Indicateur de performance des tests diagnostiques

Santé publique
Fiche réalisée sans plan prédéfini


Dernières mises à jour
Sources
Sommaire

  • Définitions 1

Un test diagnostique a pour but de distinguer deux groupes, en général sujets malades et sujets indemnes d’une maladie donnée, en fonction d’un critère qui peut être morphologique, biologique, radiologique, ou un score qui peut comprendre tous ces types d’éléments.

De manière générale, aucun test n’est parfait, les issues possibles sont représentées ci-dessous (VP, FP, VN, FN), et permettent de calculer des indicateurs de performance diagnostique :

Indicateur Définition Calcul
Sensibilité (Se)
Proportion de tests positifs parmi les malades VP / (VP + FN)
Spécificité (Sp)
Proportion de tests négatifs parmi les non-malades VN / (VN + FP)
Valeur Prédictive Positive (VPP) Proportion de malades parmi les tests positifs VP / (VP + FP)
Valeur prédictive négative (VPN) Proportion de non-malades parmi les tests négatifs VN / (VN + FN)

La sensibilité et la spécificité sont des valeurs « intrinsèques » du test (invariables pour un seuil donné). En revanche, la VPP et la VPN sont des valeurs « extrinsèques » du test qui dépendent de la prévalence de la maladie (ex: à sensibilité et spécificité égale, un test aura une meilleure VPN pour une maladie rare et une meilleure VPP pour une maladie fréquente). 0

  • Distribution 0

En abscisse, la valeur objectivée par le test diagnostique (l’axe est un « curseur » correspondant au seuil choisi)
En ordonnée, la distribution de cette valeur, supposée normale ici = suivant une gaussienne (l’axe distingue la population des malades et non-malades, objectivée par une méthode de référence)
VP = vrai positif ; FP = faux positif ; VN = vrai négatif ; FN = faux négatif. Ces issues correspondent à des aires sous courbe (aires colorées)

  • Courbes ROC 0

La courbe ROC indique la sensibilité Se (ordonnées) en fonction du taux de faux positifs = 1 – Sp (en abscisse).

Cet outil permet de comparer différents tests entre eux, et de définir la valeur optimale du seuil d’un test diagnostique (celle qui limite au maximum le taux de faux positifs et de faux négatifs).

Exemple de courbes ROC : chaque valeur de seuil trace un point de la courbe, qui va toujours de l’origine (0;0) au point (1;1).
Le test le moins performant est aléatoire et trace une droite entre ces 2 points (« luck »)
Le test parfait (Se et Sp =1, « ROC fold 5 ») trace deux segments passant par le point (0;1). Tous les tests diagnostiques forment donc une courbe entre ces 2 extrêmes.
By Jason Bedford (Own work) [CC BY-SA 4.0 (http://creativecommons.org/licenses/by-sa/4.0)], via Wikimedia Commons

> En pratique, plus grande est l’aire sous la courbe ROC (area sur le graphe), meilleur est le test

 

> Choix du seuil selon la pathologie en cas de test diagnostic avec une variable continue
– Celui correspondant au point de la courbe ROC le plus proche du point (0,1) si on recherche à équilibrer Se et Sp
– En cas de maladie grave, on préfèrera maximiser la sensibilité par exemple

 

image_pdf

Une question / une remarque ? Merci de faire vivre MedG !