Mô hình xác suất & thống kê phân tích các mối nguy hiểm thực phẩm

Giá trị lý thuyết cực đoan (để xác định xác suấtvượt quá một giới hạn tiếp xúc cho phép), phương phápThống kê Học (để xác định kế hoạchthực phẩm), quá trình thống kê (để theo dõiô nhiễm trong cơ thể), kỹ thuật Bayesian(Đối với định lượng rủi ro), vv.
Nội dung trích xuất từ tài liệu:
Mô hình xác suất & thống kê phân tích các mối nguy hiểm thực phẩm Rencontre Matrisq/Mét@risk/Morse le 23/02/2010Modélisation probabiliste & statistiquepour l’analyse des risques alimentairesIsabelle Albert, CR1, Unité Mét@risk, Département MIA (Mathématiques et Informatique appliquées), INRA Modélisation probabiliste & statistique pour l’analyse des risques alimentaires• Le risque (alimentaire) : notion qui sous-entend l’incertain, domaine des probabilités et de la statistique• Objectif : développer des méthodes quantitatives d’évaluation de de risque alimentaire• Données : de consommation (fréquences, quantités en g consommées), mesures de contamination (mesures au mieux de concentration par g), informations sur les paramètres déterminant l’évolution de la contamination (données de la littérature (ex: sur la demi-vie d’un contaminant), mesures (températures de cuisson d’un aliment) et/ou dires d’experts (ex: température minimale de croissance d’une bactérie)) Modélisation probabiliste & statistique pour l’analyse des risques alimentaires• Le(s) but(s) de la modélisation : – rendre compte de situations et permettre le calcul du risque (sources de variabilité/incertitude, données au caractère « sparse », risques « extrêmes », sur le court/long terme, etc. ) – déterminer les facteurs influents• Utilisation et développement de méthodes statistiques originales : Théorie des valeurs extrêmes (pour déterminer la probabilité de dépassement d’une exposition tolérable), méthodes d’apprentissage statistique (pour déterminer des régimes alimentaires), statistiques des processus (pour le suivi de la contamination dans l’organisme), techniques bayésiennes (pour la quantification du risque), etc. Plan• Modélisation stochastique de la fourche à la fourchette• Modélisation stochastique et intégration de de données par statistique bayésienne• Elicitation de dires d’experts• Perspectives Modélisation probabiliste & statistique pour l’analyse des risques alimentaires• Modélisation stochastique de la fourche à la fourchette • Applications : – Projet AFSSA/INRA : Évaluation par un modèle stochastique de la croissance de Listeria monocytogenes dans un tank à lait réfrigérant réfrigérant » Distinction variabilité/incertitude (Modèle hiérarchique bayésien, simulation de Monte Carlo d’ordre 2) – ANR B. cereus : Appréciation quantitative du risque démergence de Bacillus cereus, des matières premières au consommateur – Perspectives : Projet ANR RIBENUT : Nouvelles approches pour une évaluation du compromis risque microbiologique – bénéfice nutritionnel pour les légumes traités thermiquement » modèles de dégradation de la vitamine C selon la chaleur, le pH, l’oxygène… B. cereus1. Contexte et objectif B. cereus2. Matériel Couple B. Cereus / REPFED (refrigerated processed food of extended durability; ici purée de courgette) Continuum de mésophiles, …, psychrotrophes Processus biologiques (croissance, destruction, germination) couplés à des traitements industriels (cuisson, mélange, pasteurisation, partitionnement) B. cereus Hétérogénéité de B. cereusGroupe Croissance à Type TIAgénétique 7°C 10°C 43°CI Non Oui* Non* Non B. pseudomycoïdesII Oui* Oui Non Non défini OuiIII Non Non Oui Emetic Oui B. cereus strains Non définiIV Non Oui Oui* Oui Non définiV Non Oui Non OuiVI Oui Oui Non Non B. weihenstephanensis, B. mycoïdesVII Non Non Oui “French killer” Oui Référence : Guinebretière et al., 2008 B. cereusConsidérer la diversité des souches dans la populationSi la population des souches était mésophile alors….Si la population des souches était psychrotrophe alors… méso2 p1=p2=p3=1/6 méso1 p4=p5=1/4 méso3 psyc1 psyc2 ...