Probabilité avant et après le test - Pre- and post-test probability

La probabilité pré-test et la probabilité post-test (autrement orthographié pré -test et probabilité post-test ) sont les probabilités de la présence d'une condition (telle qu'une maladie ) avant et après un test de diagnostic , respectivement. La probabilité post-test , à son tour, peut être positive ou négative , selon que le test est considéré comme positif ou négatif , respectivement. Dans certains cas, il est utilisé pour la probabilité de développer la condition d'intérêt dans le futur.

Test, dans ce sens, peut faire référence à n'importe quel test médical (mais généralement au sens de tests diagnostiques), et dans un sens large incluant également des questions et même des hypothèses (comme supposer que l'individu cible est une femme ou un homme). La capacité de faire une différence entre les probabilités pré- et post-test de diverses conditions est un facteur majeur dans l' indication des tests médicaux .

Probabilité pré-test

La probabilité pré-test d'un individu peut être choisie comme l'une des suivantes:

  • La prévalence de la maladie, qui peut devoir être choisie si aucune autre caractéristique n'est connue pour l'individu, ou elle peut être choisie pour faciliter le calcul même si d'autres caractéristiques sont connues, bien qu'une telle omission puisse entraîner des résultats inexacts
  • La probabilité post-test de la condition résultant d'un ou plusieurs tests précédents
  • Une estimation approximative, qui peut devoir être choisie si des approches plus systématiques ne sont pas possibles ou efficaces

Estimation de la probabilité post-test

Dans la pratique clinique, les probabilités post-test ne sont souvent que grossièrement estimées ou même devinées. Ceci est généralement acceptable dans la découverte d'un signe ou d'un symptôme pathognomonique , auquel cas il est presque certain que la condition cible est présente; ou en l'absence de recherche d'un signe ou d'un symptôme sine qua non , auquel cas il est presque certain que la condition cible est absente.

En réalité, cependant, la probabilité subjective de la présence d'une condition n'est jamais exactement 0 ou 100%. Pourtant, il existe plusieurs méthodes systématiques pour estimer cette probabilité. Ces méthodes sont généralement basées sur le fait d'avoir préalablement effectué le test sur un groupe de référence dans lequel la présence ou l'absence sur la condition est connue (ou au moins estimée par un autre test qui est considéré comme très précis, tel que par "l' étalon-or "), en afin d’établir des données sur les performances des tests. Ces données sont ensuite utilisées pour interpréter le résultat du test de tout individu testé par la méthode. Une alternative ou un complément aux méthodes basées sur le groupe de référence consiste à comparer un résultat de test à un test précédent sur le même individu, ce qui est plus courant dans les tests de surveillance .

Les méthodes systématiques de référence les plus importantes pour estimer la probabilité post-test comprennent celles résumées et comparées dans le tableau suivant, et décrites plus en détail dans les sections individuelles ci-dessous.

Méthode Etablissement des données de performance Méthode d'interprétation individuelle Capacité à interpréter avec précision les tests ultérieurs Avantages supplémentaires
Par valeurs prédictives Quotients directs du groupe de référence Le plus simple: la valeur prédictive est égale à la probabilité Habituellement faible: groupe de référence séparé requis pour chaque état de pré-test ultérieur Disponible à la fois pour les valeurs binaires et continues
Par rapport de vraisemblance Dérivé de la sensibilité et de la spécificité Les cotes après le test sont données en multipliant les cotes du prétest par le ratio Théoriquement illimité L'état de pré-test (et donc la probabilité de pré-test) ne doit pas être le même que dans le groupe de référence
Par risque relatif Quotient de risque parmi les exposés et de risque parmi les non exposés Probabilité pré-test multipliée par le risque relatif Faible, sauf si les risques relatifs ultérieurs sont dérivés de la même analyse de régression multivariée Utilisation relativement intuitive
Par critères diagnostiques et règles de prédiction clinique Variable, mais généralement le plus fastidieux Variable Habituellement excellent pour tous les tests inclus dans les critères Généralement préférable si disponible

Par valeurs prédictives

Des valeurs prédictives peuvent être utilisées pour estimer la probabilité post-test d'un individu si la probabilité pré-test de l'individu peut être supposée à peu près égale à la prévalence dans un groupe de référence sur lequel à la fois les résultats du test et les connaissances sur la présence ou l'absence du condition (par exemple une maladie, telle que peut être déterminée par "l' étalon-or ") sont disponibles.

Si le résultat du test est une classification binaire en tests positifs ou négatifs , le tableau suivant peut être établi:

État
(tel que déterminé par "l' étalon or ")
Positif Négatif

Résultat du test 		Positif Vrai positif Faux positif
( erreur de type I ) 		→ Valeur prédictive positive
Négatif Faux négatif
( erreur de type II ) 		Vrai négatif → Valeur prédictive négative
↓
Sensibilité 		↓
Spécificité 		↘
Précision

La probabilité de pré-test peut être calculée à partir du diagramme comme suit:

Probabilité de prétest = (Vrai positif + Faux négatif) / Échantillon total

De plus, dans ce cas, la probabilité post-test positive (la probabilité d'avoir la condition cible si le test tombe positif) est numériquement égale à la valeur prédictive positive et la probabilité post-test négative (la probabilité d'avoir la condition cible si le test est négatif) est numériquement complémentaire de la valeur prédictive négative ([probabilité post-test négative] = 1 - [valeur prédictive négative]), en supposant à nouveau que l'individu testé ne présente aucun autre facteur de risque qui aboutir à ce que cette personne ait une probabilité pré-test différente de celle du groupe de référence utilisé pour établir les valeurs prédictives positives et négatives du test.

Dans le diagramme ci-dessus, cette probabilité post-test positive , c'est -à-dire la probabilité post-test d'une condition cible étant donné un résultat de test positif, est calculée comme suit:

Probabilité post-test positive = vrais positifs / (vrais positifs + faux positifs)

De même:

La probabilité post-test de la maladie en cas de résultat négatif est calculée comme suit:

Probabilité post-test négative = faux négatifs / (faux négatifs + vrais négatifs)

La validité des équations ci-dessus dépend également du fait que l'échantillon de la population ne présente pas de biais d'échantillonnage substantiel qui rend les groupes de ceux qui souffrent de la maladie et ceux qui ne sont pas substantiellement disproportionnés par rapport à la prévalence et à la «non-prévalence» correspondantes dans la population . En effet, les équations ci-dessus ne sont pas valides avec simplement une étude cas-témoins qui collecte séparément un groupe avec la condition et un groupe sans elle.

Par rapport de vraisemblance

Les méthodes ci-dessus sont inappropriées à utiliser si la probabilité du prétest diffère de la prévalence dans le groupe de référence utilisé pour établir, entre autres, la valeur prédictive positive du test. Une telle différence peut survenir si un autre test a précédé, ou si la personne impliquée dans le diagnostic considère qu'une autre probabilité de prétest doit être utilisée en raison de la connaissance, par exemple, de plaintes spécifiques, d'autres éléments d' antécédents médicaux , de signes lors d'un examen physique , soit par calculer sur chaque constatation comme un test en soi avec sa propre sensibilité et spécificité, ou au moins faire une estimation approximative de la probabilité pré-test individuelle.

Dans ces cas, la prévalence dans le groupe de référence n'est pas tout à fait exacte pour représenter la probabilité pré-test de l'individu et, par conséquent, la valeur prédictive (qu'elle soit positive ou négative ) n'est pas tout à fait exacte pour représenter la probabilité post-test de l'individu d'avoir la condition cible.

Dans ces cas, une probabilité post-test peut être estimée avec plus de précision en utilisant un rapport de vraisemblance pour le test. Le rapport de vraisemblance est calculé à partir de la sensibilité et de la spécificité du test, et par conséquent, il ne dépend pas de la prévalence dans le groupe de référence, et, de même, il ne change pas avec la probabilité pré-test modifiée , contrairement aux valeurs prédictives positives ou négatives (qui changerait). De plus, en effet, la validité de la probabilité post-test déterminée à partir du rapport de vraisemblance n'est pas vulnérable au biais d'échantillonnage en ce qui concerne les personnes avec et sans la condition dans l'échantillon de population, et peut être réalisée comme une étude cas-témoins qui rassemble séparément ces avec et sans la condition.

L'estimation de la probabilité post-test à partir de la probabilité pré-test et du rapport de vraisemblance est la suivante:

  • Cotes de prétest = (Probabilité de prétest / (1 - Probabilité de prétest)
  • Cotes post-test = Cotes prétest * Rapport de vraisemblance

Dans l'équation ci-dessus, la probabilité post-test positive est calculée en utilisant le rapport de vraisemblance positif , et la probabilité post-test négative est calculée en utilisant le rapport de vraisemblance négatif .

  • Probabilité post-test = cote post-test / (cote post-test + 1)
Nomogramme de Fagan

La relation peut également être estimée par un nomogramme de Fagan (illustré à droite) en faisant une ligne droite à partir du point de la probabilité pré-test donnée au rapport de vraisemblance donné dans leurs échelles, qui, à son tour, estime le post -tester la probabilité au point où cette ligne droite croise son échelle.

La probabilité post-test peut, à son tour, être utilisée comme probabilité pré-test pour des tests supplémentaires si elle continue à être calculée de la même manière.

  • Schéma des probabilités pré- et post-test, avec la courbe verte (moitié supérieure gauche) représentant un test positif, et la courbe rouge (moitié inférieure droite) représentant un test négatif, pour le cas de 90% de sensibilité et 90% de spécificité, correspondant à un rapport de vraisemblance positif de 9 et un rapport de vraisemblance négatif de 0,111. La longueur des flèches vertes représente le changement de probabilité absolue (plutôt que relative) pour un test positif, et les flèches rouges représentent le changement de probabilité absolue pour un test négatif.
    On peut voir à partir de la longueur des flèches que, à faibles probabilités pré-test, un test positif donne un plus grand changement de probabilité absolue qu'un test négatif (une propriété qui est généralement valide tant que la spécificité n'est pas beaucoup plus élevée que la sensibilité). De même, à des probabilités pré-test élevées, un test négatif donne un plus grand changement de probabilité absolue qu'un test positif (une propriété qui est généralement valide tant que la sensibilité n'est pas beaucoup plus élevée que la spécificité).

  • Relation entre les probabilités pré et post-test pour divers positifs de rapport de vraisemblance (moitié supérieure gauche) et divers négatifs de rapport de vraisemblance (moitié inférieure droite).

Il est possible de faire un calcul des rapports de vraisemblance pour les tests avec des valeurs continues ou plus de deux résultats, ce qui est similaire au calcul des résultats dichotomiques. À cette fin, un rapport de vraisemblance distinct est calculé pour chaque niveau de résultat de test et est appelé rapports de vraisemblance spécifiques à un intervalle ou à une strate.

Exemple

Un individu a été testé avec le test de sang occulte fécal (FOB) pour estimer la probabilité pour cette personne d'avoir la condition cible du cancer de l'intestin, et il est tombé positif (du sang ont été détectés dans les selles). Avant le test, cette personne avait une probabilité pré-test d'avoir un cancer de l'intestin de, par exemple, 3% (0,03), comme cela aurait pu être estimé par l'évaluation, par exemple, des antécédents médicaux, de l'examen et des tests précédents de cette personne. .

La sensibilité, la spécificité, etc. du test FOB ont été établies avec un échantillon de population de 203 personnes (sans une telle hérédité), et se sont réparties comme suit:

Patients atteints d' un cancer de l'intestin
(tel que confirmé à l' endoscopie )
Positif Négatif
Résultat du test de dépistage du sang
occulte fécal



Positif TP = 2 FP = 18 → Valeur prédictive positive
= TP / (TP + FP)
= 2 / (2 + 18)
= 2/20
= 10%
Négatif FN = 1 TN = 182 → Valeur prédictive négative
= TN / (FN + TN)
= 182 / (1 + 182)
= 182/183
≈ 99,5%
↓
Sensibilité
= TP / (TP + FN)
= 2 / (2 + 1)
=
2/3 ≈ 66,67% 		↓
Spécificité
= TN / (FP + TN)
= 182 / (18 + 182)
= 182/200
= 91% 		↘
Précision
= (TP + TN) / Total
= (2 + 182)
/ 203
= 184/203 = 90,64%

À partir de là, les rapports de vraisemblance du test peuvent être établis:

  1. Rapport de vraisemblance positif = sensibilité / (1 - spécificité) = 66,67% / (1 - 91%) = 7,4
  2. Rapport de vraisemblance négatif = (1 - sensibilité) / spécificité = (1 - 66,67%) / 91% = 0,37
  • Probabilité de prétest (dans cet exemple) = 0,03
  • Cotes de prétest = 0,03 / (1 - 0,03) = 0,0309
  • Cotes post-test positives = 0,0309 * 7,4 = 0,229
  • Probabilité post-test positive = 0,229 / (0,229 + 1) = 0,186 ou 18,6%

Ainsi, cet individu a une probabilité post-test (ou «risque post-test») de 18,6% d'avoir un cancer de l'intestin.

La prévalence dans l'échantillon de population est calculée comme suit:

  • Prévalence = (2 + 1) / 203 = 0,0148 ou 1,48%

La probabilité pré-test de l'individu était plus du double de celle de l'échantillon de population, bien que la probabilité post-test de l'individu soit inférieure à deux fois celle de l'échantillon de population (qui est estimée par la valeur prédictive positive du test de 10%) , contrairement à ce qui résulterait d'une méthode moins précise de simplement multiplier les risques relatifs.

Sources d'inexactitude spécifiques

Les sources spécifiques d'inexactitude lors de l'utilisation du rapport de vraisemblance pour déterminer une probabilité post-test incluent l'interférence avec les déterminants ou les tests précédents ou le chevauchement des cibles de test, comme expliqué ci-dessous:

Interférence avec le test

La probabilité post-test , estimée à partir de la probabilité pré-test avec rapport de vraisemblance , doit être traitée avec prudence chez les personnes ayant d'autres déterminants (tels que les facteurs de risque) que la population générale, ainsi que chez les personnes ayant subi des tests précédents, car ces déterminants ou tests peuvent également influencer le test lui-même de manière imprévisible, entraînant toujours des résultats inexacts. Un exemple avec le facteur de risque d' obésité est que la graisse abdominale supplémentaire peut rendre difficile la palpation des organes abdominaux et diminuer la résolution de l'échographie abdominale , et de même, le contraste de baryum résiduel d'une radiographie précédente peut interférer avec les examens abdominaux ultérieurs, ce qui réduit la sensibilités et spécificités de ces tests ultérieurs. D'autre part, l'effet de l'interférence peut potentiellement améliorer l'efficacité des tests ultérieurs par rapport à l'utilisation dans le groupe de référence, comme certains examens abdominaux étant plus faciles lorsqu'ils sont effectués sur des personnes en insuffisance pondérale.

Chevauchement des tests

En outre, la validité des calculs sur toute probabilité pré-test qui est elle-même dérivée d'un test précédent dépend du fait que les deux tests ne se chevauchent pas de manière significative en ce qui concerne le paramètre cible testé, tels que les tests sanguins de substances appartenant à l'un et le même voie métabolique dérangée . Un exemple de l'extrême d'un tel chevauchement est celui où la sensibilité et la spécificité ont été établies pour un test sanguin détectant la "substance X", et de même pour une détection de la "substance Y". Si, en fait, "substance X" et "substance Y" sont une seule et même substance, alors, faire deux essais consécutifs d'une seule et même substance peut ne pas avoir de valeur diagnostique du tout, bien que le calcul semble montrer un différence. Contrairement aux interférences décrites ci-dessus, l'augmentation du chevauchement des tests ne fait que diminuer leur efficacité. Dans le cadre médical, la validité diagnostique est augmentée en combinant des tests de différentes modalités pour éviter un chevauchement substantiel, par exemple en combinant un test sanguin, une biopsie et une radiographie .

Méthodes pour surmonter l'inexactitude

Pour éviter de telles sources d'inexactitude en utilisant des rapports de vraisemblance, la méthode optimale serait de rassembler un grand groupe de référence d'individus équivalents, afin d'établir des valeurs prédictives distinctes pour l'utilisation du test chez ces individus. Cependant, avec une meilleure connaissance des antécédents médicaux d'un individu, de son examen physique et du test précédent, etc., cet individu devient plus différencié, avec une difficulté croissante à trouver un groupe de référence pour établir des valeurs prédictives adaptées, rendant invalide une estimation de la probabilité post-test par des valeurs prédictives. .

Une autre méthode pour surmonter ces inexactitudes consiste à évaluer le résultat du test dans le contexte de critères de diagnostic, comme décrit dans la section suivante.

Par risque relatif

La probabilité post-test peut parfois être estimée en multipliant la probabilité pré-test par un risque relatif donné par le test. Dans la pratique clinique, cela est généralement appliqué dans l'évaluation des antécédents médicaux d'un individu, où le «test» est généralement une question (ou même une hypothèse) concernant divers facteurs de risque, par exemple, le sexe, le tabagisme ou le poids, mais il peut peut être un test substantiel tel que mettre l'individu sur une balance . Lors de l'utilisation des risques relatifs, la probabilité qui en résulte est généralement plutôt liée à l'individu développant la condition sur une période de temps (similaire à l' incidence dans une population), au lieu d'être la probabilité d'un individu d'avoir la condition dans le présent, mais peut être indirectement une estimation de ce dernier.

L'utilisation du rapport de risque peut être utilisée à peu près de la même manière que le risque relatif.

Un facteur de risque

Pour établir un risque relatif, le risque dans un groupe exposé est divisé par le risque dans un groupe non exposé.

Si un seul facteur de risque d'un individu est pris en compte, la probabilité post-test peut être estimée en multipliant le risque relatif par le risque dans le groupe témoin. Le groupe témoin représente généralement la population non exposée, mais si une très faible fraction de la population est exposée, alors la prévalence dans la population générale peut souvent être supposée égale à la prévalence dans le groupe témoin. Dans de tels cas, la probabilité post-test peut être estimée en multipliant le risque relatif par le risque dans la population générale.

Par exemple, l' incidence du cancer du sein chez une femme au Royaume-Uni à l' âge de 55 à 59 ans est estimé à environ 280 cas par 100.000 par an, et le facteur de risque d'avoir été exposés à de fortes doses de rayonnements ionisants à la poitrine (pour exemple, en tant que traitements pour d'autres cancers) confère un risque relatif de cancer du sein entre 2,1 et 4,0, par rapport aux non exposés. Puisqu'une faible fraction de la population est exposée, la prévalence dans la population non exposée peut être supposée égale à la prévalence dans la population générale. Par la suite, on peut estimer qu'une femme au Royaume-Uni âgée entre 55 et 59 ans et qui a été exposée à des rayonnements ionisants à forte dose devrait avoir un risque de développer un cancer du sein sur une période d'un an comprise entre 588 et 1,120. en 100 000 (c'est-à-dire entre 0,6% et 1,1%).

Facteurs de risque multiples

Théoriquement, le risque total en présence de plusieurs facteurs de risque peut être estimé grossièrement en le multipliant par chaque risque relatif, mais il est généralement beaucoup moins précis que l'utilisation des ratios de vraisemblance, et se fait généralement uniquement parce qu'il est beaucoup plus facile à réaliser lorsque seuls les risques relatifs sont données, comparées, par exemple, à la conversion des données sources en sensibilités et spécificités et calculées par rapport de vraisemblance. De même, les risques relatifs sont souvent donnés à la place des ratios de vraisemblance dans la littérature parce que le premier est plus intuitif. Les sources d'inexactitude de la multiplication des risques relatifs comprennent:

  • Les risques relatifs sont affectés par la prévalence de l'affection dans le groupe de référence (contrairement aux rapports de vraisemblance, qui ne le sont pas), et ce problème se traduit par le fait que la validité des probabilités post-test devient moins valide avec l'augmentation de la différence entre la prévalence dans le groupe de référence et la probabilité pré-test pour tout individu. Tout facteur de risque connu ou test antérieur d'un individu confère presque toujours une telle différence, ce qui diminue la validité de l'utilisation des risques relatifs pour estimer l'effet total de plusieurs facteurs de risque ou tests. La plupart des médecins ne prennent pas correctement en compte ces différences de prévalence lors de l'interprétation des résultats des tests, ce qui peut entraîner des erreurs de test et de diagnostic inutiles.
  • Une autre source d'inexactitude de la multiplication de plusieurs risques relatifs, en ne considérant que des tests positifs, est qu'elle a tendance à surestimer le risque total par rapport à l'utilisation des ratios de vraisemblance. Cette surestimation s'explique par l'incapacité de la méthode à compenser le fait que le risque total ne peut être supérieur à 100%. Cette surestimation est plutôt faible pour les petits risques, mais devient plus élevée pour les valeurs plus élevées. Par exemple, le risque de développer un cancer du sein à un âge de moins de 40 ans chez les femmes au Royaume-Uni peut être estimé à environ 2%. En outre, des études sur des juifs ashkénazes ont indiqué qu'une mutation dans BRCA1 confère un risque relatif de 21,6 de développer un cancer du sein chez les femmes de moins de 40 ans, et une mutation dans BRCA2 confère un risque relatif de 3,3 de développer un cancer du sein chez les femmes de moins de 40 ans. ans. À partir de ces données, on peut estimer qu'une femme avec une mutation BRCA1 aurait un risque d'environ 40% de développer un cancer du sein à un âge de moins de 40 ans, et une femme avec une mutation BRCA2 aurait un risque d'environ 6%. Cependant, dans la situation plutôt improbable d'avoir à la fois une mutation BRCA1 et BRCA2, la simple multiplication des deux risques relatifs entraînerait un risque de plus de 140% de développer un cancer du sein avant 40 ans, ce qui ne peut pas être exact en réalité. .

L'effet (mentionné plus tard) de la surestimation peut être compensé en convertissant les risques en cotes et les risques relatifs en odds ratios . Cependant, cela ne compense pas l'effet (précédemment mentionné) de toute différence entre la probabilité pré-test d'un individu et la prévalence dans le groupe de référence.

Une méthode pour compenser les deux sources d'inexactitude ci-dessus consiste à établir les risques relatifs par une analyse de régression multivariée . Cependant, pour conserver sa validité, les risques relatifs établis comme tels doivent être multipliés par tous les autres facteurs de risque dans la même analyse de régression, et sans ajout d'autres facteurs au-delà de l'analyse de régression.

En outre, la multiplication de plusieurs risques relatifs présente le même risque de manquer d'importants chevauchements des facteurs de risque inclus, de la même manière que lors de l'utilisation des ratios de vraisemblance. En outre, différents facteurs de risque peuvent agir en synergie , de sorte que, par exemple, deux facteurs qui ont chacun individuellement un risque relatif de 2 ont un risque relatif total de 6 lorsque les deux sont présents, ou peuvent s'inhiber l'un l'autre, un peu de la même manière que l'interférence décrite pour l'utilisation des rapports de vraisemblance.

Par critères diagnostiques et règles de prédiction clinique

La plupart des maladies majeures ont établi des critères de diagnostic et / ou des règles de prédiction clinique . L'établissement de critères de diagnostic ou de règles de prédiction clinique consiste en une évaluation complète de nombreux tests considérés comme importants pour estimer la probabilité d'une condition d'intérêt, y compris parfois aussi comment la diviser en sous-groupes, et quand et comment la traiter. Un tel établissement peut inclure l'utilisation de valeurs prédictives, de rapports de vraisemblance ainsi que de risques relatifs.

Par exemple, les critères ACR pour le lupus érythémateux disséminé définissent le diagnostic comme la présence d'au moins 4 résultats sur 11, chacun pouvant être considéré comme une valeur cible d'un test avec sa propre sensibilité et spécificité. Dans ce cas, il y a eu évaluation des tests pour ces paramètres cibles lorsqu'ils sont utilisés en combinaison en ce qui concerne, par exemple, les interférences entre eux et le chevauchement des paramètres cibles, s'efforçant ainsi d'éviter des inexactitudes qui pourraient autrement survenir si l'on essayait de calculer la probabilité. de la maladie en utilisant les rapports de vraisemblance des tests individuels. Par conséquent, si des critères diagnostiques ont été établis pour une condition, il est généralement plus approprié d'interpréter toute probabilité post-test pour cette condition dans le contexte de ces critères.

En outre, il existe des outils d'évaluation des risques pour estimer le risque combiné de plusieurs facteurs de risque, tels que l'outil en ligne [1] de la Framingham Heart Study pour estimer le risque de maladie coronarienne à l'aide de plusieurs facteurs de risque, notamment l'âge, le sexe et le sang. les lipides, la tension artérielle et le tabagisme, étant beaucoup plus précis que de multiplier les risques relatifs individuels de chaque facteur de risque.

Néanmoins, un médecin expérimenté peut estimer la probabilité post-test (et les actions qu'il motive) par une large considération comprenant des critères et des règles en plus d'autres méthodes décrites précédemment, y compris à la fois les facteurs de risque individuels et les performances des tests qui ont été effectués. .

Utilisation clinique des probabilités pré et post-test

Un paramètre cliniquement utile est la différence absolue (plutôt que relative et non négative) entre la probabilité avant et après le test, calculée comme suit:

Différence absolue = | (probabilité pré-test) - (probabilité post-test) |

Un facteur majeur d'une telle différence absolue est la puissance du test lui-même, telle qu'elle peut être décrite en termes, par exemple, de sensibilité et de spécificité ou de rapport de vraisemblance. Un autre facteur est la probabilité de pré-test, avec une probabilité de pré-test plus faible entraînant une différence absolue plus faible, avec pour conséquence que même des tests très puissants atteignent une faible différence absolue pour des conditions très improbables chez un individu (telles que les maladies rares dans le absence de tout autre signe indicateur), mais d'autre part, que même des tests à faible puissance peuvent faire une grande différence pour des conditions hautement suspectes.

Les probabilités dans ce sens peuvent également devoir être considérées dans le contexte de conditions qui ne sont pas des cibles primaires du test, telles que les probabilités relatives au profil dans une procédure de diagnostic différentiel .

La différence absolue peut être mise en relation avec le bénéfice pour un individu que procure un test médical , comme on peut en gros l’estimer comme suit:

, où:

  • b n est le bénéfice net de la réalisation d'un test médical
  • Λp est la différence absolue entre la probabilité avant et après le test des conditions (telles que les maladies) que le test est censé atteindre.
  • r i est le taux selon lequel les différences de probabilité devraient entraîner des changements dans les interventions (comme le passage de «aucun traitement» à «l'administration d'un traitement médical à faible dose»).
  • b i est le bénéfice des changements dans les interventions pour l'individu
  • h i est le préjudice des modifications des interventions pour l'individu, comme les effets secondaires d'un traitement médical
  • h t est le préjudice causé par le test lui-même

Dans cette formule, ce qui constitue un avantage ou un préjudice varie largement en fonction des valeurs personnelles et culturelles , mais des conclusions générales peuvent encore être tirées. Par exemple, si le seul effet attendu d'un test médical est de rendre une maladie plus probable qu'une autre, mais que les deux maladies ont le même traitement (ou qu'aucune ne peut être traitée), alors r i = 0 et le test est essentiellement sans aucun bénéfice pour l'individu.

Les facteurs supplémentaires qui influencent la décision de réaliser ou non un test médical comprennent: le coût du test, la disponibilité de tests supplémentaires, une interférence potentielle avec le test ultérieur (comme une palpation abdominale induisant potentiellement une activité intestinale dont les sons interfèrent avec une auscultation abdominale ultérieure ), la durée du test ou d'autres aspects pratiques ou administratifs. En outre, même s'ils ne sont pas bénéfiques pour l'individu testé, les résultats peuvent être utiles pour l'établissement de statistiques afin d'améliorer les soins de santé pour d'autres individus.

Subjectivité

Les probabilités pré et post-test sont subjectives car, en réalité, un individu a la condition ou non (la probabilité étant toujours de 100%), donc les probabilités pré et post-test pour les individus peuvent plutôt être considérées. comme des phénomènes psychologiques dans l'esprit de ceux qui sont impliqués dans les diagnostics à portée de main.

Voir également

Les références