Bio-statistiques médicales

Evaluation de la valeur diagnostique d'une méthode de dépistage

sur le site du Dr Aly Abbara

valeur du test X2 ( Khi carré )

sur le site du Dr Aly Abbara

BIOSTATISTIQUE MEDICALE

Comment évaluer un test diagnostique ?

Prenons pour exemple une population P parmi laquelle il y a des patients atteints d’une maladie M : M+ et d’autres personnes non atteintes de cette maladie : M-.

Soit le test T permettant de diagnostiquer la maladie M (par exemple hyperglycémie et diabète) :

Les vrais positifs VP correspondent aux nombres de sujets malades et ayant un test positif.

Les vrais négatifs VN sont les M- ayant un T-.

Les faux positifs FP sont les sujets indemnes de la maladie mais ayant un T+ (en effet, cette situation n’est pas satisfaisante : annoncer à quelqu’un qu’il est malade alors qu’il ne l’est pas peut avoir de lourdes conséquences…).

Les faux négatifs FN sont les sujets malades ayant malgré tout un T- (le risque étant ici de penser que le sujet est indemne de M alors qu’il est malade avec toutes les conséquences que ça peut générer…)

La sensibilité Se du test T est la probabilité que ce test soit positif si le sujet est malade M+. Se = P(T+/M+) se lit « proba de T+ si M+ » ou Se = VP / (VP+FN)

La spécificité Sp du test T est la probabilité qu’il soit négatif si le sujet est indemne de la maladie M-. Sp= P (T-/M-) = « proba de T- si M- » ou Sp = VN / ( VP + FP)

M+ M-

T+ VP FP VP+FP

T- FN VN FN +VN

Deux autres probabilités sont importantes en médecine :

La valeur prédictive positive VPP et valeur prédictive négative VPN.

VPP est la probabilité d’être malade sachant que le test est positif :

VPP = P ( M+/T+) VPP = VP/ (VP + FP)

VPN est la probabilité d’être indemne de le maladie sachant que le test est négatif :

VPN = ( M-/T-) VPN = VN /(FN+VN)

Voilà, le test idéal aurait une sensibilité et une spécificité égale à 100% , des valeurs prédictives positive et négative également de 100% mais comme vous pouvez vous en douter, le test idéal n’existe pas… un test significatif serait donc un test dont toutes ces valeurs se rapprocheraient le plus possible d’une probabilité égale à 1.

auteur:

Pauline Pistre, étudiante en médecine