Probabilité pré-test : interpréter les examens

Un examen revient positif et la première réaction est de traiter le résultat comme un diagnostic. Au chevet du patient, pourtant, le même d-dimère positif peut signifier des choses très différentes chez deux patients, et le même examen négatif peut clore l'investigation dans un cas et ne presque rien dire dans l'autre. La différence tient à ce que vous pensiez avant de demander l'examen.

NEXO est un jeu quotidien de diagnostic médical : un cas clinique par jour, six indices progressifs et un retour de proximité dans la CIM-10 sur cinq niveaux.

Ce texte explique la probabilité pré-test et comment elle change l'interprétation des examens : le calcul avec la cote et le rapport de vraisemblance, un exemple avec le d-dimère dans la suspicion de thrombose veineuse profonde, les seuils qui disent quand un examen change la conduite et les erreurs d'estimation les plus courantes. Le raccourci pour utiliser les rapports de vraisemblance de tête et l'usage des données de l'anamnèse et de l'examen physique comme tests se trouvent dans le texte sur le diagnostic différentiel avec des indices ; ici, l'accent est mis sur l'étape suivante, l'examen complémentaire.

Points principaux

• La probabilité pré-test est la probabilité que la maladie soit présente avant l'examen, estimée par l'anamnèse, l'examen physique et l'épidémiologie.
• Le résultat d'un examen ne dit pas si la maladie existe ; il multiplie la cote que vous aviez déjà par le rapport de vraisemblance du résultat.
• Le même résultat mène à des probabilités finales très différentes selon la probabilité de départ.
• Les valeurs prédictives dépendent de la prévalence du groupe étudié ; la sensibilité et la spécificité seules ne donnent pas la probabilité de maladie chez votre patient.
• Un examen n'aide que lorsque la probabilité se situe entre deux seuils : en dessous du premier, il ne vaut pas la peine de tester ; au-dessus du second, on traite déjà.
• Les professionnels ont tendance à surestimer la probabilité avant et après les examens, et entraîner l'estimation fait partie du raisonnement clinique.

Sommaire

• Qu'est-ce que la probabilité pré-test
• De la probabilité à la cote et retour
• L'exemple du d-dimère
• Sensibilité, spécificité et valeurs prédictives
• Quand l'examen ne change pas la conduite
• Pourquoi nous nous trompons dans l'estimation
• Comment entraîner l'estimation
• Questions fréquentes
• Liste de vérification pour interpréter un examen

Qu'est-ce que la probabilité pré-test

La probabilité pré-test est votre estimation que le patient a une maladie avant de connaître le résultat d'un examen. Elle naît de ce que vous savez déjà : âge, sexe, contexte, symptômes, données de l'examen physique et fréquence de la maladie dans le lieu où vous exercez. Après l'examen, cette estimation est mise à jour et devient la probabilité post-test.

Le diagnostic, dans cette vision, est une hypothèse, et la certitude absolue n'est pas atteignable, quel que soit le nombre d'examens demandés (Kassirer, 1989). La tâche est de réduire l'incertitude assez pour prendre la meilleure décision thérapeutique (Kassirer, 1989). Penser en probabilité pré-test est le moyen pratique de savoir combien d'incertitude existe et combien un examen peut la réduire.

D'où vient l'estimation

Il y a trois sources principales. La première est la prévalence dans le contexte : la même plainte a des distributions différentes de maladies en soins primaires, aux urgences et dans le service d'un hôpital tertiaire. La deuxième sont les données du patient lui-même, chacune avec son poids. La troisième sont les règles de prédiction clinique, qui réunissent plusieurs données en un score et ont été validées dans des groupes de patients.

Quand une règle validée existe, elle est souvent l'ancre la plus sûre. Dans l'étude de Wells et collègues, les médecins ont utilisé un modèle clinique pour classer les patients suspects de thrombose veineuse profonde comme probables ou improbables avant tout examen (Wells et al., 2003). L'exemple plus loin montre ce qui arrive avec le même examen dans chaque groupe.

Estimation n'est pas hypothèse

Une estimation peut être grossière et rester utile. Dire "faible", "intermédiaire" ou "élevée" change déjà la façon de lire un résultat, et avec la pratique on peut arriver à des fourchettes numériques raisonnables. Ce qui ne fonctionne pas, c'est de sauter cette étape et de laisser l'examen décider seul, car, comme le montrent les sections suivantes, l'examen ne peut pas le faire.

Hypothèse avant l'examen

En pratique, la probabilité pré-test n'existe que pour une hypothèse définie. On n'estime pas la probabilité de « quelque chose » ; on estime la probabilité de thrombose veineuse profonde, de pneumonie, d'infection urinaire. C'est pourquoi la liste des hypothèses vient avant la demande d'examens, et chaque examen devrait répondre à une question sur une hypothèse de la liste. La façon de construire et d'ordonner cette liste se trouve dans le texte sur le raisonnement clinique.

De la probabilité à la chance et retour

L'outil qui relie la probabilité pré-test au résultat est le rapport de vraisemblance. Il s'agit de la proportion de malades présentant un résultat donné divisée par la proportion de personnes sans la maladie présentant le même résultat (Grimes et Schulz, 2005). Les valeurs supérieures à 1 indiquent que le résultat est associé à la présence de la maladie, et les valeurs inférieures à 1, à son absence (Deeks et Altman, 2004).

Le calcul en trois étapes

Le rapport de vraisemblance ne s'applique pas directement à la probabilité, mais à la chance (odds). La chance pré-test multipliée par le rapport de vraisemblance donne la chance post-test, qui redevient ensuite une probabilité (Deeks et Altman, 2004). Les trois étapes sont :

1. Chance pré-test = probabilité ÷ (1 − probabilité).
2. Chance post-test = chance pré-test × rapport de vraisemblance.
3. Probabilité post-test = chance post-test ÷ (1 + chance post-test).

Dans l'exemple de l'article de Deeks et Altman, fumer 40 paquets-années ou plus avait un rapport de vraisemblance de 20,4 pour une maladie obstructive des voies aériennes (Deeks et Altman, 2004). En partant d'une probabilité de 0,1, la chance est de 0,11 ; multipliée par 20,4, elle passe à 2,27 ; et la probabilité finale est de 0,69 (Deeks et Altman, 2004).

Le même résultat, trois points de départ

Maintenant le même rapport de vraisemblance de 20,4, issu de l'article de Deeks et Altman (Deeks et Altman, 2004), appliqué à d'autres probabilités de départ. Les chiffres ci-dessous sont un calcul éditorial, réalisé avec la formule de l'article.

Probabilité pré-test et post-test	Calcul par la chance (calcul éditorial)
De 1 % à environ 17 % (calcul éditorial avec le rapport de vraisemblance de Deeks et Altman, 2004)	Chance pré-test 0,01 ÷ 0,99 = 0,0101 ; chance post-test 0,0101 × 20,4 = 0,206 ; probabilité 0,206 ÷ 1,206 ≈ 0,17 (rapport et formule de Deeks et Altman, 2004)
De 10 % à environ 69 % (l'exemple de l'article de Deeks et Altman, 2004 lui-même)	Chance pré-test 0,1 ÷ 0,9 = 0,111 ; chance post-test 0,111 × 20,4 = 2,27 ; probabilité 2,27 ÷ 3,27 ≈ 0,69 (rapport et formule de Deeks et Altman, 2004)
De 50 % à environ 95 % (calcul éditorial avec le rapport de vraisemblance de Deeks et Altman, 2004)	Chance pré-test 0,5 ÷ 0,5 = 1 ; chance post-test 1 × 20,4 = 20,4 ; probabilité 20,4 ÷ 21,4 ≈ 0,95 (rapport et formule de Deeks et Altman, 2004)

Calcul éditorial à partir du rapport de vraisemblance et de la formule de Deeks et Altman, 2004 ; les points de départ de 1 % et 50 % et les arrondis sont de l'éditeur.

La leçon du tableau : un résultat avec un rapport de vraisemblance élevé, considéré comme fort, laisse encore la maladie improbable lorsque la probabilité de départ est très basse (calcul éditorial ci-dessus). C'est pourquoi la même information peut confirmer le diagnostic chez un patient et seulement soulever un doute chez un autre.

Le nomogramme de Fagan

Pour éviter les conversions, il existe un nomogramme : une règle à trois colonnes où une ligne droite relie la probabilité pré-test au rapport de vraisemblance et montre la probabilité post-test (Fagan, 1975). L'article de Deeks et Altman présente le nomogramme avec le même exemple du tabagisme, de 0,1 à environ 0,7 (Deeks et Altman, 2004). Pour le raccourci mental sans nomogramme, voir la méthode simplifiée dans le texte sur le diagnostic différentiel.

Force d'un rapport de vraisemblance

Les rapports supérieurs à 10 et inférieurs à 0,1 sont considérés comme des preuves fortes pour confirmer ou écarter un diagnostic dans la plupart des situations (Deeks et Altman, 2004). Les rapports proches de 1 changent peu la décision, tandis que les rapports très élevés ou très bas modifient beaucoup l'estimation (Grimes et Schulz, 2005). « Fort » ici est toujours relatif au point de départ, comme l'a montré le tableau.

Résultats à plusieurs niveaux

Tous les examens ne sont pas positifs ou négatifs. Les examens dont le résultat se situe dans des intervalles peuvent avoir un rapport de vraisemblance pour chaque intervalle (Grimes et Schulz, 2005). Dans l'exemple de Deeks et Altman, chaque intervalle de charge tabagique a son rapport : 20,4 pour 40 paquets-années ou plus, 1,01 pour 20 à 40 et 0,55 pour jusqu'à 20 (Deeks et Altman, 2004). Lire une valeur très modifiée comme égale à une valeur légèrement modifiée revient à jeter de l'information.

L'exemple du D-dimère

L'essai de Wells et collègues est un bon exemple de probabilité pré-test en pratique, parce qu'il montre le même examen dans deux groupes avec des probabilités de départ différentes (Wells et al., 2003). Les chiffres ci-dessous ont été vérifiés dans le texte intégral de l'article.

La conception de l'étude

Des patients ambulatoires avec suspicion de thrombose veineuse profonde des membres inférieurs ont été classés par un modèle clinique comme probables (score de 2 ou plus) ou improbables (moins de 2) et répartis au hasard pour une échographie isolée ou un D-dimère suivi d'une échographie (Wells et al., 2003). Dans le groupe du D-dimère, ceux qui étaient improbables et avaient un D-dimère négatif n'ont pas fait d'échographie (Wells et al., 2003).

La probabilité de départ dans chaque groupe

Parmi les 1 082 patients qui ont complété le suivi, la prévalence de thrombose veineuse profonde proximale ou d'embolie pulmonaire était de 15,7 % (Wells et al., 2003). Dans le groupe probable, elle était de 27,9 % ; dans l'improbable, de 5,5 % (Wells et al., 2003). Dans le bras du D-dimère, les proportions étaient de 28,7 % chez les probables et de 5,1 % chez les improbables (Wells et al., 2003).

Le même examen, deux résultats

Groupe (bras du D-dimère)	Probabilité de départ	Valeur prédictive négative	Valeur prédictive positive
Improbable	5,1 % (Wells et al., 2003)	99,1 % (Wells et al., 2003)	14,1 % (Wells et al., 2003)
Probable	28,7 % (Wells et al., 2003)	89,0 % (Wells et al., 2003)	38,6 % (Wells et al., 2003)

Source de tous les chiffres du tableau : Wells et al., 2003.

Dans le groupe improbable, la valeur prédictive négative était de 99,1 % et la positive, de 14,1 % (Wells et al., 2003). Dans le groupe probable, la négative était de 89,0 % et la positive, de 38,6 % (Wells et al., 2003). Lu autrement (calcul éditorial : 100 % moins la valeur prédictive négative de Wells et al., 2003), après un D-dimère négatif il restait environ 0,9 % de maladie dans le groupe improbable et environ 11 % dans le probable.

C'est le cœur de la probabilité pré-test : le même examen négatif a presque écarté la maladie chez ceux qui partaient déjà bas et a laissé une chance sur environ neuf chez ceux qui partaient haut (calcul éditorial à partir de Wells et al., 2003). Ce n'est pas un hasard si le protocole de l'étude demandait une échographie pour tout patient probable, avec ou sans D-dimère négatif (Wells et al., 2003).

Ce que l'article n'indique pas

L'article de Wells et collègues n'indique ni la sensibilité ni la spécificité du D-dimère dans cet échantillon. Il apporte la prévalence par groupe et les valeurs prédictives, et cite que les deux tests utilisés avaient des valeurs prédictives négatives similaires dans une étude antérieure des auteurs (Wells et al., 2003). C'est pourquoi ce texte n'attribue pas de chiffres de sensibilité ou de spécificité à l'étude.

Rapports de vraisemblance implicites (calcul éditorial)

On peut estimer, de façon approximative, le rapport de vraisemblance qui mènerait de la probabilité de départ à la probabilité finale dans chaque groupe. Il s'agit d'un calcul éditorial, avec les chiffres de Wells et al. (2003), et non d'un résultat publié par l'article.

• Improbable, D-dimère négatif : cote pré-test 0,051 ÷ 0,949 ≈ 0,054 ; cote post-test 0,009 ÷ 0,991 ≈ 0,009 ; rapport implicite 0,009 ÷ 0,054 ≈ 0,17 (calcul éditorial avec les chiffres de Wells et al., 2003 et la formule de Deeks et Altman, 2004).
• Improbable, D-dimère positif : cote post-test 0,141 ÷ 0,859 ≈ 0,164 ; rapport implicite 0,164 ÷ 0,054 ≈ 3,1 (calcul éditorial avec les chiffres de Wells et al., 2003 et la formule de Deeks et Altman, 2004).
• Probable, D-dimère négatif : probabilité pré-test 0,287 ÷ 0,713 ≈ 0,40 ; probabilité post-test 0,11 ÷ 0,89 ≈ 0,12 ; rapport implicite 0,12 ÷ 0,40 ≈ 0,31 (calcul éditorial avec les chiffres de Wells et al., 2003 et la formule de Deeks et Altman, 2004).
• Probable, D-dimère positif : probabilité post-test 0,386 ÷ 0,614 ≈ 0,63 ; rapport implicite 0,63 ÷ 0,40 ≈ 1,6 (calcul éditorial avec les chiffres de Wells et al., 2003 et la formule de Deeks et Altman, 2004).

Les rapports implicites diffèrent entre les groupes (calcul éditorial ci-dessus). Une explication possible est que la capacité d'un examen à séparer les malades des non-malades peut varier selon le type de patient évalué, ce qu'on appelle le biais de spectre, qui est l'une des réserves signalées pour les études d'exactitude (Pewsner et al., 2004). La leçon pour l'étude est double : la probabilité de départ compte, et la performance d'un examen dépend du groupe dans lequel elle a été mesurée.

Le gain pratique

Utiliser la probabilité pré-test avec le D-dimère a réduit la moyenne d'échographies par patient de 1,34 à 0,78 (Wells et al., 2003). Deux cent dix-huit patients du groupe D-dimère, 38,8 % de ceux qui ont terminé le suivi, n'ont pas eu besoin d'échographie (Wells et al., 2003). Parmi les patients du groupe D-dimère chez qui la thrombose a été écartée par la stratégie initiale, 0,4 % ont eu un événement thromboembolique en trois mois, contre 1,4 % dans le groupe contrôle, une différence sans signification statistique (Wells et al., 2003).

Sensibilité, spécificité et valeurs prédictives

La sensibilité et la spécificité décrivent comment la présence ou l'absence de la maladie prédit le résultat de l'examen ; elles ne disent pas, à elles seules, la probabilité de maladie devant un résultat (Deeks et Altman, 2004). Les valeurs prédictives donnent cette probabilité, mais dépendent de la prévalence dans le groupe étudié (Deeks et Altman, 2004). Le rapport de vraisemblance réunit les deux : il vient de la performance de l'examen et s'applique à la probabilité de votre patient.

Pourquoi la valeur prédictive ne voyage pas

L'exemple du D-dimère l'a montré en pratique : le même examen a eu des valeurs prédictives très différentes dans les groupes probable et improbable (Wells et al., 2003). Une valeur prédictive publiée vaut pour des patients semblables à ceux de l'étude. Si votre patient part d'une probabilité très différente, la valeur prédictive de l'article n'est pas la sienne.

SnNOut et SpPIn avec prudence

Deux règles mnémotechniques sont populaires : un examen très sensible, quand il est négatif, écarte la maladie (SnNOut) ; un examen très spécifique, quand il est positif, confirme (SpPIn) (Pewsner et al., 2004). Pewsner et ses collègues montrent que le pouvoir d'écarter ne dépend pas seulement de la sensibilité et baisse quand la spécificité est faible ; de même, le pouvoir de confirmer dépend des deux mesures (Pewsner et al., 2004). Les auteurs recommandent d'évaluer de façon critique les études d'exactitude et de calculer les probabilités post-test, avec intervalles de confiance, avant de traiter un examen comme SnNOut ou SpPIn (Pewsner et al., 2004).

Combiner examen et clinique

Les rapports de vraisemblance des examens complémentaires, lorsqu'ils s'ajoutent à une bonne évaluation clinique, améliorent l'exactitude diagnostique de façon synergique (Grimes et Schulz, 2005). En pratique, cela veut dire que l'examen ne remplace pas l'anamnèse et l'examen physique : il part du point où ils ont laissé la probabilité.

Quand l'examen ne change pas la conduite

Un examen vaut la peine quand le résultat peut changer ce que vous faites. Pauker et Kassirer ont décrit deux seuils de probabilité pour cette décision : le seuil de test et le seuil de test et traitement (Pauker et Kassirer, 1980).

Les deux seuils

Si la probabilité de maladie est en dessous du seuil de test, on ne traite pas et on ne teste pas ; si elle est au-dessus du seuil de test et traitement, on traite sans nouveaux examens ; l'examen ne doit être fait qu'entre les deux seuils (Pauker et Kassirer, 1980). Les valeurs des seuils dépendent de la fiabilité et des risques de l'examen et des bénéfices et risques du traitement (Pauker et Kassirer, 1980).

Un exemple publié de seuil

Kline et collègues ont estimé à 1,8 % le seuil de test pour demander le dimère-D en cas de suspicion d'embolie pulmonaire, en utilisant la méthode de Pauker et Kassirer (Kline et al., 2004). Avec huit critères cliniques, dont un âge inférieur à 50 ans et un pouls inférieur à 100 battements par minute, les auteurs ont dérivé une règle pour justifier de ne pas demander l'examen (Kline et al., 2004). Parmi les patients à faible risque qui remplissaient tous les critères, la prévalence de l'embolie pulmonaire était de 1,4 %, en dessous du seuil (Kline et al., 2004).

Les auteurs eux-mêmes signalent la limite : la spécificité de la règle était de 27 % dans le groupe à faible risque et de 15 % dans celui à très faible risque (Kline et al., 2004). La valeur de l'exemple, pour qui étudie, est de montrer le raisonnement : quand la probabilité est déjà en dessous du seuil de test, le résultat de l'examen ne devrait pas changer la conduite.

La quête de la certitude

Kassirer a désigné la recherche obstinée de la certitude diagnostique comme une cause d'excès d'examens et a rappelé que la tâche est de réduire l'incertitude suffisamment pour décider, et non de l'éliminer (Kassirer, 1989). Dans une méta-analyse de 15 ans d'études, le taux moyen d'usage excessif d'examens de laboratoire était de 20,6 % (Zhi et al., 2013). La même méta-analyse a trouvé une sous-utilisation moyenne de 44,8 %, ce qui rappelle que le problème est aussi de ne pas demander l'examen qui changerait la conduite (Zhi et al., 2013).

Questions avant de demander

Une façon simple d'appliquer les seuils en stage, comme orientation éditoriale :

1. Quelle hypothèse cet examen va-t-il tester ?
2. Quelle est ma probabilité pré-test pour elle, même en fourchette ?
3. Si le résultat est positif, que fais-je ? Et s'il est négatif ?
4. Si les deux réponses sont identiques, l'examen ne change pas la conduite.

Orientation éditoriale ; la décision de demander ou non un examen appartient toujours au médecin responsable du patient.

Pourquoi nous nous trompons dans l'estimation

Estimer une probabilité est difficile, et les études montrent que l'erreur est courante même chez des professionnels formés.

Surestimer avant et après

Dans une enquête auprès de 553 professionnels de consultations externes dans huit États américains, avec des scénarios courants en soins primaires, la probabilité pré-test a été surestimée dans les quatre scénarios présentés (Morgan et al., 2021). Après une radiographie positive pour une pneumonie, la probabilité estimée était de 95 %, contre 46 % à 65 % dans les données probantes (Morgan et al., 2021). Après une mammographie positive, l'estimation était de 50 %, contre 3 % à 9 % dans les données probantes (Morgan et al., 2021). Les auteurs suggèrent que ces surestimations contribuent au surdiagnostic et à l'usage excessif d'examens (Morgan et al., 2021).

La question classique du faux positif

En 1978, Casscells et collègues ont demandé à des médecins, des résidents et des étudiants quelle était la chance de maladie après un examen positif, pour une maladie avec une prévalence de 1 sur 1 000 et un taux de faux positif de 5 % (Manrai et al., 2014). En reposant la même question en 2013, Manrai et collègues ont trouvé 23 % de réponses correctes, sans différence significative par rapport aux 18 % de l'étude originale (Manrai et al., 2014). La réponse la plus courante dans les deux études était 95 %, donnée par 44 % des participants en 2013 (Manrai et al., 2014).

Le calcul, comme calcul éditorial avec la prévalence et le taux de faux positif de la question rapportée par Manrai et al., 2014 et en supposant que l'examen détecte tout malade : sur 1 000 personnes, 1 a la maladie et teste positif ; sur les 999 sans la maladie, environ 5 %, soit 50, testent positif ; donc 1 sur environ 51 positifs a la maladie, près de 2 %, la même réponse que Manrai et collègues ont considérée comme correcte (Manrai et al., 2014). La distance entre la réponse la plus courante, 95 %, et la correcte, près de 2 %, est la distance entre ignorer et considérer la probabilité pré-test (Manrai et al., 2014).

Les fréquences naturelles aident

Remplacer les pourcentages par des comptages, comme dans le calcul ci-dessus, facilite le raisonnement. Dans une étude avec 48 médecins, la valeur prédictive positive a été estimée correctement dans 10 % des cas quand l'information venait en probabilités, et dans 46 % quand elle venait en fréquences naturelles (Hoffrage et Gigerenzer, 1998). Penser « sur 1 000 patients comme celui-ci » est un outil simple pour le stage.

Des estimations très différentes pour le même cas

Dans une étude menée auprès de résidents et d'enseignants en médecine d'urgence et en médecine interne, les estimations de probabilité pré-test pour un même cas écrit variaient beaucoup ; dans l'un des cas, les réponses allaient de 3 % à 98 % (Phelps et Levitt, 2004). Les auteurs avertissent que cette variation peut limiter la cohérence des probabilités post-test calculées avec des rapports de vraisemblance (Phelps et Levitt, 2004). C'est pourquoi, lorsqu'elle existe, une règle de prédiction validée ou une donnée de prévalence locale aide à ancrer l'estimation.

Des erreurs qu'il vaut mieux éviter

• Oublier le point de départ : lire le résultat comme s'il suffisait à lui seul.
• Utiliser la valeur prédictive d'un autre groupe : appliquer le chiffre de l'article à un patient très différent de ceux étudiés.
• Traiter un résultat en plage comme un résultat binaire : perdre l'information sur l'ampleur de l'anomalie de l'examen.
• Se fier excessivement à la règle mnémotechnique : appliquer SnNOut à un examen dont la spécificité est faible.
• Demander un examen qui ne change pas la conduite : quand n'importe quel résultat mène à la même décision.

Comment entraîner l'estimation

L'estimation s'améliore avec la répétition et le retour, comme toute compétence du raisonnement clinique. Le point central est d'écrire un chiffre avant de voir le résultat et de comparer ensuite.

En stage

Avant de regarder un examen, dites-vous à vous-même l'hypothèse principale et une plage de probabilité. Après le résultat, refaites l'estimation et voyez si le changement correspond à la force de l'examen. Quand il existe une règle de prédiction validée pour la situation, comparez votre estimation à celle de la règle. Discutez avec le résident ou le superviseur non seulement du diagnostic, mais de la probabilité que chacun avait avant l'examen.

Avec des cas d'entraînement

Les cas par étapes sont bons pour cet exercice parce que les données arrivent peu à peu, comme dans le service. À chaque nouvelle information, notez l'hypothèse principale et la probabilité que vous lui attribuez ; à la fin, voyez à quel moment l'estimation a changé et pourquoi.

S'entraîner sur NEXO

Sur NEXO, chaque cas arrive en jusqu'à six indices, et ce format est un bon terrain pour entraîner la probabilité pré-test : à chaque indice vous formulez des hypothèses et pouvez estimer à quel point vous croyez à la principale avant le suivant. Chaque hypothèse montre la proximité dans la CIM-10 en cinq niveaux, ce qui indique si votre hypothèse se trouvait dans le bon groupe de maladies. Au troisième indice apparaît la zone du cas et, au cinquième, la plage de la CIM ; vous pouvez passer un indice quand vous voulez avancer.

Un exercice simple à faire dans le mode Quotidien, avec le cas du jour, le même pour tout le monde : avant chaque hypothèse, écrivez votre hypothèse et une plage de probabilité ; à la fin, comparez avec le groupe pour voir à quel indice chacun était le plus confiant. Les Archives rassemblent les cas précédents, Multimédia propose des cas avec image et audio, et Continents, des cas liés à l'Afrique, aux Amériques, à l'Asie, à l'Europe et à l'Océanie, où l'épidémiologie change la probabilité de départ. Adrénaline, avec la dose choisie à l'avance, entraîne l'estimation avec le temps.

Le bouton Anki crée la carte directement depuis NEXO et l'ouvre dans l'application Anki, cherche les cartes que vous avez déjà et, quand le cas comporte une image, l'emporte dans la carte ; il vaut la peine de garder la constatation qui a le plus changé votre estimation. Pour comprendre les limites de chaque mode, consultez la page sur l'économie de NEXO. Pour découvrir le jeu, lisez qu'est-ce que NEXO.

Avec le groupe

Le classement comporte les onglets Global, Universités et Groupe, ce dernier avec un code d'invitation. Avec la ligue ou le groupe qui joue le même cas, comparer les estimations montre en pratique la variation que les études décrivent et aide chacun à calibrer son propre chiffre. Si vous coordonnez une faculté, une ligue ou un internat et souhaitez utiliser des cas comme ceux-ci dans l'enseignement, découvrez NEXO Closer. Les chercheurs qui veulent étudier comment les étudiants calibrent l'estimation peuvent découvrir NEXO Researcher, les médecins qui veulent réviser des cas, NEXO Curator, et ceux qui produisent du contenu de médecine, NEXO Creators.

Questions fréquentes

Qu'est-ce que la probabilité pré-test ?

C'est l'estimation que le patient a une maladie avant le résultat d'un examen, fondée sur l'anamnèse, l'examen physique, l'épidémiologie et, lorsqu'elles existent, sur des règles de prédiction validées. Après l'examen, elle est actualisée et devient la probabilité post-test.

Comment calculer la probabilité post-test ?

Convertissez la probabilité pré-test en cote, multipliez par le rapport de vraisemblance du résultat et reconvertissez en probabilité (Deeks et Altman, 2004). Le nomogramme de Fagan fait le même calcul sans calcul (Fagan, 1975).

Pourquoi le même examen positif signifie-t-il des choses différentes ?

Parce que le résultat multiplie la probabilité qui existait déjà. Avec le même rapport de vraisemblance de 20,4, une probabilité de 10 % passe à environ 69 % (Deeks et Altman, 2004), tandis qu'une probabilité de 1 % passe à environ 17 % (calcul éditorial avec la même formule).

Quelle est la différence entre la valeur prédictive et le rapport de vraisemblance ?

La valeur prédictive est déjà une probabilité de maladie, mais elle dépend de la prévalence du groupe dans lequel elle a été mesurée (Deeks et Altman, 2004). Le rapport de vraisemblance mesure la force du résultat et peut être appliqué à la probabilité de votre patient.

Un D-dimère négatif écarte-t-il toujours une thrombose ?

Dans l'étude de Wells et collègues, un D-dimère négatif a écarté la thrombose en toute sécurité chez les patients cliniquement improbables, mais n'a pas été utilisé seul chez les probables, qui ont passé une échographie (Wells et al., 2003). La décision pour chaque patient revient au médecin responsable.

Quand ne vaut-il pas la peine de demander un examen ?

Quand la probabilité est en dessous du seuil de test ou au-dessus du seuil de test et de traitement, parce que le résultat ne change pas la conduite (Pauker et Kassirer, 1980).

Comment s'entraîner à estimer la probabilité pré-test ?

Écrivez une fourchette de probabilité avant chaque résultat et comparez ensuite. Les cas par étapes, comme ceux de NEXO avec jusqu'à six indices, aident à pratiquer la formulation d'hypothèses et l'estimation à chaque nouvelle information.

Liste de contrôle pour interpréter un examen

1. Définissez l'hypothèse que l'examen va tester.
2. Estimez la probabilité pré-test, même sous forme de fourchette.
3. Cherchez une règle de prédiction validée pour la situation.
4. Demandez si le résultat change la conduite, positif ou négatif.
5. Utilisez le rapport de vraisemblance, pas seulement la sensibilité ou la spécificité.
6. Faites le calcul par la cote ou utilisez le nomogramme.
7. Lisez les résultats en fourchette par niveau, pas seulement comme positif ou négatif.
8. Pensez en fréquences naturelles : sur 1 000 patients comme celui-ci.
9. Vérifiez si l'étude de l'examen portait sur des patients semblables au vôtre.
10. Comparez votre estimation avec celle de collègues et avec l'évolution du cas.

Vous voulez vous entraîner aujourd'hui ? Jouez le cas du jour sur NEXO.

Références

1. Kassirer JP. Our stubborn quest for diagnostic certainty. A cause of excessive testing. N Engl J Med. 1989. https://doi.org/10.1056/NEJM198906013202211
2. Wells PS, Anderson DR, Rodger M, et al. Evaluation of D-dimer in the diagnosis of suspected deep-vein thrombosis. N Engl J Med. 2003. https://doi.org/10.1056/NEJMoa023153
3. Grimes DA, Schulz KF. Refining clinical diagnosis with likelihood ratios. Lancet. 2005. https://pubmed.ncbi.nlm.nih.gov/15850636/
4. Deeks JJ, Altman DG. Diagnostic tests 4: likelihood ratios. BMJ. 2004. https://pubmed.ncbi.nlm.nih.gov/15258077/
5. Fagan TJ. Letter: Nomogram for Bayes's theorem. N Engl J Med. 1975. https://pubmed.ncbi.nlm.nih.gov/1143310/
6. Pewsner D, Battaglia M, Minder C, et al. Ruling a diagnosis in or out with "SpPIn" and "SnNOut": a note of caution. BMJ. 2004. https://pubmed.ncbi.nlm.nih.gov/15271832/
7. Pauker SG, Kassirer JP. The threshold approach to clinical decision making. N Engl J Med. 1980. https://pubmed.ncbi.nlm.nih.gov/7366635/
8. Kline JA, Mitchell AM, Kabrhel C, et al. Clinical criteria to prevent unnecessary diagnostic testing in emergency department patients with suspected pulmonary embolism. J Thromb Haemost. 2004. https://pubmed.ncbi.nlm.nih.gov/15304025/
9. Zhi M, Ding EL, Theisen-Toupal J, et al. The landscape of inappropriate laboratory testing: a 15-year meta-analysis. PLoS One. 2013. https://pubmed.ncbi.nlm.nih.gov/24260139/
10. Morgan DJ, Pineles L, Owczarzak J, et al. Accuracy of Practitioner Estimates of Probability of Diagnosis Before and After Testing. JAMA Intern Med. 2021. https://pubmed.ncbi.nlm.nih.gov/33818595/
11. Manrai AK, Bhatia G, Strymish J, et al. Medicine's uncomfortable relationship with math: calculating positive predictive value. JAMA Intern Med. 2014. https://pubmed.ncbi.nlm.nih.gov/24756486/
12. Hoffrage U, Gigerenzer G. Using natural frequencies to improve diagnostic inferences. Acad Med. 1998. https://pubmed.ncbi.nlm.nih.gov/9609869/
13. Phelps MA, Levitt MA. Pretest probability estimates: a pitfall to the clinical utility of evidence-based medicine? Acad Emerg Med. 2004. https://pubmed.ncbi.nlm.nih.gov/15175211/