À propos de cet outil
Applique le théorème de Bayes pour calculer des probabilités conditionnelles à partir d'une probabilité préalable, sensibilité et spécificité. Affiche les valeurs prédictives positive et négative, utiles pour interpréter des tests diagnostiques (médicaux, drogues, antivirus) et pour tout problème où vous devez mettre à jour une croyance sur la base de nouvelles preuves.
Comment l'utiliser
- Saisissez la prévalence ou probabilité préalable (fréquence de la condition dans la population).
- Saisissez la sensibilité du test (combien de cas positifs réels il détecte).
- Saisissez la spécificité (combien de cas négatifs réels il identifie correctement).
- Voyez les valeurs prédictives positive et négative.
Questions fréquentes
- À quoi servent les valeurs prédictives positive et négative ?
- La valeur prédictive positive est la probabilité d'avoir vraiment la condition, sachant que le test est positif. La valeur prédictive négative est la probabilité de ne pas l'avoir, sachant un résultat négatif. Elles sont plus utiles en pratique que la sensibilité et la spécificité seules, car elles répondent à ce qui importe face à un résultat concret.
- Pourquoi un test très sensible peut-il donner beaucoup de faux positifs ?
- Lorsque la condition est rare dans la population (faible prévalence), même un test avec 99% de spécificité génère beaucoup de faux positifs en valeur absolue, car il y a tellement de vrais négatifs que le 1% d'erreur s'accumule. C'est le paradoxe de Bayes et la raison pour laquelle les tests de dépistage doivent être interprétés avec prudence.
- Comment savoir quelle prévalence utiliser ?
- Idéalement, elle vient d'études épidémiologiques. En diagnostic médical, elle varie beaucoup entre populations : les dépistages de masse utilisent la prévalence générale, tandis que pour un patient avec des symptômes spécifiques la probabilité préalable est plus élevée (ajustée selon le tableau clinique). Sans donnée réelle, on peut essayer plusieurs valeurs pour voir la sensibilité du résultat.