Sensibilité vs spécificité et valeur prédictive

Contenu:

1. Qu’est-ce que la sensibilité (taux de vrais positifs) ?
2. Qu’est-ce que la spécificité (taux de vrais négatifs) ?
3. Valeurs prédites positives
4. Valeurs prédites négatives

Qu’est-ce qu’un test sensible ?

La sensibilité d’un test (également appelée taux de vrais positifs) est définie comme la proportion de personnes atteintes de la maladie qui auront un résultat positif. En d’autres termes, un test très sensible est un test qui identifie correctement les patients atteints d’une maladie. Un test dont la sensibilité est de 100 % identifiera tous les patients atteints de la maladie. Il est extrêmement rare qu’un test clinique soit sensible à 100 %. Un test dont la sensibilité est de 90 % identifiera 90 % des patients qui ont la maladie, mais manquera 10 % des patients qui ont la maladie.

Un test hautement sensible peut être utile pour exclure une maladie si une personne a un résultat négatif. Par exemple, un résultat négatif à un frottis signifie probablement que la personne n’a pas de cancer du col de l’utérus. L’acronyme largement utilisé est SnNout (high Sensitivity, Negative result = rule out).
Back to Top

Qu’est-ce qu’un test spécifique?

La spécificité d’un test (également appelée taux de vrais négatifs) est la proportion de personnes sans la maladie qui auront un résultat négatif. En d’autres termes, la spécificité d’un test fait référence à la façon dont un test identifie les patients qui ne sont pas atteints d’une maladie. Un test dont la spécificité est de 100 % identifiera 100 % des patients qui ne sont pas atteints de la maladie. Un test qui a une spécificité de 90 % identifiera 90 % des patients qui ne sont pas atteints de la maladie.

Les tests ayant une spécificité élevée (un taux élevé de vrais négatifs) sont plus utiles lorsque le résultat est positif. Un test hautement spécifique peut être utile pour exclure les patients atteints d’une certaine maladie. L’acronyme est SPin (high Specificity, rule in).

Qu’est-ce qu’une fourchette « élevée » ?

Ce qui est qualifié de sensibilité ou de spécificité « élevée » varie selon le test. Par exemple, les seuils pour les tests de thrombose veineuse profonde et d’embolie pulmonaire varient entre 200 et 500 ng/dL (Pregerson, 2016).
Retour en haut

Exemple de haute sensibilité / faible spécificité

Une mammographie est un test de haute sensibilité / faible spécificité.

En général, les tests de haute sensibilité ont une faible spécificité. En d’autres termes, ils sont bons pour détecter les cas réels de la maladie, mais ils s’accompagnent également d’un taux assez élevé de faux positifs. Les mammographies sont un exemple de test dont la sensibilité est généralement élevée (environ 70-80 %) et la spécificité faible. La sensibilité dépend de la taille de la tumeur, de l’âge du patient et d’autres facteurs. Selon Cancer.gov, le test s’accompagne également d’un taux de faux positifs assez élevé : la moitié des femmes qui passent une mammographie annuelle chaque année pendant 10 ans aux États-Unis connaîtront un résultat faussement positif.

Exemple de sensibilité faible/spécificité élevée

Un exemple de ce type de test est le test de la bandelette au nitrate utilisé pour rechercher les infections urinaires chez les patients hospitalisés (par ex.par exemple 27 % de sensibilité, 94 % de spécificité).
Retour en haut

Qu’est-ce qu’une valeur prédictive positive ?

La valeur prédictive positive (VPP) est la probabilité qu’un résultat positif dans un test d’hypothèse signifie qu’il y a un effet réel. C’est la probabilité que les patients qui ont un résultat positif au test soient réellement atteints de la maladie. Elle est couramment utilisée dans les tests médicaux où un résultat « positif » signifie que vous êtes effectivement atteint de la maladie. Par exemple, disons que vous avez été testé pour un type de cancer et que le test a une VPP de 15,2 %. Cela signifie que si votre test est positif, vous avez 15,2 % de chances d’avoir réellement un cancer. En d’autres termes, un résultat de test positif ne signifie pas nécessairement que vous êtes atteint d’une maladie particulière. Par exemple, un résultat positif à une mammographie peut signifier que vos chances d’avoir un cancer du sein (c’est-à-dire la valeur prédictive positive) ne sont que de dix pour cent.

La valeur prédictive positive est une façon (avec la spécificité, la sensibilité et les valeurs prédictives négatives) d’évaluer le succès d’un test de dépistage.

Les valeurs prédictives positives sont influencées par la fréquence de la maladie dans la population testée ; si la maladie est très fréquente, une personne ayant un résultat positif est plus susceptible d’être réellement atteinte de la maladie que si elle a un test positif dans une population où la maladie est rare.

Calcul de la valeur prédictive positive

Les valeurs prédictives positives peuvent être calculées de plusieurs façons. Deux des plus courantes sont :

Valeur prédictive positive = nombre de vrais positifs / nombre de vrais positifs + nombre de faux positifs
ou
Valeur prédictive positive = Sensibilité x prévalence / Sensibilité x prévalence + (1- spécificité) x (1-prévalence)

La sensibilité est la proportion de personnes atteintes de la maladie qui auront un résultat positif au test.

La valeur prédictive peut être calculée à partir d’un tableau de contingence 2×2, comme celui-ci :

Les deux informations dont vous avez besoin pour calculer la valeur prédictive positive sont entourées : le taux de vrais positifs (cellule a) et le taux de faux positifs (cellule b).
En utilisant la formule :
Valeur prédictive positive = taux de vrais positifs / (taux de vrais positifs + taux de faux positifs)*100
Pour cet ensemble particulier de données :
Valeur prédictive positive = a / (a + b) = 99 / (99 + 901) * 100 = (99/1000)*100 = 9,9 %. Cela signifie que si vous avez passé ce test particulier, la probabilité que vous ayez réellement la maladie est de 9,9 %.

Un bon test aura des nombres plus faibles dans les cellules b (faux positifs) et c (faux négatifs). C’est logique, car un test parfait n’aura que des chiffres aux emplacements des vrais positifs et des vrais négatifs. Dans la réalité, cependant, les tests parfaits n’existent pas. En outre, la VPP est affectée par la prévalence de la maladie dans la population. Plus il y a de personnes atteintes de la maladie, plus la VPP est efficace pour prédire les probabilités.

L’image suivante (avec l’aimable autorisation de Wikipédia) montre une VPP de seulement 10 %, obtenue en divisant les vrais positifs (20) par les vrais positifs (20) et les faux positifs (180). Cela signifie que ce test comporte le risque d’un taux élevé de faux positifs.

Les valeurs prédictives positives peuvent être calculées à partir de n’importe quel tableau de contingence. Le calculateur de validité en ligne sur cette page BU.EDU (faites défiler jusqu’au bas de la page) calculera les valeurs prédictives positives à l’aide d’un tableau de contingence.

Valeur prédictive positive vs sensibilité d’un test

La définition de la valeur prédictive positive est similaire à la sensibilité d’un test et les deux sont souvent confondues. Cependant, la VPP est utile pour le patient, tandis que la sensibilité est plus utile pour le médecin. La valeur prédictive positive vous indique les chances que vous ayez une maladie si le résultat est positif. Cela peut être utile pour vous faire savoir si vous devez paniquer ou non. D’autre part, la sensibilité d’un test est définie comme la proportion de personnes atteintes de la maladie qui auront un résultat positif. Cette donnée est très utile aux médecins pour décider du test à utiliser, mais elle n’a que peu de valeur pour vous si votre test est positif.
Back to Top

Valeur prédictive négative

La valeur prédictive négative est la probabilité que les personnes qui obtiennent un résultat négatif au test ne soient vraiment pas atteintes de la maladie. En d’autres termes, c’est la probabilité qu’un résultat de test négatif soit exact.

La formule pour trouver la valeur prédite négative est la suivante :
Valeur prédictive négative = taux de vrais négatifs / (taux de vrais négatifs + taux de faux négatifs)*100

Pour l’ensemble de données ci-dessus :
Valeur prédictive négative = d / (c + d) = 43123 / (32 + 4323) * 100 = (43123/43155)*100 = 99.9%. Cela signifie que si vous avez passé ce test particulier et que vous avez reçu un résultat négatif, la probabilité que vous n’ayez pas la maladie est de 99,9 %.

Beyer, W. H. CRC Standard Mathematical Tables, 31st ed. Boca Raton, FL : CRC Press, pp. 536 et 571, 2002.
Dodge, Y. (2008). L’encyclopédie concise de la statistique. Springer.
Everitt, B. S. ; Skrondal, A. (2010), The Cambridge Dictionary of Statistics, Cambridge University Press.
Kotz, S. ; et al., eds. (2006), Encyclopedia of Statistical Sciences, Wiley.

——————————————————————————

Vous avez besoin d’aide pour un devoir ou une question de test ? Avec Chegg Study, vous pouvez obtenir des solutions étape par étape à vos questions de la part d’un expert dans le domaine. Vos 30 premières minutes avec un tuteur Chegg sont gratuites !