Calculateur de sensibilité et de spécificité

Calculez la sensibilité, la spécificité, les valeurs prédictives et l'exactitude diagnostique à partir d'une matrice de confusion.

Exactitude du test diagnostique

Saisissez les effectifs des quatre résultats de votre test diagnostique.

Vrais positifs (TP)

Faux positifs (FP)

Vrais négatifs (TN)

Faux négatifs (FN)

À propos de la sensibilité et de la spécificité

La sensibilité et la spécificité décrivent la capacité d'un test diagnostique à distinguer les personnes ou cas présentant une affection de ceux qui ne la présentent pas. Le calcul repose sur une matrice de confusion à quatre effectifs. Les vrais positifs sont les cas atteints correctement classés positifs ; les faux négatifs sont les cas atteints manqués par le test. Les vrais négatifs sont les cas non atteints correctement classés négatifs, et les faux positifs sont les cas non atteints classés positifs à tort. Bien distinguer ces groupes clarifie le sens des résultats. La sensibilité, aussi appelée taux de vrais positifs ou rappel, vaut TP divisé par TP plus FN. Elle répond à la question : parmi tous les cas réellement atteints, quelle proportion le test a-t-il détectée ? Un dépistage très sensible produit peu de faux négatifs. La spécificité, ou taux de vrais négatifs, vaut TN divisé par TN plus FP. Elle indique la proportion correctement écartée parmi les cas réellement non atteints. Un test de confirmation très spécifique produit peu de faux positifs. La valeur prédictive positive vaut TP divisé par TP plus FP, et la valeur prédictive négative vaut TN divisé par TN plus FN. Elles décrivent la probabilité qu'un résultat observé soit correct dans la population testée. Contrairement à la sensibilité et à la spécificité, elles peuvent varier fortement avec la prévalence. Un résultat positif au même examen peut donc avoir une valeur prédictive différente dans une consultation à haut risque et dans un dépistage général. L'exactitude vaut la somme de TP et TN divisée par toutes les observations. Elle est intuitive, mais peut masquer de mauvaises performances sur la classe minoritaire lorsqu'une issue est beaucoup plus fréquente. Utilisez des effectifs entiers issus d'une même population d'étude et du même seuil de décision. Ne remplacez pas les effectifs par des pourcentages. Pour comparer des tests, examinez les intervalles de confiance, la taille de l'échantillon, la prévalence, le plan d'étude et les conséquences de chaque erreur plutôt que de retenir le pourcentage le plus élevé. Les décisions médicales nécessitent aussi un contexte clinique, des seuils validés et un jugement professionnel. Ce calculateur fournit des estimations ponctuelles déterministes pour l'enseignement, les vérifications de recherche, l'assurance qualité et l'évaluation de classifications en apprentissage automatique ; il ne remplace ni une analyse statistique complète ni une interprétation clinique.

Exemples de sensibilité et de spécificité

Ces matrices de confusion illustrent des profils courants de performance diagnostique.

Matrice de confusion	Résultats clés	Interprétation
TP 80, FP 10, TN 90, FN 20	Sensibilité 80%; spécificité 90%; exactitude 85%	Le test détecte quatre cas atteints sur cinq et écarte correctement neuf cas non atteints sur dix.
TP 95, FP 20, TN 180, FN 5	Sensibilité 95%; spécificité 90%; exactitude 91.67%	La forte sensibilité rend ce profil utile lorsque les cas manqués ont un coût particulièrement élevé.
TP 40, FP 5, TN 95, FN 10	Sensibilité 80%; spécificité 95%; exactitude 90%	Le faible nombre de faux positifs donne une spécificité élevée et une valeur prédictive positive de 88.89%.

Comment calculer l'exactitude diagnostique

Comptez les vrais positifs, faux positifs, vrais négatifs et faux négatifs d'une même population testée.
Saisissez chaque effectif non négatif dans le champ correspondant.
Sélectionnez Calculer les indicateurs pour obtenir sensibilité, spécificité, valeurs prédictives et exactitude.
Interprétez les indicateurs ensemble en tenant compte de la prévalence, de l'échantillon et du coût de chaque erreur.

Questions fréquentes sur la sensibilité et la spécificité

Quelle différence entre sensibilité et spécificité ?

La sensibilité mesure la part des cas réellement positifs détectés par le test. La spécificité mesure la part des cas réellement négatifs correctement écartés.

Qu'est-ce qu'une bonne sensibilité ou spécificité ?

Il n'existe pas de seuil universel : la performance acceptable dépend de l'usage et des conséquences des erreurs. Le dépistage privilégie souvent la sensibilité, la confirmation peut privilégier la spécificité.

Pourquoi les valeurs prédictives changent-elles avec la prévalence ?

Elles sont conditionnées par le résultat du test : la proportion de personnes atteintes dans la population testée compte donc. La valeur prédictive positive augmente généralement avec la prévalence, même à sensibilité et spécificité constantes.

L'exactitude peut-elle être trompeuse ?

Oui, surtout si une classe est bien plus fréquente que l'autre. Un classificateur peut avoir une forte exactitude tout en étant peu performant sur une classe rare mais importante.

Puis-je saisir des pourcentages plutôt que des effectifs ?

Non, saisissez les quatre effectifs observés de la matrice de confusion. Le calculateur les transforme en pourcentages avec les dénominateurs adaptés.