Consulter les offres d’emploi

Clinical Data Manager
Publiée le 13/11/2019 17:45.
Référence : VD/CDM1119/MV/CCMS.
CDD, Strassen.
Entreprise/Organisme :Luxembourg Institute of Health (LIH)
Niveau d'études :DUT/Licence ou équivalent
Date de début :As soon as possible
Durée du contrat :2 years
Secteur d'activité :Biomedical Research
Description :The Clinical Data Manager will join the LIH’s Competence Center for Methodology and Statistics (CCMS). Within the clinical research hub of the Department of Population Health, the CCMS provides methodological support in statistical planning and analysis and data handling for various laboratories and research groups as well as offering training in statistics and support in writing papers. To support the team and the new translational research center we are looking for a Clinical Data Manager who will mainly be responsible for handling the data management, supervising the data entry and performing the programming of edit chekcs to control the data of various projects. He/she will also guarantee the regulation, the quality, the confidentiality and the security of the data.
En savoir plus :https://www.lih.lu/jobs/detail/clinical-data-manager-mv1119-13000
Clinical Data Manager - MV1119.pdf
Contact :virginie.delandsheer@lih.lu
Stage laboratoire ERIC, Lyon : Deep clustering using variational autoencoder
Publiée le 08/11/2019 18:20.
Stage, Bron.
Entreprise/Organisme :Laboratoire ERIC, Université de Lyon
Niveau d'études :Master
Sujet :Développement d'un algorithme de clustering à base de deep learning.
Date de début :2020
Durée du contrat :6 mois
Rémunération :environ 550€ par mois
Secteur d'activité :Recherche en machine learning
Description :Développement d'un algorithme de clustering à base de deep learning.
En savoir plus :https://eric.msh-lse.fr
Stage-2020-LaboratoireERIC.pdf
Contact :julien.jacques@univ-lyon2.fr
CDD – Biostatisticien.ne épidémiologiste – H/F
Publiée le 08/11/2019 18:20.
Référence : VLMBIOSTAT.
CDD, PARIS 13E.
Entreprise/Organisme :VAINCRE LA MUCOVISCIDOSE
Niveau d'études :Master
Date de début :20/01/2019
Durée du contrat :4 MOIS
Description :Dans le cadre d’un congé maternité, Vaincre la Mucoviscidose recherche : Un.e Biostatisticien.ne en épidémiologie (H/F) en CDD – 4 mois Au sein de l’équipe Registre (4 personnes) du département médical, le/la Biostatisticien.ne en épidémiologie est sous la responsabilité de la Directrice du département médical et en lien fonctionnel avec la Responsable du registre. Il/elle est chargé.e des missions principales suivantes : Missions : - Réaliser le bilan annuel des données, avec la programmation sous SAS des analyses et l’élaboration du document final ; - Répondre aux sollicitations de données des médecins et chercheurs, en élaboration des plans d'analyses statistiques, en réalisant le traitement des analyses avec le logiciel SAS, et en mettant en forme les rapports statistiques. Compétences et savoir-faire attendus : Vous avez une expertise en épidémiologie et vous maîtrisez impérativement les analyses de cohortes sur SAS. Vous êtes rigoureux(se), méthodique et organisé.e, et vous aimez travailler en équipe. Formation et qualification requises : Master en biostatistiques/épidémiologie Expérience professionnelle : 3 ans sur un poste similaire Conditions : CDD à temps plein, Paris 13ème Date de début : 20 janvier 2020
En savoir plus :www.registredelamuco.org
offre_CDD_Biostatisticien épidémiologiste - H F - Vaincre la Mucoviscidose.pdf
Contact :registre@vaincrelamuco.org
Comparison of Artificial Intelligence approach with other causal modeling methodologies in PKPD
Publiée le 08/11/2019 18:11.
Référence : PostDoc Sanofi CTS.
Postdoc, Chilly-Mazarin.
Entreprise/Organisme :Sanofi
Niveau d'études :Doctorat
Sujet :Confounding and causal inference in exposure-response and PKPD modeling: comparison of Artificial Intelligence approach (deep causal networks) with other causal modeling methodologies. Application to immuno-oncology compounds.
Date de début :fin 2019 - début 2020
Durée du contrat :18 mois
Rémunération :selon les grilles Sanofi
Secteur d'activité :santé
Description :Confounding and causal inference in exposure-response and PKPD modeling: comparison of Artificial Intelligence approach (deep causal networks) with other causal modeling methodologies. Application to immuno-oncology compounds.
En savoir plus :https://www.linkedin.com/jobs/view/1481786114/
Sanofi_CTS_postdoc2019.pdf
Contact :clemence.rigaux@sanofi.com
Biostatistics Internship (Master 2)
Publiée le 07/11/2019 13:22.
Stage, Lille, France.
Entreprise/Organisme :CNRS UMR 8199 (Integrated Genomics and Metabolic Diseases Modelling)
Niveau d'études :Master
Sujet :Development of an RNA-seq Analysis Pipeline
Durée du contrat :5-6 months (with possible extension)
Rémunération :Depending on current rates in France
Description :Firstly, within the biostatistics team, the candidate will need to familiarise himself with the transcriptomic data from RNA sequencing (RNA-seq) and to select the most appropriate methods for analysing those data. Secondly, he/she will get to grips with the selected statistical analysis methods (i.e., generalised linear modelbased approach and classification methods), as well as the tools implementing those methods. He/she will adapt, if necessary, the existing methods for their integration into an data processing/analysis pipeline, i.e., quality control, analysis, annotation and visualisation. Lastly, the student will have to implement an RNA-seq data processing pipeline, incorporating the identified methods, as well as the relevant visualisations to account for the nature of the data and the results. The student will apply these methods and more generally the pipeline on data available within the laboratory and/or on data that could be generated during the internship. The implementation of this RNA-seq pipeline will be done in R, through the Rstudio development interface on a Linux Debian infrastructure. The student may be led to develop an R package and use the R packages: rmarkdown, shiny et ggplot2.
En savoir plus :http://www.good.cnrs.fr/
m2_internship_fr-en.pdf
Contact :mickael.canouil@cnrs.fr
Biostatisticien Safety Efficacy
Publiée le 07/11/2019 11:09.
CDI, NEUILLY-SUR-SEINE.
Entreprise/Organisme :IT&M STATS
Niveau d'études :Master
Date de début :Janvier 2020
Secteur d'activité :Pharmaceutique
Description :Société de prestation de service, IT&M STATS met à la disposition de ses clients des collaborateurs expérimentés, professionnels et motivés dans les métiers de l’Analyse Statistique et de la Donnée. Expert dans le domaine de la Santé depuis plusieurs années, IT&M STATS a aujourd’hui la confiance de nombreux acteurs dans les domaines pharmaceutique, agroalimentaire et cosmétique et se développe également vers de nouveaux secteurs d’activités. Nous basons notre relation sur : o Un respect des collaborateurs et des clients, de leurs aspirations, o Un suivi personnalisé des collaborateurs et des clients, o Une gestion régulière des carrières des collaborateurs, o Des échanges transparents, o Une réactivité, une disponibilité et une écoute permanentes. Nous recherchons pour un client du secteur pharmaceutique, basé en région parisienne un(e) Biostatisticien(ne) confirmé(e). L'objet de la prestation est de réaliser le support statistique pour des études non cliniques d'efficacité ou de Safety de plusieurs entités dans le respect des guidelines internes et des BPL pour les études entrant dans ce cadre. - Réalisation des analyses statistiques pour des études de Recherche avec rédaction d’un rapport statistique en Anglais - Revue et validation de la partie statistique des rapports de Pharmacologie Spécifiques produits par des chercheurs - Réalisation de calculs de sujets ou de puissance pour des protocoles expérimentaux de Recherche. - Contribution à la validation des calculs et à la documentation de validation lors de "change control" sur des applications statistiques End-user du département - Support ou Analyse et production de rapports pour les études de sécurité BPL - Vous êtes titulaire d’un diplôme Bac+5 Diplômé(e) d’une école type : ENSAI, ISUP, ISPED, vous avez une formation scientifique, spécialisée en biostatistiques - Vous justifiez d’une expérience professionnelle de 2 à 5 ans en CRO ou en laboratoire pharmaceutique - Une bonne maitrise de SAS et R/Rshiny est attendue - Une bonne connaissance du CDISC/ADAM est souhaitable - Vous êtes organisé(e), rigoureux(se) et autonome - Vous avez un bon niveau d’anglais Contacts : Ana Luisa Gomes : recrutements@itm-stats.com Marie-Noëlle COUBEZ : mn.coubez@itm-stats.com - Fabien RECORD : f.record@itm-stats.com
En savoir plus :http://www.itm-stats.com/
06112019 Biostatisticien Safety Efficacy.pdf
Contact :recrutements@itm-stats.com
Chargé(e) d'études statistiques
Publiée le 05/11/2019 21:59.
Référence : DPEAD – Etudes statistiques 01-2020.
Stage, Paris.
Entreprise/Organisme :Défenseur des droits
Niveau d'études :Master
Sujet :Analyse de données d’enquêtes Analyse de la base de données de suivi et gestion des réclamations de l’institution (AGORA) Rédaction de notes et synthèses
Date de début :06/01/2020
Durée du contrat :6 mois
Description :Le stagiaire participera aux travaux de l’Observatoire du Défenseur des droits. Dans ce cadre, il sera amené à participer à l’analyse de données d’enquêtes réalisées par l’institution. Il conduira les analyses de données et rédigera des notes de synthèses. Le stagiaire participera également aux travaux menés sur la base de données de suivi et gestion des réclamations de l’institution (AGORA), en vue d’améliorer les connaissances sur les profils des réclamants. Il participera également à la réflexion menée sur les évolutions à apporter à l’outil de saisie.
En savoir plus :https://www.defenseurdesdroits.fr/fr/nous-rejoindre
offre_de_stage_chargee_detudes_statistiques_1er_semestre_2020.pdf
Contact :stages@defenseurdesdroits.fr
Amélioration de la précision des estimateurs forestiers à l’échelle de la gestion forestière
Publiée le 04/11/2019 21:00.
Référence : Inventaire forestier multisource.
Stage, Nancy.
Entreprise/Organisme :Office NAtional des forêts
Niveau d'études :Master
Sujet :Les inventaires forestiers de gestion peuvent tirer profit de l’utilisation de variables auxiliaires ainsi que de données, ou modèles, issus de l’inventaire national, qui possède un maillage de points souvent beaucoup moins dense. Ce travail d’optimisation souvent qualifié d’estimations de « petits domaines », vise donc à améliorer la précision des estimations, ou à obtenir des résultats à des échelles plus fines. Différentes sources d’information facilement disponibles et mobilisables peuvent être utilisées. Des cartes thématiques, telles que des cartes de stations ou des cartes forestières, ou l’utilisation d’images aériennes ou satellitales peuvent améliorer la précision des inventaires forestiers (Grafström et Ringvall 2013, Massey et al. 2014, Renaud et al. 2015, Ginzler et Hobi. 2015, Saarela et al. 2015, Gregoire et al. 2016). Ce travail tentera donc d’évaluer les gains en précision possibles grâce à l’utilisation combinée de différentes sources de données, dans une approche d’inventaire multisource. Données La forêt domaniale de Haye couvre une superficie de près de 112km². En 2019, 600 placettes d’inventaires de gestion y ont été mises en place. Une carte des stations est disponible (Becker et al. 1978) et une série temporelle d’images aérienne couvre également cette forêt (e.g. Renaud et al. 2017). Des modèles numériques (de surface ou de hauteur) devraient également été produits. De plus, les points de l’inventaire forestier national seront également mobilisés. Attributs forestiers (quantités d’intérêt) En termes de gestion forestière, les principaux attributs forestiers d'intérêt sont le volume de bois, la surface terrière et la production en volume, déclinés par essences et par zone d’intérêt (e.g. groupes d’aménagement). Pour tenir compte des corrélations entre ces différents attributs, des estimations multivariées devront être utilisés. Méthodes d’estimation L’estimation de petits domaines sera faite en utilisant la librarie forestinventory du logiciel statistique R (Hill et Massey 2019). Différentes méthodes de modélisation pour fournir les couches de variables auxiliaires pourront être comparées, par exemple l’approche non-paramétrique souvent utilisée, celle des plus proches voisins (Knn) pourra être comparée à une approche par forêts aléatoires multivariées (Ishwaran et al. 2011). Ces méthodes pourront être comparées à la modélisation par Krigeage avec dérice externe. Une telle comparaison a déjà partiellement été faite en Scandinavie par Raty et Kangas (2012). Il sera intéressant de la reprendre dans un contexte forestier plus complexe. D’autres modèles pourront être mis en œuvre, si le temps le permet. Estimer les incertitudes à différentes échelles La production de cartes issues de l’estimation de petits domaines (en fonction des méthodes utilisées permettra d’évaluer la qualité de la précision des estimations. Ces cartes présentent un fort intérêt pour le gestionnaire forestier. Objectifs : 1. Mettre en place les méthodes d'estimation (Knn et krigeage avec dérive) 2. Comparer la précision de ces estimateurs à différentes échelles 3. Evaluer la contribution de différentes variables auxiliaires à l’augmentation de la précision des estimateurs et sélectionner les variables pertinentes.
Date de début :flexible
Durée du contrat :6 mois
Rémunération :gratification (selon réglementation en cours: de l'ordre de >500 euros / mois)
Secteur d'activité :inventaire forestier
Description :Office National des forêts, Pôle R&D de Nancy Objectifs du stage : 1. Mettre en place les méthodes d'estimation d'attributs forestiers 2. Comparer la précision de ces estimateurs à différentes échelles 3. Évaluer la contribution de différentes variables auxiliaires à l’augmentation de la précision des estimateurs et sélectionner les variables pertinentes.
En savoir plus :NA
Stage MultiSource.pdf
Contact :jean-pierre.renaud-02@onf.fr
Stage : Participation à un développement d'une application Rshiny, methode bayésienne
Publiée le 04/11/2019 20:59.
Stage, Chilly Mazarin.
Entreprise/Organisme :Sanofi
Niveau d'études :Master
Sujet :Subject: Optimizing clinical trial by leveraging historical information in a bayesian framework by participating in the development of an interactive Rshiny application.
Durée du contrat :6 mois
Secteur d'activité :Industrie pharmaceutique/ Biostatistique
Description :Context : Bayesian methods can leverage historical knowledge to optimize the decision making by « combining » the historical data (from publications or previous studies) with the data collected during the trial. Using informative prior allows a lower number of patients or a greater Probability of Success (POS) of the trial; thus resulting in an optimized clinical trial. Several prior methods had been developed as those of “power prior” based on weighting or those of “MAP prior” based on hierarchical model (*). As such statistical technics are challenging and computationally quite intensive, an in-house interactive application is being developed using R-shiny in order to increase our efficiency. Mission : After gaining a deep understanding of the context, the methodology and related publications, the intern will take up the work already done, including the existing R programs developed for this purpose. He/she will be part of an existing Sanofi working group, working on the historical data borrowing bayesian methods. This group consists of statisticians across different sites (France, US, Belgian, Japan …) who are currently working on the development of the Rshiny application. Since he/she will take the responsibility of a part of this work, focusing on the case of parallel two-arm comparison trial on binary endpoint and, time permitting, expanding the work to normal endpoint; he/she will have to work closely with the members of this working group.
En savoir plus :NA
Annonce stage ECB2019- PriorWG_final (1).pdf
Contact :caroline.petit@sanofi.com
Biostatisticien
Publiée le 01/11/2019 23:59.
Référence : E00011344.
CDI, Luxembourg.
Entreprise/Organisme :Ministère de la Santé du Luxembourg / Direction de la santé du Luxembourg
Niveau d'études :Master
Durée du contrat :CDI
Secteur d'activité :Etat luxembourgeois
Description :Les missions seront: 1) Base de données relatives aux activités de la Direction de la santé: -Concevoir une/des base(s); -Optimisation: fusionner plusieurs tables et nettoyer des données (Data Management); -Gérer plusieurs bases de données en parallèle. 2)Collecte et traitement des informations: -Savoir traduire en terme statistiques un problème en termes généraux (qu’il soit interne au service ou qu’il émane d’une autre Division de la Direction de la santé); -Savoir choisir la méthodologie adaptée à la question de recherche en étroite collaboration avec l’épidémiologiste du service (sondage, étude, etc.); -Appui méthodologique et statistique en collaboration avec l’épidémiologiste du service pour des travaux internes au service et/ou avec les autres Divisions de la Direction de la santé (définitions d’indicateurs de santé, écriture de programmes automatisés, etc.); -Être en mesure d’écrire des protocoles et/ou des rapports; -Calculer des tailles d’échantillons pour des études et/ou enquêtes; -Participer et faire des collectes/recueils de données; -Savoir nettoyer les données et réaliser des tests de cohérence; -Traiter les informations à l’aide du logiciel SAS et/ou R; -Maîtriser le langage SAS Macro; -Analyser les données et savoir interpréter les résultats de l’étude; -Savoir communiquer et transmettre les résultats de façon claire.
En savoir plus :https://govjobs.public.lu/fr/postuler/postes-vacants/employes/2019/A1/Octobre/20191022-biostatistici
Biostatisticien_DiSaLuxembourg.pdf
Contact :sonia.leite@ms.etat.lu
Stage M2: Méthodes de régularisation bayésienne pour la prédiction de la survie en grande dimension
Publiée le 01/11/2019 23:59.
Référence : Stage modélistation bayésienne de la survie en grande dimension.
Stage, Villejuif.
Entreprise/Organisme :Gustave Roussy
Niveau d'études :Master
Sujet :Comparaison de méthodes de régularisation bayésienne pour la prédiction de la survie en grande dimension
Date de début :Entre début Février et début Avril 2020
Durée du contrat :5 à 6 mois
Secteur d'activité :Biostatistique - Machine learning en santé
Description :Dans le cadre de la santé (et particulièrement de la cancérologie), la démocratisation des techniques de recueil d’information « omiques » permet de générer quotidiennement de grandes quantités de données relativement au faible nombre de patients. Dans ce contexte de très grande dimension et faible effectif, les approches LASSO et Ridge sont rapidement devenues indispensables. Dans le cadre bayésien, de nombreux priors de régularisation ont été proposés dans le cadre du modèle linéaire, ayant chacun leurs propriétés. L'objectif de ce stage sera de comparer par simulations une liste exhaustive de ces priors pour la prédiction de la survie en grande dimension. Ces simulations permettront notamment de considérer différentes structures de données afin d'évaluer leur comportement dans le cadre de données complexes, telles que les données génomiques (Plus de détails dans le fichier pdf joint).
En savoir plus :https://www.gustaveroussy.fr/
Stage Gustave Roussy 2020 - Survie en grande dimension.pdf
Contact :damien.drubay@gustaveroussy.fr
Stage en biostatistiques
Publiée le 30/10/2019 19:44.
Référence : JNBE_20MVD_VS_DPE.
Stage, Suresnes (92).
Entreprise/Organisme :Servier
Niveau d'études :Master
Sujet :Méthodologie statistique des scores de propension en haute dimension
Durée du contrat :6 mois
Description :Dans les études pharmaco-épidémiologiques comparatives, le biais de confusion est généralement considéré comme le principal obstacle à la validité des résultats. Des méthodes telles que l’exclusion de patients, la stratification, l’ajustement ou l’appariement sont connues pour équilibrer les facteurs confondants mesurés. Ces méthodes peuvent être appliquées au travers des scores de propension qui permettent d’agréger de multiple facteurs confondants mesurés en une seule mesure afin d’équilibrer la population sur d’avantage de variables et ainsi minimiser le biais de confusion. Cependant le biais lié aux facteurs confondants non mesurés n’est pas pris en charge par ces méthodes. À cet effet, la méthodologie des scores de propension en haute dimensions (hdPS) a été récemment développée pour sélectionner de manière empirique des centaines de facteurs confondants identifiés dans les bases de données observationnelles. Ces variables sélectionnées peuvent potentiellement se substituer aux facteurs de confusion non mesurés en jouant le rôle de proxys, et donc diminuer le biais lié à ces facteurs non mesurés. Le stage a pour principal objectif l’acquisition de la méthodologie des hdPS et l’étude de leur impact via une mise en application.
En savoir plus :www.servier-campus.fr Réf: JNBE_
Stage_JNBE_20MVD_VS_DPE.pdf
Contact :celine.jean-boisde@servier.com
Stage en biostatistiques (niveau Master 1)
Publiée le 30/10/2019 19:44.
Référence : JNBE_20MVD_RA_DSI.
Stage, Suresnes (92).
Entreprise/Organisme :Servier
Niveau d'études :Master
Sujet :Visualisation de données en essais cliniques
Durée du contrat :3 mois
Secteur d'activité :Biostatistiques
Description :Le logiciel Spotfire est un outil de visualisation de données dynamique et interactif permettant d’explorer en profondeur les données cliniques et d’apporter une aide à la décision dans les stratégies de développement. L’objectif de ce stage est de développer des fonctions de calculs (R, ironPython) pour optimiser une interface sur Spotfire dédiée à la détection de signal en essais cliniques (tolérance médicamenteuse). Une utilisation de scripts ironPython (Python, .NET) sera nécessaire pour intégrer des fonctions de calculs et ajouter des options de customisation sur les propriétés graphiques. Une bibliothèque (Spotfire API) décrivant les objets, méthodes et propriétés est disponible sur internet ainsi que quelques exemples développés en interne. Un recensement des API les plus pertinentes et leur mise en application sera une étape clé de ce travail. Le/La stagiaire recevra une formation pour maîtriser l'environnement du logiciel Spotfire.
En savoir plus :www.servier-campus.fr
Stage_JNBE_20MVD_RA_DSI.pdf
Contact :celine.jean-boisde@servier.com
Stage en biostatistiques (niveau Master 1)
Publiée le 30/10/2019 19:44.
Référence : NBE_20MVD_PA_BSO.
Stage, Suresnes (92).
Entreprise/Organisme :Servier
Niveau d'études :Master
Sujet :Développement d’application Shiny pour la réalisation et la présentation d’analyses de survie en phase II et III
Durée du contrat :3 mois
Secteur d'activité :Biostatistiques
Description :Les essais-cliniques de phase II et III présentent très souvent différents critères de succès relatifs à la survie et à la progression dans le temps de la maladie des patients. Dans le cadre de ses développement en oncologie, Servier est ainsi amené à produire un grand nombre d’analyses de survie sur l’ensemble de la population d’un essai clinique ainsi que sur des sous-groupes ciblés. Etre en mesure de mener de nombreuses analyses exploratoires tout en disposant d’un outil de data-visualisation performant et flexible représenterait un atout majeur pour la communication du Biostatisticien avec les équipes cliniques en charge du projet. Dans ce cadre, le rôle du stagiaire sera de développer une application RShiny destinée à réaliser et à présenter les résultats d'études de Phase II et III impliquant des critères de survie. L'application devra également permettre la réalisation d'un certain nombre d'analyses exploratoires, tel que défini par le biais un cahier des charges qui sera mis en place et qui pourra être complété sur recommandations du stagiaire. Pour aller plus loin, l'algorithme Bayésien de calcul de probabilité de succès développé à Servier pourra également être implémenté.
En savoir plus :www.servier-campus.fr
Stage_JNBE_20MVD_PA_BSO.pdf
Contact :celine.jean-boisde@servier.com
Stagiaire en biostatistiques
Publiée le 30/10/2019 19:44.
Référence : JNBE_20MVD_JG_BMK.
Stage, Suresnes (92).
Entreprise/Organisme :Servier
Niveau d'études :Master
Sujet :Analyse intégrative multi OMICs pour comprendre les mécanismes physiopathologiques de la NASH
Durée du contrat :6 mois
Secteur d'activité :Biostatistiques
Description :Le projet RHU QUID-NASH vise à valider l’hypothèse que des biomarqueurs non invasifs composites (combinant des approches innovantes d’imagerie et de biologie), i) permettront d’établir le diagnostic de maladie métabolique du foie et de stéato-hépatite (nonalcoholic steatohepatitis NASH) sans utiliser de biopsie et d’évaluer leur sévérité ; et ii) permettront de mieux comprendre les mécanismes physiopathologiques de cette affection et de développer de nouvelles approches thérapeutiques. Dans ce contexte, une première étude préclinique est réalisée sur un modèle murin. De nombreux biomarqueurs seront mesurés comprenant de la métabolomique, lipidomique, transcripomique, cytométrie en flux et de l’imagerie. Dans ce contexte de plusieurs ensembles de données OMICs à analyser conjointement, de nouvelles méthodologies statistiques ont été proposées telle que la block PLSDA. L’objectif de ce stage, dans une équipe de biostatisticien spécialistes des biomarqueurs, est d’appliquer ces méthodes d’analyses intégratives sur la première étude préclinique du projet QUID-NASH. Les résultats et leurs interprétations pourront être présentés aux acteurs du projet.
En savoir plus :www.servier-campus.fr
Stage_JNBE_20MVD_JG_BMK.pdf
Contact :celine.jean-boisde@servier.com

Page précédente  1  2  3  4  5  <6>  7  8  Page suivante

 
 
©2020 SFdS
Société Française de Statistique
Institut Henri Poincaré
11 rue Pierre et Marie Curie
75231 Paris cedex 5
Tél. : +33 (0)1 44 27 66 60
Notre site a été supporté par :