Spécificité diagnostique
La spécificité diagnostique est la probabilité qu’un test fournisse un résultat négatif chez une unité réellement non infectée ou non atteinte. Elle mesure la capacité à reconnaître les vrais négatifs et s’exprime par le rapport entre le nombre de vrais négatifs et l’ensemble des unités non atteintes : Sp = VN / (VN + FP), où FP désigne les faux positifs.
Interprétation
Les réactions croisées, les contaminations, les interférences de matrice et un seuil de décision trop permissif peuvent réduire la spécificité. Sa valeur est estimée sur une population de référence dont le statut sanitaire est établi. Elle est accompagnée d’un intervalle de confiance, car une estimation obtenue sur un petit nombre d’unités non atteintes reste incertaine.
La spécificité diagnostique est distincte de la spécificité analytique. La première concerne le classement des individus ou des lots dans une population, tandis que la seconde décrit la capacité de la méthode à distinguer la cible d’autres substances, anticorps ou organismes. Un test très sélectif sur le plan analytique peut néanmoins produire des faux positifs dans certaines populations ou matrices.
Validation et usage
L’estimation dépend du standard de référence, de la population, du stade d’infection exclu et des conditions d’emploi. Lorsque le standard de référence est imparfait, une erreur de classement peut modifier la spécificité apparente. Une validation réalisée sur une espèce, une matrice ou une population donnée n’établit donc pas automatiquement la performance dans un autre contexte.
Une spécificité élevée limite les faux positifs, mais la valeur prédictive positive dépend également de la prévalence. La performance est donc présentée avec la sensibilité diagnostique, les intervalles d’incertitude et les conditions d’emploi. Un test validé dans une matrice ne l’est pas automatiquement dans une autre.
Unité testée et incertitude
Le dénominateur comprend uniquement les unités réellement non atteintes. Par exemple, si 98 résultats sont négatifs parmi 100 poissons non atteints et que deux sont faussement positifs, l’estimation est de 98 %. Cet exemple de calcul ne décrit la performance d’aucun test commercial. Il ne signifie pas non plus que 98 % des poissons testés négatifs dans un élevage sont indemnes : cette dernière question relève de la valeur prédictive négative et dépend notamment de la prévalence.
Une unité peut être un animal, un prélèvement ou un lot, selon la validation. Un résultat sur un mélange d’échantillons ne possède pas automatiquement les performances d’un résultat individuel. La composition de la population de référence, les matrices et le standard utilisé font donc partie du résultat de validation, au même titre que le pourcentage annoncé.
Si aucun faux positif n’a été observé, l’estimation ponctuelle peut atteindre 100 % sans prouver une spécificité parfaite dans toutes les situations. L’intervalle d’incertitude reste nécessaire. Lorsque le statut réel est inconnu, les modèles sans standard parfait nécessitent des hypothèses, notamment sur les relations entre tests. Toft et ses collaborateurs montrent que ces hypothèses influencent les estimations. Une valeur obtenue par un modèle ne se lit donc pas comme une proportion directement observée dans une population au statut certain.
