Commentaire sur l'article

• Lire les statistiques, cela s’apprend

  le 12 janvier 2022 à 18:40, par ourl5723

  Bonjour,
  dans cet article, au résultat « étonnant » tous les calculs de probabilités sont incontestables, mais permettez moi de ne pas souscrire à la définition de :
  « test fiable à 99% ». A savoir que l’ensemble de référence pris ce sont exclusivement des malades. De mon point de vue la fiabilité d’un test doit porter sur les malades et les non-malades en terme de calcul probabiliste je dirai que la fiabilité du test est :
  P(TP/M) + P(TP/NM) avec NM : non malade (M barre).

  Merci pour votre réponse.
  Cordialement

  Répondre à ce message
• Lire les statistiques, cela s’apprend

  le 15 janvier 2022 à 22:44, par Marie Lhuissier

  Bonsoir,
  Je crois que vous avez raison.
  Je ne suis pas spécialiste (ces billets sont des notes que j’ai prises hebdomadairement d’exposés auxquels j’ai assisté), mais il semblerait que la « fiabilité » ne soit pas bien définie.

  D’après ce que j’ai pu voir, on parle de sensibilité d’un test pour TP/M et de spécificité pour TN/NM. Et, plus généralement, de performance du test (qui n’a pas l’air d’être une notion quantifiée, mais seulement qualitative) quand on veut prendre en compte les deux.
  Dans quelques articles journalistiques actuels que j’ai pu trouver titrant sur la fiabilités des tests PCR& co, le corps de l’article détaille en réalité les notions de sensibilité et spécificité.

  J’imagine que l’oratrice voulait utiliser un mot qui soit intuitivement compris, tout en donnant directement après une définition précise et opérationnelle. À l’époque (décembre 2016), la fiabilité des tests médicaux était un sujet moins brûlant !

  Répondre à ce message
• Lire les statistiques, cela s’apprend

  le 16 janvier 2022 à 18:05, par ourl5723

  Bonjour,
  merci pour votre aimable réponse, encore qu’en relisant mon premier message je me rends compte que ma remarque était loin d’être claire. Mais effectivement je pense que la définition « officieuse » choisie pour la fiabilité induit une erreur mais aussi le fait que le raisonnement est dépendant du nombre de malades dans la population étudiée
  (1/10 000) ce qui amène à ces 9% de risque d’être malade pour un test positif, ce qui est encore plus choquant aujourd’hui avec le Covid ! Les tests seraient donc totalement inutiles ? Voila de quoi donner des arguments aux anti-vacc...
  Pour illustrer l’influence du nombre de malades dans la population (ce qui ne devrait pas être) sur la probabilité d’être malade si le test est positif je vous propose une simulation Excel où je fais varier le nombre de malades dans la population tout en gardant la fiabilité du test sur les malades à 99% ainsi que les autres données. Ainsi pour 1/10 000 effectivement 9% mais pour 2% de la population malade, la probabilité d’être malade si le test est positif est de 95% et donc plus la proportion de malades augmente dans la population plus le test détecte les malades ce n’est pas vraiment comme cela qu’un test fonctionne (heureusement !).

  Cordialement
  Jacques Ourliac

  Document joint : stat_tests.pdf
  Répondre à ce message