Tests médicaux — sensibilité, spécificité et valeur prédictive

Un test médical positif semble poser une question simple : suis-je malade ? Pourtant, les performances d’un test ne répondent pas directement à cette question. Dire qu’un test possède une sensibilité de 90 % ou une spécificité de 95 % décrit son comportement dans certaines populations ; cela ne signifie pas qu’une personne obtenant un résultat positif a 90 ou 95 % de probabilité d’être malade.

Cette distinction rassemble presque tout ce que nous avons vu jusqu’ici : probabilités conditionnelles, inversion de P(A|B), taux de base, fréquences naturelles et rapports de vraisemblance. Les tests diagnostiques offrent ainsi l’une des applications les plus pédagogiques du raisonnement bayésien. Ils montrent qu’une information ne prend tout son sens qu’en fonction de ce que nous savions avant le test et de la manière dont le test se comporte aussi bien chez les personnes malades que chez celles qui ne le sont pas.

Les exemples qui suivent servent uniquement à expliquer ces concepts probabilistes. Ils ne permettent pas d’interpréter un résultat médical individuel sans le contexte clinique approprié.

Quatre situations derrière un test positif ou négatif

Prenons un test produisant simplement deux résultats : positif ou négatif. La réalité possède elle aussi deux états dans notre modèle simplifié : maladie présente ou absente.

Nous obtenons quatre possibilités :

Maladie présenteMaladie absente
Test positifVrai positifFaux positif
Test négatifFaux négatifVrai négatif

Un vrai positif est une personne malade correctement identifiée comme positive. Un faux positif est une personne non malade dont le test est malgré tout positif. Un vrai négatif est une personne non malade correctement classée négative, tandis qu’un faux négatif est une personne malade dont le test ne détecte pas la maladie.

La sensibilité, la spécificité et les valeurs prédictives sont simplement différentes manières de regarder ce tableau. Leur difficulté vient surtout du fait qu’elles ne prennent pas le même groupe comme point de départ.

La sensibilité : parmi les malades, combien sont détectés ?

La sensibilité répond à la question :

parmi les personnes réellement malades, quelle proportion obtient un test positif ?

En notation probabiliste :

sensibilité = P(test positif | maladie).

Un test dont la sensibilité est de 90 % détecte donc 90 % des personnes malades dans la population où cette performance a été estimée. Les 10 % restantes produisent des faux négatifs.

Cette définition est classique en évaluation diagnostique. Altman et Bland la résument comme la proportion des personnes ayant réellement la condition qui sont correctement identifiées par le test.

Une sensibilité élevée est particulièrement utile lorsque manquer la présence d’une maladie constitue un problème important. Mais elle ne nous dit pas combien de résultats positifs correspondent réellement à une maladie. Pour cela, il faut regarder également ce qui se produit chez les personnes non malades.

La spécificité : parmi les non-malades, combien sont correctement négatifs ?

La spécificité répond à la question inverse :

parmi les personnes qui n’ont pas la maladie, quelle proportion obtient un test négatif ?

En notation :

spécificité = P(test négatif | absence de maladie).

Une spécificité de 95 % signifie que 95 % des personnes non malades produisent un résultat négatif. Les 5 % restantes constituent des faux positifs.

Nous pouvons donc écrire :

taux de faux positifs = 1 − spécificité.

Avec une spécificité de 95 %, le taux de faux positifs est de 5 %.

Sensibilité et spécificité regardent ainsi le test depuis la réalité connue : que produit le test chez les malades ? Que produit-il chez les non-malades ?

Mais lorsqu’une personne reçoit son résultat, elle se trouve dans la situation inverse : elle connaît le test et cherche à savoir ce qu’il implique sur son état.

La valeur prédictive positive pose la question qui intéresse le patient

Après un résultat positif, la question devient :

parmi les personnes dont le test est positif, combien sont réellement malades ?

C’est la valeur prédictive positive, ou VPP :

VPP = P(maladie | test positif).

Nous retrouvons immédiatement la distinction étudiée précédemment :

P(test positif | maladie)

n’est pas

P(maladie | test positif).

La première quantité est la sensibilité. La seconde est la valeur prédictive positive.

Altman et Bland soulignaient précisément que sensibilité et spécificité ne permettent pas directement de répondre à la question clinique « que signifie ce résultat positif ? » ; les valeurs prédictives regardent le tableau dans l’autre sens.

C’est ici que le taux de base devient indispensable.

Un exemple sur 1 000 personnes

Supposons une maladie présente chez 10 % des personnes d’une population donnée. Le test possède :

sensibilité = 90 %

et

spécificité = 95 %.

Sur 1 000 personnes, 100 sont donc malades et 900 ne le sont pas.

Parmi les 100 personnes malades, une sensibilité de 90 % donne 90 vrais positifs et 10 faux négatifs.

Parmi les 900 personnes non malades, une spécificité de 95 % donne 855 vrais négatifs et 45 faux positifs.

Nous obtenons alors 135 résultats positifs au total :

90 vrais positifs + 45 faux positifs.

La valeur prédictive positive est donc :

VPP = 90 / 135 ≈ 67 %.

Le test possède pourtant 90 % de sensibilité et 95 % de spécificité.

Un résultat positif correspond ici à environ 67 % de probabilité d’être malade, et non à 90 ou 95 %.

Pourquoi la prévalence transforme la valeur prédictive

Gardons exactement le même test mais utilisons-le maintenant dans une population où la maladie ne touche que 1 % des personnes.

Prenons 10 000 personnes. Cent sont malades et 9 900 ne le sont pas.

Avec 90 % de sensibilité, nous obtenons 90 vrais positifs.

Avec 95 % de spécificité, 5 % des 9 900 personnes non malades seront faussement positives :

495 faux positifs.

Il y a donc :

90 + 495 = 585 tests positifs.

Parmi eux, seulement 90 correspondent à des personnes malades :

VPP = 90 / 585 ≈ 15 %.

Le test n’a pas changé. Sensibilité et spécificité sont restées les mêmes dans notre exemple. Mais la valeur prédictive positive est passée d’environ 67 % à 15 % parce que la maladie est beaucoup plus rare.

Les valeurs prédictives dépendent fortement de la fréquence de la condition dans la population examinée, ce qui limite leur transfert direct d’un contexte à un autre.

Nous retrouvons exactement le rôle du prior : la prévalence détermine ici le point de départ sur lequel le test vient agir.

La valeur prédictive négative

Le même raisonnement fonctionne avec un test négatif.

La valeur prédictive négative, ou VPN, répond à :

quelle est la probabilité de ne pas avoir la maladie sachant que le test est négatif ?

En notation :

VPN = P(absence de maladie | test négatif).

Reprenons notre exemple avec une prévalence de 10 %. Nous avions 10 faux négatifs et 855 vrais négatifs.

Il existe donc 865 résultats négatifs, dont 855 correspondent effectivement à des personnes non malades :

VPN = 855 / 865 ≈ 98,8 %.

La valeur prédictive négative est ici très élevée.

Lorsque la maladie devient plus rare, elle tend généralement à augmenter encore, tandis que la valeur prédictive positive diminue. C’est intuitif : dans une population où presque personne n’est malade, un résultat négatif a de fortes chances de correspondre à une personne effectivement non malade.

Mais cette propriété rappelle aussi pourquoi un pourcentage prédictif n’est pas une caractéristique immuable du test.

La formule bayésienne derrière la valeur prédictive positive

La relation peut être exprimée directement par le théorème de Bayes :

P(M|+) = [P(+|M) × P(M)] / P(+).

En utilisant sensibilité, spécificité et prévalence :

VPP = [sensibilité × prévalence] / [sensibilité × prévalence + (1 − spécificité) × (1 − prévalence)].

La formule paraît plus compliquée que notre tableau de fréquences naturelles, mais elle décrit exactement la même chose.

Le numérateur représente les vrais positifs attendus. Le dénominateur représente tous les tests positifs attendus, vrais et faux.

Les fréquences naturelles permettent donc souvent de comprendre la formule avant de l’utiliser. Sur 10 000 personnes, nous comptons simplement combien seront vraies positives et combien seront fausses positives.

Bayes n’ajoute aucun mystère : il organise correctement les différents groupes.

Sensibilité et spécificité ne sont pas nécessairement des constantes universelles

Nous avons jusqu’ici supposé, pour simplifier, que sensibilité et spécificité restaient identiques lorsque la population changeait. Dans la réalité, cette approximation n’est pas toujours valable.

La performance d’un test peut varier selon le spectre des patients étudiés : gravité de la maladie, stade, âge, maladies associées, critères de sélection ou distribution des diagnostics concurrents. La littérature parle notamment d’effet de spectre. Une sensibilité ou une spécificité mesurée dans une population hospitalière très sélectionnée peut donc ne pas se retrouver exactement dans une population de dépistage.

Cela rend l’interprétation encore plus exigeante. Il ne suffit pas de demander :

« Quelle est la sensibilité du test ? »

Il faut également demander :

« Chez quels patients et dans quelles conditions cette sensibilité a-t-elle été estimée ? »

Les performances d’un test sont des résultats empiriques, pas des propriétés métaphysiques inscrites définitivement dans l’appareil.

Le seuil modifie souvent sensibilité et spécificité

De nombreux examens ne sont pas naturellement « positifs » ou « négatifs ». Ils produisent une mesure continue : concentration biologique, pression, score d’imagerie ou valeur obtenue par un algorithme. C’est ensuite un seuil qui transforme cette mesure en classification.

Modifier ce seuil change généralement le compromis entre sensibilité et spécificité.

Si nous abaissons fortement le seuil pour déclarer un résultat positif, nous détecterons davantage de personnes malades : la sensibilité augmente. Mais davantage de personnes non malades seront également classées positives : la spécificité diminue.

À l’inverse, un seuil très exigeant réduit les faux positifs mais peut augmenter les faux négatifs.

Il n’existe donc pas toujours un test simplement « bon » ou « mauvais ». Le choix du seuil dépend aussi de la manière dont on pondère les conséquences respectives des faux positifs et des faux négatifs.

Cette question relève déjà de la décision, et pas seulement de l’inférence statistique.

Le rapport de vraisemblance relie le test au raisonnement bayésien

Sensibilité et spécificité peuvent être combinées pour calculer le rapport de vraisemblance d’un résultat positif :

LR+ = sensibilité / (1 − spécificité).

Dans notre exemple :

LR+ = 0,90 / 0,05 = 18.

Un résultat positif est donc 18 fois plus attendu chez une personne malade que chez une personne non malade.

Pour un résultat négatif :

LR− = (1 − sensibilité) / spécificité

soit ici :

0,10 / 0,95 ≈ 0,105.

Ces rapports permettent de passer des odds pré-test aux odds post-test :

odds post-test = odds pré-test × rapport de vraisemblance.

C’est une application directe du raisonnement bayésien au diagnostic. Deeks et Altman soulignent précisément l’intérêt de cette méthode pour intégrer la probabilité préalable propre au contexte clinique.

Probabilité pré-test et prévalence ne sont pas toujours identiques

Dans nos exemples pédagogiques, nous avons utilisé la prévalence de la maladie comme prior. Dans une situation clinique réelle, la probabilité pré-test peut être beaucoup plus spécifique.

Un médecin dispose déjà d’informations avant de demander un examen : âge, symptômes, antécédents, exposition, examen clinique et autres résultats. Une personne consultant dans un service spécialisé n’a pas nécessairement la même probabilité pré-test qu’une personne tirée au hasard dans la population générale.

Le prior pertinent n’est donc pas toujours :

« quelle est la fréquence de cette maladie dans tout le pays ? »

mais plutôt :

« quelle est sa plausibilité dans ce contexte précis avant ce nouveau test ? »

Nous retrouvons le problème de la classe de référence. La prévalence constitue souvent un excellent exemple pédagogique de prior, mais le raisonnement diagnostique réel peut déjà intégrer de nombreuses informations avant que le test soit réalisé.

Dépistage et diagnostic ne posent pas exactement le même problème

Cette distinction permet également de comprendre pourquoi un même examen peut avoir des implications différentes selon son usage.

Dans une campagne de dépistage, on teste souvent une population où la maladie recherchée est relativement rare. Les faux positifs peuvent alors être nombreux par rapport aux vrais positifs, même avec un test performant.

Dans un contexte diagnostique, le test peut être utilisé chez des personnes déjà sélectionnées parce qu’elles présentent des symptômes ou d’autres facteurs augmentant leur probabilité pré-test. La valeur prédictive positive peut alors être beaucoup plus élevée.

Cela ne signifie pas que le test a magiquement changé. La population examinée et l’information préalable ont changé.

Cette différence explique aussi pourquoi un résultat de dépistage positif peut conduire à un test confirmatoire plutôt qu’à considérer immédiatement le diagnostic comme établi.

« Fiable à 99 % » ne veut presque rien dire sans précision

Les communications grand public résument parfois un test par une phrase du type :

« ce test est fiable à 99 % ».

Cette formulation est souvent trop vague pour être correctement interprétée.

S’agit-il d’une sensibilité de 99 % ? D’une spécificité de 99 % ? D’une valeur prédictive positive ? D’une proportion globale de classifications correctes dans une population particulière ? D’une autre mesure ?

Une « exactitude globale » peut elle-même être trompeuse lorsqu’une condition est rare. Si seulement 1 personne sur 1 000 est malade, un système déclarant systématiquement « négatif » sera correct dans 99,9 % des cas tout en étant absolument incapable de détecter la maladie.

L’esprit critique devrait donc traduire toute affirmation de « fiabilité » en une question plus précise : quelle mesure de performance, dans quelle population, avec quel seuil et pour quel usage ?

Le test n’est qu’une nouvelle information

Le raisonnement bayésien offre finalement une manière simple de replacer le test à sa juste place.

Avant le résultat, nous possédons une probabilité pré-test.

Le test apporte une preuve dont la force dépend de ses caractéristiques, notamment de ses rapports de vraisemblance.

Après le résultat, nous obtenons une probabilité post-test.

Le processus peut être résumé ainsi :

ce que nous savions avant + ce que le test permet réellement de distinguer = ce que nous devrions croire après.

Cette structure évite deux erreurs opposées : croire qu’un test positif constitue automatiquement un diagnostic, ou considérer qu’un test imparfait ne nous apprend rien. Un bon test peut modifier fortement une probabilité sans nécessairement la porter à 100 %. Un résultat négatif peut fortement réduire un risque sans toujours l’annuler.

C’est précisément ce que signifie raisonner avec l’incertitude plutôt que chercher à la faire disparaître.

La prochaine fiche approfondira l’un des phénomènes les plus contre-intuitifs révélés par cette logique : pourquoi les faux positifs peuvent devenir nombreux même lorsqu’un test semble excellent, particulièrement lorsque le phénomène recherché est rare.

Pour aller plus loin

  • Altman, D. G., & Bland, J. M. (1994). « Diagnostic tests 1: sensitivity and specificity ». *BMJ*, 308, 1552. DOI : 10.1136/bmj.308.6943.1552. Présentation classique des définitions de la sensibilité et de la spécificité.
  • Altman, D. G., & Bland, J. M. (1994). « Diagnostic tests 2: predictive values ». *BMJ*, 309, 102. DOI : 10.1136/bmj.309.6947.102. Présentation des valeurs prédictives et de leur dépendance à la prévalence.
  • Deeks, J. J., & Altman, D. G. (2004). « Diagnostic tests 4: likelihood ratios ». *BMJ*, 329, 168–169. DOI : 10.1136/bmj.329.7458.168. Présentation des rapports de vraisemblance et du passage de la probabilité pré-test à la probabilité post-test.
  • Usher-Smith, J. A., Sharp, S. J., & Griffin, S. J. (2016). « The spectrum effect in tests for risk prediction, screening, and diagnosis ». *BMJ*, 353, i3139. Analyse des variations de performance diagnostique selon les populations étudiées.
18 sur 35Retour à la catégorie