Chapitre 9 — Mesurer l’état de santé et inégalités · Topic 2 : Inégalités et prévention · Leçon 2.4
Comment juge-t-on qu’un test diagnostique est « bon » ? Deux qualités intrinsèques (sensibilité, spécificité) et deux valeurs prédictives (VPP, VPN) fondent l’évaluation. Les premières dépendent du test seul ; les secondes dépendent aussi de la prévalence — d’où l’importance de savoir qui l’on teste.
🎯 Objectifs pédagogiques
À la fin de cette leçon, tu sauras :
- construire un tableau 2×2 (VP, FP, VN, FN) confrontant test et maladie ;
- calculer sensibilité, spécificité, VPP, VPN ;
- expliquer pourquoi Se et Sp ne dépendent pas de la prévalence, contrairement à VPP et VPN ;
- choisir de privilégier Se ou Sp selon l’usage (dépistage vs confirmation) ;
- lire une courbe ROC et interpréter les rapports de vraisemblance (LR+, LR−).
🧭 Plan de la leçon
- Le tableau 2×2 : VP, FP, VN, FN
- Sensibilité et spécificité : indépendantes de la prévalence
- VPP et VPN : dépendent de la prévalence
- Courbe ROC, seuil et rapports de vraisemblance
1. Le tableau 2×2 : VP, FP, VN, FN
Pour évaluer un test binaire (positif / négatif) face à une vérité (malade / non-malade, définie par un test de référence), on croise les deux dimensions :
| Malade (M+) | Non-malade (M−) | Total | |
|---|---|---|---|
| Test positif (T+) | VP (Vrai Positif) | FP (Faux Positif) | VP + FP |
| Test négatif (T−) | FN (Faux Négatif) | VN (Vrai Négatif) | FN + VN |
| Total | VP + FN | FP + VN | N |
Les colonnes partent de la vérité (statut malade/non-malade) et donnent Se et Sp. Les lignes partent du résultat du test et donnent VPP et VPN. C’est le sens de lecture qui change tout : retiens que le dénominateur de chaque indicateur détermine sa nature.
2. Sensibilité et spécificité : indépendantes de la prévalence
Sensibilité — Se = VP / (VP + FN)
Probabilité que le test soit positif chez un malade. C’est la capacité à ne pas manquer les malades. Elle dépend du seul test, indépendante de la prévalence.
Spécificité — Sp = VN / (VN + FP)
Probabilité que le test soit négatif chez un non-malade. C’est la capacité à ne pas alarmer à tort. Également indépendante de la prévalence.
Se et Sp caractérisent la performance intrinsèque du test : elles se mesurent sur des populations d’étalonnage (malades avérés vs témoins sains) et gardent la même valeur quel que soit le contexte d’utilisation.
Exemple. Un test HIV a Se = 99 % (sur 100 patients infectés, 99 seront détectés) et Sp = 99 % (sur 100 non-infectés, 99 auront un test négatif). Ces valeurs ne changent pas selon la population testée : elles restent identiques en médecine du sport (population saine) ou dans un service d’infectiologie (population à risque).
Aucun test ne peut simultanément avoir Se = 100 % et Sp = 100 %. Sur un continuum biologique (concentration d’un marqueur), la fixation d’un seuil impose un arbitrage Se/Sp : relever le seuil augmente la Sp mais baisse la Se, et inversement. C’est le principe de la courbe ROC (§ 4).
3. VPP et VPN : dépendent de la prévalence
VPP — VPP = VP / (VP + FP)
Probabilité d’être malade sachant que le test est positif. C’est la réponse à la question du clinicien : « mon patient a un test positif, quelle est sa probabilité d’être vraiment malade ? »
VPN — VPN = VN / (VN + FN)
Probabilité de ne pas être malade sachant que le test est négatif. Un test négatif « rassure » d’autant mieux que la VPN est élevée.
Contrairement à Se et Sp, VPP et VPN dépendent de la prévalence de la maladie dans la population testée (théorème de Bayes) :
| Contexte | Prévalence | Effet sur VPP | Effet sur VPN |
|---|---|---|---|
| Population générale (dépistage) | Faible | VPP faible | VPN élevée |
| Population à haut risque (clinique) | Élevée | VPP élevée | VPN diminuée |
Exemple numérique — mammographie. Se = 90 %, Sp = 90 %. Prévalence du cancer du sein dans la population de dépistage = 0,5 %. Sur 10 000 femmes :
- 50 malades → 45 VP, 5 FN.
- 9 950 non-malades → 995 FP, 8 955 VN.
- VPP = 45 / (45 + 995) ≈ 4,3 % : même avec un test très « bon », un test positif de dépistage ne signifie qu’à ~4 % le cancer ! D’où la nécessité d’un examen de confirmation.
- VPN = 8 955 / (8 955 + 5) ≈ 99,9 % : un test négatif est très rassurant.
Complément hors cours. Les tests rapides d’orientation diagnostique (TROD) antigéniques Covid avaient Se ≈ 60-80 % et Sp ≈ 99 %. En période de forte prévalence (vague épidémique), la VPP était bonne. En période de faible prévalence, la VPP chutait : la plupart des tests positifs étaient alors des faux positifs, ce qui justifiait la confirmation par PCR.
4. Courbe ROC, seuil et rapports de vraisemblance
La courbe ROC
Sur un test à variable continue (glycémie, PSA, densité mammographique), le résultat n’est pas « positif » ou « négatif » par nature : il faut fixer un seuil. À chaque seuil correspond un couple (Se, 1 − Sp). En traçant la sensibilité en fonction de (1 − spécificité), on obtient la courbe ROC (Receiver Operating Characteristic).
- Un test parfait monte au coin supérieur gauche (Se = 100 %, Sp = 100 %).
- Un test inutile suit la diagonale (aussi bon que le hasard).
- L’aire sous la courbe (AUC) résume la performance globale : 0,5 = hasard, 1 = parfait.
Choix du seuil : dépistage vs confirmation
| Usage | Ce qu’on privilégie | Pourquoi |
|---|---|---|
| Dépistage | Haute Se (quitte à baisser Sp) | Ne pas manquer de malades ; les FP seront corrigés par le test de confirmation |
| Confirmation | Haute Sp (quitte à baisser Se) | Ne pas traiter à tort des non-malades, éviter le surdiagnostic |
Rapports de vraisemblance
LR+ = Se / (1 − Sp)
Un test positif augmente d’autant plus la probabilité de maladie que LR+ est grand. LR+ > 10 = argument fort en faveur du diagnostic.
LR− = (1 − Se) / Sp
Un test négatif abaisse d’autant plus la probabilité de maladie que LR− est petit. LR− < 0,1 = argument fort contre le diagnostic.
Les rapports de vraisemblance ont l’avantage d’être indépendants de la prévalence (comme Se et Sp) et pourtant utilisables au lit du malade : on part de la probabilité pré-test (proche de la prévalence en dépistage, plus élevée en clinique) et l’on obtient une probabilité post-test.
Ne confonds pas Se et VPP : la Se répond à « je suis malade, quelle chance ai-je d’avoir un test positif ? » ; la VPP répond à « j’ai un test positif, quelle chance ai-je d’être malade ? ». Le sens de la question — et donc le dénominateur — est différent. Même piège entre Sp et VPN.
🧠 À retenir absolument
- Tableau 2×2 : VP, FP, VN, FN. Les colonnes = vérité (Se, Sp) ; les lignes = test (VPP, VPN).
- Se = VP/(VP+FN) : probabilité d’un test positif chez un malade. Indépendante de la prévalence.
- Sp = VN/(VN+FP) : probabilité d’un test négatif chez un non-malade. Indépendante de la prévalence.
- VPP = VP/(VP+FP) : probabilité d’être malade sachant test positif. Dépend de la prévalence.
- VPN = VN/(VN+FN) : probabilité d’être sain sachant test négatif. Dépend de la prévalence.
- Quand la prévalence augmente : VPP ↑, VPN ↓.
- Dépistage = haute Se ; confirmation = haute Sp. Trade-off matérialisé par la courbe ROC.
- LR+ = Se/(1−Sp), LR− = (1−Se)/Sp : indépendants de la prévalence, utilisables au lit du malade.
❓ Questions fréquentes
Pourquoi Se et Sp ne dépendent-elles pas de la prévalence ?
Parce qu’elles se calculent parmi les malades (Se) ou parmi les non-malades (Sp). Leur dénominateur est une sous-population définie par la vérité, pas par le résultat du test. Changer la prévalence modifie la proportion de malades dans la population globale, mais pas la performance du test au sein de chaque sous-groupe.
Pourquoi VPP et VPN dépendent-elles de la prévalence ?
Parce qu’elles se calculent parmi les positifs (VPP) ou parmi les négatifs (VPN) au test : leur dénominateur mélange malades et non-malades dans une proportion qui dépend directement de la prévalence. À Se/Sp constants, plus la prévalence augmente, plus la VPP augmente.
Pourquoi un test de dépistage privilégie-t-il la sensibilité ?
Pour ne pas manquer de malades : un FN « endort » le patient et retarde le diagnostic. Les FP générés par la haute Se seront rattrapés par le test de confirmation, qui aura, lui, une haute Sp.
Que représente l’aire sous la courbe ROC (AUC) ?
Elle résume la performance globale du test, tous seuils confondus. AUC = 0,5 correspond au hasard (test inutile) ; AUC = 1 correspond à un test parfait. Un bon test clinique a une AUC > 0,8.
Quand utiliser les rapports de vraisemblance ?
Quand on veut passer d’une probabilité pré-test (fondée sur la clinique et la prévalence) à une probabilité post-test. Un LR+ > 10 change fortement la probabilité en faveur du diagnostic ; un LR− < 0,1 la fait fortement chuter. Ils sont particulièrement utiles au lit du malade.
🚀 Pour aller plus loin
Tu maîtrises maintenant l’évaluation d’un test. Trois pistes pour l’appliquer :
Contenu pédagogique original — Réussir SVT. L’équipe Réussir SVT.