Calcul de la sensibilité et de la spécificité : 9 étapes (avec photos)

Teneur

Pas
- Méthode 1 sur 1 : Exécution du calcul
Des astuces
Mises en garde

Pour tout test administré à une population particulière, il est important de sensibilité, spécificité, valeur prédictive positive, et valeur prédictive négative déterminer l`utilité du test pour déterminer les traces d`une maladie ou une caractéristique de la population donnée. Si nous voulons utiliser un test pour déterminer une caractéristique spécifique d`un échantillon, nous aimerions savoir ce qui suit :

Quelle est la probabilité que le test présence indique une caractéristique chez quelqu`un de l`attribut (sensibilité)?
Quelle est la probabilité que le test absence d`une caractéristique indique chez quelqu`un sans pour autant l`attribut (spécificité)?
Quelle est la probabilité qu`une personne ayant un positif résultat du test En effet l`attribut (valeur prédictive positive) a?
Quelle est la probabilité qu`une personne ayant un négatif résultat du test en fait l`attribut (valeur prédictive négative) ne pas a?

Ces valeurs sont très importantes à calculer, afin de déterminer si un test est utile pour mesurer une caractéristique spécifique d`une population particulière. Cet article montrera comment calculer ces valeurs.

Pas

Méthode 1 sur 1 : Exécution du calcul

Image intitulée Calculer la sensibilité, la spécificité, la valeur prédictive positive et la valeur prédictive négative Étape 1

1. Définir une population à tester, par exemple 1000 patients dans une clinique.

Image intitulée Calculer la sensibilité, la spécificité, la valeur prédictive positive et la valeur prédictive négative Étape 2

2. Définissez la maladie ou la caractéristique qui vous intéresse, par exemple syphilis.

Image intitulée Calculer la sensibilité, la spécificité, la valeur prédictive positive et la valeur prédictive négative Étape 3

3. Supposons un test fiable de « norme d`or » pour déterminer la prévalence de la maladie ou du trait, par exemple une documentation en microscopie à fond noir sur la présence de la bactérie Treponema pallidum provenant de raclures d`ulcères de la syphilis, en association avec des résultats cliniques. Utilisez l`étalon-or pour déterminer qui a les attributs et qui n`en a pas. Par exemple, disons que c`est le cas pour 100 personnes et non pour 900.

Image intitulée Calculer la sensibilité, la spécificité, la valeur prédictive positive et la valeur prédictive négative Étape 4

4. Choisissez un test qui vous intéresse pour déterminer la sensibilité, la spécificité, la valeur prédictive positive et la valeur prédictive négative pour cette population, et testez tout le monde dans la population choisie. Par exemple, supposons qu`il s`agisse d`un test rapide de la réagine plasmatique (RPR) pour dépister la présence de la syphilis. Utilisez-le pour tester 1000 personnes dans la population.

Image intitulée Calculer la sensibilité, la spécificité, la valeur prédictive positive et la valeur prédictive négative Étape 5

5. Pour les personnes qui ont le trait (tel que déterminé par l`étalon-or), enregistrez le nombre de personnes testées positives et le nombre de personnes testées négatives. Faites de même pour les personnes qui n`ont pas l`attribut (tel que déterminé par l`étalon-or). Vous aurez finalement quatre nombres. Les personnes ayant la caractéristique ET un test positif sont les vrais positifs (TP). Les personnes ayant la caractéristique ET un test négatif sont les faux négatifs (FN). Les personnes sans le trait ET un test positif sont les faux positifs (FP). Les personnes sans le trait ET un test négatif sont les vrais négatifs (VN). Supposons que vous ayez administré un test RPR sur 1000 patients. Parmi 100 patients atteints de syphilis, 95 ont été testés positifs et 5 négatifs. Parmi 900 patients sans syphilis, 90 ont été testés positifs et 810 négatifs. Dans ce cas, TP = 95, FN = 5, FP = 90 et TN = 810.

Image intitulée Calculer la sensibilité, la spécificité, la valeur prédictive positive et la valeur prédictive négative Étape 6

6. Pour calculer la sensibilité, divisez TP par (TP + FN). Dans le cas ci-dessus cela devient 95/(95+5) = 95%. La sensibilité nous indique la probabilité que le test donne un résultat positif chez une personne qui présente la caractéristique. Quel pourcentage de personnes présentant le trait seront testées positives? 95% de sensibilité est assez bonne.

Image intitulée Calculer la sensibilité, la spécificité, la valeur prédictive positive et la valeur prédictive négative Étape 7

sept. Pour calculer la spécificité, divisez TN par (FP + TN). Dans le cas ci-dessus, cela devient 810/(90+810) = 90%. La spécificité nous indique la probabilité que le test donne un résultat négatif si quelqu`un n`a pas le trait. Quel pourcentage de toutes les personnes sans le trait seront testées négatives? 90% de spécificité est assez bonne.

Image intitulée Calculer la sensibilité, la spécificité, la valeur prédictive positive et la valeur prédictive négative Étape 8

8. Pour calculer la valeur prédictive positive (PVW), divisez TP par (TP + FP). Dans le cas ci-dessus cela devient 95/(95+90) = 51,4%. La valeur prédictive positive nous indique la probabilité qu`une personne ayant le trait en ressorte positive. Quelle proportion de toutes les personnes testées positivement présentent réellement les caractéristiques? Une VPP de 51,4 % signifie que si votre test est positif, vous avez 51,4 % de chances d`être atteint de la maladie.

Image intitulée Calculer la sensibilité, la spécificité, la valeur prédictive positive et la valeur prédictive négative Étape 9

9. Pour calculer la valeur prédictive négative (NAV), divisez TN par (TN + FN). Dans le cas ci-dessus, cela devient 810/(810+5) = 99,4%. La valeur prédictive négative nous indique la probabilité qu`une personne n`ait pas la caractéristique si le test est négatif. Quelle proportion de toutes les personnes dont le test est négatif n`ont vraiment pas le trait? Une NAV de 99,4% signifie que si votre test est négatif, vous avez 99,4% de chances de ne pas avoir la maladie.

Des astuces

Précision ou efficacité, est le pourcentage de résultats de test correctement identifiés par le test, c`est-à-dire (vrais positifs + vrais négatifs) / total des résultats de test = (TP+TN)/(TP+TN+FP+FN).
Les bons tests de dépistage ont une sensibilité élevée, car vous voulez pouvoir identifier toute personne présentant la caractéristique. Les tests à très haute sensibilité sont utiles pour détecter des maladies ou des caractéristiques exclure si le résultat est négatif. ("MUSEAU": Règle de sensibilité OUT)
Dessinez une table 2 x 2 pour faciliter les choses.
Sachez que la sensibilité et la spécificité sont des propriétés intrinsèques d`un test particulier, et ne pas dépendent de la population donnée, c`est-à-dire que ces deux valeurs devraient être les mêmes si le même test est appliqué à des populations différentes.
Les bons tests de confirmation ont une spécificité élevée parce que vous voulez que le test soit spécifique et n`interprète pas mal quelqu`un sans le trait comme positif. Les tests de très haute spécificité sont utiles pour : être sûr de maladies ou caractéristiques si elles sont positives. ("TOURNOYER": Spécificité-règle IN)
D`autre part, la valeur prédictive positive et la valeur prédictive négative dépendent de la prévalence du trait dans une population particulière. Plus la caractéristique est rare, plus le positif est faible et plus la valeur prédictive négative est élevée (car la probabilité du prétest est faible pour une caractéristique rare). A l`inverse, plus un trait est fréquent, plus la valeur prédictive positive est élevée et plus la valeur prédictive négative est faible (car la probabilité du prétest est élevée pour un trait plus général).
Essayez de bien comprendre ces concepts.