Sensibilité et spécificité
La sensibilité et la spécificité sont deux propriétés fondamentales d’un test diagnostique.
Elles répondent à deux questions différentes.
La sensibilité demande :
« Parmi les personnes réellement malades, combien ont un test positif ? »
La spécificité demande :
« Parmi les personnes réellement non malades, combien ont un test négatif ? »
Ces deux mesures décrivent donc la capacité du test à reconnaître correctement les deux états de réalité.
Le tableau de base
On part du tableau suivant :
| Maladie présente | Maladie absente | |
|---|---|---|
| Test positif | Vrai positif | Faux positif |
| Test négatif | Faux négatif | Vrai négatif |
On peut abréger :
- VP : vrais positifs ;
- FP : faux positifs ;
- FN : faux négatifs ;
- VN : vrais négatifs.
La sensibilité
La sensibilité est la proportion de malades correctement identifiés par le test.
Formule :
Sensibilité = VP / (VP + FN)
Le dénominateur contient uniquement les personnes réellement malades.
Exemple
Supposons 100 personnes réellement malades.
Le test donne :
- 90 positifs ;
- 10 négatifs.
Alors :
sensibilité = 90 / 100 = 90 %.
Le test détecte donc 90 % des malades.
Il en manque 10 %.
Le faux négatif
Le complément de la sensibilité correspond au taux de faux négatifs parmi les malades.
Si :
sensibilité = 90 %
alors :
taux de faux négatifs = 10 %.
Un test très sensible produit donc peu de faux négatifs.
La spécificité
La spécificité est la proportion de personnes non malades correctement identifiées comme négatives.
Formule :
Spécificité = VN / (VN + FP)
Le dénominateur contient uniquement les personnes réellement non malades.
Exemple
Supposons 1 000 personnes non malades.
Le test donne :
- 950 négatifs ;
- 50 positifs.
Alors :
spécificité = 950 / 1 000 = 95 %.
Le test reconnaît correctement 95 % des personnes non malades.
Le faux positif
Le complément de la spécificité correspond au taux de faux positifs parmi les non-malades.
Si :
spécificité = 95 %
alors :
taux de faux positifs = 5 %.
Un test très spécifique produit donc peu de faux positifs.
Deux directions différentes
Il est essentiel de bien voir que sensibilité et spécificité partent de la réalité connue.
Sensibilité
On prend uniquement les malades.
Puis on demande :
combien ont un test positif ?
Spécificité
On prend uniquement les non-malades.
Puis on demande :
combien ont un test négatif ?
Elles ne répondent donc pas directement à la question du patient après réception de son résultat.
Ce que le patient veut souvent savoir
Après un test positif, la question naturelle est :
« Quelle est la probabilité que je sois réellement malade ? »
Ce n’est pas la sensibilité.
C’est la valeur prédictive positive.
Après un résultat négatif :
« Quelle est la probabilité que je ne sois réellement pas malade ? »
C’est la valeur prédictive négative.
Ces notions dépendent fortement de la prévalence et seront étudiées séparément.
Erreur fréquente
Supposons qu’un test ait une sensibilité de 99 %.
On entend parfois :
« Si mon test est positif, j’ai 99 % de chances d’être malade. »
C’est faux.
La sensibilité dit seulement :
parmi les malades, 99 % seront positifs.
Elle ne dit pas combien de positifs sont réellement malades.
Pourquoi cette confusion est si fréquente
Les deux phrases semblent presque similaires :
P(test positif | malade)
et
P(malade | test positif).
Mais elles sont mathématiquement différentes.
C’est précisément l’un des problèmes fondamentaux des probabilités conditionnelles.
Sensibilité = P(test + | maladie)
On peut écrire :
Sensibilité = P(T+ | M).
Cela signifie :
probabilité d’avoir un test positif sachant que la maladie est présente.
Valeur prédictive positive = P(maladie | test +)
La valeur prédictive positive est :
P(M | T+).
La condition est inversée.
Ce simple retournement change complètement le résultat lorsque la maladie est rare.
Exemple avec une maladie rare
Supposons une population de 10 000 personnes.
Prévalence :
1 %, soit 100 malades.
Test :
- sensibilité : 90 % ;
- spécificité : 95 %.
Parmi les 100 malades
90 sont positifs.
10 sont négatifs.
Parmi les 9 900 non-malades
95 % sont correctement négatifs :
9 405 vrais négatifs.
5 % sont faux positifs :
495 faux positifs.
On obtient :
| Maladie | Pas de maladie | |
|---|---|---|
| Test positif | 90 | 495 |
| Test négatif | 10 | 9 405 |
Le test possède toujours 90 % de sensibilité et 95 % de spécificité.
Mais parmi les 585 tests positifs, seulement 90 correspondent à une maladie réelle.
Sensibilité élevée ≠ résultat positif fiable
Cet exemple montre un point crucial.
Un test peut avoir une excellente sensibilité tout en produisant beaucoup de faux positifs dans une population où la maladie est rare.
La sensibilité ne suffit donc pas pour interpréter un résultat positif.
Spécificité élevée ≠ absence de faux positifs
Une spécificité de 99 % semble presque parfaite.
Mais si l’on teste un million de personnes non malades :
1 % de faux positifs = 10 000 faux positifs.
Dans un dépistage massif, même une petite imperfection peut produire beaucoup de résultats positifs erronés.
Taille de la population
Les pourcentages doivent donc être convertis en nombres absolus.
Une erreur de 1 % peut paraître petite.
Mais appliquée à :
- 100 personnes : 1 erreur ;
- 10 millions : 100 000 erreurs.
L’échelle change les conséquences pratiques.
Sensibilité et dépistage
Dans un dépistage, on souhaite souvent éviter de manquer des cas importants.
Une forte sensibilité est donc généralement recherchée.
Mais cela peut se payer par davantage de faux positifs.
Le test initial peut alors servir de filtre, suivi d’un examen confirmatoire.
Sensibilité et urgence diagnostique
Une forte sensibilité est particulièrement utile lorsque manquer une maladie aurait des conséquences graves.
Par exemple, si un test très sensible est négatif dans un contexte adapté, il peut contribuer fortement à exclure la maladie.
C’est parfois résumé par le moyen mnémotechnique :
SnNout : Sensitive test when Negative rules OUT.
Mais ce raccourci doit être utilisé prudemment.
Pourquoi « SnNout » n’est qu’un raccourci
Un test négatif n’exclut vraiment une maladie que si :
- sa sensibilité est élevée ;
- la probabilité pré-test n’est pas extrême ;
- le test a été correctement réalisé.
Un patient à très forte probabilité clinique peut rester suspect même après un test négatif.
Spécificité et confirmation
Un test très spécifique produit peu de faux positifs.
Lorsqu’il est positif, il peut donc être utile pour confirmer une hypothèse.
On utilise parfois :
SpPin : Specific test when Positive rules IN.
Là encore, ce n’est pas une loi absolue.
Un test très spécifique peut rester peu convaincant pour une maladie extrêmement rare
Même une spécificité de 99,9 % peut produire beaucoup de faux positifs si la prévalence est de 1 cas sur 1 000 000.
La probabilité préalable reste fondamentale.
Sensibilité et spécificité ne doivent donc jamais être utilisées sans contexte.
Compromis entre sensibilité et spécificité
Beaucoup de tests reposent sur une valeur continue.
Par exemple :
- concentration d’un biomarqueur ;
- taille d’une lésion ;
- score clinique.
On choisit un seuil pour décider :
positif / négatif.
Modifier ce seuil change sensibilité et spécificité.
Exemple
Supposons un biomarqueur allant de 0 à 100.
Seuil à 70
Seules les valeurs très élevées sont positives.
On obtient :
- peu de faux positifs ;
- mais certains malades ont des valeurs entre 50 et 70 et sont manqués.
Spécificité élevée, sensibilité plus faible.
Seuil à 40
Beaucoup plus de personnes deviennent positives.
On détecte davantage de malades.
Mais davantage de non-malades deviennent aussi positifs.
Sensibilité augmente, spécificité diminue.
Le compromis
Il existe donc souvent une tension :
augmenter la sensibilité → davantage de faux positifs
augmenter la spécificité → davantage de faux négatifs.
On ne peut pas toujours optimiser les deux simultanément.
Le seuil dépend de la conséquence des erreurs
Le meilleur seuil dépend de la question clinique.
Supposons que manquer une maladie puisse entraîner un décès rapide, tandis qu’un faux positif entraîne seulement une prise de sang supplémentaire.
On peut accepter beaucoup de faux positifs pour avoir une très forte sensibilité.
Situation inverse
Supposons qu’un résultat positif entraîne :
- intervention invasive ;
- traitement toxique.
On voudra généralement une très forte spécificité ou une confirmation par un second test avant d’agir.
Le coût des erreurs détermine le compromis acceptable.
Coût du faux négatif
Un faux négatif peut entraîner :
- retard de traitement ;
- poursuite de transmission ;
- fausse réassurance.
Sa gravité dépend donc du contexte.
Coût du faux positif
Un faux positif peut entraîner :
- anxiété ;
- examens invasifs ;
- traitement inutile ;
- stigmatisation.
Il n’est pas toujours bénin.
La performance d’un test doit donc être évaluée à la lumière des conséquences.
Le test de dépistage et le test confirmatoire peuvent être complémentaires
Une stratégie classique consiste à utiliser :
Test 1
Très sensible.
Objectif : manquer peu de cas.
Test 2
Très spécifique.
Objectif : éliminer les faux positifs.
On utilise alors les tests en séquence.
Tests en série
Supposons qu’il faille que :
test A ET test B
soient positifs pour conclure.
Cette stratégie augmente généralement la spécificité globale.
Mais elle peut diminuer la sensibilité, car un malade peut être négatif à l’un des deux tests.
Tests en parallèle
On peut au contraire considérer la personne positive si :
test A OU test B
est positif.
Cela augmente généralement la sensibilité.
Mais la spécificité diminue, car il existe davantage de possibilités d’obtenir un faux positif.
Exemple diagnostique
Pour une maladie grave, on peut utiliser plusieurs examens sensibles en parallèle pour ne pas manquer les cas.
Pour confirmer une maladie avant un traitement lourd, on peut exiger plusieurs éléments concordants.
La combinaison dépend de la décision recherchée.
Sensibilité analytique et sensibilité diagnostique
Il ne faut pas confondre deux sens du mot « sensibilité ».
Sensibilité analytique
Capacité d’une méthode de laboratoire à détecter de très petites quantités d’une substance.
Sensibilité diagnostique
Proportion de personnes malades dont le test est positif.
Un test peut être analytiquement très sensible sans être parfaitement sensible pour diagnostiquer une maladie clinique.
Exemple PCR
Une méthode moléculaire peut détecter une très petite quantité de matériel génétique.
Cela concerne sa sensibilité analytique.
Mais la sensibilité clinique dépend aussi :
- moment du prélèvement ;
- site prélevé ;
- qualité du prélèvement ;
- évolution de l’infection.
Les deux notions ne sont pas identiques.
Spécificité analytique
De même, la spécificité analytique désigne la capacité de la méthode à reconnaître la cible moléculaire souhaitée sans réagir à d’autres substances.
La spécificité diagnostique concerne, elle, la proportion de non-malades correctement classés négatifs.
La sensibilité dépend parfois du stade de la maladie
Un test peut être très sensible lorsque la maladie est avancée mais beaucoup moins pendant les premiers jours.
Dire :
« sensibilité 95 % »
sans préciser le moment du test peut être trompeur.
Exemple infectieux
Après une infection :
- jour 1 : charge faible ;
- jour 5 : charge élevée ;
- jour 15 : évolution différente.
La probabilité de détecter l’agent change avec le temps.
La performance clinique n’est donc pas nécessairement constante.
Spectre de la maladie
Les études évaluant un test sur des malades très typiques peuvent surestimer sa sensibilité dans la vraie vie.
Supposons que les cas inclus soient principalement :
- sévères ;
- avancés ;
- très symptomatiques.
Ils sont plus faciles à détecter que les cas légers.
Spectrum bias
On parle parfois de biais de spectre lorsque les performances d’un test changent selon la composition des patients.
Un test évalué sur :
malades évidents versus volontaires parfaitement sains
peut sembler excellent.
En pratique clinique, il devra distinguer des situations beaucoup plus proches.
Exemple
Étude idéale artificielle :
- 100 cancers avancés ;
- 100 personnes sans aucune anomalie.
Le test distingue très bien les groupes.
Mais en dépistage réel, il rencontre :
- lésions bénignes ;
- cancers précoces ;
- inflammations ;
- anomalies ambiguës.
La spécificité et la sensibilité peuvent alors diminuer.
Le reference standard
Pour mesurer sensibilité et spécificité, il faut savoir qui est réellement malade.
On compare donc le test à un standard de référence.
Si cette référence est imparfaite, les estimations de sensibilité et de spécificité peuvent elles-mêmes être biaisées.
Exemple
Supposons qu’un nouveau test détecte correctement certains cas que la méthode de référence manque.
Ces personnes seront classées comme :
faux positifs du nouveau test
alors qu’elles peuvent être de vrais cas.
Le « gold standard » n’est donc pas toujours parfaitement doré.
Vérification différentielle
Un autre problème apparaît si les personnes testées positives reçoivent une méthode de confirmation très précise tandis que les négatifs ne sont pas vérifiés.
On risque de manquer certains faux négatifs.
La sensibilité estimée peut alors être trop élevée.
Reproductibilité
Un test peut également varier lorsqu’il est répété.
On distingue :
validité : mesure-t-il correctement l’état réel ?
reproductibilité : donne-t-il le même résultat lorsqu’on le répète dans les mêmes conditions ?
Un test reproductible peut être systématiquement faux.
Exemple de balance mal calibrée
Une balance ajoute toujours 3 kg.
Elle est très reproductible :
elle donne presque toujours le même résultat.
Mais elle manque de validité.
Le même principe vaut pour un test diagnostique.
Variabilité inter-observateur
Pour les examens nécessitant une interprétation humaine, deux professionnels peuvent ne pas classer exactement les mêmes résultats.
Cela concerne notamment :
- imagerie ;
- histologie ;
- examen clinique.
Les performances dépendent alors également de l’observateur.
Valeur seuil et zone grise
La réalité biologique n’est souvent pas parfaitement binaire.
Autour du seuil, deux personnes presque identiques peuvent être classées :
- positive ;
- négative.
Par exemple :
49,9 = négatif
50,1 = positif.
Le passage du continu au binaire simplifie la décision mais peut donner une fausse impression de frontière biologique nette.
Zone indéterminée
Certains tests utilisent plutôt trois catégories :
- négatif ;
- indéterminé ;
- positif.
Cela évite de forcer artificiellement les valeurs intermédiaires dans une catégorie certaine.
Un second examen peut être réalisé dans la zone grise.
Sensibilité et spécificité ne sont pas toujours parfaitement stables
On dit parfois qu’elles sont indépendantes de la prévalence.
Mathématiquement, elles ne dépendent pas directement du nombre de malades et non-malades comme les valeurs prédictives.
Mais en pratique elles peuvent varier entre populations à cause du :
- spectre de maladie ;
- stade ;
- caractéristiques des patients ;
- méthode de prélèvement.
Il vaut donc mieux dire qu’elles sont moins directement dépendantes de la prévalence, plutôt que totalement universelles.
Exemple de changement de population
Un test évalué à l’hôpital sur des patients très symptomatiques peut avoir :
sensibilité 95 %.
Utilisé en dépistage chez des personnes asymptomatiques avec des maladies plus précoces :
sensibilité réelle 80 %.
Le test technique est identique.
Le spectre des cas a changé.
Exactitude globale
On peut calculer :
Accuracy = (VP + VN) / total.
Cela mesure la proportion totale de résultats corrects.
Mais cet indicateur peut être très trompeur.
Exemple
Maladie présente chez seulement 1 % des personnes.
Un « test » qui répond toujours :
négatif
a une exactitude de :
99 %.
Pourtant, il détecte :
0 % des malades.
Son exactitude globale paraît excellente mais son utilité est nulle.
Pourquoi sensibilité et spécificité sont préférables
Elles séparent les performances :
- chez les malades ;
- chez les non-malades.
Elles révèlent ce que l’exactitude globale peut masquer lorsque les classes sont très déséquilibrées.
Balanced accuracy
On peut parfois utiliser la moyenne de :
- sensibilité ;
- spécificité.
Cela évite qu’une classe très majoritaire domine entièrement l’indicateur.
Mais pour la décision clinique, il faut encore regarder les conséquences concrètes des erreurs.
Tableau d’exemple complet
Supposons :
- 1 000 personnes ;
- 200 malades ;
- 800 non-malades.
Résultats :
| Maladie | Pas de maladie | Total | |
|---|---|---|---|
| Test + | 180 | 80 | 260 |
| Test − | 20 | 720 | 740 |
| Total | 200 | 800 | 1 000 |
Sensibilité :
180 / 200 = 90 %.
Spécificité :
720 / 800 = 90 %.
Même valeur numérique, mais deux significations différentes.
Faux négatifs
Parmi les malades :
20 / 200 = 10 % sont manqués.
Faux positifs
Parmi les non-malades :
80 / 800 = 10 % sont classés à tort comme positifs.
Cette symétrie est particulière à cet exemple.
Dans la réalité, sensibilité et spécificité peuvent être très différentes.
Choisir un test en fonction de la décision
Supposons deux tests.
Test A
Sensibilité 99 %, spécificité 70 %.
Test B
Sensibilité 80 %, spécificité 99 %.
Lequel est « meilleur » ?
Il n’existe pas de réponse universelle.
Pour un triage
Si manquer la maladie est très dangereux et qu’un second test est disponible :
Test A peut être préférable.
Pour confirmer avant un traitement risqué
Si un faux positif est très coûteux :
Test B peut être préférable.
La qualité d’un test dépend donc de son usage prévu.
Les tests peuvent être optimisés pour des objectifs différents
On peut privilégier :
- sensibilité maximale ;
- spécificité maximale ;
- meilleur compromis global ;
- coût minimal ;
- meilleure utilité clinique.
Le seuil optimal dépend du contexte.
Courbe ROC
Lorsqu’un test possède plusieurs seuils possibles, on peut représenter :
- sensibilité ;
- taux de faux positifs = 1 − spécificité.
On obtient une courbe ROC.
Elle permet de visualiser le compromis entre sensibilité et spécificité.
Une fiche ultérieure lui sera consacrée.
Aire sous la courbe
L’aire sous la courbe ROC, ou AUC, résume la capacité du test à discriminer malades et non-malades sur l’ensemble des seuils.
Mais une bonne AUC ne dit pas automatiquement quel seuil utiliser.
Elle ne dit pas non plus si le test améliore les décisions cliniques.
Un excellent discriminateur peut être inutile
Supposons qu’un test distingue très bien deux groupes mais coûte extrêmement cher et ne change aucun traitement.
Sa performance diagnostique peut être élevée.
Son utilité clinique peut rester faible.
Sensibilité et spécificité ne mesurent pas les bénéfices du dépistage
Un test de dépistage peut être :
- très sensible ;
- très spécifique ;
et pourtant ne pas réduire la mortalité si :
- traitement précoce inutile ;
- surdiagnostic important.
Il faut distinguer performance du test et efficacité du programme.
Exemple
Un test détecte presque tous les petits cancers.
Sensibilité exceptionnelle.
Mais une grande partie de ces lésions n’auraient jamais évolué.
Le programme peut produire :
- beaucoup de diagnostics ;
- beaucoup de traitements ;
sans bénéfice équivalent sur la mortalité.
Le test parfait n’éliminerait même pas tous les problèmes du dépistage
Imaginons un test avec :
100 % de sensibilité et 100 % de spécificité.
Il détecte parfaitement toutes les anomalies présentes.
Mais si certaines anomalies n’auraient jamais causé de symptômes, le surdiagnostic reste possible.
La question du dépistage dépasse donc largement les performances diagnostiques.
Sensibilité et spécificité doivent être accompagnées d’intervalles de confiance
Une sensibilité de :
95 %
estimée sur 20 malades n’a pas la même précision qu’une sensibilité de 95 % estimée sur 10 000 malades.
Les performances doivent donc être accompagnées d’une mesure d’incertitude.
Exemple
19 malades détectés sur 20 :
sensibilité observée = 95 %.
Mais une seule personne supplémentaire mal classée ferait tomber l’estimation à :
90 %.
L’incertitude reste importante.
Échantillons petits
Les études diagnostiques de petite taille peuvent produire :
- sensibilité apparente 100 % ;
- spécificité apparente 100 %.
Cela ne signifie pas que le test ne fera jamais d’erreur.
Cela signifie seulement qu’aucune erreur n’a été observée dans cet échantillon.
Un 100 % doit rendre prudent
Lorsque l’on voit :
sensibilité 100 %
il faut regarder :
- combien de malades ;
- quel intervalle de confiance ;
- quelle population.
100 % sur 12 patients est beaucoup moins impressionnant que 99,8 % sur 50 000.
Une leçon d’esprit critique
Face à la phrase :
« Ce test est fiable à 95 % »,
demandez :
95 % de quoi ?
Cela peut désigner :
- sensibilité ;
- spécificité ;
- valeur prédictive positive ;
- exactitude globale.
Ces indicateurs ne sont pas interchangeables.
Questions à poser
Pour évaluer un test :
Quelle est sa sensibilité ?
Quelle est sa spécificité ?
Dans quelle population ont-elles été mesurées ?
À quel seuil ?
Quel était le standard de référence ?
Combien de malades et non-malades ont été étudiés ?
Les performances sont-elles similaires dans la population où le test sera réellement utilisé ?
À retenir
La sensibilité mesure la capacité d’un test à identifier les personnes réellement malades :
Sensibilité = VP / (VP + FN).
La spécificité mesure sa capacité à identifier correctement les personnes réellement non malades :
Spécificité = VN / (VN + FP).
Une forte sensibilité signifie :
peu de faux négatifs parmi les malades.
Une forte spécificité signifie :
peu de faux positifs parmi les non-malades.
Mais ni la sensibilité ni la spécificité ne répondent directement à :
« quelle est la probabilité que cette personne soit malade sachant que son test est positif ? »
Cette question nécessite de connaître également la fréquence de la maladie dans la population testée.
Le principe fondamental est donc :
sensibilité et spécificité décrivent comment le test se comporte lorsque l’état réel est connu ; les valeurs prédictives décrivent comment interpréter le résultat lorsque l’état réel est justement ce que l’on cherche à découvrir.
C’est cette inversion de la probabilité conditionnelle qui explique une grande partie des erreurs d’interprétation des tests médicaux.
Pour aller plus loin
David Sackett et collaborateurs — Clinical Epidemiology. Une référence classique pour comprendre sensibilité, spécificité, valeurs prédictives et raisonnement diagnostique.
Thomas Bayes — théorème de Bayes et probabilités conditionnelles. Le cadre mathématique permettant de comprendre pourquoi la probabilité de maladie après un test dépend à la fois du test et de la probabilité préalable.
Cochrane Handbook for Diagnostic Test Accuracy Reviews. Une référence méthodologique pour l’évaluation des études de précision diagnostique et de leurs biais.
David Spiegelhalter — The Art of Statistics. Une introduction particulièrement claire aux probabilités conditionnelles et à leur interprétation dans des situations concrètes.