Grippe A / H1N1pdm : selon Bayes, les tests rapides sont inutiles en situation de pandémie.

Suite à une discussion à bâtons rompus avec un brillant urgentiste qui se reconnaîtra (d'où l'intérêt du dialogue clinico-biologique), nous avons décidé, KW et votre serviteur, d'appliquer l'approche Bayesienne pour évaluer l'intérêt des tests rapides pour le diagnostic de la grippe.

Données : Nous avons utilisés les données publiés par l'équipe marseillaise dans le récent PLOS, à savoir une spécificité de 100% et une sensibilité à 63.1% pour le test immunochromatographique (pour rappel, la fourchette de spécificité de ces tests rapportée dans la littérature varie de 40 à 70%).

Méthode : L'approche est basée sur le théorème de Bayes qui permet d'estimer l'impact d'une information (le résultat d'un test diagnostic) sur une situation d'incertitude (le patient est-il malade ou non?). Nous nous n'étendrons pas sur les aspects théoriques de cette approche et leur application dans la décision médicale car d'autres s'y sont attelés avec succès par contre, nous recommandons à nos confrères biologistes de s'y intéresser de près car ces principes vont infuencer l'élaboration des futurs consensus/recommandations. Quelques liens sont fournis à la fin de l'article (merci Babaorum).

Donc selon Bayes, un test diagnostic est bon s'il permet au clinicien de diminuer son incertitude devant un patient donné. Ainsi, si avant le test, le patient à une probabilité d'être malade de 30%(proba pré-test), le test est utile si son résultat ramène cette probabilité (proba post-test) à 80%. Le test a donc augmenté la probabilité de diagnostic correct de 50%, il peut le faire à condition que son Ratio de Vraisemblance positif (RV+), calculé à partir de Spé et Se, soit égal à 10 (ou que son RV- soit égal à 0.1). En effet, d'après Bayes, la proba post-test se calcule par une équation qui tient compte de la proba pré-test (en pratique la prévalence de la maladie) et du RV. Nous comprenons donc que l'utilité d'un test ne dépend pas uniquement de sa Spé et Se mais aussi du contexte épidémiologique.

Nous avons donc repris les données marseillaises et calculé le RV- du test rapide utilisé et la probabilité post-test dans trois situations épidémiologiques différentes en utilisant un site de calcul Bayésien. Ce RV- estime la probabilité post-test que la patient n'ait pas la grippe H1N1 si le test est négatif, il est égal à 0.37 .

• Situation 1 : la prévalence de la grippe est autour de 8% (92% des patients qui consultent n'ont pas la grippe), la probabilité post-test passe à 96.9%, soit un gain diagnostique de 4.7%

• Situation 2 : la prévalence est à 30% (70% des patients seraient indemnes de H1N1), la probabilité post-test passe à 86.4% ; gain = 16.4%

• Situation 3 : la prévalence est à 60% (pic pandémique, 40% de patients indemnes seulement), la probabilité post-test passe à 64.3% ; gain = 24.3%.

Dans tous les cas, y compris en situation pandémique, les tests rapides n'apportent pas un gain diagnostique suffisant (au moins +40/50%) et ne permettent pas d'affiner le jugement du clinicien.

La solution passe donc par l'amélioration de la spécificité des tests rapides (trop tard pour cette année !). Pour être efficaces et notamment dans la situation 2 intermédiaire, il faudrait qu'ils atteignent au moins une spécificité de 75% = cette information est cadeau pour les industriels.

Une autre alternative est l'utilisation de la RT-PCR mais là aussi les moyens ne sont pas suffisament dimensionnés.

KW et GdM

Bibliographie :

- Pierre taboulet, Urgence pratique, 2007

- Théorème de Bayes selon Wikipédia,

- Delacour H., IBS, 2009,