1/n Test diagnostics et leur performance. Un calculateur qui permet de calculer et de comprendre les risques de faux + et faux - avec les différents tests utilisés PCR ou test sérologique. Essentiel pr comprendre les défis posés et les résultats des tests individuels.
2/n voici le calculateur calculator.testingwisely.com/playground/4.5…
La spécificité d'un test est sa capacité à détecter correctement les NON malades (ou autre) dans une population. Le manque de spécificité induit des faux +. Un test spécifique à 95% donnera 5% de faux + dans la population.
La spécificité d'un test est sa capacité à détecter correctement les NON malades (ou autre) dans une population. Le manque de spécificité induit des faux +. Un test spécifique à 95% donnera 5% de faux + dans la population.
3/n La sensibilité d'un test est sa capacité à détecter correctement les malades dans une population. Le manque de sensibilité donnera des faux négatifs. Un test sensible à 95% manquera 5% de malades parmi l'ensemble des MALADES selon le test. Sur 100 vrais malades, 5 faux -
4/n On comprend que si une maladie est rare la spécificité aura d'autant plus d'importance, car même avec une bonne spécificité si une maladie touche 1% des personnes mais si le test est spécifique à 95%, le test détectera 5% de faux + soit 5 fois + que les vrais malades.
5/n C'est un peu plus compliqué mais c'est l'idée de base. Ces valeurs sont valables en population et pour calculer les chances que le test donne des résultats fiables pour les individus.
6/n Voici un tableau qui résume la problématique. P exp si vous êtes malade votre test peut être positif ou négatif selon la sensibilité du tests, si vous n'êtes pas malade, votre test peut être négatif ou faussement positif. 
7/n Les auteurs du calculateur utilisent aussi le likelihood postive ratio. Pour le positive likelihood ratio, plus la valeur est élevée plus le test a de la valeur pour vous indiquer que vous êtes malade, >
8/n pour le négative lilihood ratio plus la valeur est proche de zéro, plus le test a de la valeur pour déterminer si vous n'êtes pas malade.
9/n Tous ces calculs assument qu'il existe un test de référence qui permettrait de connaître la vraie valeur pre-test, c'est à dire la fréquence réelle de la maladie dans la pop étudiée.
10/n Pour l'exemple proposé le test à une sensibilité de 93,8%, donc un risque de vous classer faussement comme non malade alors que vous êtes malade de (100-93,8) 6,2% et une spécificité de 95,6% donc un risque de faux + alors q vs êtes sain de 4,4%
11/n Si la fréquence de la maladie dans la pop est de 4,5%, voici ce que donnent les résultats présentés de manière graphique
12/n La maladie étant relativement rare, votre risque d'être faussement diagnostiqué comme malade est de 4/9 c à d de 44%
13/n Si la maladie est présente chez 50% de la population, sans changer la sensibilité et la spécificité, votre risque d'être faussement diagnostiqué comme malade n'est plus que de 2/49 soit 4%. Ms vs avez aussi un risque de 3/51, 5,8% d'être malade malgré un test négatif
14/n On peut améliorer la valeur prédictive (vrais + / ensemble des +) du test en sélectionnant la population testée parmi ceux qui ont une forte probabilité d'être malades. On peut aussi répéter les tests pour en améliorer la valeur prédictive.
15/n Il y a une astuce, le référentiel change. Le manque de spécificité va influencer le % de résultats faux parmi les personnes saines, c'est à dire, généralt, la majorité de la pop étudiée, le manque de sensibilité va influencer les résultats parmi les personnes malades.
16/n
