Annexe B

GlOSSAIRE

Notes:

1. les sources sont accompagnées d'un [numéro], le cas échéant, et indiquées à la fin de l'Annexe.
2. certaines définitions sont générales, alors que d'autres se rapportent à une discipline spécifique, et peuvent être différentes dans une autre discipline. Dans certains cas, les définitions sont associées à une discipline particulière, indiquée comme suit: (ERM) pour l'évaluation des risques microbiologiques; (maladie) pour le processus de maladie infectieuse et (statistique) pour la terminologie statistique.

––– § –––

Exactitude Degré de concordance entre les prédictions moyennes d'un modèle ou la moyenne des mesures et la valeur vraie de la quantité prédite ou mesurée.

Effet adverse Changement dans la morphologie, la physiologie, la croissance, l'évolution ou la durée de vie d'un organisme qui se traduit par une altération d'une capacité fonctionnelle ou d'une capacité à compenser un stress supplémentaire ou par une augmentation de la sensibilité aux effets néfastes d'autres influences environnementales. Les décisions visant à déterminer si un effet est ou n'est pas adverse doivent être basées sur un jugement d'expert.[2]

Critère d'Information d'Akaikes (AIC) et Critère d'Information Bayésien (BIC) Ces critères sont utilisés lors de la sélection des modèles pour choisir le meilleur d'entre eux à partir d'un ensemble de modèles plausibles. Un modèle est meilleur qu'un autre s'il a un AIC (ou BIC) plus petit. L'AIC est basé sur la distance de Kullback-Leibler en théorie d'information, alors que le BIC se base sur la vraisemblance intégrée dans la théorie bayésienne. Si la complexité du vrai modèle n'augmente pas avec la taille de l'ensemble des données, le BIC est le critère choisi, autrement le AIC est préféré.[18]

Incertitude aléatoire Le caractère aléatoire est inhérent ou lié à des causes naturelles ou accidentelles et ne peut s'expliquer par une théorie mécanistique. Est généralement considérée comme identique à la variabilité stochastique.

Taux d'attaque Proportion d'une population à risque exposée qui devient infectée ou qui développe une maladie clinique au cours d'un période déterminée.[11]

Asymptomatique Qui ne présente ou ne cause aucun symptôme (un symptôme étant tout indice subjectif d'une maladie ou de l'état du patient, tel qu'il est perçu par le patient; un changement dans l'état du patient indicatif d'un certain état mental ou corporel. On notera qu'un symptôme diffère d'un signe, qui est un indice objectif de maladie découvert par le médecin, et s'oppose aux sensations subjectives (symptômes) du patient. [12]

Inférence bayésienne Faire une inférence c'est utiliser des données pour obtenir des informations sur une quantité incertaine. Le théorème de Bayes permet de mettre à jour une distribution à priori concernant la quantité incertaine, en utilisant un modèle (exprimant la vraisemblance des données observées) pour obtenir une distribution à posteriori. L'inférence bayésienne permet d'incorporer des croyances antérieures et de remédier à l'insuffisance des données pour une inférence fréquentiste.

Critère d'information bayésien (BIC) Voir: Critère d'information d'Akaikes (AIC)

Méthodes bayésiennes Ces méthodes constituent une approche – fondée sur le théorème de Bayes - qui représente l'un des deux courants de statistiques. Une inférence bayésienne est très solide lorsque l'on dispose uniquement de données subjectives et elle permet d'utiliser des données pour améliorer l'estimation subjective d'un paramètre.

Biais Terme désignant l'écart entre la statistique moyenne et le paramètre qu'elle estime, c'est-à-dire l'erreur qui apparaît lorsque l'on estime une quantité. Est également appelé « erreur systématique ». Correspond à la différence entre la moyenne prédite par un modèle ou la moyenne d'un ensemble de mesures et la valeur réelle de la quantité prédite ou mesurée. Les erreurs dues au hasard s'annulent mutuellement à long terme; celles dues au biais ne s'annulent pas. (statistique) [6]

Bootstrap Méthode numérique – également appelée Simulation Bootstrap- permettant l'inférence de distributions d'échantillonnage et d'intervalles de confiance pour les statistiques de variables aléatoires. La méthodologie d'estimation de l'incertitude suppose de générer des sous-ensembles de données, sur la base d'un échantillonnage aléatoire, en les remplaçant au fur et à mesure que les données sont échantillonnées. Grâce à ce ré-échantillonnage, chaque donnée est représentée équitablement dans le système de randomisation (statistiques). [7]

Définition de cas Ensemble normalisé de critères servant à déterminer si un individu doit être classé parmi les personnes atteintes d'un trouble ou d'une maladie donnés. [15].

Intervalle de confiance Gamme de valeurs estimée par inférence ou supposée inclure la valeur effective ou vraie d'une quantité incertaine avec un degré de probabilité déterminé. Des intervalles de confiance peuvent être estimés par inférence sur base des distributions d'échantillonnage pour une statistique.

Distribution contagieuse Loi de probabilité décrivant un processus stochastique constitué d'une combinaison d'au moins deux processus. Également appelée « loi de mélange » (Statistiques).

Variabilité contrôlable Sources d'hétérogénéité des valeurs de temps, d'espace ou de différents membres d'une population qui peuvent être partiellement modifiées – au moins en principe - par une intervention telle qu'une stratégie de contrôle. Par exemple, une variabilité dans les données sur la durée et la température de stockage des aliments selon les dispositifs d'entreposage influence la variabilité de la croissance du pathogène dans les différentes portions alimentaires et peut en principe être modifiée par une stratégie de contrôle. La variabilité contrôlable est une composante de la variabilité globale, aussi bien pour le risque couru par la population que par l'individu.

Objectif de qualité des données Attentes ou buts concernant la fidélité et l'exactitude des mesures, des inférences à partir des données concernant les distributions relatives aux données initiales, et des prédictions du modèle.

Dose Quantité d'un pathogène qui pénètre ou interagit avec un organisme.[11]

Évaluation de la relation dose-réponse Détermination de la relation entre le degré d'exposition (dose) à un agent chimique, biologique ou physique et la sévérité et/ou la fréquence des effets adverses qui en résultent pour la santé (réponse)). (ERM) [1]

Jugement d'expert Un jugementest une formation d'opinions basée sur le raisonnement. Un expert est une personne dotée d'une connaissance ou d'une expérience particulières dans un domaine spécifique. Un jugement d'expert est documenté et peut être expliqué en détail pour répondre aux questions posées par des “externes”.

Évaluation de l'exposition Évaluation qualitative et/ou quantitative de l'ingestion probable d'agents biologiques, chimiques et physiques par le biais des aliments, ainsi que par suite de l'exposition à d'autres sources, le cas échéant. (ERM). [1]

Aliment, ou denrée alimentaireToute substance traitée, partiellement traitée ou brute, destinée à l'alimentation humaine, et englobe les boissons, le “chewing-gum” et toutes les substances utilisées dans la fabrication, la préparation et le traitement des « aliments »,à l'exclusion des substances employées uniquement sous forme de médicaments, de cosmétiques ou de tabac.[1 ]

Qualité (ou validité) de l'ajustement Ressemblance statistique des données réelles par rapport à un modèle, exprimée en force ou en degré d'ajustement du modèle (statistiques).

Test de qualité (ou de validité) de l'ajustement Méthode permettant d'identifier et d'évaluer les inadéquations possibles d'un modèle de distribution de probabilité, dans la mesure où elles affectent son aptitude à représenter un ensemble particulier d'observations.

Danger. Agent biologique, chimique ou physique présent dans un aliment, ou état de cet aliment pouvant avoir un effet adverse pour la santé. (ERM). [1]

Caractérisation des dangers Évaluation qualitative et/ou quantitative de la nature des effets adverses pour la santé associés aux agents biologiques, chimiques et physiques qui peuvent être présents dans un aliment. Pour les agents chimiques, la relation dose/réponse doit être évaluée. Pour les agents biologiques ou physiques, une telle évaluation doit être effectuée si les données sont disponibles. (ERM). [1]

Identification des dangers Identification des agents biologiques, chimiques et physiques susceptibles de provoquer des effets adverses pour la santé et qui peuvent être présents dans un aliment donné ou un groupe d'aliments. (ERM). [1]

Maladie Etat caractérisé par un écart prononcé par rapport à l'état de santé normal.[12]

Action indépendante La probabilité moyenne d'infection par microorganisme inoculé est indépendante du nombres de germes dans l'inoculum (maladie). [4]

Infection Pénétration et développement d'un agent infectieux dans le corps humain ou animal (maladie). [3]

Pathogènes infectieux, toxico-infectieux et toxigènes On distingue trois grandes classes de germes pathogènes transmis par les aliments – agents infectieux, toxi-infectieux et toxigènes - en fonction de leurs mécanismes de pathogénicité. Les agents pathogènes infectieux suivent typiquement un processus en trois étapes au cours duquel ils déclenchent une réponse pathologique: ingestion de cellules viables, adhésion de ces cellules sur des emplacements spécifiques le long du tube digestif (ou par d'autres mécanismes pour éviter d'être éliminé par les mouvements péristaltiques), et invasion soit de l'épithélium (gastro-entérite) soit de tout l'organisme (septicémie). Les agents toxi-infectieux suivent un processus en trois étapes similaire, mais au lieu d'envahir l'épithélium ou l'organisme tout entier, ils restent dans le tube digestif où ils produisent ou libèrent des toxines qui endommagent des sites localisés dans l'épithélium et/ou dans le corps. Une bactérie toxigène se différentie des autres germes par le fait qu'elle cause une maladie en produisant des toxines dans les aliments avant d'être ingérée.[16]

Caractère aléatoire inhérent Perturbations aléatoires par principe irréductibles, comme le principe d'incertitude de Heisenberg.

Données initiales Ce qui est introduit ou incorporé, ou manipulé ou utilisé par un processus ou un système quelconque (matériel ou abstrait), par exemple les informations qui sont incluses dans un modèle.

Variabilité interindividuelle voirVariabilité

Variabilité intraindividuelle voirVariabilité

Vraisemblance Probabilité des données observées pour diverses valeurs des paramètres inconnus d'un modèle (Statistiques). [3]

Méthode de Monte Carlo par chaînes de Markov Méthode générale d'échantillonnage de lois de probabilité de grande dimension arbitraires, au moyen d'une marche aléatoire à travers un espace d'arrangement. On change l'état du système au hasard, selon une règle de transition fixe, de manière à générer une marche aléatoire à travers un espace d'états, s0, s1, s2... Selon la définition d'un processus de Markov, l'étape suivante est choisie à partir d'une loi de probabilité qui dépend seulement de la position actuelle. Il est donc très facile de la décrire mathématiquement. Le processus est souvent appelé « marche de l'ivrogne » (statistiques). [9]

Modèle Ensemble de contraintes restreignant les valeurs communes possibles de plusieurs quantités. Hypothèse ou système de croyances concernant la manière dont un système fonctionne ou réagit aux modifications de ses données initiales. Un modèle a pour objet de représenter le système particulier que l'on étudie, de manière aussi exacte et aussi fidèle que possible, compte tenu d'objectifs décisionnels spcécifiques.

Limites d'un modèle Domaines de compétence spécifiés du modèle, incluant le temps, l'espace, les pathogènes, les voies et les populations exposées, ainsi que des gammes acceptables de valeurs pour les données initiales prises individuellement et dans leur ensemble, pour lesquelles le modèle satisfait aux objectifs de qualité des données.

Niveau de détail du modèle Niveau de simplicité ou de détail associé aux relations fonctionnelles hypothétiques du modèle par rapport aux relations réelles mais inconnues du système en cours de modélisation.

Structure d'un modèle Ensemble d'hypothèses et de choix d'inférences sur lequel est basé un modèle, comprenant une théorie sous-jacente ainsi que des relations fonctionnelles spécifiques.

Incertitude d'un modèle Biais, ou imprécision, associé aux compromis qui ont été faits ou à l'insuffisance des connaissances lors de la détermination de la structure et du calibrage (estimation de paramètres) d'un modèle.

Foyer (d'origine alimentaire) Incident au cours duquel au moins deux personnes attrapent une même maladie après avoir ingéré la même nourriture, ou après avoir ingéré de l'eau provenant de la même source, et dans lequel des preuves épidémiologiques indiquent que l'aliment ou l'eau sont à l'origine de la maladie.

Paramètre Quantité utilisée pour calibrer ou caractériser un modèle, comme les paramètres d'un modèle probabiliste (par exemple, moyenne et écart-type pour une distribution normale). Les valeurs du paramètre sont souvent choisies en ajustant un modèle à l'ensemble des données de calibrage.

Distribution de Poisson Les distributions de Poisson modélisent (certaines) variables aléatoires discrètes (c'est-à-dire des variables qui peuvent prendre un nombre fini de valeurs, telles que 0, 1, 2, 3, 4, ...). Généralement, une variable aléatoire de Poisson est un dénombrement des événements qui surviennent dans un intervalle de temps ou une zone spatiales déterminés (statistiques).[6]

Fidélité Mesure de la reproductibilité des prédictions d'un modèle ou de mesures successives, généralement en termes d'écart type ou d'autres mesures de variation parmi ces prédictions ou mesures.

Probabilité définie en fonction d'une perspective philosophique :

1. La fréquence avec laquelle nous obtenons des échantillons dans une gamme donnée ou pour une catégorie déterminée (par exemple, probabilité qu'un individu moyen développe une maladie, à une dose moyenne donnée)

2. Degré de croyance concernant la vraisemblance d'une gamme ou d'une catégorie donnée.

Analyse probabiliste Analyse dans laquelle les distributions sont affectées à la représentation quantitative d'une variabilité ou d'une incertitude. La forme du résultat d'une analyse probabiliste est semblable à une distribution.

Loi de probabilité Fonction qui, pour chaque valeur possible d'une variable aléatoire discrète, tient pour probable que cette valeur se produise, ou courbe qui détermine, au moyen de l'aire située sous la courbe au dessus d'un intervalle, la probabilité qu'une variable aléatoire continue tombe à l'intérieur de l'intervalle (fonction de densité de probabilité)

Évaluation qualitative des risques Évaluation des risques basée sur des données qui, tout en constituant une base inadéquate pour des estimations numériques des risques, permet toutefois, lorsqu'elle est déterminée par une expertise antérieure et l'identification des incertitudes concomitantes, le classement des risques ou leur répartition en diverses catégories descriptives des risques. [10]

Évaluation quantitative des risques. Évaluation des risques exprimée numériquement et indication des incertitudes concomitantes. [10]

Quorum sensing Le « quorum sensing » est une forme de communication entre les bactéries basée sur l'utilisation de molécules du signal qui permet aux bactéries de coordonner leur comportement. L'accumulation de molécules du signal dans l'environnement permet à une cellule unique de percevoir le nombre de bactéries (densité cellulaire). Les réponses comportementales comprennent l'adaptation à la disponibilité des nutriments, la défense contre d'autres microorganismes qui peuvent rentrer en compétition pour les mêmes nutriments, et l'évitement de composés toxiques potentiellement dangereux pour les bactéries. Par exemple, il est très important pour des bactéries pathogènes pendant l'infection d'un hôte (p. ex. l'homme, d'autres animaux et des plantes) de coordonner leur virulence pour d'échapper à la réponse immunitaire de l'hôte afin de pouvoir établir une infection réussie.

Erreur aléatoire Variations inexplicables, mais pouvant être caractérisées, lors de mesures répétées d'une valeur vraie fixe résultant de processus qui sont aléatoires ou statistiquement indépendants les uns des autres, notamment d'imperfections des techniques de mesure. Certaines erreurs aléatoires pourraient être réduites en mettant au point des techniques améliorées.

Méthode perfectionnée Cette méthode est censée fournir une exposition et un risque exacts grâce à l'application appropriée de méthodes rigoureuses et scientifiquement plausibles. L'objet de ces méthodes, modèles ou techniques est de produire une estimation exacte et fidèle de l'exposition et /ou du risque, conformément aux objectifs de qualité des données et/ou à la meilleure pratique.

Représentativité Propriété d'un échantillon (ensemble d'observations) démontrant qu'il est caractéristique du système dont il a été extrait ou qu'il est censé représenter, et partant, qu'il peut servir de base pour faire des inférences. Un échantillon est représentatif s'il est exempt de biais exagérément important par rapport à un objectif de qualité des données particulier.

Risque Fonction de la probabilité d'un effet adverse pour la santé et de sa gravité, du fait de la présence d'un (de) danger (s) dans un aliment.. [1]

Analyse des risques Processus comportant trois volets: : évaluation des risques, gestion des risques et communication sur les risques. [1]

Évaluation des risques Processus à base scientifique comprenant les étapes suivantes : (i) identification des dangers, (ii) caractérisation des dangers, (iii) évaluation de l'exposition, et (iv) caractérisation des risques. [1]

Caractérisation des risques Estimation qualitative et/ou quantitative, compte tenu des incertitudes inhérentes à l'évaluation, de la probabilité de la fréquence et de la gravité des effets adverses connus ou potentiels sur la santé susceptibles de se produire dans une population donnée, sur la base de l'identification des dangers, de la caractérisation des dangers et de l'évaluation de l'exposition. (ERM). [1]

Communication sur les risques Échange interactif , tout au long du processus d'analyse des risques, d'informations et d'opinions sur les risques, entre les responsables de leur évaluation et de leur gestion, les consommateurs, l'industrie, les milieux universitaires et les autres parties intéressées, et notamment l'explication des résultats de l'évaluation des risques et des fondements des décisions prises en matière de gestion des risques. [1]

Estimation des risques Résultat d'une caractérisation des risques. [10]

Gestion des risques Processus, distinct de l'évaluation des risques, consistant à mettre en balance les différentes politiques possibles en consultation avec toutes les parties intéressées, en tenant compte de l'évaluation des risques et d'autres facteurs ayant une importance pour la protection de la santé des consommateurs et la promotion de pratiques commerciales loyales et, au besoin, à choisir les mesures de prévention et de contrôle appropriées. [1]

Distribution d'échantillonnage Distribution de probabilité pour une statistique.

Scénario Construction caractérisant les voies probables qui ont une influence sur la sécurité sanitaire de l'aliment. Peut inclure une étude des pratiques de transformation, d' inspection, de stockage, de distribution et de consommation. Des valeurs de probabilités et de sévérité sont appliquées à chaque scénario.[17]

Analyse de sensibilité Méthode utilisée pour examiner le comportement d'un modèle en mesurant la variation des résultats découlant de changements apportés aux données initiales. [10]

Méthode de criblage Cette méthode vise à fournir des surestimations raisonnables de l'exposition ou des risques en utilisant des méthodes de calcul relativement simples et rapides et relativement peu de données initiales. Ces méthodes, modèles ou techniques ont pour but d'éliminer la nécessité d'établir de nouveaux modèles plus détaillés de scénarios qui ne causent pas ou ne contribuent pas à causer de niveaux d'exposition ou de risque suffisamment élevés pour constiter un problème potentiel. Si une méthode de criblage indique que des niveaux d'exposition ou de risque sont faibles, on considère qu'il y a une haute probabilité pour que les niveaux réels d'exposition ou de risque soient bas. En revanche, si une méthode de criblage indique que les niveaux estimés d'exposition ou de risque sont élevés, une méthode plus perfectionnée devrait être appliquée étant donné que la méthode de criblage est délibérément biaisée. Voir Méthode perfectionnée

Statistique Fonction d'un échantillon aléatoire de données (par exemple, moyenne, écart type, paramètres de distribution)

Incertitude stochastique Egalement appelée « erreur aléatoire »

Variabilité stochastique Sources d'hétérogénéité de valeurs associées aux membres d'une population qui sont une propriété fondamentale d'un système naturel et qui, dans la pratique, ne peuvent être modifiées, stratifiées, ou réduites par aucune intervention. Par exemple, une variation de la sensibilité humaine à une maladie, pour une dose donnée, pour laquelle aucun pouvoir de prédiction ne permet de distinguer la réponse d'un individu donné par rapport à celle d'un autre. Une variabilité stochastique contribue à la variabilité globale des mesures du risque individuel et du risque auquel est soumis une population.

Loi de probabilité subjective Loi de probabilité représentant la croyance d'un individu ou d'un groupe au sujet de la gamme et de la vraisemblance de valeurs concernant une quantité, basée sur le jugement d'expert de cette personne ou de ce groupe.

Données de substitution. Données ou mesures de substitution relatives à une quantité utilisées pour estimer des valeurs analogues ou correspondantes relatives à une autre quantité.

Erreur systématique voir biais

Transparent Caractéristique d'un processus où la raison d'être, la logique de développement, les contraintes, les hypothèses, les jugements de valeur, les décisions, les limitations et les incertitudes relatives à la détermination exprimée sont clairement et systématiquement énoncés, documentés et accessibles à des fins de révision. [10]

Seuil Dose d'une substance ou concentration d'exposition en-deçà desquelles un effet déterminé n'est pas observé ou censé se produire (maladie). [5]

Pathogènes toxigènes voir pathogènes infectieux

Pathogènes toxi-infectieux voir pathogènes infectieux

Incertitude Manque de connaissance concernant la valeur réelle d'une quantité, telle qu'une caractéristique spécifique (ex: moyenne, variance) d'une distribution pour une variabilité, ou concernant les choix des inférences appropriées pour structurer un modèle ou un scénario. Ces dernières sont également appelées incertitude de modèle et incertitude de scénario. Le manque de connaissance sur l'incertitude peut être réduit en obtenant plus d'informations, à travers la recherche et l'acquisition de données, notamment sur les mécanismes, sur des échantillons de plus grande taille ou sur des échantillons plus représentatifs.

Validation Comparaison des prédictions d'un modèle par rapport à des valeurs estimées ou observées de façon indépendante de la ou des quantités prédites, et quantification des biais en prédiction moyenne et fidélité des prédictions.

Variabilité Différences observées attribuables à une hétérogénéité ou à une diversité vraie dans une population ou un paramètre d'exposition. Une variabilité implique l'existence de différences réelles entre les membres de cette population. Par exemple, des individus différents ont des ingestions et des sensibilités différentes. Pour les différences au fil du temps concernant un individu donné on parle de variabilité intra-individuelle, alors que la variabilité inter-individuelle désigne les différences entre les membres d'une population à un moment donné. La variabilité dans l'évaluation du risque microbien ne peut pas être réduite mais seulement caractérisée de manière plus précise.

Sources of definitions

[1] Codex Alimentarius Commission. 2001 Procedural manual. Twelfth edition. Rome, Food and Agriculture Organization of the United Nations and World Health Organization.

[2] WHO. 1994. Assessing human health risks of chemicals: derivation of guidance values for health-based exposure limits. Environmental Health Criteria, No. 170.

[3] Last, J.M. (ed). 1995. A dictionary of epidemiology. 3rd ed. New York, NY: Oxford University Press.

[4] Meynell, G.G., & Stocker, B.A.D. 1957. Some hypotheses on the aetiology of fatal infections in partially resistant hosts and their application to mice challenged with Salmonella paratyphi-B or Salmonella typhimurium by intraperitoneal injection. Journal of General Microbiology, 16: 38–58.

[5] WHO. 1999. Risk Assessment Terminology: methodological considerations and provisional results. Report on a WHO experiment. Terminology Standardization and Harmonization, vol. 2, nos. 1–4.

[6] http://www.stats.gla.ac.uk/steps/glossary/sampling.html

[7] http://linkage.rockefeller.edu/wli/glossary/stat.html

[8] http://inside.uidaho.edu/tutorial/gis/engine.asp?term=goodness-of-fit

[9] http://www.mcc.uiuc.edu/SummerSchool/David%20Ceperley/dmc_lec3.htm

[10] Codex Alimentarius Commission. 1999. Principles and guidelines for the conduct of microbiological risk assessment. Doc. No. CAC/GL-30.

[11] ILSI [International Life Science Institute]. 2000. Revised framework for microbial risk assessment. ILSI, Washington.

[12] Dorland's illustrated medical dictionary. Twenty-sixth edition. 1981. Philadelphia. W.B. Saunders Company.

[13] Benenson, A.S. (ed). 1995. Control of communicable diseases manual. Sixth edition. Washington DC: American Public Health Association.

[14] Anonymous. 2003. Risk assessment of food borne bacterial pathogens: quantitative methodology relevant for human exposure assessment. Brussels, European Commission, Health & Consumer Protection Directorate-General.

[15]. Gregg, M., Dicker, R.C., & Goodman, R.A. (eds). 1996. Field epidemiology. New York, NY: Oxford Press.

[16] Buchanan, R.L., Smith, J.L., & Long, W. 2000. Microbial risk assessment: dose-response relations and risk characterization. International Journal of Food Microbiology, 58: 159–172.

[17] FAO/WHO. 1995. Application of risk analysis to food standards issues. Report of a joint FAO/WHO expert consultation, Geneva, Switzerland, 13–17 March 1995. WHO, Geneva.

[18] Burnham, K.P., & Anderson, D.R. 1998. Model selection and inference. Springer

SERIE EVALUTION DES RISQUES MICROBIOLOGIQUES

A – Anglais
Ar – Arabe
C – Chinois
E – Espagnol
F – Français