 |
|
APPLICATIONS DE LA STATISTIQUE EN |
||
|
Les nouveaux développements thérapeutiques et l'avènement des biomarqueurs font largement appel à l'immunoanalyse : technique ultrasensible reposant sur l'interaction entre des anticorps et les analytes ciblés. Les champs d'application de l'immunoanalyse concernent principalement le diagnostic en endocrinologie, oncologie ou parasitologie, comme le dosage de médicaments. Les techniques immunoanalytiques œuvrent depuis la R&D jusqu'à la validation des méthodes pour tenir compte des exigences réglementaires et de qualité Le Biologiste est confronté à la remise en cause régulière du choix de ses réactifs, ou de sa technique de dosage d'un paramètre donné, face aux nouveautés qui se font jour à un rythme soutenu. Sur quels critères fonder son choix ? Le Biologiste a besoin d'une démarche optimisée pour l'évaluation rapide ou approfondie d'une nouvelle méthode de dosage, que l'on se place dans un contexte de comparaison par rapport à la méthode déjà en place dans ou qu'il s'agisse de réaliser une expertise analytique ou clinique. L'outil statistique participe à cette démarche d'aide à la décision. d'après la préface de l'ouvrage IMMUNOSTAT.
Un ouvrage de référence : IMMUNOSTAT outils statistiques en immuno-analyse |
||
 |
Valeur diagnostique d'un test (sensibilité, spécificité, courbe ROC)Cas d'un test-diagnostic dont la réponse est binaire (sain / malade, par exemple) selon que la valeur du test est d'un côté ou de l'autre d'une valeur-seuil de positivité choisie, appelée aussi « cut-off ». La performance d'un test est évaluée par la sensibilité (fréquence de réponses positives au test parmi les personnes atteintes de la maladie) et la spécificité (fréquence de réponses négatives au test parmi les personnes non atteintes de la maladie). Or, ces deux indicateurs varient en sens inverse et il est parfois difficile de faire un arbitrage entre les deux. L'objectif de la courbe ROC est d'arbitrer entre une sensibilité (Se) de détection suffisante et une spécificité (Sp) acceptable afin d'obtenir l'information maximale, celle où la somme de la sensibilité et de la spécificité est la plus élevée. Mais, en jouant sur le « cut-off », on peut priviégier la sensibilité dans l'objectif d'un test de dépistage ou la spécificité dans l'obhjectif d'une test de confirmation.
Nous avons développé une application sur tableur pour : Téléchargez le fichier PDF : CourbeRoc4.pdf |
|
|
Comparaison de deux techniques de mesure (réponses quantitatives)Dans le cas d'une méthode quantitative, il s'agit de corréler les résultats issus de la méthode à évaluer avec ceux de la méthode de référence (pour autant que cette dernière révèle mieux qu'aucune autre la vérité !). L'erreur fréquemment commise est de considérer le coefficient de corrélation, or une valeur proche de 1 n'établit en rien que les deux méthodes donnent des résultats identique. La bonne réponse est la comparaison de la droite de régression à la bissectrice (identité totale entre les valeurs données par les deux techniques, donc pente = 1 et ordonnée à l'origie = 0). Remarque : l'emploi des paramètres de la droite de régression des moindres carrés (préprogrammée par le tableur) est satisfaisante si le coefficient de régression est supérieur à 0,95, sinon préférer la droite de régression pondérée de Deming ou celle (non paramétrique) de Passing et Bablock. Téléchargez le fichier Word : Cor3Txt.doc
Nous avons développé une application sur tableur qui compare : Cette comparaison est également illustrée graphiquement (nuage de points, droite de régression avec son intervalle de dispersion des points individuel et son intervalle de confiance) Téléchargez le fichier PDF : CompaRegressionATS1.pdfTéléchargez le fichier PDF : CompaRegressionATS1_Graph.pdf |
|
|
Évaluation d'une méthode• Analyse de régression• Cas de la comparaison entre deux méthodesTéléchargez le fichier Word : Cor3Txt.doc |
|