Les statistiques sont l'un des sujets les plus déroutants pour les physios et les étudiants en physio. C'est probablement dû au fait que nous nous préoccupons davantage des personnes et de la santé que des mathématiques, n'est-ce pas ?
Je comprends que vous soyez plus intéressé par une évaluation correcte de votre patient, une bonne manipulation et les dernières méthodes de traitement, mais je dois vous dire que vous devez connaître les valeurs statistiques d'un test spécial et même les chiffres de la prévalence, du pré-test et des probabilités de post-test des questions que vous posez à vos patients tout au long de votre processus anamnestique !
J'oserais même dire que sans la connaissance des chiffres susmentionnés, vous n'aurez aucune idée de la valeur que vous pouvez accorder à certaines questions que vous posez à votre patient (et à leurs réponses) et vous effectuerez des tests spéciaux sans vraiment savoir ce qu'un résultat positif ou négatif vous dira.
Lorsque je vois ou j'entends qu'un kinésithérapeute effectue un test spécial comme le test de Thessaly pour les lésions du ménisque, que le résultat est positif et qu'il est sûr à 100 % après coup que son patient souffre d'une lésion du ménisque, cela me fait froid dans le dos !
ARRÊTEZ DE FAIRE ÇA !
C'est pourquoi je vous invite à poursuivre la lecture de mon article dans lequel j'essaierai de vous donner un aperçu de la manière dont vous pouvez et devez utiliser les statistiques pour devenir un meilleur kinésithérapeute et de la manière dont ces connaissances vous permettent de prendre conscience de votre processus de raisonnement clinique !
En général, vous commencerez par votre dépistage, puis votre anamnèse, suivie d'une évaluation de base. Sur la base des informations que vous avez obtenues au cours des parties susmentionnées, vous formulez vos hypothèses que vous souhaitez soit confirmer, soit rejeter. C'est là que la sensibilité et la spécificité entrent en jeu. Voyons d'abord ce que sont la sensibilité et la spécificité ! Le plus simple est de regarder la courte vidéo que nous avons réalisée il y a quelques temps :
Pour résumer encore une fois : Un résultat négatif dans un test sensible à 100 % permet d'exclure la maladie (SnNOut) et un résultat positif dans un test spécifique à 100 % permet d'affirmer la maladie (SpPIn).
Un résultat négatif dans un test sensible à 100 % permet d'exclure la maladie (SnNOut) et un résultat positif dans un test spécifique à 100 % permet d'exclure la maladie (SpPIn).
Avec les deux moyens mnémotechniques SnNOut et SpPIn, il est relativement facile de mettre en pratique ces deux concepts.
La plupart du temps, vous comprendrez mieux leur définition et ce qu'elles sont réellement si vous êtes capable de calculer ces valeurs à l'aide d'un tableau 2×2. Regardez notre prochaine vidéo, qui vous montrera comment effectuer la partie calcul :
Malheureusement, dans la vie réelle, il n'existe pratiquement pas de tests précis à 100 %, ce qui explique que vous aurez beaucoup de résultats faussement positifs et faussement négatifs. En outre, la sensibilité et la spécificité nous indiquent la fréquence à laquelle un test est positif chez des patients dont nous savons déjà qu'ils sont ou non atteints de la maladie. Dans la pratique, nous ne savons toutefois pas si nos patients sont atteints d'une certaine maladie ou non. Ce que nous faisons plutôt dans la pratique, c'est d'interpréter les résultats d'un test positif ou négatif.
En général, vous ne saurez pas quelle est la probabilité que le patient soit effectivement atteint de la maladie avec un résultat positif et quelle est la probabilité que le patient ne soit pas atteint de la maladie avec un résultat négatif.
Ces valeurs sont appelées valeur prédictive positive (VPP) et valeur prédictive négative (VPN), également appelées probabilités post-test. Vous l'avez deviné, nous avons une autre vidéo qui explique ces valeurs à l'aide du tableau 2×2 et vous montre comment calculer ces valeurs :
Comme indiqué dans la vidéo, la VPP et la VPN sont d'excellents outils si vous avez une bonne idée de la prévalence de votre groupe de patients et si cette prévalence est identique à celle de l'ECR, d'où vous avez tiré vos valeurs statistiques pour un test spécifique en premier lieu. Si ce n'est pas le cas, le PPV et le NPV deviennent pratiquement inutiles.
Imaginez comment la probabilité pré-test d'une rupture du ligament croisé antérieur (LCA) change dans différents contextes : Par exemple, la prévalence des patients souffrant d'une déchirure du LCA dans un cabinet de médecine générale sera beaucoup plus faible que dans une clinique sportive spécialisée dans les blessures du genou. Plus la prévalence est élevée, plus votre VPP est élevée et plus votre VPN est faible.
Nous ferons peut-être une vidéo sur ce sujet à l'avenir, mais il est important de se rappeler que nous avons besoin d'une meilleure valeur que la VPP et la VPN, et c'est là que les rapports de vraisemblance entrent en jeu.
Le rapport de vraisemblance combine à la fois la sensibilité et la spécificité et nous indique la probabilité qu'un résultat de test donné soit obtenu chez les personnes atteintes de la maladie, par rapport à la probabilité qu'il soit obtenu chez les personnes non atteintes. Regardez la vidéo suivante sur les rapports de vraisemblance et la façon dont vous pouvez les calculer :
Dans l'exemple, nous avons utilisé le test de Lachman, qui est l'un des tests les plus précis dans la pratique clinique, mais regardons notre cher test de Thessaly et comment notre exemple se déroule :
Selon Goossens et al. (2015), le test Thessaly a une sensibilité de 64 % et une spécificité de 53 %, ce qui donne un LR+ de 1,36 et un LR- de 0,68. Comme vous pouvez déjà le constater, ces valeurs sont assez proches de LR = 1, ce qui nous indique qu'elles ne modifieront que très peu la probabilité qu'une personne présente une lésion du ménisque. Pour appliquer ces valeurs à l'exemple de notre cas de déchirure du LCA, nous savons que les déchirures du LCA sont souvent accompagnées de déchirures méniscales. Bien que notre patient ne signale aucune sensation de blocage ou d'accrochage, nous estimons notre probabilité pré-test à environ 30 %.
Notre nomogramme ressemblera à ceci :
Sur la base des calculs (plus précis), nous obtenons les probabilités suivantes pour le post-test :
- Probabilités pour le pré-test : Prévalence/(1-prévalence) = 0,3/(1-0,3) = 0,43
- Odds post-test (LR+) : 0,43 x 1,36 = 0,58
- Probabilité du post-test (LR+) : chances du post-test / (chances du post-test+1) = 0,58/(0,58+1) = 0,37 (donc 37%)
- Probabilité du post-test (LR-) : 0,43 x 0,68 = 0,29
- Probabilité post-test (LR-): chances post-test / (chances post-test+1) = 0,29/ (0,29+1) = 0,22(22%)
Ainsi, avec un test de Thessaly positif, vous avez augmenté vos chances d'avoir une lésion menstruelle de 30% à 37% et avec un test de Thessaly négatif, vous avez diminué vos chances à 22%.
Vous voyez pourquoi je panique si les gens effectuent un test et qu'ils supposent ensuite que leur patient est définitivement atteint ou non d'une certaine maladie ! Et tout cela est basé sur une hypothèse des probabilités de pré-test, que la plupart des gens oublient même de prendre en considération !
Si vous souhaitez effectuer plusieurs tests, par exemple ajouter le test du tiroir antérieur dans notre exemple du LCA, vous baserez votre probabilité pré-test sur la probabilité post-test du test de Lachman. Ainsi, dans le cas d'un Lachman positif, vous commencerez avec une probabilité pré-test de 95%, et avec un Lachman négatif, vous commencerez avec une probabilité pré-test de 19%.
Si la plupart des tests ont un résultat positif ou négatif, il existe également des groupes de tests à résultats multiples. Ainsi, si vous prenez le cluster de Laslett par exemple, pour 2 tests positifs sur 5, vous aboutirez à un LR+ de 2,7, pour 3/5 à un LR+ de 4,3, etc.
Sachez cependant qu'avec une probabilité pré-test très élevée, un autre test n'a que peu d'intérêt et qu'il est préférable de commencer votre traitement. Il en va de même pour une probabilité pré-test très faible, auquel cas on ne fait pas de test et on ne traite pas non plus la maladie.
Par exemple, si un patient se présente à vous avec une douleur lombaire soudaine, des symptômes neurologiques dans les deux jambes, des problèmes de miction et une anesthésie de la selle, vous serez presque sûr que ce patient souffre du syndrome de la cauda équina, qui est un signal d'alarme et nécessite une intervention chirurgicale urgente. Ainsi, si vous êtes sûr à 99 % de votre diagnostic, un test de la jambe droite (SLR) avec un LR- de 0,2 diminuera la probabilité post-test à 95 %, ce qui reste très élevé et vous incitera à faire opérer ce patient.
En revanche, si le test était positif, vous passeriez probablement d'une certitude de 99 % à 100 %, alors pourquoi prendre la peine de faire le test, surtout s'il s'agit d'une demande urgente d'intervention chirurgicale ?
Il en va de même pour une probabilité de pré-test très faible. Si un patient se présente à vous sans douleur irradiante sous le genou, la probabilité que ce patient souffre d'un syndrome radiculaire dû à une hernie discale est très faible, disons 5 %. Que se passerait-il dans ce cas si vous réalisiez le SLR avec un LR+ de 2.0 ? La probabilité post-test serait alors de 10 % et, si le test est négatif, la probabilité post-test serait tombée à 4 %. Ainsi, si vous êtes presque certain qu'un patient n'est pas atteint d'une certaine maladie, pourquoi effectuer le test en premier lieu ?
Bien entendu, dans la pratique, la décision d'effectuer un certain test dépend toujours de divers facteurs tels que les coûts, la gravité d'une maladie, les risques du test, etc.
Revenons maintenant à ce que j'ai affirmé au début, à savoir que les valeurs statistiques vous aident à évaluer le résultat de votre questionnement lors de la prise de l'histoire du patient.
En fait, chaque question peut être considérée comme un test spécial, dans lequel la réponse (oui ou non) augmentera ou diminuera la probabilité qu'un patient souffre d'une certaine maladie. C'est également la raison pour laquelle une anamnèse approfondie est la plupart du temps plus importante que les tests spéciaux, car vous effectuez en fait une série de tests spéciaux à la suite,
si vous êtes un bon clinicien qui sait formuler une hypothèse sur la base des réponses de votre patient.
Prenons un autre exemple : Comment une réponse positive à la question sur l'utilisation prolongée de corticostéroïdes influence-t-elle le risque de fracture vertébrale ?
Selon Henschke et al. (2009), l'utilisation prolongée de corticostéroïdes a un LR+ positif de 48,5. La prévalence (probabilité pré-test) d'une fracture vertébrale se présentant aux soins primaires peut être estimée entre 1% et 4% selonWilliams et al. (2013) chez les patients qui présentent une lombalgie.
Ainsi, en cas d'utilisation prolongée de corticostéroïdes, nous nous retrouverons avec une probabilité post-test de 33 %, bien que nous ayons supposé une prévalence de 1 % seulement dans cet exemple de calcul.
Je pense qu'il est juste de dire que cette question sur les corticostéroïdes devrait toujours être posée dans la procédure de dépistage des fractures vertébrales !
Examinons maintenant un autre drapeau rouge couramment utilisé dans le dépistage des tumeurs malignes chez les patients souffrant de lombalgie : Apparition insidieuse de la lombalgie.
Selon Deyo et al. (1988, j'admets que c'est une étude assez ancienne), le LR+ pour cette question est de 1,1. Selon Henschke et al (2009), la prévalence de la malignité chez les patients souffrant de lombalgie est même inférieure à 1 %, mais nous calculerons avec ce 1 % juste pour simplifier.
Ainsi, l'apparition insidieuse du drapeau rouge fait passer la probabilité post-test de malignité comme cause de la lombalgie de 1% à exactement 1,1%. Je pense que nous sommes tous d'accord pour dire que ce drapeau rouge devrait être expulsé de toute directive dans laquelle il figure.
Physiothérapie orthopédique des extrémités supérieures et inférieures
Renforcez vos connaissances sur les 23 pathologies orthopédiques les plus courantes en 40 heures seulement, sans dépenser une fortune en cours de DPC.
Je sais que c'était un long post et je vous félicite et vous respecte si vous êtes arrivé jusqu'ici ! Mes objectifs étaient de vous expliquer comment travailler avec des valeurs statistiques telles que la sensibilité, la spécificité, la VPP, la VPN, et surtout les rapports de vraisemblance, et de vous faire prendre conscience de leur importance dans l'ensemble de votre processus physiothérapeutique.
Il serait fantastique que vous puissiez prendre en compte la prévalence d'une certaine hypothèse avec vos futurs patients, que vous ayez une idée de l'impact de vos questions anamnestiques sur la probabilité du pré-test, et que vous puissiez évaluer correctement la puissance de vos tests spéciaux.
N'hésitez pas à poser des questions dans les commentaires et à partager cet article de blog si vous l'avez trouvé utile !
Merci de votre lecture !
Kai
Références
