Sensibilité, spécificité et faux positifs d'un test de dépistage médical

Première générale Spé · Enseignement Scientifique 1ère

À retenir

• Vocabulaire médical et statistique des tests diagnostiques : - Prévalence p = P(M) : proportion de personnes réellement malades dans la population. - Sensibilité Se = P_M(T^+) : probabilité que le test soit positif si la personne est malade (taux de vrais positifs). Un test très sensible rate très peu de malades (peu de faux négatifs). - Spécificité Sp = P_M(T^-) : probabilité que le test soit négatif si la personne est saine (taux de vrais négatifs). • Taux d'erreurs du test : - Faux négatifs : P_M(T^-) = 1 - Se (malades déclarés sains à tort). - Faux positifs : P_M(T^+) = 1 - Sp (personnes saines déclarées malades à tort). • Valeur Prédictive Positive (VPP) : probabilité d'être malade si le test est positif : VPP = P_T^+(M) = p Se/p Se + (1 - p) (1 - Sp) • Résultat fondamental : Lorsque la maladie est rare (p très faible), même avec un test très performant (Se = 99\,\%, Sp = 99\,\%), la majorité des tests positifs peuvent être des faux positifs !

Le cours

Sensibilité, spécificité et faux positifs d'un test de dépistage médical • Vocabulaire médical et statistique des tests diagnostiques : - Prévalence p = P(M) : proportion de personnes réellement malades dans la population. - Sensibilité Se = P_M(T^+) : probabilité que le test soit positif si la personne est malade (taux de vrais positifs). Un test très sensible rate très peu de malades (peu de faux négatifs). - Spécificité Sp = P_M(T^-) : probabilité que le test soit négatif si la personne est saine (taux de vrais négatifs). • Taux d'erreurs du test : - Faux négatifs : P_M(T^-) = 1 - Se (malades déclarés sains à tort). - Faux positifs : P_M(T^+) = 1 - Sp (personnes saines déclarées malades à tort). • Valeur Prédictive Positive (VPP) : probabilité d'être malade si le test est positif : VPP = P_T^+(M) = p Se/p Se + (1 - p) (1 - Sp) • Résultat fondamental : Lorsque la maladie est rare (p très faible), même avec un test très performant (Se = 99\,\%, Sp = 99\,\%), la majorité des tests positifs peuvent être des faux positifs ! Astuce et méthode clé Pour visualiser clairement un dépistage, raisonne sur une population fictive concrète de 10\,000 personnes en construisant un tableau de contingence (effectifs croisés). Piège classique à éviter Ne confonds pas la sensibilité du test P_M(T^+) (qualité technique du matériel en laboratoire) avec la valeur prédictive positive P_T^+(M) (l'information utile pour le patient).

Dans ce chapitre

• Tableau de signes et résolution d'équations produit-nul de Seconde
• Arbre de probabilité et univers d'une expérience aléatoire de Seconde
• Variables aléatoires et espérance mathématique de Première
• Fonction polynôme du second degré : forme développée et forme canonique
• Racines et factorisation du trinôme avec le discriminant Delta
• Signe du trinôme du second degré et résolution d'inéquations
• Extrémum d'une parabole et optimisation d'une grandeur scientifique
• Conditionnement et définition de la probabilité conditionnelle P_B(A)
• Arbre pondéré et formule des probabilités totales
• Indépendance de deux événements et critère P(A inter B) = P(A) * P(B)
• Inversion du conditionnement et formule de Bayes simplifiée
• Sensibilité, spécificité et faux positifs d'un test de dépistage médical
• Prise de décision éclairée en contexte d'incertitude scientifique
• Bilan : Synthèse et méthode sur Modélisation fonctionnelle et probabilités conditionnelles