Objectifs de la thèse
I. Évaluation des caractéristiques informationnelles d’un test de diagnostic
Le dépistage a pour objectif d’identifier parmi une population asymptomatique les individus ayant une forte probabilité d’être atteint par la maladie d’intérêt. Le diagnostic, quant à lui, vise à confirmer ou infirmer la présence de cette maladie chez les individus dépistés ou présentant des signes cliniques de la maladie en question. Ces deux phases peuvent reposer sur l’utilisation de tests biologiques permettant de détecter ou de quantifier un biomarqueur de la maladie recherchée (anticorps, agent pathogène, etc.). Le résultat de ces tests peut être qualitatif (binaire, ordinal) ou quantitatif.
Chaque test possède une certaine validité, c’est-à-dire une capacité à identifier correctement une maladie. En fonction de ses caractéristiques intrinsèques, un test va en effet produire un certain nombre de vrais positifs, faux positifs, vrais négatif et faux négatifs. La qualité de l’information apportée par un test dépend de ces caractéristiques ; les connaître est donc nécessaire à l’évaluation de la qualité de l’information apportée par un test et de sa pertinence pour la prise de décision clinique.
L’évaluation des caractéristiques d’un test repose sur la comparaison des résultats du test évalué avec ceux d’un test de référence – c’est-à-dire un test permettant de déterminer, sans erreur, le statut d’un groupe de patients vis-à-vis de la maladie étudiée – dans une population représentative de celle d’application du test. Ces différents résultats permettent de construire un tableau de contingence indiquant la validité des résultats du test évalué (Tableau 7). Les tests permettant cette discrimination parfaite entre individus sains et malades sont rares et, le plus souvent, difficilement réalisable dans la pratique clinique, en raison de leur coût ou de l’aspect invasif de leur réalisation (biopsie, chirurgie, etc.). En l’absence d’un test « parfait », il est possible d’utiliser un test aux capacités discriminatoires considérées comme satisfaisantes. Lorsqu’aucun test de référence n’est disponible, il est nécessaire d’avoir recours à des méthodes spécifiques qui ne seront pas détaillées ici.
Tableau 7 : Combinaisons de résultats possibles pour un test diagnostique, en fonction du statut des patients vis-à-vis de la maladie étudiée et du résultat du test évalué
Sujet malade (M+) Sujet sain (M-) Test positif (T+) Vrai positif (VP) Faux positif (FP) Test négatif (T-) Faux négatif (FN) Vrai négatif (VN)
Il existe plusieurs mesures de la validité d’un test. Elles peuvent concerner des caractéristiques intrinsèques – qui ne changent pas en fonction de la prévalence de la maladie – ou extrinsèques du test. Dans cette partie seront décrites celles utilisées dans le cadre de l’étude présentée dans la Partie I de cette thèse.
50
1. Caractéristiques intrinsèques : sensibilité, spécificité et rapports de vraisemblance
La sensibilité désigne la probabilité qu’un test donne un résultat positif chez une personne atteinte par la maladie recherchée. La spécificité, quant à elle, indique la probabilité que le résultat du test soit négatif chez une personne saine. Ces deux mesures sont calculées à partir d’un tableau de contingence comme celui présenté précédemment (Tableau 7) comme suit :
𝑆𝑆𝑆𝑆 = 𝑃𝑃(𝑇𝑇 + |𝑀𝑀 +) =𝑉𝑉𝑃𝑃 + 𝐹𝐹𝐹𝐹𝑉𝑉𝑃𝑃
𝑆𝑆𝑆𝑆 = 𝑃𝑃(𝑇𝑇 − |𝑀𝑀 −) =𝑉𝑉𝐹𝐹 + 𝐹𝐹𝑃𝑃𝑉𝑉𝐹𝐹
Ainsi, un test avec une sensibilité élevée permet de correctement identifier presque toutes les personnes saines. De même, un test doté d’une bonne spécificité permet de détecter presque tous les malades.
Deux indicateurs permettent de résumer ces deux caractéristiques : les rapports de vraisemblance (RV) ou likelihood ratios (LR). Le RV positif correspond au rapport entre la probabilité que le test soit positif chez une personne malade et la probabilité qu’il le soit chez une personne saine.
𝑅𝑅𝑉𝑉+=𝑃𝑃(𝑇𝑇 + |𝑀𝑀+)𝑃𝑃(𝑇𝑇 + |𝑀𝑀−)= 𝑆𝑆𝑆𝑆 1− 𝑆𝑆𝑆𝑆 𝑅𝑅𝑉𝑉−=𝑃𝑃(𝑇𝑇 − |𝑀𝑀+)𝑃𝑃(𝑇𝑇 − |𝑀𝑀−)=1− 𝑆𝑆𝑆𝑆
𝑆𝑆𝑆𝑆
Le résultat du RV positif est supérieur ou égal à 1. Un RV positif égal à 1 signifie que le test en question est aussi souvent positif chez les personnes saines que chez les malades. Un rapport égal à 5 par exemple, signifie que le test est 5 fois plus souvent positif chez les personnes malades que chez les personnes saines. Le résultat du RV négatif est, quant à lui, compris entre 0 et 1. De même que pour le RV positif, un RV négatif égal à 1 signifie que le test est aussi souvent négatif chez les personnes saines que chez les malades. Un RV négatif de 0,25 par exemple, implique que le test est 4 fois plus souvent négatif chez les personnes saines que chez les malades. Dans la pratique clinique, on recherche donc des tests avec un RV positif le plus élevé possible et un RV négatif le plus proche de zéro possible.
53
3. Caractéristiques extrinsèques : valeurs prédictives
Dans la pratique clinique, pouvoir juger de la validité d’un test une fois le résultat obtenu est important, autrement dit : étant donné le résultat obtenu, quelle est la probabilité que le patient ait réellement la condition indiquée par ce résultat ? Il s’agit là de probabilités dites « à posteriori » car calculée à l’issue du test. La valeur prédictive positive (VPP) correspond à la probabilité qu’un patient soit réellement malade sachant que le test est positif : la valeur prédictive négative (VPN) désigne la probabilité qu’un patient soit réellement sain sachant que le test est négatif. Lorsqu’un tableau de contingence comme celui présenté précédemment est disponible, ces deux probabilités peuvent être calculées comme suit :
𝑉𝑉𝑃𝑃𝑃𝑃 = 𝑃𝑃(𝑀𝑀 + |𝑇𝑇 +) =𝑉𝑉𝑃𝑃 + 𝐹𝐹𝑃𝑃𝑉𝑉𝑃𝑃
𝑉𝑉𝑃𝑃𝐹𝐹 = 𝑃𝑃(𝑀𝑀 − |𝑇𝑇 −) =𝑉𝑉𝐹𝐹 + 𝐹𝐹𝐹𝐹𝑉𝑉𝐹𝐹
Cependant, dans la pratique clinique, la prévalence de la maladie peut être connue, tout comme la sensibilité et la spécificité du test utilisé, mais pas le statut du patient vis-à-vis de la maladie considérée, cette information étant celle justement recherchée. Les données mentionnées peuvent alors permettre de calculer les valeurs de la VPP et de la VPN grâce au théorème de Bayes :
𝑃𝑃(𝐴𝐴|𝐵𝐵) = 𝑃𝑃(𝐵𝐵|𝐴𝐴) × 𝑃𝑃(𝐴𝐴)
𝑃𝑃(𝐵𝐵|𝐴𝐴) × 𝑃𝑃(𝐴𝐴) + 𝑃𝑃(𝐵𝐵|𝐴𝐴̅) × 𝑃𝑃(𝐴𝐴̅)
La VPP d’un test peut être calculée comme suit, où P(M+) la prévalence de la maladie est notée p : 𝑉𝑉𝑃𝑃𝑃𝑃 = 𝑃𝑃(𝑀𝑀 + |𝑇𝑇 +)
= 𝑃𝑃(𝑇𝑇 + |𝑀𝑀 +) × 𝑃𝑃(𝑀𝑀 +)
𝑃𝑃(𝑇𝑇 + |𝑀𝑀 +) × 𝑃𝑃(𝑀𝑀 +) + 𝑃𝑃(𝑇𝑇 + |𝑀𝑀 −) × 𝑃𝑃(𝑀𝑀 −)
= 𝑆𝑆𝑆𝑆 × 𝑆𝑆
𝑆𝑆𝑆𝑆 × 𝑆𝑆 + (1 − 𝑆𝑆𝑆𝑆) × (1 − 𝑆𝑆) De même, la VPN peut être calculée comme suit :
𝑉𝑉𝑃𝑃𝐹𝐹 = 𝑃𝑃(𝑀𝑀 − |𝑇𝑇 −)
= 𝑃𝑃(𝑇𝑇 − |𝑀𝑀 −) × 𝑃𝑃(𝑀𝑀 −)
𝑃𝑃(𝑇𝑇 − |𝑀𝑀 −) × 𝑃𝑃(𝑀𝑀 −) + 𝑃𝑃(𝑇𝑇 − |𝑀𝑀 +) × 𝑃𝑃(𝑀𝑀 +) = 𝑆𝑆𝑆𝑆 × (1 − 𝑆𝑆)
𝑆𝑆𝑆𝑆 × (1 − 𝑆𝑆) + (1 − 𝑆𝑆𝑆𝑆) × 𝑆𝑆
Ces formules montrent que la VPP et la VPN sont des mesures dépendantes de la prévalence. Cette relation a un impact sur la fiabilité du test lorsque l’on cherche à diagnostiquer une maladie rare, même lorsque l’on dispose d’un test très performant. Dans un tel cas, le test étant très sensible, il va bien identifier correctement la majeure partie des personnes malades mais, étant donné le faible nombre de personnes malades dans la population, la majorité des tests positifs correspondront à des
54
personnes saines. C’est pour cette raison que le dépistage d’une maladie rare nécessite souvent d’associer plusieurs tests afin de limiter les faux positifs.