Modélisation probabiliste & statistique pour l’analyse des risques alimentaires

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
réfrigérantréfrigérant
» Distinction variabilité/incertitude (Modèle hiérarchique
bayésien, simulation de Monte Carlo d’ordre 2)
– ANR B. cereus : Appréciation quantitative du risque
d'émergence 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…
1. Contexte et objectif
B. cereus
2. Matériel
Couple B. Cereus / REPFED (refrigerated processed food of
extended durability; ici purée de courgette)
B. cereus
extended durability; ici purée de courgette)
 Continuum de mésophiles, …, psychrotrophes
 Processus biologiques (croissance, destruction,
germination) couplés à des traitements industriels
(cuisson, mélange, pasteurisation,
partitionnement)
Hétérogénéité de B. cereus
Groupe
génétique
Croissance à Type TIA
7°C 10°C 43°C
I Non Oui* Non* B. pseudomycoïdes Non
II Oui* Oui Non Non défini Oui
B. cereus
Référence : Guinebretière et al., 2008
II Oui* Oui Non Non défini Oui
III Non Non Oui Emetic
B. cereus strains
Oui
IV Non Oui Oui*
Non défini
Oui
V Non Oui Non
Non défini
Oui
VI Oui Oui Non B. weihenstephanensis,
B. mycoïdes
Non
VII Non Non Oui “French killer” Oui
Considérer la diversité des souches dans la population
Si la population des souches était mésophile alors….
Si la population des souches était psychrotrophe alors…
B. cereus
psyc1
psyc2
méso1
méso2
méso3
p
1
=p
2
=p
3
=1/6
p
4
=p
5
=1/4
Vers une réelle prévalence
Diagramme de flux
Batch de
légumes
Broyage
Transport
réfrigéré
Protéine de
Conservation au
froid en usine
Cuisson
Batch de
légumes
Broyage
Transport
réfrigéré
Protéine de
Conservation au
froid en usine
Cuisson
Batch de
légumes
Broyage
Transport
réfrigéré
Protéine de Protéine de
Conservation au
froid en usine
Cuisson
G
E
R
M
I
N
A
C
T
C
R
O
I
S
B. cereus
Broyage
Mélange
Partitionnement
Conservation au froid
en magasin
Transport à la
maison
Conservation au froid au
réfrigérateur domestique
Protéine de
lait
Amidon
Autres
ingrédients
Intervalle de temps
Pasteurisation
Broyage
Mélange
Partitionnement
Conservation au froid
en magasin
Transport à la
maison
Conservation au froid au
réfrigérateur domestique
Protéine de
lait
Amidon
Autres
ingrédients
Intervalle de temps
Pasteurisation
Broyage
Mélange
Partitionnement
Conservation au froid
en magasin
Transport à la
maison
Conservation au froid au
réfrigérateur domestique
Protéine de
lait
Amidon
Autres
ingrédients
Protéine de
lait
Amidon
Autres
ingrédients
Amidon
Autres
ingrédients
Intervalle de temps
Pasteurisation
M
I
N
A
T
I
O
N
T
I
V
A
T
I
O
N
S
S
A
N
C
E
 Modèle stochastique (simulation de Monte Carlo) :
 Modélisation de la croissance et décroissance bactérienne à chaque « étape-clé »
 La quantité de bactérie à une étape dépend de la quantité de bactérie à l’étape
précédente
 À chaque paramètre d’entrée est associée une distribution de probabilité reflétant son
incertitude et/ou sa variabilité
 Les profiles temps-températures de cuisson et pasteurisation enregistrés par les
3. Méthode : approche probabiliste
B. cereus
 Les profiles temps-températures de cuisson et pasteurisation enregistrés par les
industriels ont été convertis en temps équivalents pour une température cible de 90°C
 Partitionnement des batchs de courgettes en paquet : répartition aléatoire de la
contamination dans les paquets
 2 000 batchs, 860 paquets, 100 paquets contaminés suivis
 Une itération : suivi des 6 groupes génétiques
 28 paramètres par groupe génétique :
• input : contamination initiale du légume et des 2 types d’ingrédients,
• paramètres industriels (ex : temps de cuisson et température de cuisson)
• paramètres microbiologiques (Tr, z, p, delta, température maximale de germination, T
min
, T
opt
, T
max
, …)
 Modélisation des paramètres
 Source d’industriels et de microbiologistes
• Données observées
• Données de littérature
• Avis d’experts
 Distribution de probabilité
• Valeur nominale
• Ajustement à des données validé par des tests d’adéquation
• Distribution établie par avis d’experts
B. cereus
• Distribution établie par avis d’experts
ex : BetaPert(min,,valeur la plus probable, max)
Pert(0,5; 1; 1,4)

0,0
0,5
1,0
1,5
2,0
2,5
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
100,0%
0,500 1,400
19%
87%
81%
33%
100%
54%
62%
83%
III
II
Total
groupe génétique de B. cereus
Pourcentage d’unités (batch ou paquet)
contenant au moins une spore bactérienne
de l’un au moins des groupes génétiques
4. Résultats
0,6%
0,1%
0,1%
82%
37%
9%
6%
4%
100%
81%
65%
47%
30%
49%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
VII
VI
V
IV
III
groupe génétique de B. cereus
paquets contaminés (%)
Après cuisson
Après mélange et partitionnement
Après pasteurisation

II: 50.5%
VII: 0.3%
VI: 48.3%
V: 0.2%
VI: 13.1%
VII: 13%
Proportion moyenne de chaque groupe génétique
sur la population totale de B. cereus
IV: 0.3%
III: 0.3%
V: 0.3%
VI: 48.3%
II: 54.9%
III: 11.7%
IV: 7.1%
(1) Avant cuisson
des courgettes
(2) Après cuisson
des courgettes

Xem chi tiết: Modélisation probabiliste & statistique pour l’analyse des risques alimentaires