Evaluation des résultats de tests

Dans les diagnostics des maladies auto-immunes, l'interprétation des résultats doit s'appuyer sur les éléments suivants :

1. Sensibilité et spécificité
2. Courbe ROC
3. Résultats prédictifs positifs et négatifs
4. Rapport de vraisemblance positif et négatif

1. Sensibilité et spécificité

Définition :

La sensibilité correspond au nombre de résultats vrais positifs.

(VP = vrais positifs, FN = faux négatifs)

La spécificité correspond au nombre de résultats négatifs chez les personnes ne souffrant pas de la maladie (résultats vrais négatifs détectés lors des contrôles).

(VN = vrais négatifs, FP = faux positifs)

Le groupe de contrôle peut être une population d'individus sains. Pour évaluer la spécificité d'un test de manière réaliste, la population de contrôle devrait néanmoins comporter des patients atteints de la maladie afin de faciliter l'établissement du diagnostic différentiel. Par exemple, la spécificité d'un test de diagnostic de la maladie cœliaque devrait être évaluée auprès d'une population de patients souffrant d'affections gastro-intestinales, telles que les maladies intestinales inflammatoires, les infections gastro-intestinales, etc.

Exemple :

La prévalence de la polyarthrite rhumatoïde dans la population testée est de 2 %, ce qui signifie que 100 individus sur les 5 000 testés souffrent de polyarthrite rhumatoïde. 4 900 sont en bonne santé ou ont une autre maladie que la polyarthrite rhumatoïde.

Avec le test réalisé dans cet exemple, 73 patients sur 100 étaient positifs (vrais positifs). 27 cas n'ont pas été détectés (faux négatifs). Dans le groupe de contrôle composé de 4 900 individus ne souffrant pas de polyarthrite rhumatoïde, 73 étaient positifs (faux positifs) et 4 827 étaient négatifs (vrais négatifs).

La sensibilité de ce test est de 0,73 % ou 73 % (nombre de vrais positifs = 73 / nombre de patients = 100) et la spécificité est de 0,985 ou 98,5 % (nombre de vrais négatifs = 4 827 / nombre de contrôles = 4 900).

Pertinence de la spécificité

Dans l'exemple ci-dessus, un faux positif est obtenu chez 73 des 5 000 individus testés. Cela signifie que 73 individus ont été examinés par un spécialiste ou, dans le pire des cas, ont reçu un traitement médicamenteux toxique.

Si le test avait une spécificité inférieure (de 92 %, par exemple, qui demeure un niveau tout à fait raisonnable), les résultats faux positifs augmenteraient considérablement.

392 individus risquent de se voir diagnostiquer une polyarthrite rhumatoïde par erreur, soit plus 5 fois plus d'individus qu'avec un test de spécificité de 98,5 %.

Haut de la page 

2. Courbe ROC

La sensibilité d'un test est plus importante lorsqu'on choisit une valeur-seuil faible. Une valeur-seuil faible réduit automatiquement la spécificité. La valeur-seuil dans les tests d'auto-immunité est toujours un équilibre entre sensibilité et spécificité. Ces deux valeurs sont inversement corrélées et à chaque valeur de sensibilité correspond une valeur de spécificité. Cette relation peut être illustrée dans une courbe ROC.

Définition :

Dans la théorie de la détection du signal, une fonction d'efficacité du réception (ou simplement une courbe ROC) est un tracé graphique de la sensibilité ou des vrais positifs en fonction de (1 - spécificité) ou des faux positifs.

Exemple :

Dans une étude réalisée par Bizzarro et son équipe (Clin Chem 2007; 53:1527-33) ,11 tests de détection des anticorps associés à la polyarthrite rhumatoïde ont été comparés.Le panel de sérums testé a donné la courbe ROC suivante pour la méthode EliA CCP :

Une valeur-seuil optimale a été choisie pour le test, avec une sensibilité et une spécificité aussi élevées que possible. Pour la méthode EliA CCP, la valeur-seuil optimale révèle une spécificité de 98,5 % et une sensibilité de 73 %.

Un test RF classique a été comparé dans la même étude, en utilisant les mêmes sérums. En se basant sur la valeur-seuil recommandée, la sensibilité et la spécificité étaient de 54 et 86,1 % respectivement.

Pour une comparabilité optimale des différents tests, la spécificité peut être définie sur une valeur spécifique et les sensibilités respectives peuvent être calculées au moyen d'une courbe ROC.Dans cet exemple, les sensibilités respectives ont été comparées à des spécificités définies de 99 %, 98 % et 97 %.

Haut de la page

3. Résultats prédictifs positifs et négatifs

Définition :

La valeur prédictive positive (VPP), ou taux de précision ou probabilité de la maladie après test, est la proportion de patients ayant des résultats de tests positifs et qui souffrent effectivement de la maladie. La valeur prédictive est associée à la sensibilité et à la spécificité du test ou de la méthode de dépistage.

(VP = vrais positifs, FP = faux positifs)

La valeur prédictive négative (VPN) est la proportion de patients contrôlés ayant des résultats négatifs et qui sont correctement diagnostiqués.

(VN = vrais négatifs, FN = faux négatifs)

Exemple :

Si l'on prend le même exemple que dans le paragraphe sur la sensibilité et la spécificité (voir ci-dessus) pour un test de la polyarthrite rhumatoïde, la VPP est de 50 % (73 FP /146 P). La VPN est de 99 % (4 827 VN / 4 854 N).

Dans une telle population, un clinicien doit savoir que la moitié des résultats positifs concernent des individus qui ne souffrent pas de polyarthrite rhumatoïde. Un résultat positif prédit la maladie avec une probabilité de 50 %. D'un autre côté, un résultat négatif prédit avec 99 % de certitude que la maladie n'est pas présente.

Dépendance à la probabilité de pré-test

Les valeurs prédictives dépendent fortement de la probabilité de pré-test, qui est de 2 % dans cet exemple (soit un niveau relativement faible).Si la probabilité de pré-test était de 10 % (dans le cas d'un laboratoire spécialisé en rhumatologie, par exemple), les données changeraient en conséquence :

La performance du test ou les caractéristiques cliniques du marqueur ne varie pas avec la probabilité de pré-test. Par conséquent, la sensibilité et la spécificité du test sont relativement fixes. La valeur prédictive positive augmente en revanche avec une probabilité de pré-test 5 fois supérieure, allant de 50 à 86 % (370 VP / 430 P), et la valeur prédictive négative diminue de 99 à 86 % (3 940 VN / 4 570 N).

Haut de la page

4. Rapport de vraisemblance positif et négatif

Définition :

Le rapport de vraisemblance tient compte à la fois de la sensibilité et de la spécificité du test et fournit une estimation directe de la mesure dans laquelle un résultat de test peut modifier les chances de développer une maladie.

Le rapport de vraisemblance pour un résultat positif indique dans quelle proportion les chances de développer la maladie augmentent lorsqu'un test est positif

(VP = vrais positifs, VN = vrais négatifs, FP = faux positifs, FN = faux négatifs)

Le rapport de vraisemblance pour un résultat négatif indique dans quelle proportion les chances de développer la maladie diminuent lorsqu'un test est négatif

(VP = vrais positifs, VN = vrais négatifs, FP = faux positifs, FN = faux négatifs)

Exemple :

En se basant sur le même exemple que dans les paragraphes ci-dessus pour un test de la polyarthrite rhumatoïde, le rapport de vraisemblance positif est extrêmement élevé avec (73 / 100) / (73 / 4 900) = 50. Si le patient a un résultat positif, la probabilité qu'il soit atteint de polyarthrite rhumatoïde est extrêmement élevée. Le rapport de vraisemblance négatif est de (27 / 100) / (4 827 / 4 900) = 0,27.

Interprétation du rapport de vraisemblance :

Le marqueur dans l'exemple ci-dessus a un rapport de vraisemblance positif de 50, ce qui est un taux extrêmement élevé. Un résultat positif indique donc une forte probabilité que le patient souffre de cette maladie. Pour autant, un résultat négatif n'exclut pas la maladie. Avec un rapport de vraisemblance négatif de 0,27, l'utilité clinique est mineure.

Haut de la page