies

Ce site Web utilise des cookies pour améliorer votre expérience lorsque vous naviguez sur le site Web. Parmi ces cookies, les cookies classés comme nécessaires sont stockés sur votre navigateur car ils sont essentiels au fonctionnement des fonctionnalités de base du site Web. Nous utilisons également des cookies tiers qui nous aident à analyser et à comprendre comment vous utilisez ce site Web. Ces cookies ne seront stockés dans votre navigateur qu'avec votre consentement. Vous avez également la possibilité de désactiver ces cookies. Mais la désactivation de certains de ces cookies peut avoir un effet sur votre expérience de navigation.

Nécessaire

Toujours activé

Les cookies nécessaires sont absolument essentiels au bon fonctionnement du site Web. Cette catégorie comprend uniquement les cookies qui garantissent les fonctionnalités de base et les fonctionnalités de sécurité du site Web. Ces cookies ne stockent aucune information personnelle.

Cookie	Durée	Description
cookielawinfo-checkbox-necessary	11 mois	Ce cookie est défini par le plugin GDPR Cookie Consent. Les cookies sont utilisés pour stocker le consentement de l'utilisateur pour les cookies dans la catégorie "Nécessaire".
cookielawinfo-checkbox-non-necessary	11 mois	Ce cookie est défini par le plugin GDPR Cookie Consent. Les cookies sont utilisés pour stocker le consentement de l'utilisateur pour les cookies dans la catégorie "Non nécessaire".
cookielawinfo-checkbox-stats	1an	Ce cookie est défini par le plugin GDPR Cookie Consent. Le but de ce cookie est de vérifier si l'utilisateur a ou non donné son consentement à l'utilisation des cookies dans la catégorie «Statistiques».
viewed_cookie_policy	11 mois	Le cookie est défini par le plugin GDPR Cookie Consent et est utilisé pour stocker si l'utilisateur a ou non consenti à l'utilisation de cookies. Il ne stocke aucune donnée personnelle.

Statistiques

Tous les cookies qui peuvent ne pas être particulièrement nécessaires au fonctionnement du site Web et qui sont utilisés spécifiquement pour collecter des données personnelles des utilisateurs via des analyses, des publicités et d’autres contenus intégrés sont appelés cookies non nécessaires. Il est obligatoire d’obtenir le consentement de l’utilisateur avant d’exécuter ces cookies sur votre site Web.

Cookie	Type	Durée	Description
_pk_id.1.8d15	0	1 an	Ce cookie permet de suivre le comportement de clic d'un visiteur anonyme basé sur un identifiant sur le serveur Piwik. En utilisant un identifiant, nous pouvons relier les différentes requêtes https entre elles. Il sera supprimé après 1 an.
_pk_ses.1.8d15	0	30 minutes	Ce cookie permet d'identifier une visite unique pour les statistiques Web. Reste pendant 30 minutes après le placement ou la mise à jour du cookie.
Matomo Analytics	third party	13 mois	Cookie permettant le suivi de votre navigation sur le site. Il permet de réaliser des analyses, statistiques sur l'utilisation du site par l'ensemble des visiteurs. Ce suivi ne contient pas de données confidentiels et ne permet pas de vous identifier.

Performance

Ils servent à collecter les informations sur l’utilisation du site, par exemple les pages que vous visitez, ou les messages d’erreur rencontrés. Ces cookies ne collectent aucune information permettant de vous identifier – toute l’information collectée est anonyme et n’est utilisée que dans le but d’améliorer le fonctionnement de notre site.

Cookie	Type	Durée	Description
_GPSLSC	0	4 minutes	Ce cookie est associé à un script de vitesse de page pour améliorer la vitesse de la page Web.

Predicting resistance to fluoroquinolones among patients with rifampicin-resistant tuberculosis using machine learning methods

Evènements à venir

Séminaire “Les résistances aux antimicrobiens au cœur du concept One Health”