2 ✅

Probabilités et Tests Diagnostiques : Fiche Récapitulative

Cette fiche synthétise les concepts de probabilités essentiels et leur application à l'évaluation des tests diagnostiques, un point clé pour les examens de santé.

1. Définitions et Concepts de Base

• Épreuve aléatoire: Expérience dont le résultat est incertain.

• Univers (): Ensemble de tous les résultats possibles d'une épreuve.

• Événement: Un sous-ensemble de l'univers . C'est un ensemble de résultats possibles.

• Événement contraire (): Événement qui se réalise si A ne se réalise pas.

• Événement impossible (): Événement qui ne peut jamais se réaliser. .

• Événement certain (): Événement qui se réalise toujours. .

2. Opérations sur les Événements et Probabilités

Opérations sur les événements

• Union (A ∪ B): "A ou B". L'un ou l'autre des événements se réalise.

• Intersection (A ∩ B): "A et B". Les deux événements se réalisent simultanément.

• Événements incompatibles (ou exclusifs): Leur intersection est impossible. . Ils ne peuvent pas se produire en même temps.

Règles de calcul de probabilités

Une probabilité est toujours comprise entre 0 et 1 :

• Probabilité de l'événement contraire:

• Probabilité de l'union:

  • Cas général :

  • Si A et B sont incompatibles :

• Probabilité conditionnelle: Probabilité de A sachant que B est réalisé.
  

• Événements indépendants: La réalisation de l'un n'influence pas la probabilité de l'autre.
  Si A et B sont indépendants, alors et .

Théorème de Bayes

Permet de calculer une probabilité a posteriori à partir des probabilités a priori. Très utilisé pour les diagnostics.

Formule générale :

Avec la formule des probabilités totales pour le dénominateur :

Applications : Performances d'un Test Diagnostique

Terminologie et Tableau de Contingence

• M+ : Le patient est malade.

• M- : Le patient n'est pas malade.

• T+ : Le test est positif.

• T- : Le test est négatif.

Indicateurs de Performance du Test (Intrinsèques)

Ces valeurs dépendent uniquement du test et non de la population testée.

• Sensibilité (Se): Capacité du test à détecter les malades. C'est la probabilité que le test soit positif si le patient est malade.
  

• Spécificité (Sp): Capacité du test à identifier les non-malades. C'est la probabilité que le test soit négatif si le patient n'est pas malade.
  

• correspond à la probabilité d'un Faux Positif : .

• correspond à la probabilité d'un Faux Négatif : .

Valeurs Prédictives (Dépendent de la prévalence)

Ces valeurs interprètent le résultat du test pour un patient donné et dépendent fortement de la prévalence de la maladie dans la population.

• Valeur Prédictive Positive (VPP): Probabilité que le patient soit réellement malade si son test est positif.
  

• Valeur Prédictive Négative (VPN): Probabilité que le patient ne soit pas malade si son test est négatif.
  

Formules de Bayes Appliquées aux Tests

Ces formules lient les indicateurs à la prévalence (notée p, soit ).

• VPP:

• VPN:

À retenir :

• Si la prévalence (p) augmente, la VPP augmente et la VPN diminue.

• Pour une maladie rare (p faible), la VPP est souvent basse même avec un bon test.

Tests Quantitatifs et Courbe ROC

Pour les tests avec un résultat chiffré (ex: glycémie), on choisit un seuil pour définir "positif" vs "négatif".

• Augmenter le seuil: Moins de positifs Augmente la Spécificité (moins de FP), mais diminue la Sensibilité (plus de FN).

• Diminuer le seuil: Plus de positifs Augmente la Sensibilité (moins de FN), mais diminue la Spécificité (plus de FP).

La Courbe ROC (Receiver Operating Characteristic) permet de visualiser cette relation.

• Axe Y: Sensibilité (Taux de Vrais Positifs)

• Axe X: 1 - Spécificité (Taux de Faux Positifs)

• L'Aire Sous la Courbe (AUC) est un indicateur global de la performance du test.

  • AUC = 1 : Test parfait.

  • AUC = 0.5 : Test inutile (diagonale).

  • Plus l'AUC est proche de 1, meilleur est le pouvoir discriminant du test.