A la fin de mon examen clinique, que conclure des tests que je fais ?

Imaginons..

Je viens de faire les tests de conflits sous acromial (CSA) pour une douleur à l’épaule.

Nous savons malheureusement que ce n’est pas si simple. Des erreurs sont possibles car les tests ne sont pas fiables à 100% et les valeurs diagnostiques des tests varient énormément.

L’étude des tests nous permet de savoir à quel point ils sont fiables (le seuil de fiabilité acceptable est arbitraire, il peut varier en fonction du contexte).

A quoi bon connaitre ces seuils de fiabilité ? 

Poser un diagnostic et connaitre notre marge d’erreur ?

Le diagnostic est important principalement pour la communication avec le patient. 

« Alors, vous avez trouvé ce qui me fait mal ? « 

NB : A ce sujet, le livre de Le Breton peut être intéressant à lire (Anthropologie de la douleur).

Jusqu’à 30% des diagnostics initiaux changent aux cours de la prise en charge.. et dans la plus part des cas, ce n’est pas bien grave. Mais les suspicions diagnostiques doivent être présente dans notre raisonnement clinique pour pouvoir réorienter le patient si nécessaire (nécessité d’examen complémentaire, avis médical, prise en charge en physiothérapie..).

Nous allons introduire les notions de sensibilité, spécificité et ratio de vraisemblance (RV).

Ce test est sensible, ce test est spécifique.

Ces deux notions sont des métriques qui permettent de calculer la marge d’erreur des tests.

On peut rapidement comprendre que si un test à une sensibilité/spécificité avoisinant les 50%, on ferait tout aussi bien de tirer une pièce et de voir si ca tombe sur pile ou face. (palm up test ?)

Seulement, comme vous le voyez, ces métriques ne prennent en compte seulement la moitié de la population.

C’est d’ailleurs pour cela que même si un test est très sensible, vers 90%, si sa spécificité est de 4% -> on peut pas si fier.

Et inversement.

Le ratio de vraisemblance nous permet d’avoir une valeur qui prend en compte toute la population : il est calculé avec les valeurs de la spécificité et sensibilité.

Mais le RV va nous aider encore plus si on prend en compte la prévalence de la pathologie…. 

Le docteur Fagan s’est penché sur la question de fiabilité des tests. Il a utilisé un outil graphique apparu début du 20ème siècle, permettant d’estimer des valeurs basées sur plusieurs paramètres ou mesures : le nomogramme. Il permet d’éviter une équation mathématique complexe. Dr Fagan s’en est servi pour prédire une probabilité de vérité de diagnostic. Et en 1975, il l’a humblement appelé Nomogramme de Fagan.

Comment ca fonctionne ?

La probabilité d’avoir la pathologie avant que nous fassions le moindre test est nulle autre que la prévalence de la pathologie. Le RV est calculé avec la spécificité et sensibilité du test.

On relie simplement ces 2 valeurs et apparait la valeur prédictive positive ou négative.

J’ai mis plus tôt que le RV+ doit être > à 2, des auteurs suggèrent que le RV+ devrait être supérieur à 5.

On comprend pourquoi.. le spurling test a un RV+ de 4,8, il est censé inclure la patho. Sa probabilité post-test est de 52%, pas loin de la pièce de monnaie….

En connaissance de cause : je suspecte une NCB, je fais un spurling, il est positif, dans 48% des cas le test me trompe..

PAR CONTRE 🙂

Si l’ULNT ne reproduit pas la symptomatologie, il y a que 3% de risque que le patient est quand même une NCB… C’est quand même plus sereinement qu’on peut dire : CE N’EST PAS UN NCB 

Malheureusement, peu de tests sont fiables et les valeurs métriques varient en fonction des études. C’est pour cela qu’on se doit d’en utiliser plusieurs. Les cluster et règles de prédiction clinique améliore les RV et donc les valeurs prédictives post-test.

Chad Cook et co propose ce système d’examen clinique

Noémie pour le comité