Modélisation du développement microbien dans un aliment et application à l'appréciation quantitative des risques. Historique. Niveaux de modélisation

Dimension: px
Commencer à balayer dès la page:

Download "Modélisation du développement microbien dans un aliment et application à l'appréciation quantitative des risques. Historique. Niveaux de modélisation"

Transcription

1 Modélisation du développement microbien dans un aliment et application à l'appréciation quantitative des risques Objectifs de la microbiologie prévisionnelle micro-organisme pathogène ou d altération produit alimentaire conditions de vie du produit croissance microbienne? décroissance microbienne? niveau microbien final? ML Delignette-Muller, ENVL Historique Niveaux de modélisation Années 9 modèles simples d inactivation thermique Années 98 nombreux modèles de croissance et de décroissance (naissance de la Microbiologie Prévisionnelle ) Années 99 utilisation de ces modèles en appréciation des risques Niveau primaire Evolution du nombre de micro-organismes en fonction du temps x = f (t, θ) + ε t Niveau secondaire Effet des facteurs environnementaux sur les paramètres des modèles primaires θ = g(t,ph, ) + ε Exemple Ln(x) Exemple µ max µ max temps T ML Delignette-Muller, ENVL 3 ML Delignette-Muller, ENVL Exemple de cinétique ln(x). Modélisation primaire de la croissance x = f (t, θ) + ε t x : concentration en cellules t : temps θ : paramètres de croissance ln(x ) latence croissance exponentielle saturation de la croissance temps obtenue par dénombrement sur boîte de Petri ML Delignette-Muller, ENVL 6

2 Paramètres de croissance Hypothèses de la croissance exponentielle ln(x) cellule tg x cellules µ max taux spécifique de croissance maximum tg n * tg ln(x ) λ temps de latence temps n cellules x * n cellules ML Delignette-Muller, ENVL 7 ML Delignette-Muller, ENVL 8 Le modèle de croissance exponentielle Hypothèses biologiques de la latence après n * tg : x = x * n = x * ( (t-t) / tg) ) = x * exp( ln() * (t-t ) / tg ) le modèle : x = x exp[ µ max (t - t ) ] avec µ max = ln()/tg Baranyi 99 Equivalences McKellar 997 mathématiques formulation différentielle: dx xdt = µ max biomasse chromosome Hills 99 Baranyi 998 ML Delignette-Muller, ENVL 9 ML Delignette-Muller, ENVL Formulation unifiée de divers modèles dx = µ max α( t) f ( x) avec x ( t = ) = x xdt Modèle de Baranyi 99 ( McKellar) α( t)= q( t) dq avec = µ +q ( t) max q et q( t = ) = q = dt exp( µ max λ) Modèle de Hills ( Baranyi 998) α( t)= µmax e µmaxλ avec dm ( ) m x x Modèle Lag-exponentiel α ( t) = ( t λ) ( t > λ) dt =µmaxm et m ( t = ) = x ln Modèles empiriques Ex.: modèle de Gompertz modifié (Gibson 988) Très couramment utilisé Basé sur aucune hypothèse biologique Ajustant correctement les données MAIS surestimant µ max Et non directement utilisable en conditions dynamiques µ ( ) ( ) maxe x = ln x + ( ) + ln xmax ln x exp exp λ t ln xmax ln x ML Delignette-Muller, ENVL ML Delignette-Muller, ENVL

3 log (x[ufc/ml]) Samonellae 9 8 Gibson Ajustement de 3 modèles Gompertz (µ max =.69, λ=3.8) modèle empirique classique Baranyi 99 (µ max =.56, λ=.6) avec freinage logistique Lag-exponentiel (µ max =.55, λ=3.) avec freinage logistique Conclusions Divers modèles primaires de croissance empiriques ou basés sur des hypothèses biologiques diverses ajustant correctement les données permettant d estimer µ max et λ si les données sont suffisantes mais avec des différences entre modèles Perspectives Nouvelles méthodes de suivi de la croissance Que se passe-t-il au niveau de la cellule? t (h) ML Delignette-Muller, ENVL. Modélisation secondaire de la croissance θ = g(t,ph, ) + ε θ : paramètres de croissance µ max et λ. Modélisation de µ max. Modélisation de λ Deux types d approches Modélisation par ajustement de surfaces de réponse prise en compte simultanée des facteurs environnementaux d intérêt plan d expériences ajustement d un modèle polynomial Approche progressive ou modulaire prise en compte des facteurs un à un puis construction d un modèle global Exemple d approche progressive ML Delignette-Muller, ENVL 6 Modèle «racine carrée» Modèle «racine carrée» valable à basses températures Ratkowsky et al., 98 augmentation linéaire de µ max avec la température µ max, h Escherichia coli (Barber, 98) µ max = b * (T T min ) T min : température minimale de croissance T, C ML Delignette-Muller, ENVL 7 3

4 Tendance sur une gamme de température plus étendue Modèle CTMI (Rosso et al., 993).5 µ max, h - µ opt Escherichia coli (Barber, 98) pour T min < T <T max, µ max (T) = µ opt γ (T) (T-T max )(T-T min ) γ (T) = (T opt -T min ) [(T opt -T min )(T-T opt ) - (T opt -T max )(T opt +T min -T)].5.5 T min T opt T max bon ajustement aux données pour différentes espèces T, C seulement paramètres, chacun ayant une signification biologique corrélation biologique entre les températures cardinales T max =. T opt ε (r = 97%) et T min = T opt ε (r = 89%) ML Delignette-Muller, ENVL.5 Ajustement du modèle CTMI Escherichia coli (Barber, 98) Effet du ph µ max, h - µ max h µ opt Listeria monocytogenes (Petran & Zottola, 989) ph min ph opt ph max T, C ph Modèle CTPM (Rosso et al., 995) Visualisation du modèle global Modèle ph pour ph min < ph < ph max µ max (ph) = µ opt γ(ph) avec γ(ph) = (ph-ph min )(ph-ph max ) (ph-ph min )(ph-ph max )-(ph-ph opt ) µ max, h Modèle global utilisant le gamma concept (Zwietering et al., 99) µ max (T,pH) = µ opt γ(t) γ(ph) bon ajustement aux données avec un modèle à 7 paramètres. 8 ph 6 3 T, C 5 ML Delignette-Muller, ENVL 3

5 Prise en compte d autres facteurs? Modèle a w µ max (a w ) = µ opt γ(a w ) avec γ(a w ) = (a w -a wmin )/(-a wmin ) Modèle global µ max (T,pH,a w ) = µ opt γ(t) γ(ph) γ(a w ) mais prise en compte d interactions entre facteurs parfois nécessaire Augustin et Carlier, ; Le Marc et al.,. Modélisation secondaire de la croissance θ = g(t,ph, ) + ε θ : paramètres de croissance µ max et λ. Modélisation de µ max. Modélisation de λ ML Delignette-Muller, ENVL 5 Modélisation du temps de latence Paramètre difficile à modéliser effet sur λ du passé des cellules bactériennes (notamment de la température de préincubation dans les expériences de laboratoire) approches classiques Modélisation indépendante de µ max et λ malheureusement souvent en partant de conditions de préculture suboptimales pour modéliser λ conditions irréalistes pouvant conduire à surestimer λ Modélisation de λ en fonction de µ max en supposant µ max λ constant pour un état physiologique initial donné µ max λ : «work to be done» pendant la latence ML Delignette-Muller, ENVL 7 ML Delignette-Muller, ENVL 8 µ max λ est-il constant? Uniquement en ère approximation dans les travaux publiés Travaux publiés biaisés conditions de préculture constantes et souvent suboptimales Comparaison des approches de modélisation de λ aucune des approches ne convient mieux à tous les jeux de données nécessité de développer une approche intermédiaire Exemple d effet d un changement de température sur µ max λ Listeria monocytogenes (Delignette-Muller et al., ) µ maxλ inoculum en phase stationnaire inoculum en phase exponentielle Tpréculture= C Tpréculture=8 C Tpréculture=5 C Tpréculture=8 C Tpréculture=37 C 3 3 Tculture Tpréculture ( C) ML Delignette-Muller, ENVL 9 5

6 Conclusions Modèles disponibles et validés en prévision sur l aliment pour µ max Prévision de λ beaucoup plus difficile peu de données réalistes modèles inadaptés encore de nombreux travaux à réaliser! 3. Applications des modèles les outils prêts à l emploi, logiciel de simulation, systèmes experts,, sont parfois appelés modèles de niveau tertiaire ML Delignette-Muller, ENVL 3 Une aide pour estimer les DLC ou DLUO développer de nouveaux produits microbiologiquement stables évaluer les implications d un incident survenu au cours du procédé mettre en place une démarche HACCP évaluer l exposition dans le cadre de l évaluation des risques Exemple inspiré de «Application of predictive microbiology to estimate the number of Bacillus cereus in pasteurised milk at the point of consumption» Zwietering et al., 996 ML Delignette-Muller, ENVL 33 ML Delignette-Muller, ENVL 3 Choix des modèles et paramètres Une simulation Modèle secondaire: racine carrée = b (T T min ) données de la littérature : T min = C (psychrophiles) Phase T C temps (jours) (h - ) log x cinétique à 3 C dans du lait pasteurisé : 3 =.3 h - b = 3 / 3 =.35 usine.. Modèle primaire: exponentiel (λ=, pire cas) log x = log x + /ln() * t distributeur Contamination initiale: UFC/ml (pire cas) consommateur ML Delignette-Muller, ENVL 35 ML Delignette-Muller, ENVL 36 6

7 simulations à différentes T de conservation Effet de la température de conservation 6 log niveau critique (x[ufc/ml]) t (jours) T ( C) t (jours) temps (jours) donnant un niveau 5 UFC/ml C 7 C 8 C 9 C C C C Température de conservation chez le consommateur ML Delignette-Muller, ENVL 38 Indicateurs temps température (ITT) Indicateurs physiques ou chimiques Ex.: basé sur une réaction enzymatique modélisable (modèle t-t proche de la croissance microbienne) et induisant une coloration quantifiable Indicateurs électroniques Indicateurs biologiques Exemple : application des ITT extraits de «Field evaluation of the application of time temperature integrators for monitoring fish quality in the chill chain» Giannakourou et al., 5 (Int. J. Food Microbiol.) «Application of shelf life decision system (SLDS) to marine cultured fish quality» Koutsoumanis et al., (Int. J. Food Microbiol.) ML Delignette-Muller, ENVL 39 ML Delignette-Muller, ENVL Application à la distribution de poissons pêchés en mer Validation des prédictions de croissance de la flore d altération à partir du relevé des TTI au cours de la chaîne du froid 7

8 Utilisation des prédictions de croissance pour séparer les lots vers marchés: A distant, B local Effet de cette stratégie (SLDS) sur la durée de vie résiduelle du produit au moment de la consommation dans les marchés: comparaison à la méthode FIFO (First In, First Out) Extrait de Koutsoumanis et al., 5 (Int. J. Food Microbiol.) Logiciels de simulation le Pathogen Modeling Program (US) Growth Predictor (UK) Seafood Spoilage and Safety Predictor (Danemark) aspx Autres outils Base de données Combase Outil intégrant une base de données, un système expert et un logiciel de simulation Sym previus (France) ML Delignette-Muller, ENVL 5 ML Delignette-Muller, ENVL 6 Outils dérivés Logiciels de simulation Systèmes experts Indicateurs temps température. Utilisation des modèles dans l appréciation quantitative des risques Outils à utiliser prudemment! Averti notamment de l incertitude des prévisions Monte Carlo ML Delignette-Muller, ENVL 7 8

9 L appréciation quantitative des risques Quelques définitions Identification des dangers Caractérisation des dangers (loi dose-réponse) Appréciation de l exposition Caractérisation des risques Communication des risques Gestion des risques microbiologie prévisionnelle Danger (hazard) : «agent biologique, chimique ou physique présent dans un aliment, ou état de cet aliment pouvant avoir un effet nocif.» Risque (risk) : «estimation de la probabilité que se produise un effet néfaste, pondéré en fonction de sa gravité, qui pourrait résulter de la présence d un danger dans un aliment.» ML Delignette-Muller, ENVL 9 ML Delignette-Muller, ENVL 5 Etude d un cas simplifié Bacillus cereus dans du lait pasteurisé inspiré de «A risk assessment study of Bacillus cereus present in pasteurized milk «Notermans et al., 997 (Food Microbiol.) Identification des dangers Bacillus cereus : pathogène reconnu cause diagnostiquée de nombreuses infections d origine alimentaire Contaminant potentiel du lait capacité rapide de sporulation survie dans l environnement contamination par les fèces et le sol Développement possible au cours des procédés résistance des spores à la pasteurisation développement de certaines souches à basses températures ML Delignette-Muller, ENVL 5 ML Delignette-Muller, ENVL 5 Caractérisation des dangers Appréciation de l exposition Données épidémiologiques recueillies (concentrations en Bacillus cereus dans l aliment responsable de l infection) syndrome diarrhéique : 3 à 8 ufc ml - (médiane à 7 ) syndrome émétique : à ufc ml - (médiane à 7 ) Expériences réalisées sur des volontaires sains : non concluantes Seuil d acceptabilité en Europe : - 5 ufc ml - Evaluation vraiment très grossière de la loi doseréponse Niveaux de contamination observés dans des briques de lait un jour après la pasteurisation (enquête hollandaise, Notermans et al., 997) moyenne en log ufc ml - : -. écart type en log ufc ml - :. 57 avec un effet saisonnier ML Delignette-Muller, ENVL 53 ML Delignette-Muller, ENVL 5 9

10 Températures de conservation du produit observées dans des réfrigérateurs domestiques (enquête hollandaise, de Lezenne et al., 99) Durées de conservation du produit avant consommation observées (enquête hollandaise, Notermans et al., 997) Modélisation de la croissance microbienne Développement de la population microbienne depuis la pasteurisation jusqu à la consommation modèle de Zwietering et al., 996 (cf. exemple précédent) log N = log N + /ln() * t avec = b (T T min ) =.35 *T (h - ) =.3*T (jr - ) Caractérisation des risques Résumé des paramètres à prendre en compte : loi dose - réponse Niveau de B. cereus pathogène: N p (en ufc ml - ) exposition Niveau de B. cereus après pasteurisation: N (en ufc ml - ) Température de conservation: T (en C) Durée de conservation: d (en jours) ML Delignette-Muller, ENVL 57 ML Delignette-Muller, ENVL 58 Méthode de calcul? Estimation du risque final = probabilité de développer un syndrome émétique ou diarrhéique lors d une consommation de lait pasteurisé Estimation dans le pire des cas en fixant les paramètres aux valeurs maximisant le risque Estimation dans le cas le plus probable en fixant les paramètres aux valeurs les plus probables Calcul dans le pire des cas Niveau de B. cereus pathogène: N p = 3 ufc ml - Niveau de B. cereus après pasteurisation: N = ufc ml - Température de conservation: T = 3 C Calcul de la durée de conservation nécessaire pour atteindre N p : d p = log (N/N )*ln() / µ =.36 jrs risque de 98% d après la distribution des durées de stockage observées (TRES SURESTIME!!) ML Delignette-Muller, ENVL 59 ML Delignette-Muller, ENVL 6

11 Calcul dans le cas le plus probable Niveau de B. cereus pathogène: N p = 7 ufc ml - Niveau de B. cereus après pasteurisation: N =. ufc ml - Température de conservation: T = 6 C Calcul de la durée de conservation nécessaire pour atteindre N p : d p = log (N/N )*ln() / µ = 7. jrs risque nul (TRES CERTAINEMENT SOUS-ESTIME!) Cas le plus probable amélioré avec prise en compte des différentes températures de réfrigération observées dans la population: T ( C) 6 8 fréquence associée d p (jrs) risque associé risque global =.56* *.3 +.6*.65 = 3.8% MAIS non prise en compte des variabilités sur N et N p ML Delignette-Muller, ENVL 6 ML Delignette-Muller, ENVL 6 Critique de l approche il est difficile de prendre en compte toutes les sources d incertitude et de variabilité une estimation unique du risque est donnée sans indication de son imprécision interprétation délicate du résultat numérique il est difficile de mettre en évidence les facteurs les plus influants Utilisation du Monte Carlo Méthode de simulation par échantillonnage permettant la prise en compte de toutes les sources de variabilité et d incertitude l évaluation de l incertitude sur le risque estimé la génération d une analyse de sensibilité du risque final à chaque paramètre ML Delignette-Muller, ENVL 63 ML Delignette-Muller, ENVL 6 distributions en fréquences des paramètres Schéma d un Monte Carlo D distribution en fréquences du risque de maladie Définition de la distribution pour un paramètre lorsque l on dispose de données observées Utilisation directe de la courbe des fréquences cumulées observées ou Ajustement d une loi théorique adaptée aux données observées N tirages aléatoires pour chaque paramètre (avec par ex. N = ) ln (proba(maladie) )

12 Définition de la distribution pour un paramètre lorsque l on ne dispose que d une opinion d expert lois simples mais de forme peu naturelle lois plus complexes mais de forme plus naturelle Application à notre exemple simplifié Prise en compte des sources de variabilité choix d un modèle classique pour la loi dose réponse : modèle log-normal prenant en compte une variabilité sur N p (log (N p ) ~ (µ=7; σ=.5)) (valeurs fictives) choix des distributions sur les paramètres de l exposition: utilisation des distributions observées pour T et d et d une loi lognormale décrite à partir des données observées pour N (N ~ (µ=-; σ=.6)) ML Delignette-Muller, ENVL 68 Application à notre exemple simplifié Graphe de la loi dose-réponse Prise en compte de l incertitude liée à l utilisation d un modèle de croissance microbienne risque p de maladie utilisation du modèle de Zwietering et al. (996) avec prise en compte de l incertitude sur la prédiction : µ = µ prédit (+ε) avec ε ~ (µ=-.;σ=.5) d après données observées de validation des modèles en prédiction (Delignette-Muller et al., 995) niveau de B.cereus dans le produit consommé log (N [ufcml]) ML Delignette-Muller, ENVL 69 Histogrammes des valeurs des paramètres échantillonnées (pour tirages) effectifs Distribution en fréquences du risque d effet pathogène (p) effectifs Distribution du risque p s étalant de - à avec un mode à log (N ) T Marge d incertitude sur le risque non calculable : incertitude et variabilité mêlées d ε log (p)

13 Analyse de sensibilité du risque p aux différents paramètres: Tornado Chart Paramètres d T log (N ) ε coefficients de corrélation de rang Critique du cas étudié Loi dose-réponse sans réel fondement biologique Scénario thermique très simpliste, sans prise en compte des variations thermiques (ex. : ruptures de la chaîne du froid) Modèle de croissance microbienne simplifié Distributions grossièrement définies Eventuelles corrélations entre paramètres non prises en compte Analyse très grossière à affiner ML Delignette-Muller, ENVL 7 Résultats sur un cas plus réaliste extraits de «Quantitative risk assessment for Escherichia coli O57:H7 in ground beef hamburgers» Cassin et al., 998 (Int. J. Food Microbiol.) ML Delignette-Muller, ENVL 75 Identification des dangers E.coli O57:H7 : pathogène reconnu cause diagnostiquée d une maladie (diarrhées hémorragiques) pouvant être sévère (atteinte rénale) voire mortelle chez les enfants et les personnes âgées Contaminant potentiel des hamburgers communément trouvé dans les intestins des bovins contamination possible des carcasses de bœuf épidémies liées à des hamburgers mal cuits aux US Appréciation de la loi dose-réponse Choix du modèle Beta-Poisson (Haas, 983) modèle exponentiel : p(n) = - exp(- r N) action indépendante des bactéries bactérie unique peut infecter l hôte, mais la probabilité de cet événement est très faible (r) modèle Beta-Poisson : p(n) = - ( + N/β) - α complexification du modèle précédent, incorporant de la variabilité sur la relation hôte-bactérie (loi Beta sur r) ML Delignette-Muller, ENVL 77 ML Delignette-Muller, ENVL 78 3

14 Loi dose-réponse Appréciation de l exposition de l abattoir jusqu au consommateur production élevage de l animal process and grinding fabrication de la viande hâchée storage conservation cooking cuisson consumption consommation ML Delignette-Muller, ENVL 8 Caractérisation des risques Estimation du risque au total 3 paramètres décrits par des distributions (incertitude et variabilité) divers modèles (croissance, destruction thermique, dose-réponse, ) Simulations par Monte Carlo estimation de la probabilité de maladie analyse de sensibilité du modèle global aux différents paramètres ML Delignette-Muller, ENVL 8 Analyse de sensibilité Etude de quelques scénarios de prévention Stratégies de prévention réalistes Réduction attendue du risque

15 Perspectives méthodologiques Critique du Monte carlo D Incertitude et Variabilité traitées sur le même plan dans les simulations Difficulté d appréciation de l incertitude sur le résultat final Solution: Modélisation à niveaux (/ variabilité, / incertitude sur variabilité) Simulations par Monte Carlo à dimensions (D) Variabilité sur le paramètre θ Incertitude sur la variabilité du paramètre θ Principe du Monte Carlo D Modélisation Loi de θ ex.: loi normale paramétrée par µ et σ Loi de µ Loi de σ Simulation θ ij Deuxième niveau de tirage aléatoire pour chaque µ i et σ i µ i, σ i Premier niveau de tirage aléatoire pour i= à ni et j= à nv ML Delignette-Muller, ENVL 85 Caractérisation de l incertitude Résultats des simulations Méthodes utilisées Approche fréquentiste bootstrap (méthode de rééchantillonnage sur les données) Approche bayésienne prise en compte simultanée d une information de type connaissance d experts et de données expérimentales ni distributions en fréquences du risque (ou niveau d exposition ) Pour consulter un exemple concrêt: Rapport AFSSA : «Evaluation scientifique des risques associés à Cryptosporidium sp.» ML Delignette-Muller, ENVL 87 ML Delignette-Muller, ENVL 88 Avantages et inconvénients du Monte Carlo D Conclusions Méthode plus lourde à mettre en œuvre Incertitude et variabilité parfois difficiles à séparer Résultats plus difficile à lire Démarche plus complète Réelle appréciation de l incertitude sur le risque final L appréciation quantitative du risque en microbiologie alimentaire : discipline jeune utilisation de simulations de type Monte Carlo avec problématiques méthodologiques en développement quelques difficultés spécifiques liées à la nature microbiologique du danger devrait constituer un outil pertinent pour mieux comprendre l origine du risque microbiologique ML Delignette-Muller, ENVL 89 ML Delignette-Muller, ENVL 9 5

16 Quelques références McMeekin, T.A., Olley, J.N., Ratkowsky, D.A., Ross, T.,. Predictive microbiology: towards the interface and beyond. Int. J. Food Microbiol. 73, Roberts, T.A., 995. Microbial growth and survival: developments in predictive modelling. Int. Biodeter. Biodegr., Rosso, L., Lobry, J.R., Flandrois, J.P., 993. An unexpected correlation between cardinal temperatures of microbial growth highlighted by a new model. J. Theor. Biol. 6, Swinnen, I.A., Bernaerts, K., Dens, E.J., Geeraerd, A.H., Van Impe, J.F.,. Predictive modelling of the microbial lag phase: a review. Int J Food Microbiol. 9, van Gerwen, S.J.C., Zwietering, M.H., 998. Growth and inactivation models to be used in quantitative risk assessments. J. Food Protect. 998, Whiting, R.C., 995. Microbial modeling in Foods. Critical. Reviews. Food. Sci. Nutrition. 35, Wijtzes, T., van't Riet, K., Huis in't Veld, J.H.J., Zwietering, M.H., 998. A decision support system for the prediction of microbial food safety and food quality. Int. J. Food Microbiol., ML Delignette-Muller, ENVL 9 6

Modélisation du développement microbien dans un aliment et application à l'appréciation quantitative des risques

Modélisation du développement microbien dans un aliment et application à l'appréciation quantitative des risques Modélisation du développement microbien dans un aliment et application à l'appréciation quantitative des risques Objectifs de la microbiologie prévisionnelle conditions de vie du produit micro-organisme

Plus en détail

Incertitude et variabilité : la nécessité de les intégrer dans les modèles

Incertitude et variabilité : la nécessité de les intégrer dans les modèles Incertitude et variabilité : la nécessité de les intégrer dans les modèles M. L. Delignette-Muller Laboratoire de Biométrie et Biologie Evolutive VetAgro Sup - Université de Lyon - CNRS UMR 5558 24 novembre

Plus en détail

L analyse des dangers Une étape clef de la méthode HACCP

L analyse des dangers Une étape clef de la méthode HACCP L analyse des dangers Une étape clef de la méthode HACCP Quelques rappels de base Analyse des dangers : - Caractéristiques - Méthodologie Conclusion Un exemple : Procédé «Terrine de viande» 2 Quelques

Plus en détail

QUELLES APPLICATIONS INDUSTRIELLES POUR LA MICROBIOLOGIE PREVISIONNELLE

QUELLES APPLICATIONS INDUSTRIELLES POUR LA MICROBIOLOGIE PREVISIONNELLE QUELLES APPLICATIONS INDUSTRIELLES POUR LA MICROBIOLOGIE PREVISIONNELLE ELLOUZE M IFIP, 7, Avenue du Général de Gaulle 94704 Maisons-Alfort. Présentation et historique La microbiologie prévisionnelle est

Plus en détail

Les modèles de croissance en microbiologie prévisionnelle pour la maitrise de la sécurité des aliments (synthèse bibliographique)

Les modèles de croissance en microbiologie prévisionnelle pour la maitrise de la sécurité des aliments (synthèse bibliographique) B A S E Biotechnol. Agron. Soc. Environ. 2012 16(3), 369-381 Le Point sur : Les modèles de croissance en microbiologie prévisionnelle pour la maitrise de la sécurité des aliments (synthèse bibliographique)

Plus en détail

2.0 Interprétation des cotes d évaluation des risques relatifs aux produits

2.0 Interprétation des cotes d évaluation des risques relatifs aux produits 2.0 Interprétation des cotes d évaluation des risques relatifs aux produits L interprétation des cotes attribuées dans le cadre des évaluations des risques relatifs aux produits décrite plus loin repose

Plus en détail

22/12/11. Plan de la présentation

22/12/11. Plan de la présentation http://www.dda.ulg.ac.be L appréciation quantitative du risque microbiologique et la microbiologie prévisionnelle pour les entreprises. La microbiologie prévisionnelle Deux exemples simples L appréciation

Plus en détail

Optimisation de la formulation et du procédé pour atteindre une durée de vie : Bacillus cereus pour un nouveau produit

Optimisation de la formulation et du procédé pour atteindre une durée de vie : Bacillus cereus pour un nouveau produit Optimisation de la formulation et du procédé pour atteindre une durée de vie : Bacillus cereus pour un nouveau produit Catherine DENIS ADRIA Normandie Dominique THUAULT ADRIA Développement Bacillus cereus

Plus en détail

Méthodologie d analyse des dangers microbiologiques : cas concret sur des terrines de viande G. POUMEYROL AFSSA LERQAP

Méthodologie d analyse des dangers microbiologiques : cas concret sur des terrines de viande G. POUMEYROL AFSSA LERQAP Méthodologie d analyse des dangers microbiologiques : cas concret sur des terrines de viande G. POUMEYROL AFSSA LERQAP Importance de l analyse des dangers Connaissance de l évolution des dangers au cours

Plus en détail

ETUDES. Quelques réflexions sur la conduite de la cuisson : aspects microbiologiques et valeur pasteurisatrice

ETUDES. Quelques réflexions sur la conduite de la cuisson : aspects microbiologiques et valeur pasteurisatrice ETUDES Quelques réflexions sur la conduite de la cuisson : aspects microbiologiques et valeur pasteurisatrice Leïla MEKHTICHE et Jean-Luc MARTIN (CTSCCV) RESUME De nombreuses questions posées au CTSCCV

Plus en détail

Inférence d un réseau bayésien augmenté visant à confronter :

Inférence d un réseau bayésien augmenté visant à confronter : Inférence d un réseau bayésien augmenté visant à confronter : un modèle complexe d analyse quantitative du risque microbiologique des données de vieillissement Clémence RIGAUX (1) En collaboration avec

Plus en détail

Détermination des Dates Limites de Consommation

Détermination des Dates Limites de Consommation Détermination des Dates Limites de Consommation Pr Ivan LEGUERINEL IUT de Quimper, Département de Biologie Directeur du LUMAQ Quelques mots de présentation IUT de Quimper 4 départements GB, TC, GLT, GEA

Plus en détail

Introduction à l approche bootstrap

Introduction à l approche bootstrap Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?

Plus en détail

Niveau d assurance de stérilité (NAS) Hôpital Neuchâtelois Sylvie Schneider Novembre 2007

Niveau d assurance de stérilité (NAS) Hôpital Neuchâtelois Sylvie Schneider Novembre 2007 Niveau d assurance de stérilité (NAS) Hôpital Neuchâtelois Sylvie Schneider Novembre 2007 Plan Objectif de la stérilisation Rappel théorique Niveau d Assurance Stérilité Conséquence Destruction des micro-organismes

Plus en détail

Comment identifier les étapes sensibles pour la maîtrise des dangers?

Comment identifier les étapes sensibles pour la maîtrise des dangers? Comment identifier les étapes sensibles pour la maîtrise des dangers? Le cas de Listeria monocytogenes dans les fromages à pâte molle et croûte lavée au lait pasteurisé Fanny TENENHAUS-AZIZA Colloque Quant

Plus en détail

AMBASSADE DE FRANCE AUX ÉTATS-UNIS SERVICE ÉCONOMIQUE REGIONAL DE WASHINGTON

AMBASSADE DE FRANCE AUX ÉTATS-UNIS SERVICE ÉCONOMIQUE REGIONAL DE WASHINGTON Washington, le 5 février 2014 Objet : Mise en application de la loi de modernisation de sécurité sanitaire des aliments (FSMA - Food Safety Modernization Act) Détermination des aliments considérés à haut

Plus en détail

Mots-clés : appréciation des risques, microbiologie prévisionnelle, Listeria monocytogenes.

Mots-clés : appréciation des risques, microbiologie prévisionnelle, Listeria monocytogenes. Intérêt de la microbiologie prévisionnelle dans l appréciation de l'exposition alimentaire à Listeria monocytogenes. Significance of predictive microbiology for the assessment of the exposure of food to

Plus en détail

STÉRILISATION. Réduction des populations. nonus 1

STÉRILISATION. Réduction des populations. nonus 1 Réduction des populations nonus 1 nonus 2 Taux de survie N/No Taux de mortalité No-N /No No : nombre initial de cellules vivantes N : nombre de cellules vivantes après le cycle de stérilisation nonus 3

Plus en détail

Bilan de l enquête Ile-de-France sur les analyses de dangers en entreprises. Hasna EZZOUINE (CERVIA Paris IdF) Vincent LECLERC (AFSSA-LERQAP)

Bilan de l enquête Ile-de-France sur les analyses de dangers en entreprises. Hasna EZZOUINE (CERVIA Paris IdF) Vincent LECLERC (AFSSA-LERQAP) Bilan de l enquête Ile-de-France sur les analyses de dangers en entreprises Hasna EZZOUINE (CERVIA Paris IdF) Vincent LECLERC (AFSSA-LERQAP) Contexte de l étude Etude initiée en 2009 par le CERVIA PARIS

Plus en détail

Procédé en cours de validation dans l industrie pharmaceutique.

Procédé en cours de validation dans l industrie pharmaceutique. 5/ Autres méthodes : 5.1. L énergie lumineuse pulsée : Procédé Pure Bright (brevet) : Environ 20 000 fois plus énergétique que la lumière solaire, la répétition (1 à 10) de flashes pulsés de lumière (450

Plus en détail

Sym Previus : System de prévision de l impact des procédés et de l environnement sur les microorganismes. Dominique Thuault

Sym Previus : System de prévision de l impact des procédés et de l environnement sur les microorganismes. Dominique Thuault Sym Previus : de l impact des procédés et de l environnement sur les microorganismes Dominique Thuault Modèle secondaire cardinal µ max = µ opt. γ(t). γ(ph). γ(a w ) Paramètres propres au microorganisme

Plus en détail

Appui scientifique et technique concernant l étude de l évolution de Listeria monocytogenes dans les fromages de type cantal

Appui scientifique et technique concernant l étude de l évolution de Listeria monocytogenes dans les fromages de type cantal Le directeur général Maisons-Alfort, le 22 mai 2015 Appui scientifique et technique concernant l étude de l évolution de Listeria monocytogenes dans les fromages de type cantal L Anses a été saisie le

Plus en détail

ANALYSE QUANTITATIVE DE RISQUE MICROBIOLOGIQUE EN ALIMENTATION

ANALYSE QUANTITATIVE DE RISQUE MICROBIOLOGIQUE EN ALIMENTATION ANALYSE QUANTITATIVE DE RISQUE MICROBIOLOGIQUE EN ALIMENTATION QUAND LE GESTIONNAIRE DE LA SECURITE ALIMENTAIRE A-T-IL BESOIN D UTILISER UNE APPROCHE ANALYSE DE RISQUE? En concertation avec le groupe de

Plus en détail

Hygiène des Denrées et des Préparations Culinaires

Hygiène des Denrées et des Préparations Culinaires Hygiène des Denrées et des Préparations Culinaires Objectifs : Citer les traitements thermiques et de conservation, leurs caractéristiques et leurs effets sur la flore microbienne Justifier les modes de

Plus en détail

Prévention et gestion des risques naturels et environnementaux

Prévention et gestion des risques naturels et environnementaux Prévention et gestion des risques naturels et environnementaux Risque et assurance : quelques éléments théoriques Ecole des Ponts - Le 6 Avril 01 Jacques Pelletan 1 Théorie du risque et pérennité de l

Plus en détail

Modélisation prédictive et incertitudes. P. Pernot. Laboratoire de Chimie Physique, CNRS/U-PSUD, Orsay

Modélisation prédictive et incertitudes. P. Pernot. Laboratoire de Chimie Physique, CNRS/U-PSUD, Orsay Modélisation prédictive et incertitudes P. Pernot Laboratoire de Chimie Physique, CNRS/U-PSUD, Orsay Plan 1 Incertitudes des modèles empiriques 2 Identification et caractérisation des paramètres incertains

Plus en détail

Le Guide d aide à la VALIDATION des MESURES de MAITRISE des dangers bactériologiques ACTION QUALITE

Le Guide d aide à la VALIDATION des MESURES de MAITRISE des dangers bactériologiques ACTION QUALITE Le Guide d aide à la VALIDATION des MESURES de MAITRISE des dangers bactériologiques ACTION QUALITE Logo CERVIA Parce que l enjeu alimentaire est plus que jamais un défi pour demain, le CERVIA PARIS Ilede-France,

Plus en détail

Présentation et objectifs du projet ANR Quant HACCP

Présentation et objectifs du projet ANR Quant HACCP Présentation et objectifs du projet ANR Quant HACCP Gérard Poumeyrol Laboratoire de sécurité des aliments de Maisons Alfort Besoins scientifiques et contexte réglementaire de la sécurité sanitaire des

Plus en détail

ORDRE DE RÉACTION : MÉTHODES DE

ORDRE DE RÉACTION : MÉTHODES DE ORDRE DE RÉACTION : MÉTHODES DE RÉSOLUTION Table des matières 1 Méthodes expérimentales 2 1.1 Position du problème..................................... 2 1.2 Dégénérescence de l ordre...................................

Plus en détail

Université René Descartes Faculté de Pharmacie - Master Professionnel Dimension Économique des Produits de Santé 14 décembre 2005

Université René Descartes Faculté de Pharmacie - Master Professionnel Dimension Économique des Produits de Santé 14 décembre 2005 Université René Descartes Faculté de Pharmacie - Master Professionnel Dimension Économique des Produits de Santé 14 décembre 2005 Prise en Compte de l Incertitude dans l Évaluation des Technologies de

Plus en détail

La survie nette actuelle à long terme Qualités de sept méthodes d estimation

La survie nette actuelle à long terme Qualités de sept méthodes d estimation La survie nette actuelle à long terme Qualités de sept méthodes d estimation PAR Alireza MOGHADDAM TUTEUR : Guy HÉDELIN Laboratoire d Épidémiologie et de Santé publique, EA 80 Faculté de Médecine de Strasbourg

Plus en détail

TABLE DES MATIÈRES CHAPITRE

TABLE DES MATIÈRES CHAPITRE TABLE DES MATIÈRES CHAPITRE 1 Le pilotage de la performance... 17 I. Du contrôle au pilotage de la performance... 17 A. Le contrôle de gestion traditionnel... 17 B. Le pilotage de la performance... 19

Plus en détail

COURS DE STATISTIQUES (24h)

COURS DE STATISTIQUES (24h) COURS DE STATISTIQUES (24h) Introduction Statistiques descriptives (4 h) Rappels de Probabilités (4 h) Echantillonnage(4 h) Estimation ponctuelle (6 h) Introduction aux tests (6 h) Qu est-ce que la statistique?

Plus en détail

Proposition de " Critères Microbiologiques " pour. Préambule

Proposition de  Critères Microbiologiques  pour. Préambule Proposition de " Critères Microbiologiques " pour Listeria monocytogenes dans les aliments Préambule Composants à prendre en compte pour définir un critère : Les différents composants entrant dans la définition

Plus en détail

Formation Durée de vie microbiologique 24 mars Travaux dirigés n 2 : Exploitation des résultats d un test de croissance

Formation Durée de vie microbiologique 24 mars Travaux dirigés n 2 : Exploitation des résultats d un test de croissance Formation Durée de vie microbiologique 24 mars 2010 Travaux dirigés n 2 : Exploitation des résultats d un test de croissance Remarque : les données chiffrées sont fictives et ne sont pas en lien avec les

Plus en détail

Table des cas d entreprise et enquêtes. Avant-propos Nos choix d adaptation Visite guidée La 4 e édition Remerciements

Table des cas d entreprise et enquêtes. Avant-propos Nos choix d adaptation Visite guidée La 4 e édition Remerciements Table des matières Table des cas d entreprise et enquêtes Avant-propos Nos choix d adaptation Visite guidée La 4 e édition Remerciements xiii xiii xiv xv xv Première partie Les fondements de la comptabilité

Plus en détail

formations professionnelles fin 2014 / début 2015 hygiène alimentaire en restauration collective audit, conseil et formation professionnelle

formations professionnelles fin 2014 / début 2015 hygiène alimentaire en restauration collective audit, conseil et formation professionnelle audit, conseil et formation professionnelle Stage 1 Bonnes pratiques d hygiène en restauration collective 19 et 26 novembre Stage 2 Règles d hygiène lors du service 3 décembre Stage 3 Le nettoyage et la

Plus en détail

NOMENCLATURE POUR LES ÉTUDES DE TRAITEMENT THERMIQUE

NOMENCLATURE POUR LES ÉTUDES DE TRAITEMENT THERMIQUE Institute for Thermal Processing Specialists NOMENCLATURE POUR LES ÉTUDES DE TRAITEMENT THERMIQUE Différents symboles ont été employés pour représenter les variables mesurées et dérivées qui sont utilisées

Plus en détail

Sommaire Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4 Chapitre 5 Chapitre 6 Chapitre 7. ARC EPS Eco-microbiologie Prévisionnelle Statistique

Sommaire Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4 Chapitre 5 Chapitre 6 Chapitre 7. ARC EPS Eco-microbiologie Prévisionnelle Statistique ARC EPS Eco-microbiologie Prévisionnelle Statistique 1 Objectifs de l ARC EPS 2 Partenaires 3 Moyens 4 Problématique Microbiologique 5 Démarche et Résultats 6 Perspectives 7 Valorisation LES OBJECTIFS

Plus en détail

LE RISQUE MICROBIEN DANS LES I.A.A.

LE RISQUE MICROBIEN DANS LES I.A.A. LE RISQUE MICROBIEN DANS LES I.A.A. 1. LES MICROORGANISMES DANS LES IAA 2. COMMENT MAÎTRISER CE RISQUE TD 1. LES TOXI-INFECTIONS D ORIGINE BACTERIENNE TD 2. LES RISQUES LIES AUX MOISISSURES 1. LES MICROORGANISMES

Plus en détail

THESE. MODELISATION DE LA DYNAMIQUE DE CROISSANCE DES POPULATIONS DE Listeria monocytogenes DANS LES ALIMENTS

THESE. MODELISATION DE LA DYNAMIQUE DE CROISSANCE DES POPULATIONS DE Listeria monocytogenes DANS LES ALIMENTS 1 N d'ordre 314-99 Année 1999 THESE présentée devant l'universite CLAUDE BERNARD - LYON I pour l'obtention du DIPLOME DE DOCTORAT (arrêté du 3 mars 1992) présentée et soutenue publiquement le 15 décembre

Plus en détail

PRINCIPES POUR L ANALYSE DES RISQUES LIÉS AUX ALIMENTS DÉRIVÉS DES BIOTECHNOLOGIES MODERNES

PRINCIPES POUR L ANALYSE DES RISQUES LIÉS AUX ALIMENTS DÉRIVÉS DES BIOTECHNOLOGIES MODERNES -1- PRINCIPES POUR L ANALYSE DES RISQUES LIÉS AUX ALIMENTS DÉRIVÉS DES BIOTECHNOLOGIES MODERNES SECTION 1 INTRODUCTION CAC/GL 44-2003 1. Pour de nombreux aliments, le niveau de sécurité sanitaire généralement

Plus en détail

SAQ Event : Jeudi 23 Septembre 2010. Swiss Association for Quality Sections Genève-Vaud

SAQ Event : Jeudi 23 Septembre 2010. Swiss Association for Quality Sections Genève-Vaud SAQ Event : Jeudi 23 Septembre 2010 Swiss Association for Quality Sections Genève-Vaud HACCP : Un système de management de la sécurité alimentaire HACCP : un système pour le management de la sécurité alimentaire,

Plus en détail

Science et technique. La température et la durée de stockage sont des facteurs déterminants. Viande bovine et micro-organisme pathogène

Science et technique. La température et la durée de stockage sont des facteurs déterminants. Viande bovine et micro-organisme pathogène Science et technique Viande bovine et micro-organisme pathogène La température et la durée de stockage sont des facteurs déterminants La contamination des carcasses lors des opérations d abattage et la

Plus en détail

Prévision de la demande

Prévision de la demande But : Pour prendre des décisions relatives à la structure et au fonctionnement opérationnel de tout système logistique; il faut s appuyer sur un système de prévision fiable. Concerne le long, moyen et

Plus en détail

Le système HACCP. www.halal-institute.org. Page 1. 66, avenue des Champs Elysées LO41-75008 Paris Tél. : (33) 979940077 - Fax : (33) 974533739

Le système HACCP. www.halal-institute.org. Page 1. 66, avenue des Champs Elysées LO41-75008 Paris Tél. : (33) 979940077 - Fax : (33) 974533739 Page 1 www.halal-institute.org Le système HACCP 66, avenue des Champs Elysées LO41-75008 Paris Tél. : (33) 979940077 - Fax : (33) 974533739 HACCP = Hazard Analysis Critical Control Point (analyse des dangers

Plus en détail

Procédure M ICROBIOLOGIE - ESTIMATION DE L INCERTITUDE DE MESURE. Mise en application 15/12/2008

Procédure M ICROBIOLOGIE - ESTIMATION DE L INCERTITUDE DE MESURE. Mise en application 15/12/2008 Agence fédérale pour la Sécurité de la Chaîne alimentaire Procédure M ICROBIOLOGIE - ESTIMATION DE L INCERTITUDE DE MESURE Mise en application 15/12/2008 Administration compétente Service responsable Destinataires

Plus en détail

Shadow Manager Simulateur de gestion globale d entreprise. Introduction

Shadow Manager Simulateur de gestion globale d entreprise. Introduction Shadow Manager Simulateur de gestion globale d entreprise Introduction Le logiciel de simulation d entreprise Shadow Manager représente le nec plus ultra des outils pédagogiques de simulation de gestion

Plus en détail

Le développement des UVCI (unités de vente de consommateur industrielles) avec des

Le développement des UVCI (unités de vente de consommateur industrielles) avec des Incidence du mode de conditionnement sur la durée de vie de la viande de porc en UVCI Le développement des UVCI (unités de vente de consommateur industrielles) avec des barquettes operculées sous atmosphère

Plus en détail

Mathématiques pures 30. Projet à l intention des élèves : Applications des fonctions exponentielles

Mathématiques pures 30. Projet à l intention des élèves : Applications des fonctions exponentielles Mathématiques pures 30 Projet à l intention des élèves : Applications des fonctions exponentielles Septembre 2006 Dans le présent document, le générique masculin est utilisé sans aucune discrimination

Plus en détail

Session 2011. Enseignement de Spécialité. Durée de l épreuve : 3 heures. Coefficient : 7. Ce sujet comporte 7 pages numérotées de 1 à 7.

Session 2011. Enseignement de Spécialité. Durée de l épreuve : 3 heures. Coefficient : 7. Ce sujet comporte 7 pages numérotées de 1 à 7. BACCALAURÉAT GENÉRAL Session 2011 MATHÉMATIQUES Série ES Enseignement de Spécialité Durée de l épreuve : 3 heures Coefficient : 7 Ce sujet comporte 7 pages numérotées de 1 à 7. L utilisation d une calculatrice

Plus en détail

Chapitre 2 Maîtrise des flux. - Chapitre 2 - Maîtrise des flux

Chapitre 2 Maîtrise des flux. - Chapitre 2 - Maîtrise des flux - - Facteurs agissant sur les flux Les modèles pour les SP Les réseaux de files d attente 1 Facteurs agissant sur les flux Au niveau physique : L implantation Le nombre de machines Automatisation (robots,

Plus en détail

Modélisation stochastique des données à partir d essais sur matériaux. Pr. Denys Breysse Université Bordeaux 1

Modélisation stochastique des données à partir d essais sur matériaux. Pr. Denys Breysse Université Bordeaux 1 Modélisation stochastique des données à partir d essais sur matériaux Pr. Denys Breysse Université Bordeaux 1 Hasard cause fictive de ce qui arrive sans raison apparente ou explicable (Petit Robert). Ce

Plus en détail

Science et technique. Qualité, DLC et challenges tests. Viande hachée artisanale

Science et technique. Qualité, DLC et challenges tests. Viande hachée artisanale CHRISTIEANS.qxd 15/11/2005 10:44 Page 163 Qualité, DLC et challenges tests Durant les trois dernières décennies, l industrie de la viande fraîche a beaucoup changé ainsi que le comportement des consommateurs.

Plus en détail

La validation de barème des produits appertisés

La validation de barème des produits appertisés La validation de barème des produits appertisés Animée par Fabien AUPY Expert PCAM ( du CTCPA Centre Technique de la Conservation des Produits agricoles) UTICA, le 12 novembre 2013 Programme financé par

Plus en détail

Le documentd accompagnement des programmes de Mathématiques en classe de première et de terminale,

Le documentd accompagnement des programmes de Mathématiques en classe de première et de terminale, PROGRESSION SPIRALÉE Page 1/10 Le documentd accompagnement des programmes de Mathématiques en classe de première et de terminale, série scientifique et série économique et sociale, précise que : " Les

Plus en détail

Cette expérience a été mise en place en collaboration avec le Chimiscope sur une idée de Luc Schnieper, enseignant de Biologie.

Cette expérience a été mise en place en collaboration avec le Chimiscope sur une idée de Luc Schnieper, enseignant de Biologie. 13. Analyse de l eau Cette expérience a été mise en place en collaboration avec le Chimiscope sur une idée de Luc Schnieper, enseignant de Biologie. Les eaux des rivières, des fleuves, des mares ou des

Plus en détail

OPTIONS DE GESTION DU RISQUE Listeria monocytogenes ET STRATEGIES DE REDUCTION. Situation actuelle des critères microbiologiques au niveau européen

OPTIONS DE GESTION DU RISQUE Listeria monocytogenes ET STRATEGIES DE REDUCTION. Situation actuelle des critères microbiologiques au niveau européen ASEPT, 5 ème Conférence Internationale, 17-18 mars 2004, Laval OPTIONS DE GESTION DU RISQUE Listeria monocytogenes ET STRATEGIES DE REDUCTION Situation actuelle des critères microbiologiques au niveau

Plus en détail

Analyse de données longitudinales continues avec applications

Analyse de données longitudinales continues avec applications Université de Liège Département de Mathématique 29 Octobre 2002 Analyse de données longitudinales continues avec applications David MAGIS 1 Programme 1. Introduction 2. Exemples 3. Méthodes simples 4.

Plus en détail

E. coli entérohémorragiques, un point critique en abattoir : utopie ou réalité?

E. coli entérohémorragiques, un point critique en abattoir : utopie ou réalité? E. coli entérohémorragiques, un point critique en abattoir : utopie ou réalité? Application de la démarche HACCP pour l identification d étapes de maîtrise Hubert BRUGERE Steak expert Angers 24 et 25 juin

Plus en détail

Agrégation externe de mathématiques, session 2013 Épreuve de modélisation, option B : Calcul Scientifique

Agrégation externe de mathématiques, session 2013 Épreuve de modélisation, option B : Calcul Scientifique Agrégation externe de mathématiques, session 2013 Épreuve de modélisation, option (Public2014-B1) Résumé : On présente un exemple de système de deux espèces en compétition dans un environnement périodique.

Plus en détail

Statistique et analyse de données pour l assureur : des outils pour la gestion des risques et le marketing

Statistique et analyse de données pour l assureur : des outils pour la gestion des risques et le marketing Statistique et analyse de données pour l assureur : des outils pour la gestion des risques et le marketing Gilbert Saporta Chaire de Statistique Appliquée, CNAM ActuariaCnam, 31 mai 2012 1 L approche statistique

Plus en détail

1.LA VENTE DIRECTE DE VIANDE Réglementation

1.LA VENTE DIRECTE DE VIANDE Réglementation 1.LA VENTE DIRECTE DE VIANDE Réglementation Vous envisagez de vous diversifier en vente directe de viande, cette formation va vous aider à définir votre projet et préciser les démarches nécessaires. Elaborer

Plus en détail

Méthode automatisée de dosage colorimétrique du dioxyde de soufre total dans les vins

Méthode automatisée de dosage colorimétrique du dioxyde de soufre total dans les vins Méthode automatisée de dosage colorimétrique du dioxyde de soufre total dans les vins Marc DUBERNET* et Françoise GRASSET* Laboratoire DUBERNET - 9, quai d Alsace - 11100 Narbonne France 1. Objet Méthode

Plus en détail

Intérêt de l ATP-métrie pour la validation et l optimisation du nettoyage-désinfection dans le secteur abattage-découpe

Intérêt de l ATP-métrie pour la validation et l optimisation du nettoyage-désinfection dans le secteur abattage-découpe Intérêt de l ATP-métrie pour la validation et l optimisation du nettoyage-désinfection dans le secteur abattage-découpe Brice MINVIELLE Yannick RUGRAFF L e problème des opérations de nettoyage et de désinfection

Plus en détail

Étude des Corrélations entre Paramètres Statiques et Dynamiques des Convertisseurs Analogique-Numérique en vue d optimiser leur Flot de Test

Étude des Corrélations entre Paramètres Statiques et Dynamiques des Convertisseurs Analogique-Numérique en vue d optimiser leur Flot de Test 11 juillet 2003 Étude des Corrélations entre Paramètres Statiques et Dynamiques des Convertisseurs Analogique-Numérique en vue d optimiser leur Flot de Test Mariane Comte Plan 2 Introduction et objectif

Plus en détail

Chapitre 9. L analyse de risque. Page 1. L analyse de risque. 1. Généralités. Définition : l analyse de risque

Chapitre 9. L analyse de risque. Page 1. L analyse de risque. 1. Généralités. Définition : l analyse de risque Chapitre 9 L analyse de risque 17/04/2006 Claude Saegerman 1 L analyse de risque L analyse de risque organiser les informations disponibles sur un sujet donné les traduire en probabilités en déduire logiquement

Plus en détail

Contrôles des traitements thermiques du lait

Contrôles des traitements thermiques du lait T BTK AT de biotechnologies Contrôles des traitements thermiques du lait L objectif de la séance est de réaliser une pasteurisation du lait avec différents protocoles de chauffage. Au cours du chauffage

Plus en détail

PRINCIPAUX MICROORGANISMES PATHOGENES

PRINCIPAUX MICROORGANISMES PATHOGENES Coliformes thermotolérants, Escherichia coli fécale, eaux usées, sol, matières premières non décontaminées Pas, sauf Escherichia coli O157:H7 et E.coli STEC pathogène Développement entre 10 et 48 C ph

Plus en détail

VALIDATION DE METHODES QUALITATIVES EN CONTINU

VALIDATION DE METHODES QUALITATIVES EN CONTINU VALIDATION DE METHODES QUALITATIVES EN CONTINU IX E JOURNÉES PROFESSIONNELLES DE L AFTLM PARIS Informations pré requises Type de flexibilité Méthodes «fournisseurs» (portée flexible standard A), dites

Plus en détail

PROGRAMMES DE GESTION 3 ème année & 4 ème année de l Enseignement secondaire

PROGRAMMES DE GESTION 3 ème année & 4 ème année de l Enseignement secondaire RÉPUBLIQUE TUNISIENNE MINISTÈRE DE L ÉDUCATION & DE LA FORMATION DIRECTION GÉNÉRALE DES PROGRAMMES & DE LA FORMATION CONTINUE Direction des Programmes & des Manuels Scolaires PROGRAMMES DE GESTION 3 ème

Plus en détail

Le programme de mathématiques Classes de première STI2D STL

Le programme de mathématiques Classes de première STI2D STL Journée de l inspection 15 avril 2011 - Lycée F. BUISSON 18 avril 2011 - Lycée J. ALGOUD 21 avril 2011 - Lycée L. ARMAND Le programme de mathématiques Classes de première STI2D STL Déroulement de la journée

Plus en détail

Toutes les méthodes d analyses rapides peuvent être théoriquement appliquées pour la plupart des bactéries pathogènes.

Toutes les méthodes d analyses rapides peuvent être théoriquement appliquées pour la plupart des bactéries pathogènes. Ces analyses permettent de vérifier la salubrité et la qualité hygiénique des denrées périssables que l on remet au consommateur. Elles doivent donc être représentatives des produits que l on remet au

Plus en détail

Première STMG1 2014-2015 progression. - 1. Séquence : Proportion d une sous population dans une population.

Première STMG1 2014-2015 progression. - 1. Séquence : Proportion d une sous population dans une population. Première STMG1 2014-2015 progression. - 1 Table des matières Fil rouge. 3 Axes du programme. 3 Séquence : Proportion d une sous population dans une population. 3 Information chiffrée : connaître et exploiter

Plus en détail

Plan. Contexte : SCM. Décision incertaine et logistique : Grille typologique

Plan. Contexte : SCM. Décision incertaine et logistique : Grille typologique Décision incertaine et logistique : Grille typologique Animateurs : S. Durieux, P. Genin, C. Thierry durieux@ifma.fr thierry@univ-tlse2.fr patrick.genin@supmeca.fr JD MACS 2009, Angers, 19-20 Novembre

Plus en détail

Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés

Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés Professeur Patrice Francour francour@unice.fr Une grande partie des illustrations viennent

Plus en détail

Mesures microbiologiques objectivant la durée de vie des produits. Georges Daube

Mesures microbiologiques objectivant la durée de vie des produits. Georges Daube Mesures microbiologiques objectivant la durée de vie des produits Parc Créalys Georges Daube Université de Liège Faculté de Médecine Vétérinaire Département des Sciences des Denrées Alimentaires Fundamental

Plus en détail

Annexe commune aux séries ES, L et S : boîtes et quantiles

Annexe commune aux séries ES, L et S : boîtes et quantiles Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans

Plus en détail

PROGRAMMES DE GESTION

PROGRAMMES DE GESTION RÉPUBLIQUE TUNISIENNE MINISTÈRE DE L ÉDUCATION DIRECTION GÉNÉRALE DU CYCLE PREPARATOIRE & DE L'ENSEIGNEMENT SECONDAIRE Direction de la Pédagogie & des Normes du cycle préparatoire et de l'enseignement

Plus en détail

Méthodes Statistiques Appliquées à la Qualité et à la Gestion des Risques - Le Contrôle Statistique

Méthodes Statistiques Appliquées à la Qualité et à la Gestion des Risques - Le Contrôle Statistique Méthodes Statistiques Appliquées à la Qualité et à la Gestion des Risques - Le Contrôle Statistique Jean Gaudart Laboratoire d Enseignement et de Recherche sur le Traitement de l Information Médicale jean.gaudart@univmed.fr

Plus en détail

!-.!#- $'( 1&) &) (,' &*- %,!

!-.!#- $'( 1&) &) (,' &*- %,! 0 $'( 1&) +&&/ ( &+&& &+&))&( -.#- 2& -.#- &) (,' %&,))& &)+&&) &- $ 3.#( %, (&&/ 0 ' Il existe plusieurs types de simulation de flux Statique ou dynamique Stochastique ou déterministe A événements discrets

Plus en détail

Évaluation économique en santé publique

Évaluation économique en santé publique Lecture et appréciation d évaluations économiques réelles en santé publique ATELIER MÉTHODOLOGIQUE Préparé pour les Journées annuelles de santé publique 2005 Carole St-Hilaire, Ph.D. chercheure, AÉTMIS

Plus en détail

CNAM 2002-2003 2léments de cours Bonus-malus et Crédibilité

CNAM 2002-2003 2léments de cours Bonus-malus et Crédibilité 1 CNAM 2002-2003 2léments de cours Bonus-malus et Crédibilité Une situation fréquente en pratique est de disposer non pas d un résultat mais de plusieurs. Le cas se présente en assurance, par exemple :

Plus en détail

Problèmes de fiabilité dépendant du temps

Problèmes de fiabilité dépendant du temps Problèmes de fiabilité dépendant du temps Bruno Sudret Dépt. Matériaux et Mécanique des Composants Pourquoi la dimension temporelle? Rappel Résistance g( RS, ) = R S Sollicitation g( Rt (), St (),) t =

Plus en détail

Les Traitements Thermiques Pasteurisation et Stérilisation

Les Traitements Thermiques Pasteurisation et Stérilisation Les Traitements Thermiques Pasteurisation et Stérilisation Ce sont les opérations unitaires les plus répandues en agroalimentaire. Il y a deux objectifs: assure la qualité hygiénique du produit et préserver

Plus en détail

L essentiel sur les tests statistiques

L essentiel sur les tests statistiques L essentiel sur les tests statistiques 21 septembre 2014 2 Chapitre 1 Tests statistiques Nous considérerons deux exemples au long de ce chapitre. Abondance en C, G : On considère une séquence d ADN et

Plus en détail

La gestion des ventes.

La gestion des ventes. I. La prévision des ventes. A. Principe. La gestion des ventes. Elle consiste à déterminer les ventes futures à la fois en quantité et en valeur en tenant compte des tendances et contraintes imposées à

Plus en détail

Table des matières. I Mise à niveau 11. Préface

Table des matières. I Mise à niveau 11. Préface Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3

Plus en détail

TABLE DES MATIERES. C Exercices complémentaires 42

TABLE DES MATIERES. C Exercices complémentaires 42 TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence

Plus en détail

Olivier DELATTRE Conseiller en Hygiène Alimentaire Laboratoire LAREBRON (Carso)

Olivier DELATTRE Conseiller en Hygiène Alimentaire Laboratoire LAREBRON (Carso) Olivier DELATTRE Conseiller en Hygiène Alimentaire Laboratoire LAREBRON (Carso) PLAN 1) Le point sur la réglementation en matière de prélèvements et d analyses alimentaires 2) Comment déterminer la durée

Plus en détail

CAC/GL 62-2007 Page 1 de 5

CAC/GL 62-2007 Page 1 de 5 CAC/GL 62-2007 Page 1 de 5 PRINCIPES DE TRAVAIL POUR L ANALYSE DES RISQUES EN MATIÈRE DE SÉCURITÉ SANITAIRE DES ALIMENTS DESTINÉS À ÊTRE APPLIQUÉS PAR LES GOUVERNEMENTS CAC/GL 62-2007 CHAMP D APPLICATION

Plus en détail

Axe MSA Bilan scientifique et perspectives. ENSM.SE L. Carraro - 17 décembre 07

Axe MSA Bilan scientifique et perspectives. ENSM.SE L. Carraro - 17 décembre 07 Axe MSA Bilan scientifique et perspectives ENSM.SE L. Carraro - 17 décembre 07 17 décembre 07 2 Plan Compétences acquises domaines scientifiques compétences transverses Domaines ou activités accessibles

Plus en détail

CATALOGUE DE PRESTATIONS FORMATION ET CONSEILS

CATALOGUE DE PRESTATIONS FORMATION ET CONSEILS (1/30pages) CATALOGUE DE PRESTATIONS FORMATION ET CONSEILS ANNEE : 2015 Date de mise à jour : 09/03/2015 1 - Microbiologie des eaux - Microbiologie des aliments Formation technique de Microbiologie HYGIÈNE

Plus en détail

Simulation Examen de Statistique Approfondie II **Corrigé **

Simulation Examen de Statistique Approfondie II **Corrigé ** Simulation Examen de Statistique Approfondie II **Corrigé ** Ces quatre exercices sont issus du livre d exercices de François Husson et de Jérôme Pagès intitulé Statistiques générales pour utilisateurs,

Plus en détail

DEMARCHE DE MODELISATION

DEMARCHE DE MODELISATION DEMARCHE DE MODELISATION Les modèles publiés décrivant la croissance de micro-organismes sont pour la plupart des modèles empiriques;càd qu ils sont développés a partir de faits expérimentaux(hedges,1991);il

Plus en détail

Arbres binaires. Hélène Milhem. Institut de Mathématiques de Toulouse, INSA Toulouse, France IUP SID, 2011-2012

Arbres binaires. Hélène Milhem. Institut de Mathématiques de Toulouse, INSA Toulouse, France IUP SID, 2011-2012 Arbres binaires Hélène Milhem Institut de Mathématiques de Toulouse, INSA Toulouse, France IUP SID, 2011-2012 H. Milhem (IMT, INSA Toulouse) Arbres binaires IUP SID 2011-2012 1 / 35 PLAN Introduction Construction

Plus en détail

Les risques sanitaires dans l industrie alimentaire

Les risques sanitaires dans l industrie alimentaire Les risques sanitaires dans l industrie alimentaire SAQ Dr J.-C. Gander, ELSA / Mifroma Textes de lois Ordonnance sur les denrées alimentaires Ordonnance sur les denrées alimentaires d'origine animale

Plus en détail

Analyse de données et méthodes numériques

Analyse de données et méthodes numériques Analyse de données et méthodes numériques Analyse de données: Que faire avec un résultat? Comment le décrire? Comment l analyser? Quels sont les «modèles» mathématiques associés? Analyse de données et

Plus en détail

Club_Saturne 2007. Analyse d incertitudes avec Mercure_Saturne pour la modélisation de la dispersion atmosphérique. Emmanuel Demaël, Damien Bilbault

Club_Saturne 2007. Analyse d incertitudes avec Mercure_Saturne pour la modélisation de la dispersion atmosphérique. Emmanuel Demaël, Damien Bilbault Club_Saturne 2007 Analyse d incertitudes avec Mercure_Saturne pour la modélisation de la dispersion atmosphérique Emmanuel Demaël, Damien Bilbault 27 novembre 2007 Introduction Contexte : Objectifs : Répondre

Plus en détail

Analyse de variance à un facteur Tests d hypothèses Analyse de variance à deux facteurs. Analyse de la variance ANOVA

Analyse de variance à un facteur Tests d hypothèses Analyse de variance à deux facteurs. Analyse de la variance ANOVA Analyse de la variance ANOVA Terminologie Modèles statistiques Estimation des paramètres 1 Analyse de variance à un facteur Terminologie Modèles statistiques Estimation des paramètres 2 3 Exemple. Analyse

Plus en détail