CochraneUK
Ce blog a été rédigé par Saul Crandon, un médecin de fondation académique à Oxford University Hospitals NHS Foundation Trust et l’un des membres du groupe consultatif des stagiaires de Cochrane UK &Irlande (CUKI-TAG). Le blog explique ce que nous entendons par – et comment calculer – la « sensibilité », la « spécificité », la « valeur prédictive positive » et la « valeur prédictive négative » dans le contexte du diagnostic des maladies.
Le processus de diagnostic est une partie cruciale de la pratique médicale. Certains considèrent le processus de diagnostic comme un art, tel que décrit par sa définition Merriam Webster ; » l’art ou l’acte d’identifier une maladie à partir de ses signes et symptômes » (1).
Pour parvenir à un diagnostic, il faut prendre en compte une myriade d’informations, souvent sous la forme de l’anamnèse (qui décrit les symptômes que présente le patient) et d’un examen clinique (qui suscite les signes liés au processus pathologique). Cela permet généralement d’établir une liste raisonnable de diagnostics différentiels, qui peuvent être confirmés ou infirmés à l’aide de tests diagnostiques. Ces tests peuvent prendre la forme d’une prise de sang, d’une imagerie radiologique, d’une analyse d’urine, etc.
Voilà le point crucial ; les tests ne sont jamais précis à 100%. Nous devons considérer les statistiques autour des tests pour déterminer ce qui fait un bon test et ce qui fait un moins bon test.
Considérez l’exemple suivant :
Une entreprise crée un test sanguin pour la maladie X.
| Est atteint de la maladie X | N’est pas atteint de la maladie X | |
| Test sanguin POSITIF | Vrais positifs (TP) | Faux positifs (FP) |
| Test sanguin NÉGATIF | Faux négatifs (FN) | Vrais négatifs (TN) |
Regardons maintenant le même tableau, en insérant quelques valeurs pour travailler avec.
| A la maladie X | N’a pas la maladie X | |
| Test sanguin POSITIF | 134 | 7 |
| Test sanguin NEGATIF | ||
| . Négatif | 11 | 245 |
Sensibilité
La sensibilité est la proportion de personnes atteintes de la maladie X qui ont un test sanguin POSITIF. Un test dont la sensibilité est de 100 % signifie que toutes les personnes malades sont correctement identifiées comme telles, c’est-à-dire qu’il n’y a pas de faux négatifs. Il est important de noter que, comme le calcul concerne tous les patients atteints de la maladie, il n’est pas affecté par la prévalence de la maladie.
« Si je suis atteint de la maladie X, quelle est la probabilité que je sois testé positif pour cette maladie ? ».
Mathématiquement, cela s’exprime ainsi :
Sensibilité = Vrais positifs / (Vrais positifs + Faux négatifs)
En d’autres termes, le test sanguin de la société a identifié 92,4 % des personnes porteuses de la maladie X.
Un test sensible est utilisé pour exclure une maladie, car il classe rarement à tort les personnes porteuses d’une maladie comme étant en bonne santé. Un exemple de test très sensible est le D-dimère (mesuré à l’aide d’une analyse de sang). Chez les patients ayant une faible probabilité avant le test, un test de D-dimères négatif peut exclure avec précision un thrombus (caillot de sang).
Spécificité
La spécificité est la proportion de personnes SANS maladie X qui ont un test sanguin NÉGATIF. Un test qui est 100% spécifique signifie que tous les individus sains sont correctement identifiés comme sains, c’est-à-dire qu’il n’y a pas de faux positifs.
« Si je n’ai pas la maladie X, quelle est la probabilité que mon test soit négatif ? »
Mathématiquement, cela s’exprime ainsi :
Spécificité = Vrais négatifs / (Vrais négatifs + Faux positifs)
En d’autres termes, le test sanguin de l’entreprise a permis d’identifier 97,2% des personnes SANS maladie X.
Un test spécifique permet d’écarter une maladie, car il est rare qu’il se trompe sur les personnes SANS maladie. Un test parfaitement spécifique signifie donc qu’aucun individu sain n’est identifié comme malade.
Mesures complémentaires
On peut aller plus loin. La valeur prédictive des tests peut être calculée avec des concepts statistiques similaires. Par souci de simplicité, nous continuerons à utiliser l’exemple ci-dessus concernant un test sanguin pour la maladie X.
Valeur prédictive positive
La valeur prédictive positive (VPP) est la proportion de ceux qui ont un test sanguin POSITIF qui ont la maladie X.
« Si j’ai un test positif, quelle est la probabilité que j’aie la maladie X ? »
PPV = Vrais positifs / (Vrais positifs + Faux positifs)
En d’autres termes, le test sanguin a identifié 95% des personnes ayant un test sanguin POSITIF, comme ayant la maladie X.
Comme le calcul de la VPP et de la VPN inclut des individus avec et sans la maladie, il est affecté par la prévalence de la maladie en question. Vous devez donc vous assurer que la même population est utilisée (ou que l’incidence de la maladie est la même entre les populations) lorsque vous comparez la VPP et la VPN pour différents tests.
Valeur prédictive négative
La valeur prédictive négative (VPN) est la proportion des personnes ayant un test sanguin NÉGATIF qui n’ont pas la maladie X.
« Si j’ai un test négatif, quelle est la probabilité que je n’aie pas la maladie X »
VPN = Vrais négatifs / (Vrais négatifs + Faux négatifs)
En d’autres termes, le test sanguin a identifié 95,7% des personnes ayant un test sanguin NÉGATIF, comme n’ayant pas la maladie X.
Note
L’exemple utilisé dans cet article décrit un test fictif avec une sensibilité, une spécificité, des valeurs prédictives positives et négatives très élevées. Dans les scénarios réels, il est souvent difficile de créer un test avec une précision maximale dans les quatre domaines et souvent, les améliorations dans un domaine sont soumises au sacrifice de la précision dans d’autres domaines.
Résumé
Les tests diagnostiques sont une composante fondamentale d’une pratique médicale efficace. Vous devriez maintenant vous sentir à l’aise avec les concepts qui sous-tendent les tests cliniques binaires. La sensibilité et la spécificité, ainsi que les valeurs prédictives positives et négatives, sont des paramètres importants lors de la discussion des tests. Si vous souhaitez approfondir ce sujet, nous vous recommandons de commencer par les courbes ROC (Receiver Operating Characteristic). Ce concept dépasse le cadre de cet article, mais des explications détaillées peuvent être trouvées ici (2).
Si vous avez trouvé cet article utile, n’hésitez pas à le partager et gardez un œil sur les autres blogs du groupe de stagiaires Cochrane UK et Irlande (CUKI-TAG).
1. Merriam-Webster.com. Diagnostic . Disponible sur : https://www.merriam-webster.com/dictionary/diagnosis
2. Abdul Ghaaliq Lalkhen, Anthony McCluskey, Tests cliniques : sensibilité et spécificité, Formation continue en anesthésie soins critiques &Douleur, volume 8, numéro 6, décembre 2008, pages 221-223. https://doi.org/10.1093/bjaceaccp/mkn041
L’auteur : Saul Crandon
Saul est un médecin de fondation académique à Oxford University Hospitals NHS Foundation Trust. Il s’intéresse beaucoup à l’imagerie médicale et à la promotion d’une médecine fondée sur les preuves, notamment auprès des étudiants et autres médecins juniors. Il espère développer cet intérêt en siégeant au comité du Cochrane UK & Ireland Trainees Advisory Group (CUKI-TAG). Lisez cette biographie complète, et les biographies des autres membres du CUKI-TAG, ici.