14.4: Sensibilité, spécificité et valeur prédite

Sensitivity, Specificity, and Predicted Value
JoVE Core
Statistics
A subscription to JoVE is required to view this content.  Sign in or start your free trial.
JoVE Core Statistics
Sensitivity, Specificity, and Predicted Value
Please note that all translations are automatically generated. Click here for the English version.

483 Views

01:13 min
January 09, 2025

Overview

Dans le diagnostic des soins de santé, les tests de laboratoire jouent un rôle crucial dans l’identification et le diagnostic d’un large éventail de conditions médicales. Cependant, l’interprétation des résultats des tests n’est pas toujours simple. Un résultat de test anormal ne confirme pas toujours la présence d’une maladie, tout comme un résultat normal ne garantit pas son absence. Pour évaluer la fiabilité de ces outils de diagnostic, les professionnels de santé s’appuient sur deux indicateurs statistiques clés : la sensibilité et la spécificité.

La sensibilité est la probabilité qu’un test identifie correctement les personnes atteintes de la maladie, produisant un résultat positif lorsque la maladie est présente. Une sensibilité élevée est essentielle pour les tests utilisés dans les dépistages initiaux, car elle réduit le risque de manquer des cas en minimisant les faux négatifs (cas où un test identifie à tort une personne atteinte de la maladie comme négative).

La spécificité, quant à elle, est la probabilité qu’un test identifie correctement les individus non atteints de la maladie, ce qui donne un résultat négatif en l’absence de la maladie. Une spécificité élevée est cruciale pour les tests utilisés pour confirmer un diagnostic, car elle réduit les faux positifs (cas où le test identifie à tort un individu en bonne santé comme étant atteint de la maladie).

La sensibilité et la spécificité donnent un aperçu de la capacité d’un test à produire des résultats précis dans les essais cliniques. Cependant, dans le monde réel, les patients et les cliniciens sont plus préoccupés par la compréhension de la probabilité d’avoir (ou de ne pas avoir) une maladie compte tenu d’un résultat de test spécifique. C’est là que la valeur prédictive positive (PPV) et la valeur prédictive négative (VAN) deviennent essentielles.

La valeur prédictive positive (PPV) est la probabilité qu’une personne dont le résultat de test est positif soit réellement atteinte de la maladie. La VPP dépend non seulement de la sensibilité et de la spécificité du test, mais aussi de la prévalence de la maladie dans la population testée. Une prévalence plus élevée augmente souvent la VPP, ce qui signifie qu’un résultat positif est plus susceptible d’indiquer un véritable cas de la maladie dans les populations présentant un risque de base plus élevé.

La valeur prédictive négative (VAN) est la probabilité qu’une personne dont le résultat de test est négatif n’est vraiment pas atteinte de la maladie. Comme la VPP, la VAN est influencée par la prévalence de la maladie. Dans les populations où la maladie est rare, un résultat négatif est plus susceptible de confirmer avec précision l’absence de la maladie, ce qui entraîne une VAN plus élevée.

En résumé, alors que la sensibilité et la spécificité sont essentielles pour comprendre l’exactitude d’un test permettant d’identifier la présence ou l’absence d’une maladie dans des conditions contrôlées, la VPP et la VCN fournissent des informations plus pratiques pour la prise de décision clinique. Ensemble, ces mesures permettent aux professionnels de la santé de mieux interpréter les résultats des tests diagnostiques, d’équilibrer les risques de faux positifs et de négatifs et de prendre des décisions éclairées pour les soins aux patients.

Transcript

En sciences de la santé, la sensibilité fait référence à la probabilité qu’un test diagnostique donne un résultat positif lorsque la maladie est présente.

D’autre part, la spécificité mesure la probabilité qu’un test renvoie un résultat négatif en l’absence de la maladie.

La probabilité d’avoir la maladie, compte tenu d’un résultat de test positif, est la valeur prédite positive.

En revanche, la valeur prédite négative est la probabilité de ne pas avoir la maladie lorsque le résultat du test est négatif.

Ces mesures sont généralement basées sur la présence ou l’absence réelle de la maladie et dérivées d’études de validation approfondies menées en milieu clinique.

Prenons l’exemple d’un dépistage d’infection virale, qui est d’abord effectué sur la base d’un examen préliminaire, puis à l’aide de paramètres sanguins élaborés.

Ainsi, la sensibilité est a/(a + b), la spécificité est d/(c + d), la valeur positive prédite est a/(a + c) et la valeur négative est d/(b + d).

Key Terms and definitions​

Learning Objectives

Questions that this video will help you answer

This video is also useful for