Connectez-vous via MCP →

Entrez le calcul

Formule

Show calculation steps (4)
  1. Specificity (True Negative Rate)

    Specificity (True Negative Rate): Calculateur de sensibilité et de spécificité

    Proportion of actual negatives correctly identified

  2. Positive Predictive Value (PPV)

    Positive Predictive Value (PPV): Calculateur de sensibilité et de spécificité

    Proportion of positive test results that are true positives

  3. Negative Predictive Value (NPV)

    Negative Predictive Value (NPV): Calculateur de sensibilité et de spécificité

    Proportion of negative test results that are true negatives

  4. Accuracy

    Accuracy: Calculateur de sensibilité et de spécificité

    Proportion of all results that are correct

Publicité

Résultats

Sensibilité (taux de vrais positifs)
90%
capacité à identifier correctement les positifs
Spécificité (taux de vrais négatifs) 80%
Valeur prédictive positive (VPP) 81,82%
Valeur prédictive négative (VPN) 88,89%
Exactitude 85%

À quoi sert ce calculateur

Cet outil évalue la performance d'un test diagnostique binaire ou d'un modèle de classification. À partir des quatre cases d'une matrice de confusion 2×2 — vrais positifs (VP), faux négatifs (FN), vrais négatifs (VN) et faux positifs (FP) — il calcule la sensibilité, la spécificité, les valeurs prédictives positive et négative (VPP/VPN) ainsi que l'exactitude globale. Ces indicateurs sont couramment utilisés en médecine, en épidémiologie et en apprentissage automatique.

Matrice de confusion deux par deux montrant les cases VP, FP, FN et VN
Une matrice de confusion classe les prédictions en vrais positifs, faux positifs, faux négatifs et vrais négatifs.

Comment l'utiliser

Saisissez le nombre de cas pour chaque résultat issu de votre étude ou de votre modèle. Un résultat « positif » signifie généralement que la condition est présente (ou que le modèle prédit la classe positive). Les VP et les FP correspondent aux cas que le test a déclarés positifs ; les VN et les FN à ceux qu'il a déclarés négatifs. Cliquez sur « Calculer » pour afficher les cinq indicateurs sous forme de pourcentages.

Les formules expliquées

Sensibilité = $$\text{Sensibilité} = \frac{\text{VP}}{\text{VP} + \text{FN}} \times 100\%$$ indique la capacité du test à repérer les vrais cas : une valeur élevée signifie que peu de patients malades passent à travers les mailles du filet. Spécificité = $$\text{Spécificité} = \frac{\text{VN}}{\text{VN} + \text{FP}} \times 100\%$$ mesure sa capacité à écarter les personnes saines : une valeur élevée signifie peu de fausses alertes. La VPP = $$\text{VPP} = \frac{\text{VP}}{\text{VP} + \text{FP}} \times 100\%$$ représente la probabilité qu'un résultat positif soit réel, et la VPN = $$\text{VPN} = \frac{\text{VN}}{\text{VN} + \text{FN}} \times 100\%$$ la probabilité qu'un résultat négatif le soit vraiment. L'exactitude = $$\text{Exactitude} = \frac{\text{VP} + \text{VN}}{\text{VP} + \text{FN} + \text{VN} + \text{FP}} \times 100\%$$ résume la justesse globale du test.

Publicité
Schéma opposant la sensibilité issue des positifs réels à la spécificité issue des négatifs réels
La sensibilité se calcule parmi les positifs réels, la spécificité parmi les négatifs réels.

Exemple concret

Supposons qu'un test donne VP = 90, FN = 10, VN = 80 et FP = 20. Sensibilité = $$\frac{90}{90 + 10} = 90\,\%$$ Spécificité = $$\frac{80}{80 + 20} = 80\,\%$$ VPP = $$\frac{90}{90 + 20} \approx 81{,}82\,\%$$ VPN = $$\frac{80}{80 + 10} \approx 88{,}89\,\%$$ Exactitude = $$\frac{90 + 80}{200} = 85\,\%$$

FAQ

Quelle est la différence entre sensibilité et spécificité ? La sensibilité mesure la capacité d'un test à détecter les personnes atteintes de la condition ; la spécificité mesure sa capacité à écarter correctement celles qui ne le sont pas.

Pourquoi la VPP et la VPN diffèrent-elles de la sensibilité et de la spécificité ? Les valeurs prédictives dépendent de la prévalence de la maladie dans votre échantillon, tandis que la sensibilité et la spécificité sont des propriétés intrinsèques du test.

Un test peut-il être sensible à 100 % tout en étant inutile ? Oui : un test qui déclare tout le monde positif est sensible à 100 % mais spécifique à 0 %. C'est pourquoi les deux valeurs doivent toujours être considérées ensemble.

Dernière mise à jour: