Sensibilité et spécificité : choisir le bon test

Un test n'a pas de valeur en soi. Il en a une par rapport à ce que vous cherchez à faire à cet instant : écarter une hypothèse, ou la confirmer. C'est la seule question qui compte en pratique, et c'est celle que la définition récitée de la sensibilité et de la spécificité ne permet pas de trancher.

Ce que mesurent la sensibilité et la spécificité

La sensibilité est la proportion de personnes réellement atteintes chez qui le test est positif. Elle se calcule dans la colonne des malades. La spécificité est la proportion de personnes réellement indemnes chez qui le test est négatif. Elle se calcule dans la colonne des non-malades. Ces deux valeurs sont des propriétés du test, mesurées par rapport à un test de référence, et elles ne dépendent pas directement de la fréquence de la maladie dans votre patientèle.

La conséquence logique est celle que résument les deux acronymes anglo-saxons que tout le monde connaît sans toujours savoir s'en servir. Un test très sensible qui revient négatif permet d'écarter, parce qu'il rate peu de vrais malades. Un test très spécifique qui revient positif permet de confirmer, parce qu'il se déclenche rarement chez les non-malades. Le point clé est que la valeur du résultat dépend de son sens : un test sensible qui est positif n'apprend presque rien, et un test spécifique qui est négatif n'apprend presque rien non plus.

Le rapport de vraisemblance, et comment il se calcule

La sensibilité et la spécificité décrivent le test. Le rapport de vraisemblance décrit ce que le résultat fait à votre estimation. C'est la grandeur la plus directement utilisable au lit du patient, parce qu'elle combine les deux propriétés en un seul nombre par sens de résultat.

• Le rapport de vraisemblance positif se calcule comme la sensibilité divisée par un moins la spécificité. Il indique de combien la probabilité augmente quand le test est positif.
• Le rapport de vraisemblance négatif se calcule comme un moins la sensibilité, divisé par la spécificité. Il indique de combien la probabilité diminue quand le test est négatif.
• Un rapport positif supérieur à 10, ou un rapport négatif inférieur à 0,1, modifie fortement la conclusion. Entre 2 et 5, l'effet est modéré. Autour de 1, le test n'a rien apporté du tout.

L'intérêt de cette grandeur est qu'elle rend visible une réalité inconfortable : beaucoup de tests orthopédiques classiques ont des rapports de vraisemblance proches de 1 lorsqu'ils sont utilisés isolément. Ils sont enseignés, transmis, pratiqués, et ils déplacent en réalité très peu la probabilité. Ce n'est pas une raison de les abandonner, c'est une raison de ne pas fonder une conclusion sur un seul d'entre eux.

Pourquoi la probabilité pré-test change la conclusion

Un test ne produit pas une conclusion, il transforme une estimation de départ en une estimation d'arrivée. Cette estimation de départ, la probabilité pré-test, vient de l'interrogatoire, de l'âge, du mécanisme lésionnel, de l'épidémiologie de votre patientèle. Elle est décisive.

Un exemple. Un test dont la spécificité serait de 95 pour cent appliqué à un patient chez qui la probabilité pré-test est de 5 pour cent laissera, même positif, une probabilité post-test qui reste modeste. Le même test positif chez un patient dont l'histoire, le mécanisme et l'examen orientent déjà à 60 pour cent devient très convaincant. C'est le même test, la même valeur, et deux conclusions opposées. Le dépistage systématique de pathologies rares chez des patients tout-venants produit donc mécaniquement plus de faux positifs que de vrais positifs, quelle que soit la qualité du test.

Le meilleur test du monde appliqué à la mauvaise question donne une réponse fausse avec beaucoup d'assurance.

Pourquoi les Se et Sp publiées varient autant

Les valeurs de sensibilité et de spécificité que l'on trouve dans les manuels varient énormément d'une étude à l'autre pour un même test. Plusieurs raisons expliquent cette dispersion, et il est utile de les connaître avant de retenir un chiffre comme une vérité.

• Le biais de spectre : un test évalué chez des patients recrutés en service de chirurgie, donc déjà très sélectionnés, paraît bien plus performant que le même test appliqué en cabinet de ville.
• L'absence d'insu : quand l'examinateur connaît déjà le résultat de l'imagerie, la performance apparente du test augmente artificiellement.
• L'hétérogénéité de la procédure : beaucoup de tests sont décrits différemment selon les auteurs, position du patient, force appliquée, critère de positivité. Deux études peuvent mesurer deux gestes différents sous le même nom.
• Le choix du test de référence : comparer un test clinique à une imagerie qui n'est elle-même pas parfaite plafonne mécaniquement les performances mesurées.
• La reproductibilité inter-examinateur : un test dont deux praticiens expérimentés ne s'accordent pas sur le résultat ne peut pas être plus fiable que cet accord.

La règle pratique qui en découle est simple : retenir des ordres de grandeur et des profils, pas des décimales. Savoir qu'un test est plutôt sensible ou plutôt spécifique suffit presque toujours à décider quoi en faire. Retenir qu'un test aurait une sensibilité de 87,3 pour cent donne une fausse impression de précision.

Dans quel ordre enchaîner les tests d'un bilan

De ces principes découle une architecture de bilan à trois étages, chacun avec son profil de test.

Le premier temps est le dépistage. On utilise des tests sensibles, on accepte les faux positifs, l'objectif est de ne rien laisser passer. C'est le moment des tests de mise en tension globale, des questions de dépistage des drapeaux rouges, des manœuvres qui reproduisent le symptôme sans grande spécificité.

Le deuxième temps est la discrimination. Une fois une ou deux hypothèses en tête, on utilise des tests spécifiques pour trancher entre elles. C'est ici que les tests réputés spécifiques trouvent leur place, et pas avant : les appliquer d'emblée à un patient non sélectionné revient à gaspiller leur valeur.

Le troisième temps est la confrontation. Les résultats des tests sont remis en face de l'histoire clinique, du comportement des symptômes et de la réponse au traitement d'essai. C'est la réponse au traitement qui, en pratique quotidienne, constitue souvent le test le plus informatif de tous, parce qu'elle intègre l'ensemble du tableau sur plusieurs séances.

Cette architecture explique aussi pourquoi un test négatif peut être une excellente nouvelle clinique. Écarter proprement trois hypothèses grâce à des tests sensibles négatifs est un travail diagnostique réel, même si le bilan se termine sans nom de pathologie affirmé. Le raisonnement clinique consiste à réduire l'incertitude, pas nécessairement à la supprimer.