Dépistage du diabète : valeur prédictive, test en deux étapes et ciblage
Une campagne de dépistage du diabète de type 2 par HbA1c est menée dans une ville de 200 000 habitants adultes. La prévalence du diabète non diagnostiqué y est estimée à 1,2 %. Le test utilisé a une sensibilité de 90 % et une spécificité de 95 %, et il est proposé à toute la population. Les organisateurs prévoient de confirmer chaque résultat positif par une seconde épreuve (hyperglycémie provoquée orale) dont la sensibilité est de 95 % et la spécificité de 98 %. Un journal local titre : « Neuf personnes dépistées positives sur dix sont réellement diabétiques ». Le comité scientifique doit publier un démenti chiffré et arbitrer entre deux stratégies : maintien du dépistage universel ou restriction du test initial aux personnes ayant un IMC ≥ 30 kg/m², sous-groupe dans lequel la prévalence du diabète non diagnostiqué atteint 8 %.
1. Calculez la valeur prédictive positive et la valeur prédictive négative du test initial appliqué à toute la population. Le titre du journal est-il exact ?
Read the worked answer
Table de contingence sur 200 000 habitants.
- Malades : 1,2 % × 200 000 = 2 400 ; non-malades : 197 600.
- Vrais positifs (Se 90 %) : 2 160 ; faux négatifs : 240.
- Faux positifs (1 − Sp = 5 %) : 0,05 × 197 600 = 9 880 ; vrais négatifs : 187 720.
- Total des positifs : 2 160 + 9 880 = 12 040.
VPP = 2 160 / 12 040 = 0,179, soit 17,9 %. Autrement dit, environ 4,6 faux positifs pour chaque vrai positif (9 880/2 160).
VPN = 187 720 / (187 720 + 240) = 99,87 % : un test négatif rassure presque totalement, ce qui est logique avec une maladie rare.
Le titre est faux. « Neuf sur dix » correspond à la sensibilité (90 %), c'est-à-dire à la probabilité d'être positif si l'on est malade, et non à la probabilité d'être malade si l'on est positif. La confusion entre P(malade | positif) et P(positif | malade) est l'erreur de base du raisonnement bayésien : la VPP dépend fortement de la prévalence. Dans une population où la prévalence est de 1,2 %, la probabilité post-test d'un positif n'est que de 18 %.
Conséquence opérationnelle. Le test initial ne peut pas être un diagnostic : il doit être confirmé, sinon 9 880 personnes seraient étiquetées à tort.
2. Calculez la valeur prédictive positive de la stratégie en deux étapes (test initial puis confirmation). Quel gain apporte-t-elle et à quel coût ?
Read the worked answer
Application de la seconde épreuve aux 12 040 positifs.
- Malades parmi eux : 2 160 → vrais positifs = 0,95 × 2 160 = 2 052.
- Non-malades parmi eux : 9 880 → faux positifs = (1 − 0,98) × 9 880 = 0,02 × 9 880 = 197,6 ≈ 198.
- Total des positifs confirmés : 2 052 + 198 = 2 250.
VPP séquentielle = 2 052 / 2 250 = 0,912, soit 91,2 %.
Gain. On passe de 17,9 % à 91,2 % : la proportion de personnes faussement rassurées… non, faussement étiquetées tombe de 9 880 à 198, soit 50 fois moins. Un diagnostic annoncé est désormais crédible.
Coût.
- 12 040 secondes épreuves à réaliser (HGPO, 2 h en laboratoire) pour 2 052 diagnostics : environ 6 épreuves par cas confirmé.
- Les 240 faux négatifs du premier test ne sont pas rattrapés par la stratégie : la sensibilité globale est de 0,90 × 0,95 = 0,855, donc 855 cas sur 1 000 seraient détectés.
- Le test séquentiel ne corrige pas le défaut de sensibilité, seulement celui de spécificité.
3. Comparez le dépistage universel et le ciblage sur les IMC ≥ 30 (prévalence 8 %). Quel indicateur privilégier pour décider, et comment arbitrer ?
Read the worked answer
Ciblage sur le sous-groupe à 8 % de prévalence. Sur 200 000 habitants, 16 000 malades et 184 000 non-malades.
- Vrais positifs : 0,90 × 16 000 = 14 400 ; faux positifs : 0,05 × 184 000 = 9 200.
- VPP = 14 400 / 23 600 = 61 % (contre 17,9 % en universel).
- Faux positifs par vrai positif : 9 200/14 400 = 0,64 (contre 4,6).
Indicateurs à comparer.
- Nombre de tests à réaliser pour détecter un cas : universel 200 000/2 160 ≈ 93 ; le ciblage réduit ce chiffre d'un facteur ≈ 4,3, car le rapport cas/tests passe de 1,2 % à 8 %.
- Nombre de personnes à dépister pour prévenir un événement évite le surdiagnostic, mais la VPP et le nombre d'épreuves par cas détecté sont les indicateurs décisionnels ici.
Arbitrage. Le ciblage améliore massivement l'efficience (moins de faux positifs, moins de confirmations coûteuses) mais exclut les diabétiques de poids normal - environ la moitié des cas dans certaines populations. Une stratégie raisonnable est séquentielle sur deux plans : cibler d'abord (IMC, âge, antécédents familiaux) avec un score de risque, puis appliquer le test biologique, puis confirmer. Le seuil de décision dépend du coût et du risque d'un faux positif (anxiété, examens, assurance) versus le coût d'un cas manqué (rétinopathie, néphropathie).