Le raisonnement médical et les tests diagnostiques

Transcription

1 Marie LEFEVRE et Kevin GOURBEYRE MASSON 11/09/2013 Ue 3 Biomédecine quantitative. Mr Bouzillé Guillaume. Poly disponible sur Facebook. Le raisonnement médical et les tests diagnostiques I. Grands raisonnements A. Par reconnaissance de formes B. Démarche en algorithme (arbre décisionnel) C. Exhaustif ou interniste D. Hypothético-déductif E. Probabiliste II. Les tests diagnostiques A. Cas d un test binaire B. Caractéristiques intrinsèques C. Test quantitatifs 1. Seuil 2. Courbe ROC 3. AUC roc D. Caractéristiques extrinsèques 1. VPP 2. VPN 3. Confrontation E. Interprétation d un test diagnostique et rapport de vraissemblance 1. Interprétation des tests 2. Rapports de vraisemblances (Critères intrinsèques) 3. Rapports de vraisemblance positif 4. Rapports de vraisemblance négatifs 5. Nomogramme de Fagan

2 I. Grands raisonnements Le point de départ : La plainte du patient «Docteur, j ai une douleur à la poitrine». S en suit un recueil de données (Symptômes, antécédents, traitements, signes cliniques...) Et pendant ce temps, le médecin raisonne Mais comment? A. Raisonnement par reconnaissance de formes : Un diagnostic s impose d emblée et de façon intuitive. Par reconnaissance d une configuration caractéristique de signes ou par reconnaissance d une situation déjà vécue. Raisonnement particulier car nécessite une très bonne culture médicale et est donc le plus souvent utilisée par des médecins expérimentés. Attention, peut-être la source d erreurs. B. Raisonnement par démarche en algorithme (ou arbre décisionnel) : Cheminement souvent binaire (absence ou présence de signe). Intérêt pédagogique pour formaliser la démarche diagnostique. Mais peut devenir trop simpliste (arbre non exhaustif). 2/18

3 C. Raisonnement exhaustif ou démarche interniste (car utilise par la médecine interne) : Elaboration de l ensemble des éléments susceptibles d aboutir à un diagnostic, sans orientation préétablie. Intéressant pour les médecins en formation ou pour les cas complexes : maladies rares En pratique, trop fastidieux et noie l information pertinente qui aurait permis d aboutir au diagnostic plus facilement. D. Raisonnement hypothético-déductif : Je formule des hypothèses (souvent générées par la reconnaissance de formes). Je déduis de mes hypothèses des signes ou des résultats d examens attendus et je confronte ensuite ces résultats attendus avec ce qui est observé ; ce qui me permet d infirmer ou non mes hypothèses. J en formule éventuellement de nouvelles. 3/18

4 E. Raisonnement probabiliste : C est un raisonnement hypothético-déductif mais les hypothèses ne sont pas confirmées ou infirmées. On leur attribue une probabilité en fonction des signes qui sont retrouvés ou non. On s arrête lorsque la probabilité d une des hypothèses dépasse le seuil décisionnel. Remarque : Le raisonnement intervient à tous les niveaux Dès la plainte du patient (hypothèses précoces), après l interrogatoire et l examen clinique (hypothèses intermédiaires), après les examens complémentaires (hypothèses tardives).le raisonnement n est pas seulement valable pour la démarche diagnostique mais aussi par exemple : -Pour faire le choix d un traitement (mon patient est insuffisant cardiaque et âgé => je privilégie un traitement non invasif plutôt que chirurgical) -Planifier une prise en charge (Complications infectieuses possibles => je demande une surveillance de la T à l IDE) -Faire un pronostic (âge du patient, stade de la maladie => pronostic sévère) Tout raisonnement dépend bien sûr du bon recueil de données et des connaissances du médecin pour formuler les bonnes hypothèses. Durant la pratique le médecin fait intervenir un raisonnement mixte (intuitif + probabiliste + etc.) Problème : Comment quantifier l apport d un signe et d un résultat d examen dans ma démarche médicale? Ex : Mon patient vient pour dyspnée aiguë. Au terme de l examen clinique, mon patient a une probabilité faible d embolie pulmonaire (20 %) Je vais doser les D-dimères qui reviennent positives. => A ce stade, quelle est la probabilité que mon patient ait une embolie pulmonaire? 4/18

5 II. Tests diagnostiques Objectifs : Evaluer les performances, l utilité ou valeur informationnelle d un test et quantifier la vraisemblance d un diagnostic. Examen de référence «Gold standard» L avantage de cet examen de référence est qu il permet un diagnostic de certitude binaire (malade/non malade).l inconvénient est qu il est rarement utilisé en clinique car il existe peu d examen qui peuvent poser un diagnostic de certitude. Mais aussi pas toujours applicable en pratique car trop couteux, invasif, non disponible etc. Tests diagnostiques Ils sont avantageux car non invasifs, peu dangereux, peu couteux, réalisables en routine mais possèdent un risque d erreur important. Ils permettent plusieurs types de réponse : Binaire : Tilt test Ordinal : Echelle de mesure Quantitatif : Glycémie Cas test positif : Hypothèse : peut avoir cardiopathie ischémique de l ordre de 30%. Réalisation du test «épreuve d effort» qui est positif, du coup la probabilité post-test d avoir une cardiopathie ischémique passe de 30% à 80 %. 5/18

6 Par contre pour le cas du test négatif, si le résultat est négatif la probabilité d avoir une cardiopathie ischémique tombe à 10 %. Comment évaluer l apport d un test diagnostique? (réalisation d un test diagnostique et d un test de référence) Pour réaliser une étude d évaluation, il faut n sujets ayant à la fois un examen de référence et le test diagnostique à évaluer. Ce qui permet de déterminer les caractéristiques Intrinsèques (sensibilité et spécificité, rapports de vraisemblance) et extrinsèques ( valeurs prédictives positives et négatives). A. TEST DIAGNOSTIQUE cas test binaire VP : Vrai positif FP : Faux positif VN : Vrai négatif FN : Faux négatif Malades (M+) Non malades (M-- Test + VP FP Test - FN VN 6/18

7 B. Caractéristiques intrinsèques (Se et Sp): La sensibilité (Se) Probabilité d avoir un test positif quand on est malade = Capacité du test à détecter les malades Comprise entre 0 et 1 Si Se = 1 Tous les malades sont positifs Utile pour exclure la maladie lorsque le test est négatif. 7/18

8 La spécificité (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 Si Sp = 1 : Tous les non malades sont négatifs Utile pour confirmer la maladie lorsque le test est positif. Probabilité d avoir un test négatif quand on est pas malade Remarque : En sémiologie, un signe de spécificité absolue (= 1) est dit «pathognomonique»,sa présence affirme le diagnostic mais en revanche, son absence ne permet pas d écarter le diagnostic (car il n est pas présent chez tous les malades). Si on revient à notre examen gold standard : Celui-ci aura à la fois une sensibilité et une spécificité à 1. Et si le test renvoie des valeurs numériques? 8/18

9 C. Test quantitatifs 1. Seuil On observe sur ce graphique 2 populations, une «malade» et une «non malade». Les résultats d un dosage se répartissent de telle sorte que les deux populations se chevauchent. On met donc en place un seuil : lorsque le dosage dépasse cette valeur seuil, on considère le test positif. On obtient donc au-delà du seuil des «vrais positifs» (population malade : rouge) et des «faux positifs» (population non malade : bleu). En deçà du seuil on aura des «vrais négatifs» et des «faux négatifs». On fait un tableau de contingence qui regroupe toutes ces données. 9/18

10 Si on augmente le seuil : le nombre de faux négatifs augmente et donc, la sensibilité diminue tandis que le nombre de faux positifs diminue (ce qui augmente la spécificité). Si on diminue le seuil on observe le phénomène inverse : le nombre de faux négatifs diminue ce qui augmente la sensibilité du test tandis que le nombre de faux positifs augmente diminuant la spécificité. Tableau récapitulatif de l évolution de la Sensibilité et de la Spécificité en fonction du seuil : 10/18

11 2. Courbe ROC (Receiver operating characteristic) La courbe ROC c est l évaluation conjointe de la sensibilité et spécificité en fonction du seuil. Cela permet de visualiser et d évaluer la capacité diagnostique d un test. NB : l axe des abscisses correspond à «1-spécifité» Que nous donne un test parfaitement discriminant? Les distributions des malades et des non malades ne se chevauchent pas. 11/18

12 => Il y a donc au moins une valeur seuil qui permet de classer correctement tous les malades et les non malades => Test qui pourrait être candidat comme examen de référence, mais qui sera peut-être trop couteux ou invasif Et dans le cas inverse? Quel que soit le seuil, la probabilité que le test soit positif si on est malade est égale à la probabilité que le test soit négatif si on est malade. Donc le test et la maladie sont indépendants => test sans intérêt (capture d écran à faire avec les seuil et FP FN VP VN) 12/18

13 Zone absurde (violet) : (capture d écran à faire) La zone violette correspond à une probabilité de test positif plus faible chez les malades. Il faut alors inverser les résultats du test. 3. Aire sous la courbe ROC (AUC) L AUC permet d évaluer la performance diagnostique d un test de façon synthétique : Test parfait : AUC = 1 (courbe verte) Test inopérant : AUC = 0.5 (courbe rouge) AUC > 0.7 est considérée comme bon Notre test : AUC = 0.94 (courbe bleu) Pour résumer : Les performances intrinsèques d un test sont évaluées par : La sensibilité : Probabilité d avoir un test positif si on est malade La spécificité : Probabilité d avoir un test négatif si on n est pas malade MAIS en pratique, je ne connais pas le statut malade/non malade. Je préférerais connaître : La probabilité d être malade si j ai un test positif = VPP La probabilité de ne pas être malade si j ai un test négatif = VPN 13/18

14 D. Caractéristiques extrinsèques 1. Valeur prédictive positive Valeur prédictive positive = VPP = Probabilité d être malade si le test est positif. 2. Valeur prédictive négative Valeur prédictive négative = VPN = Probabilité de ne pas être malade si le test est négatif. Pour résumer : Les caractéristiques extrinsèques d un test sont : La valeur prédictive positive : Probabilité post-test d être malade si test + La valeur prédictive négative : 1 VPN = Probabilité post-test d être malade si test Des valeurs prédictives élevées indiquent que ce test sera utile à la démarche diagnostique Elles varient en fonction de : La prévalence de la maladie La sensibilité de la spécificité (Les caractéristiques intrinsèques ne dépendent pas de la prévalence.) 14/18

15 3. Valeurs prédictives positives et négatives => Un même examen utilisé en situation de dépistage et de diagnostic n aura pas les mêmes valeurs prédictives : Exemple : Exemple : une mammographie est réalisée chez toutes les femmes de plus de 50 ans. La prévalence de cancer du sein est faible. La VPP sera faible, la VPN sera forte. Une mammographie réalisée chez les femmes de plus de 50 ans venant en consultation car il existe déjà des symptômes (donc une prévalence élevée du cancer du sein) aura une VPP forte et une VPN faible. Prévalence = 10 % VPP = 8/13 = 0.61 VPN = 85/87 = 0.98 Se = 0.8 Sp = 0.94 Prévalence = 50 % VPP = 40/43 = 0.93 VPN = 47/57 = 0.82 Se = 0.8 Sp = 0.94 E. Interprétation d un test diagnostique et rapport de vraisemblance 1. Interprétation des tests En pratique clinique, nous connaissons : Le résultat du test, Les caractéristiques intrinsèques du test (Se et Sp), La prévalence de la maladie : «probabilité pré-test». Mais on ne connaît pas le diagnostic réel (test de référence). On cherche donc la «probabilité posttest» d avoir la maladie : Si le test est négatif : 1 VPN = P(M+/T-) = probabilité d être malade si le test est négatif. Si le test est positif : VPP = P(M+/T+) = probabilité d être malade si le test est positif. 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 engendré en terme de probabilités? 15/18

16 2. Rapports de vraisemblances (Critères intrinsèques) 3. Rapports de vraisemblance positif Il 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 Il s agit donc d une évaluation de la puissance d un test pour affirmer un diagnostic. 4. Rapports de vraisemblance négatifs Il 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 Il s agit ici d une évaluation de la puissance d un test pour rejeter un diagnostic. 16/18

17 5. Nomogramme de Fagan Permet d obtenir la probabilité post-test (VPP) : À partir de la probabilité pré-test (= la prévalence de la maladie) Du rapport de vraisemblance (RVP ou RVN) Exemple : Se = 0.8 ; Sp = 0.94 ; p = 10 VPP = 61 % ; 1 - VPN = 2 % => RVP = 13 => RVN = /18

18 Conclusion : Le raisonnement médical fait intervenir plusieurs types de processus, notamment hypothéticodéductif et probabiliste. Cette démarche permet : La prise décision sur des critères objectifs L efficacité diagnostique : rapports de vraisemblance, probabilités pré et post-test. Mais il ne faut pas oublier que : Le choix qui maximise l espérance n est pas toujours juste. Ce qui est juste est de proposer la démarche la plus adaptée à chacun => Ne pas oublier que la démarche est centrée sur le patient et être à l écoute de ses besoins, ses peurs et ses préférences. 18/18