Comment les probabilités conditionnelles sont-elles mises au profit des
tests de diagnostic ?
Introduction
Lorsque l’on se rend chez le médecin, il nous demande de lui faire part
de nos symptômes afin d’émettre son diagnostic. Dans la plupart des cas, il
sait déterminer la maladie qui nous affecte mais il arrive parfois qu’il hésite
entre plusieurs options. C’est pour cela que des tests de diagnostics sont
administrés afin de confirmer l’hypothèse du médecin.
La pandémie de COVID 19 apparue depuis 2020, a ainsi imposé aux
autorités de santé d'adopter cette stratégie de test diagnostic.
Étudiant les spécialités Mathématiques et Svt, j’ai décidé de vous montrer
comment les probabilités conditionnelles sont mises au profit des tests de
diagnostic.
Dans un premier temps nous verrons les probabilité comme caractéristiques
des tests diagnostic puis nous verrons les probabilités en tant qu’indicateurs
pour le médecin.
I) Prenons l’exemple d’une situation simplifiée, où le patient malade est noté
M, et celui qui ne l’est pas M. La positivité du test est notée T+ et son absence
T-.
Tout d’abord, deux paramètres caractérisent les tests diagnostic. Il s’agit de la
sensibilité et de la spécificité.
La sensibilité correspond à la probabilité de pM(T+) c’est à dire à la probabilité
qu’une personne malade ait un test positif.
Il s'agit ainsi de la capacité d’un test à donner un résultat positif quand le
phénomène est présent.
Pour mieux comprendre cette notion, un test très sensible pourra détecter les
anticorps d’une maladie quelque soit leur quantité dans l’échantillon.
La spécificité, elle, représente la probabilité de pM-(T-) autrement dit la
probabilité qu’une personne en bonne santé ( non malade) aie un test négatif.
C’est donc la capacité d’un test à donner un résultat négatif quand le
phénomène est absent.
Plus les valeurs de la sensibilité et de la spécificité se rapprochent de 1, plus
un test diagnostic sera efficace. Pour vous donner un ordre d’idée, le test PCR
du covid 19, a une sensibilité comprise entre 56 et 83; % et une spécificité
excellente de 99%
Ainsi, selon la Haute autorités de santé, les tests PCR seraient fiables à 95%
alors que les tests antigéniques par exemple seraient eux fiables à 80% car ils
sont moins sensibles que les PCR.
II) Mais attention, comme dans tout test médical, il arrive parfois qu’il y ait des
erreurs diagnostics. C’est pour cela que le médecin peut se demander:
si un test est positif, est-on que mon patient est forcément malade?
et si le test est négatif, puis-je arrêter de rechercher la maladie en question et
me diriger vers une autre piste?
Pour répondre à ces interrogations, deux nouveaux indicateurs entrent en jeu.
Il s’agit en effet de la valeur prédictive positive et de la valeur prédictive
négative.
En ce qui concerne la VPP, elle correspond à p (M) soit la probabilité d’être
malade sachant que le test est positif
Pour la VPN, c’est p (M) c'est-à-dire la probabilité de ne pas être malade
lorsque le test est négatif.
Contrairement à la sensibilité et à la spécificité ces deux indicateurs
dépendent de la prévalence de la malade c’est à dire de la proportion de
malades dans une population donnée
Par exemple, si l’on prend le cas d’un cluster de cas Covid, c'est-à-dire où la
prévalence de la maladie est élevée, et le cas d’une population avec une
prévalence moyenne, les valeurs de la VPP et de la VPN seront différentes.
En effet, la VPP sera plus élevée dans le cluster et la VPN dans la situation
avec une prévalence moyenne.
Ainsi, plus ses probabilités se rapprochent de 1, plus le test est efficace et
fiable.
Nous avons donc vu que les probabilités conditionnelles avaient un rôle
central dans la compréhension des tests diagnostics.
Les mathématiques, et plus précisément ici les probabilités, sont essentielles
et utilisées quotidiennement dans le domaine médical.
La prévalence, combinée avec la sensibilité et la spécificité d’un test,
permet de calculer les valeurs prédictives positives et négatives, la
valeur des tests, pour une population et à un moment donnés.
[Link]
les-tests-de-depistage/aqaqéé”sxé