Tests diagnostiques DFGSM3 Année Mercredi 7 septembre 2016

Présentation au sujet: "Tests diagnostiques DFGSM3 Année Mercredi 7 septembre 2016"— Transcription de la présentation:

1 Tests diagnostiques DFGSM3 Année 2017-2018 Mercredi 7 septembre 2016
Bouzillé Guillaume

2 Tests diagnostiques Définition :
Méthode d’exploration dont le but est de fournir une information qui fasse progresser une démarche diagnostique à la recherche d’une maladie M dans une situation clinique déterminée. Peut être clinique ou paraclinique. Peut être qualitatif ou quantitatif. Mercredi 7 septembre 2016 Bouzillé Guillaume

3 Tests diagnostiques Un examen complémentaire inutilement prescrit n’est pas éthique, est irrationnel et induit un gaspillage. Nécessité d’évaluer un test diagnostique : Fiabilité (= reproductibilité) Validité : performance ou apport informationnel Valeur prédictive : apport décisionnel Coût directs et/ou indirects Acceptabilité Mercredi 7 septembre 2016 Bouzillé Guillaume

4 Tests diagnostiques L’examen de référence ou « Gold Standard » :
Pose un diagnostic de certitude (sauf Gold standard imparfait) : malade ou non malade. Mais est souvent : un examen couteux un examen avec des effets indésirables potentiellement graves un examen invasif voire réalisable uniquement en post-mortem Les tests diagnostiques : = ce qui est le plus souvent utilisé en pratique courante Inconvénients : Le résultats du test comporte un degré d’incertitude qu’il faut quantifier Mercredi 7 septembre 2016 Bouzillé Guillaume

5 Fiabilité d’un test diagnostique
Reproductibilité du test : 2 mesures de deux observateurs différents : reproductibilité inter-observateur 2 mesures d’un même observateur : reproductibilité intra-observateur Méthode d’évaluation : estimation de la concordance entre deux mesures répétées Mercredi 7 septembre 2016 Bouzillé Guillaume

6 Fiabilité d’un test diagnostique
Cas d’un test qualitatif : test de concordance Kappa de Cohen Exemple : (Cas simple à 2 juges, 2 modalités) : Lecture de 100 prélèvements pour recherche de Staphylocoques Prélèvement Juge A Juge B 1 + - 2 3 … 98 99 100 Construction du tableau de contingence Juge A Total Test + Test - Juge B 40 10 50 100 Mercredi 7 septembre 2016 Bouzillé Guillaume

7 Fiabilité d’un test diagnostique
Cas d’un test qualitatif : test de concordance Kappa de Cohen Exemple : (Cas simple à 2 juges, 2 modalités) : Lecture de 100 prélèvements pour recherche de Staphylocoques Juge A Total Test + Test - Juge B 40 10 50 100 Juge A Total Test + Test - Juge B 25 50 100 Accord observée : ( ) / 100 = 0,8 Part de l’accord lié au hasard : ( ) / 100 = 0,50 Mercredi 7 septembre 2016 Bouzillé Guillaume

8 Fiabilité d’un test diagnostique
Cas d’un test qualitatif : test de concordance Kappa de Cohen Exemple : (Cas simple à 2 juges, 2 modalités) : Lecture de 100 prélèvements pour recherche de Staphylocoques Accord observée : po ( ) / 100 = 0,8 Part de l’accord lié à la chance : pc ( ) / 100 = 0,50 Mercredi 7 septembre 2016 Bouzillé Guillaume

9 Fiabilité d’un test diagnostique
Cas d’un test qualitatif : test de concordance Kappa de Cohen Interprétation Limites : Ces seuils ne font pas consensus (dépendent du nombre de modalité) Test de significativité : peu d’intérêt car test de non nullité Prudence dans l’interprétation Intervalle de confiance à 95% Kappa Accord < 0 Très mauvais 0 à 0,2 Mauvais 0,21 à 0,4 Modéré 0,41 à 0,6 Médiocre 0,61 à 0,8 Bon > 0,81 Excellent Autres cas de figures : + de deux modalités : Kappa pondéré + de deux juges : Kappa de Fleiss … Mercredi 7 septembre 2016 Bouzillé Guillaume

10 Fiabilité d’un test diagnostique
Cas d’un test quantitatif : A éviter : le coefficient de corrélation seul Indique la présence d’une association Mais ne reflète pas le degré de concordance Mercredi 7 septembre 2016 Bouzillé Guillaume

11 Fiabilité d’un test diagnostique
Cas d’un test quantitatif : la méthode de Bland et Altman Permet d’estimer le biais de mesure d’une méthode candidate : (biais systématique, biais proportionnel) Permet de visualiser si la méthode candidate respecte les limites d’agrément que l’on est prêt à accepter Autre méthode possible : corrélation intra-classe Mercredi 7 septembre 2016 Bouzillé Guillaume

12 Validité d’un tests diagnostique Valeur informationnelle d’un test
Comment évaluer les performances d’un test diagnostique ? => Réalisation d’une étude de type diagnostique Principe général simplifié : Recrutement de n patients suspecté d’avoir la maladie, ayant à la fois : L’examen de référence Le test diagnostique à évaluer L’examen de référence va permettre de définir le statut malade/non malade des n patients pour la maladie considérée dans l’étude Le test diagnostique va fournir un résultat : examen positif / examen négatif. Mercredi 7 septembre 2016 Bouzillé Guillaume

13 Validité d’un tests diagnostique Valeur informationnelle d’un test
Réalisation de l’examen de référence n patients Non malades Malades Mercredi 7 septembre 2016 Bouzillé Guillaume

14 Validité d’un tests diagnostique Valeur informationnelle d’un test
Réalisation de l’examen de référence n patients Non malades Malades Test diagnostique Négatif Positif Mercredi 7 septembre 2016 Bouzillé Guillaume

15 Validité d’un tests diagnostique Valeur informationnelle d’un test
Réalisation de l’examen de référence n patients FN Non malades Malades VP Test diagnostique Négatif VN FP Positif Mercredi 7 septembre 2016 Bouzillé Guillaume

16 Validité d’un tests diagnostique Valeur informationnelle d’un test
Retranscription des effectifs dans un tableau de contingence : Malades (M+) Non malades (M-) Test + Patients malades avec test + Vrais positifs (VP) Patients non malades avec test + Faux positifs (FP) Test - Patients malades avec test – Faux négatifs (FN) Patients non malades avec test – Vrais négatifs (VN) Mercredi 7 septembre 2016 Bouzillé Guillaume

17 Validité d’un tests diagnostique Valeur informationnelle d’un test
Exemple : On souhaite évaluer la performance du Fibroscan dans le diagnostic de cirrhose hépatique chez les patients atteints d’hépatite C chronique et VIH. L’examen de référence considéré était la ponction-biopsie hépatique (PBH). 72 patients ont eu à la fois une PBH et un Fibroscan. Mercredi 7 septembre 2016 Bouzillé Guillaume

18 Validité d’un tests diagnostique Valeur informationnelle d’un test
72 patients ont eu a la fois une PBH et un Fibroscan. 17 patients ont eu un diagnostic de cirrhose à la PBH. 15 patients cirrhotiques ont eu un Fibroscan considéré positif Malades (M+) Non malades (M-) Total Test + 15 3 18 Test - 2 52 54 17 55 72 Mercredi 7 septembre 2016 Bouzillé Guillaume

19 Validité d’un tests diagnostique Valeur informationnelle d’un test
=> Le Fibroscan est-il un test performant pour le diagnostic de cirrhose chez les patients VHC-VIH ? Quel test étudié ? Le Fibroscan Pour quelle maladie ? La cirrhose Dans quelle population ? Les patients co-infectés VHC et VIH. Il faut évaluer la valeur informationnelle du test par le biais de critères intrinsèques au test : sensibilité et spécificité Mercredi 7 septembre 2016 Bouzillé Guillaume

20 Validité d’un tests diagnostique Valeur informationnelle d’un test
La sensibilité du test (Se) : Probabilité d’avoir un test positif quand on est malade. Malades (M+) Non malades (M-) Test + VP FP Test - FN VN Mercredi 7 septembre 2016 Bouzillé Guillaume

21 Validité d’un tests diagnostique Valeur informationnelle d’un test
Exemple : sensibilité du Fibroscan : 88 % des patients malades ont un Fibroscan positif. Malades (M+) Non malades (M-) Total Test + VP : 15 VN : 3 18 Test - FN : 2 FP : 52 54 17 55 72 Mercredi 7 septembre 2016 Bouzillé Guillaume

22 Validité d’un tests diagnostique Valeur informationnelle d’un test
La sensibilité du test (Se) Probabilité d’avoir un test positif quand on est malade = Capacité du test à détecter les malades Comprise entre 0 et 1 (ou 0 et 100 %) Une sensibilité de 1 indique que : Tous les malades sont positifs Utile pour exclure la maladie lorsque le test est négatif. Mercredi 7 septembre 2016 Bouzillé Guillaume

23 Validité d’un tests diagnostique Valeur informationnelle d’un test
Cas d’une sensibilité de 1 : Une sensibilité de 1 = aucun faux négatif. Donc tous les tests négatifs concernent des non malades. => Si Se =1 et le test -, on peut exclure la maladie. Mais tous les non malades n’ont pas forcément un test négatif ! Malades (M+) Non malades (M-) Total Test + VP : 17 FP : 35 52 Test - FN : 0 VN : 20 20 17 55 72 Mercredi 7 septembre 2016 Bouzillé Guillaume

24 Validité d’un tests diagnostique Valeur informationnelle d’un test
La spécificité du test (Sp) : Probabilité d’avoir un test négatif quand on n’est pas malade. Malades (M+) Non malades (M-) Test + VP FP Test - FN VN Mercredi 7 septembre 2016 Bouzillé Guillaume

25 Validité d’un tests diagnostique Valeur informationnelle d’un test
Exemple : spécificité du Fibroscan : 94,5 % des patients non malades (sans cirrhose) ont un Fibroscan négatif. Malades (M+) Non malades (M-) Total Test + VP : 15 FP : 3 18 Test - FN : 2 VN : 52 54 17 55 72 Mercredi 7 septembre 2016 Bouzillé Guillaume

26 Validité d’un tests diagnostique Valeur informationnelle d’un test
La spécificité du test (Sp) Probabilité d’avoir un test négatif quand on n’est pas malade = Capacité du test à ne pas détecter les non malades Comprise entre 0 et 1 (ou 0 et 100 %) Si Sp = 1 : Tous les non malades sont négatifs Utile pour confirmer la maladie lorsque le test est positif. Mercredi 7 septembre 2016 Bouzillé Guillaume

27 Validité d’un tests diagnostique Valeur informationnelle d’un test
Cas d’une spécificité de 1 : Une sensibilité de 1 = aucun faux positif. Donc tous les tests positifs concernent des malades. => Si Sp =1 et le test +, on peut poser le diagnostic. Mais tous les malades n’ont pas forcément un test positif ! Malades (M+) Non malades (M-) Total Test + VP : 10 FP : 0 10 Test - FN : 7 VN : 55 62 17 55 72 Mercredi 7 septembre 2016 Bouzillé Guillaume

28 Validité d’un tests diagnostique Valeur informationnelle d’un test
Remarques : En sémiologie, un signe de spécificité absolue (= 1) est dit « pathognomonique » Sa présence affirme le diagnostic. En revanche, son absence ne permet pas d’écarter le diagnostic (car il n’est pas présent chez tous les malades). Mercredi 7 septembre 2016 Bouzillé Guillaume

29 Validité d’un tests diagnostique Valeur informationnelle d’un test
Si sensibilité et spécificité valent 1 : On parle alors de test parfait : Tous les malades ont un test positif Tous les non malades ont un test négatif Malades (M+) Non malades (M-) Total Test + VP : 17 FP : 0 17 Test - FN : 0 VN : 55 55 72 Mercredi 7 septembre 2016 Bouzillé Guillaume

30 Validité d’un tests diagnostique Valeur informationnelle d’un test
Cas d’un test quantitatif Comment faire pour classer les patients ? Résultat du test chez les patients non malades Résultat du test chez les patients malades Que des non malades Que des malades Résultat du test Mercredi 7 septembre 2016 Bouzillé Guillaume

31 Validité d’un tests diagnostique Valeur informationnelle d’un test
Choix d’un seuil : => Permet de revenir à une situation binaire : une valeur au dessus du seuil = positif une valeur en dessous du seuil = négatif Seuil Test - Test + VN VP FN FP Mercredi 7 septembre 2016 Bouzillé Guillaume

32 Validité d’un tests diagnostique Valeur informationnelle d’un test
Du choix du seuil dépend : les proportions de vrais positifs, de faux positifs, de vrais négatifs et de faux négatifs. et donc des valeurs intrinsèques et extrinsèques du test (cf plus loin). Mercredi 7 septembre 2016 Bouzillé Guillaume

33 Validité d’un tests diagnostique Valeur informationnelle d’un test
Si on augmente le seuil ? M+ M - T+ 20 10 T- 60 Total 30 70 Se = 20/30 = 0.67 Sp = 60/70 = 0.85 Seuil Test - Test + VN M+ M - T+ 10 5 T- 20 65 Total 30 70 VP Se = 10/30 = 0.33 Sp = 65/70 = 0.93 FN FP Mercredi 7 septembre 2016 Bouzillé Guillaume

34 Validité d’un tests diagnostique Valeur informationnelle d’un test
Si on augmente le seuil ? Faux négatifs  Se  Faux positifs  Sp  Seuil Test - Test + VN VP FN FP Mercredi 7 septembre 2016 Bouzillé Guillaume

35 Validité d’un tests diagnostique Valeur informationnelle d’un test
Si on diminue le seuil ? Faux négatifs  Se  Faux positifs  Sp  Seuil Test - Test + VN VP FN FP Mercredi 7 septembre 2016 Bouzillé Guillaume

36 Validité d’un tests diagnostique Valeur informationnelle d’un test
Evolution de Se et Sp en fonction du seuil Se Sp Mercredi 7 septembre 2016 Bouzillé Guillaume

37 Validité d’un tests diagnostique Valeur informationnelle d’un test
Courbe ROC : « Receiver operating Characteristics » Evaluation conjointe de : la sensibilité la spécificité en fonction du seuil Permet de visualiser et d’évaluer la capacité diagnostique d’un test Permet de déterminer quel seuil est le plus adapté. 90 70 50 Se 1 - Sp Mercredi 7 septembre 2016 Bouzillé Guillaume

38 Validité d’un tests diagnostique Valeur informationnelle d’un test
Que nous donne un test parfaitement discriminant ? Les distributions des malades et des non malades ne se chevauchent pas. => Il y a donc au moins une valeur seuil qui permet de classer correctement tous les malades et les non malades Courbe ROC Seuil Se et Sp = 1 Mercredi 7 septembre 2016 Bouzillé Guillaume

39 Validité d’un tests diagnostique Valeur informationnelle d’un test
Situation inverse : test non discriminant Quel que soit le seuil : la probabilité que le test soit positif si on est malade = La probabilité que le test soit négatif si on est malade Courbe ROC Se 1 - Sp Mercredi 7 septembre 2016 Bouzillé Guillaume

40 Validité d’un tests diagnostique Valeur informationnelle d’un test
Situation inverse : test non discriminant Le test et la maladie sont indépendant => Le test n’est pas plus performant que le hasard => test sans intérêt Mercredi 7 septembre 2016 Bouzillé Guillaume

41 Validité d’un tests diagnostique Valeur informationnelle d’un test
Zone absurde (violet) : Probabilité T+ plus faible chez les malades => inverser les résultats du tests Mercredi 7 septembre 2016 Bouzillé Guillaume

42 Validité d’un tests diagnostique Valeur informationnelle d’un test
Aire sous la courbe ROC ou AUC : « Area Under Curve » Permet d’évaluer la performance diagnostique d’un test de façon synthétique : Test parfait : AUC = 1 Test inopérant : AUC = 0.5 Notre test : AUC = 0.94 Une AUC > 0.7 est considérée comme bonne. 1 0.94 0.5 Mercredi 7 septembre 2016 Bouzillé Guillaume

43 Validité d’un tests diagnostique Valeur informationnelle d’un test
Le rapport de vraisemblance positif : Varie de 1 à ∞ Si RVP = 1, alors le test est non informatif, i.e la probabilité que le test soit positif est la même chez les malades que les non malades Si RVP >> 1, la probabilité d’avoir la maladie à l’issue du test sera très supérieure à la probabilité pré-test (diagnostic très probable si > 10) = Puissance d’un test positif pour affirmer un diagnostic Mercredi 7 septembre 2016 Bouzillé Guillaume

44 Validité d’un tests diagnostique Valeur informationnelle d’un test
Le rapport de vraisemblance positif : Exemple du Fibroscan pour le diagnostic de cirrhose chez les patients VHC-VIH : Se = 0.88 et Sp = 0.945 => Le rapport de vraisemblance positif est donc de 16. Mercredi 7 septembre 2016 Bouzillé Guillaume

45 Validité d’un tests diagnostique Valeur informationnelle d’un test
Le rapport de vraisemblance négatif : Varie de 0 à 1 Si RVN = 1, alors le test est non informatif, i.e la probabilité que le test soit négatif est la même chez les malades que les non malades Si RVP << 1, la probabilité d’avoir la maladie à l’issue du test sera très inférieure à la probabilité pré-test. (Rejet de la maladie quasi certain si < 0.1) = Puissance d’un test négatif pour rejeter un diagnostic Mercredi 7 septembre 2016 Bouzillé Guillaume

46 Validité d’un tests diagnostique Valeur informationnelle d’un test
Le rapport de vraisemblance négatif : Exemple du Fibroscan pour le diagnostic de cirrhose chez les patients VHC-VIH : Se = 0.88 et Sp = 0.945 => Le rapport de vraisemblance négatif est donc de 0.12. Mercredi 7 septembre 2016 Bouzillé Guillaume

47 Pouvoir prédictif d’un test diagnostic
Correspond aux critères extrinsèques d’un test Permet d’évaluer l’apport du test pour la décision qui sera prise dans la démarche diagnostic d’un patient. Dépend de la sensibilité de la spécificité et de la prévalence de la maladie. Mercredi 7 septembre 2016 Bouzillé Guillaume

48 Pouvoir prédictif d’un test diagnostic
La valeur prédictive positive du test (VPP) : Probabilité d’être malade si le test est positif. Malades (M+) Non malades (M-) Test + VP FP Test - FN VN Avec p la prévalence de la maladie (nombre d’individus malades) Mercredi 7 septembre 2016 Bouzillé Guillaume

49 Pouvoir prédictif d’un test diagnostic
Exemple : VPP du Fibroscan : 83 % des patients avec un Fibroscan positif sont malades. Malades (M+) Non malades (M-) Total Test + VP : 15 FP : 3 18 Test - FN : 2 VN : 52 54 17 55 72 Mercredi 7 septembre 2016 Bouzillé Guillaume

50 Pouvoir prédictif d’un test diagnostic
La valeur prédictive négative du test (VPN) : Probabilité d’être non malade si le test est négatif. Malades (M+) Non malades (M-) Test + VP FP Test - FN VN Avec p la prévalence de la maladie (nombre d’individus malades) Mercredi 7 septembre 2016 Bouzillé Guillaume

51 Pouvoir prédictif d’un test diagnostic
Exemple : VPN du Fibroscan : 96 % des patients avec un Fibroscan négatifs ne sont pas malades. Malades (M+) Non malades (M-) Total Test + VP : 15 FP : 3 18 Test - FN : 2 VN : 52 54 17 55 72 Mercredi 7 septembre 2016 Bouzillé Guillaume

52 Pouvoir prédictif d’un test diagnostic
Les caractéristiques extrinsèques d’un test sont donc : La valeur prédictive positive : VPP (Probabilité d’être malade si test +) La valeur prédictive négative VPN (Probabilité d’être non malade si test -) 1- VPN = (Probabilité d’être malade si test –) => Des valeurs prédictives élevées indiquent que ce test sera utile à la démarche dagnostique Elles varient en fonction de : La prévalence de la maladie La sensibilité et la spécificité (Les caractéristiques intrinsèques ne dépendent pas de la prévalence.) Mercredi 7 septembre 2016 Bouzillé Guillaume

53 Pouvoir prédictif d’un test diagnostic
Deuxième test avec une sensibilité plus forte (les autres paramètres étant identiques). Donc si Se augmente, VPP et VPN augmente. M+ M - Total T+ 15 3 18 T- 2 52 54 17 55 72 M+ M - Total T+ 16 3 19 T- 1 52 53 17 55 72 Se = Sp = 0.94 => VPP = 0.83 => VPN = 0.96 Se = Sp = 0.94 => VPP = 0.84 => VPN = 0.98 Mercredi 7 septembre 2016 Bouzillé Guillaume

54 Pouvoir prédictif d’un test diagnostic
Deuxième test avec une spécificité plus forte (les autres paramètres étant identiques). Donc si Sp augmente, VPP et VPN augmente. M+ M - Total T+ 15 3 18 T- 2 52 54 17 55 72 M+ M - Total T+ 15 1 16 T- 2 54 56 17 55 72 Se = Sp = 0.94 => VPP = 0.83 => VPN = 0.96 Se = Sp = 0.98 => VPP = 0.94 => VPN = 0.964 Mercredi 7 septembre 2016 Bouzillé Guillaume

55 Pouvoir prédictif d’un test diagnostic
On refait le Fibroscan dans une autre population avec une prévalence plus élevée (les autres paramètres étant identiques). Donc si la prévalence augmente, la VPP augmente et la VPN diminue. M+ M - Total T+ 15 3 18 T- 2 52 54 17 55 72 M+ M - Total T+ 30 3 33 T- 4 52 56 34 55 72 Se = Sp = 0.94 => VPP = 0.83 => VPN = 0.96 Se = Sp = 0.94 => VPP = 0.90 => VPN = 0.92 Mercredi 7 septembre 2016 Bouzillé Guillaume

56 Pouvoir prédictif d’un test diagnostic
=> Un même examen utilisé en situation de dépistage et de diagnostic n’aura pas les mêmes valeurs prédictives : Mammographie chez toutes les femmes > 50 ans => prévalence faible de cancer du sein VPP faible VPN forte Mammographie chez les femmes > 50 ans venant en consultation car existence de symptômes => prévalence élevée du cancer du sein VPP forte VPN faible Mercredi 7 septembre 2016 Bouzillé Guillaume

57 Tests diagnostiques en résumé
Pour résumer, l’étude diagnostique nous a permis de déterminer : Les critères intrinsèques du test : Sensibilité : probabilité que le test soit positif si on est malade Spécificité : probabilité que le test soit négatif si on n’est non malade Ne dépendent pas de la prévalence Dépendent des conditions de réalisation de l’examen et des caractéristiques des patients. Les critères extrinsèques du test : VPP : probabilité d’être malade si le test est positif VPN : probabilité d’être non malade si le test est négatif Dépendent de la prévalence Dépendent de Se et Sp Remarques : toutes nos estimations doivent être accompagnées de leur intervalle de confiance à 95% (Se, Sp, VPP, VPN, AUC, …) Mercredi 7 septembre 2016 Bouzillé Guillaume

58 Tests diagnostiques Place dans le raisonnement médical
Exemple : la prévalence de la cirrhose chez les patients atteint d’une hépatopathie chronique alcolique est de 0.35 (données fictives). On décide de réaliser un fibroscan : En pratique clinique, nous connaissons : Le résultat du test diagnostique Ses caractéristiques intrinsèques (Sensibilité et Spécificité) La prévalence de la maladie (donc la probabilité pour un patient d’être malade) : qui peut être différente des conditions de l’étude. Mais on ne connaît pas le diagnostic réel (test de référence) Ce qui nous intéresse est de connaître la probabilité d’être malade à l’issue du test : la « probabilité post-test » d’avoir la maladie : Si test - : 1 – VPN = P(M+/T-) Si test + : VPP = P(M+/T+) Mercredi 7 septembre 2016 Bouzillé Guillaume

59 Tests diagnostiques Place dans le raisonnement médical
Test positif Probabilité d’avoir la maladie avant le test diagnostique Probabilité d’avoir la maladie connaissant le résultat du test Fibroscan + Probabilité pré-test Probabilité post-test 0.35 0.8 ? 1 Probabilité de cirrhose Mercredi 7 septembre 2016 Bouzillé Guillaume

60 Tests diagnostiques Place dans le raisonnement médical
Test négatif Fibroscan - Probabilité post-test Probabilité pré-test 0.1 ? 0.35 1 Probabilité de cirrhose Mercredi 7 septembre 2016 Bouzillé Guillaume

61 Tests diagnostiques Place dans le raisonnement médical
La réalisation d’un test diagnostique fait donc évoluer la probabilité qu’un patient ait la maladie : De la probabilité pré-test Vers la probabilité post-test La probabilité augmente si le test est positif Et diminue si le test est négatif. => Comment savoir avant de réaliser le test, le gain que l’on peut espérer dans notre démarche diagnostique ? Mercredi 7 septembre 2016 Bouzillé Guillaume

62 Tests diagnostiques Place dans le raisonnement médical
1ère méthode : On peut recalculer les valeurs de VPP et de VPN en fonction de la prévalence de la maladie dans la nouvelle population : 2ème méthode : à partir des rapports de vraisemblance Mercredi 7 septembre 2016 Bouzillé Guillaume

63 Tests diagnostiques Place dans le raisonnement médical
Définition de l’Odds : Probabilité qu’un événement survienne sur la probabilité qu’il ne survienne pas. Mercredi 7 septembre 2016 Bouzillé Guillaume

64 Tests diagnostiques Place dans le raisonnement médical
Définition du rapport de cote : Exemple : la prévalence de la cirrhose chez les patients atteint d’une hépatopathie chronique alcolique étant de l’Odds pré-test vaudra : => C’est l’Odds pré-test. Reste à déterminer l’Odds post-test. Mercredi 7 septembre 2016 Bouzillé Guillaume

65 Tests diagnostiques Place dans le raisonnement médical
Calcul de l’Odds post test : Si le test est positif : Si le test est négatif : Et pour revenir à la probabilité post-test : Mercredi 7 septembre 2016 Bouzillé Guillaume

66 Tests diagnostiques Place dans le raisonnement médical
Calcul de l’Odds ratio post test : Exemple du Fibroscan chez nos patients avec une hépatopathie chronique d’origine alcolique. Odds pré-test = 0.54 ; RVP = 16 et RVN = 0.12 Si le test est positif : Si le test est négatif : Et pour revenir à la probabilité post-test : Si Fibroscan + : 0.89 Si Fibroscan - : 0.05 Mercredi 7 septembre 2016 Bouzillé Guillaume

67 Tests diagnostiques Place dans le raisonnement médical
Intérêt des Odds ratio : Permet de calculer la probabilité post-test après une succession de tests diagnostiques : Inconvénient : les calculs sont fastidieux On peut s’aider du nomogramme de Fagan (Outil graphique de calcul) Mercredi 7 septembre 2016 Bouzillé Guillaume

68 Tests diagnostiques Place dans le raisonnement médical
Nomogramme de Fagan : Permet d’obtenir la probabilité post-test : VPP si test + 1 – VPN si test - À partir de la probabilité pré-test (= la prévalence de la maladie) Du rapport de vraisemblance (RVP ou RVN) Mercredi 7 septembre 2016 Bouzillé Guillaume

69 Conclusion Le raisonnement médical s’appuie :
Evidence-based medicine : Données de la littérature. Sur des critères objectifs : rapport de vraisemblance, probabilité pré et post-test. = Analyse quantitative de la décision. Sur l’expérience du médecin qui lui permet de resituer les connaissances dans le contexte du problème à résoudre. Sur des critères propres à chaque situation : Bénéfices / risque pour le patient Coût bénéfice. Préférences personnelles du patient. Mercredi 7 septembre 2016 Bouzillé Guillaume