milmar Posted October 28, 2014 Posted October 28, 2014 Bonsoir, je n'arrive toujours pas à comprendre les courbes sur les diapos de cours lien entre valeurs prédictives et spécificité (sensibilité) Si quelqu'un sait comment expliquer, merci d'avance.
Solution Charly Posted October 30, 2014 Solution Posted October 30, 2014 Hey Milmar ! Tout à l'heure une question sur les courbes ROC, et maintenant ça, j'ai l'impression que les courbes du dernier cours de Lang ont pas trop été appréciées J'ai ton image qui veut pas s'afficher, mais je pense que c'est à cause de la maintenance d'hier, parce qu'il me semble que j'avais pu l'afficher l'autre jour. Bref, je reposte les diapos, pour que ceux qui passent par là voient bien de quoi on parle Ces courbes ne sont pas aussi compliquées qu'elles n'y paraissent. [Après relecture, je me rends compte que j'ai écrit un sacré pavé ; panique pas, c'est juste que c'est plus difficile à expliquer qu'à comprendre ^^"] Dans le cours, vous avez dû voir la formule qui permettait de calculer la VPP et la VPN ; vous avez vu qu'elles dépendaient de 3 paramètres : la sensibilité, la spécificité, et la prévalence de la maladie. Ces courbes illustrent en fait l'influence de chacun de ces paramètres sur la VPP et la VPN. Comment la lire maintenant ? Pour les deux graphiques : En abscisse, tu as la probabilité à priori, soit la probabilité que le patient soit atteint de la maladie, avant que tu ne fasses le test : si aucun test n'a été effectué, cela correspond à la prévalence de la maladie de la population. En ordonnée, tu as la probabilité à postériori, soit que patient soit atteint de la maladie après avoir fait le test. Tu peux ainsi déjà distinguer deux cas : Pour les courbes de la moitié supérieure gauche du graphique, la probabilité à postériori est supérieure à celle à priori (il est plus probable que ton patient soit malade, par rapport à avant) ; tu peux donc en déduire que le test a été positif (on est d'accord ?).Dans ce cas, en ordonnée, tu as la probabilité que ton patient soit malade, quand le test est positif : il s'agit de la Valeur Prédictive Positive du test (par définition). Pour les autres courbes, celles de la moitié inférieure droite du graphique, la probabilité que tes patients soient malades après que tu aies effectué le test est inférieure à la probabilité que tu avais avant : tu en déduis que le test a été négatif.En ordonnée, tu as ainsi la probabilité que le patient soit malade, alors que le test est négatif. Là, c'est plus subtil, puisque cette valeur en elle-même ne nous intéresse pas : ce qu'on veut, pour les tests négatifs, c'est la Valeur Prédictive Négative, soit la probabilité de ne pas être malade quand le test est négatif. En fait tu remarques (enfin j'espère, n'hésite pas à te faire l'arbre si tu ne vois pas) qu'on a là la probabilité de l'évènement inverse, soit 1-VPP.En bref, ce qu'il faut retenir, c'est que pour ces courbes, plus tu descends bas sur le graphique, plus la VPN est élevée. Avec ça, tu peux ainsi interpréter une courbe isolée : elle te donne soit la VPP, soit la VPN (qui se lit donc à l'envers), en fonction de la prévalence de la maladie. Cette courbe, tu l'obtiens pour des valeurs de Se et Spé fixées. Dans chaque cas, tu peux donc visualiser l'influence de la prévalence dur la VPP ou la VPN. Maintenant, comment on évalue l'influence de la Sensibilité et de la Spécificité ? C'est là qu'on commence à avoir plusieurs courbes : chaque courbe étant tracée pour des valeurs de Se et de Spé données, si tu veux modifier ces valeurs, tu dois tracer d'autres courbes ; c'est exactement ce qui est fait là. Pour voir l'influence de la Sensibilité sur les VPP et VPN, on va donc la faire varier, et observer comment bougent les courbes. Pour que ça n'interfère pas, on garde une Spé constante (ici 90%) : c'est ce qui est fait dans la première diapo. Tu as donc plusieurs courbes, correspondant à plusieurs valeurs de la Sensibilité. Pour les tests positifs, tu remarques que l'augmentation de la Se (de 60 à 95 %) déplace assez peu la courbe, et augmente donc peu la VPP d'un test. C'est ce qu'il faut retenir ici : la sensibilité a une faible influence sur la VPP. En revanche, pour les tests négatifs, c'est l'inverse : tu vois que l'augmentation de la Se déplace nettement plus la courbe des VPN. C'est la deuxième information à retenir de ce graphique : la sensibilité a une forte influence sur la VPN. Dans le second graphique, on recommence l'opération pour la Spé, la Se étant cette fois fixée (à 90%). Là, tu obtiens les résultats inverses : l'augmentation de la Spé déplace beaucoup les courbes des VPP, mais peu celles des VPN. C'est donc ce qu'il faut retenir : La spécificité a une grande influence sur la VPP, et une faible influence sur la VPN. Et recoupant les informations des deux graphiques, tu peux réécrire ça dans l'autre sens : La VPP est plus influencée par la Spé que par la Se La VPN est plus influencée par la Se que par la Spé Au final, ce sont ces conclusions qui sont importantes, et qu'il faut retenir ; les courbes n'étant là que pour les illustrer. Et voilà on a fait le tour je pense. Il y a beaucoup d'informations mélangées dans ces courbes, du coup j'ai eu un peu de mal à savoir par quoi commencer ; si c'était pas assez clair du coup, n'hésite pas à me le dire Bonne soirée !
milmar Posted October 31, 2014 Author Posted October 31, 2014 Merci beaucoup pour ta réponse, c'est très clair ! Bon week-end
Recommended Posts