Dire qu’une information à elle seule est insuffisante, n’est pas la contredire. Parler de la fiabilité d’un test sans alerter sur ce qui peut s’avérer trompeur dans l’interprétation de cette donnée est une simple omission. Il est important de complémenter le propos.
(il ne faut pas partir du principe que ceux qui nous lisent seront forcément vigilant ou qu’ils connaissent tout comme nous la loi de Bayes)
matteo1984 dit :...
Parfaite illustration de la citation d'un célèbre philosophe-proctologue :
"Quand on réfléchit avec ses tripes il ne faut pas s'étonner d'avoir des idées de merde"
jmguiche dit :Je connais la loi de Bayes et je ne vois pas la contradiction avec ce que je dis.
Clairement, le seul facteur de la sensibilité du test ne suffit pas pour conclure quoi que ce soit. C'est la base en réflexion bayésienne. Donc, dire que tu comprends Bayes, mais que tu ne vois pas la contradiction, c'est assez surprenant. Une donnée brute seule permet rarement (pour ne pas dire jamais) de tirer des conclusions. C'est nettement plus complexe que ça, et comme il existe toujours des faux (parce que test fait trop tôt, trop tard, mal fait, erreur,........), il est très difficile de savoir tout ça.
Il existe une incertitude, non négligeable sur les tests, et le fait de les multiplier amplifie le phénomène. Ca crée un focus médiatique disproportionné.
Enfin, Vicen explique aussi ça très bien. Même avec des taux de fiabilité supérieur à 95%, donner trop de poids aux tests fait prendre des décisions sans rapport avec la situation réelle. Mais c'est assez courant malheureusement.
Juste pour donner mon cas perso très récent…
Jeudi soir (au cours d’une soirée jeu : Hallerteau), sur la fin, je me suis senti étrange : frissons, courbature,… bon j’ai quand même gagné la partie
Je rentre de ma soirée Vendredi 2h du matin : AUTOTEST NEGATIF
Hier (donc vendredi) n’étant vraiment pas en forme et avec de la fièvre, je vais faire un PCR au labo, résultat aujourd’hui…
J’ai aussi du prendre un rdv chez mon médecin hier soir… Il a voulu me faire un test anti génique NEGATIF
J’étais heureux, lol, 3 tests en une journée… mouarf
Pour finir, toujours HS aujourd’hui et, résultats du PCR : Positif
Comme quoi, je conseille, après mon expérience, de ne faire qu’un PCR (en tout cas si on a des symptomes) surtout que j’ai fait les trois tests dans la même journée et que c’est le tes du milieu qui est positif… lol
Malheureusement, les tests antigeniques sont beaucoup moins spécifiques et donc efficaces que les PCR.
A titre perso, il y a un an, petites courbatures/maux de têtes/fièvre. Test pcr et antigenique à 30 minutes d’intervalle: pcr positif et antigenique négatif. De nombreux patients que je vois sont dans le même cas.
Si vous devez partir en voyage, privilégiez l’antigenique 
loïc dit : Enfin, Vicen explique aussi ça très bien. Même avec des taux de fiabilité supérieur à 95%, donner trop de poids aux tests fait prendre des décisions sans rapport avec la situation réelle. Mais c'est assez courant malheureusement.
C'est pas vraiment moi qui explique très bien la chose, mais plutôt l'intervenant dans la vidéo (en l'occurrence M. Phi).
Moi j'aurais illustré ça autrement:
Si vous êtes un humain mâle (sexe biologique), et que vous faite un test de grossesse fiable à 99,9% qui s'avère positif. Quelles sont les chances que vous soyez enceinte ?
Je suppose que la vidéo de M Phi explique que s’il y a peu de cas et un test donnant des faux positifs, alors un individu positif a finalement peu de chance d’être malade et d’être un faux positif.
Bon… ok… mais justement, la littérature est assez unanime, il y a extrêmement peu de faux positifs avec les tests, qu’ils soient pcr ou anti géniques. C’est qualifié de quasi nul.
Par contre, il y a quelques faux négatifs. (Entre 5 et 10% de gens infectés qui sont diagnostiqués sains).
Donc la proposition s’inverse.
Si vous êtes positif, vous êtes certain d’être véritablement infecté, si vous êtes négatif, il y a une chance faible que vous soyez quand même infecté. C’est ce qui est arrivé à Zokseb ci dessus. Il était faux négatif, pas faux positif.
Posez les équations, avec un taux de contamination de 3% (on en est à peu près là), une probabilité d’être positif quand on est malade de 95%, une probabilité d’être positif quand on est sain de 1 pour dix mille (quasi nul).
Et vous verrez que si vous êtes positif, vous pouvez accorder une crédence très haute au fait d’être infecté.
Et vous pouvez vous amuser à faire varier la probabilité d’être positif quand on est sain pour arriver au point de bascule (autant de chance d’être sain que malade) et vous verrez que cette probabilité est loin d’être quasi nul.
Les exemples dans la vidéo sont des illustrations. Effectivement pas transposable telles quelles.
Ce qui est à différencier de la partie explicative qui elle est applicable. C’est à dire prendre en compte l’à priori dans le calcul.
Vicen dit :Les exemples dans la vidéo sont des illustrations. Effectivement pas transposable telle quelle.
Ce qui est à différencier de la partie explicative qui elle est applicable. C'est à dire prendre en compte l'à priori (ici la probabilité d'être malade qu'on avait avant de voir le résultat du test)
Vous devriez essayer de comprendre ce que dit Phi ! Pas seulement « les tests ça veux rien dire ! », ce qu’il ne dit probablement pas, il doit dire « pour comprendre un test, il faut prendre la peine de faire un ou deux calculs ».
Faites les ! Comprenez les !
Si vous voulez raisonner bayesien, posez les équations avec un taux quasi nul de faux positifs et un taux important de contamination, ce qui est notre cas aujourd’hui.
La base de cet exemple classique d’application de l’équation de bayes ce sont les faux positifs, ou plutôt les grandeurs comparée de la probabilité d’être un faux positif (ici quasi nul) avec celle d’être malade (ici 3%).
On est ici dans un calcul simple de probabilité utilisant la formule de Bayes. On n’est pas en train de tester la crédence d’une théorie.
Calculer la probabilité d’être sain quand :
vous avez 3 % de chance d’être malade. (Il y a 3% d’infectés dans la population)
Le test donne un faux positif avec une probabilité de 1/10000
Le test donne des faux négatif avec une probabilité de 95 %
Avec les mêmes données, calculez la probabilité d’être malade avec un test positif et la probabilid’etre malade avec un test négatif.
A partir de quel pourcentage d’infectés dans la population vous pouvez dire qu’un test positif a 50% de chance d’être un faux positif.
A mon avis, si cet exercice ne tombe pas au bac cette année, les profs auront raté un truc… (oui, de mon temps, 
, Bayes c’était au bac).
Edit : et après recherche rapide, ça l’était encore en 2017, ça m’étonnerait que cela ait disparu.
jmguiche dit :Même en paraphrasant, je n'ai rien écrit d'approchant.« les tests ça veux rien dire ! »
Vicen dit :@jmguiche: arrêtez de me faire dire ce que je n'ai écrit nul part. Même en paraphrasant, je n'ai rien dit d'approchant.
en vous lisant j’ai l’impression que vous mettez en doute la validité des tests dans le contexte en allant un poil dans le sens de Loïc, et en citant Phi.
Je me trompe peut être, si c’est le cas excusez moi. Mais du coup je ne comprend vraiment pas le sens de vos interventions.
c’est pas grave (que je ne comprenne pas).
Et pardonnez mon énervement, mais quand on cite des explications de Phi, qui est sérieux, pour dire que les tests actuels ne servent à rien, ça m’énerve… cela démontre que la vulgarisation ne sert à rien, et cela me rend aussi triste qu’enervé.
J’ai tort.
Je n’ai pas orienté mon propos dans un sens ou l’autre.
Mais si vous y tenez, voici une illustration différente de celle inclus dans la vidéo:
Si vous êtes symptomatique, que vous savez que vous avez été en contact avec des personnes infectées, et bien votre à priori d’être contaminé est élevé et même un test négatif ne sera pas suffisant à inférer l’hypothèse d’être contaminé.
Votre nouvelle crédence ne sera ni la valeur de fiabilité du test, ni exactement identique à votre à priori. Mais une mise en perspective de l’un par rapport à l’autre.
Vicen dit :Je n'ai pas orienté mon propos dans un sens ou l'autre.
Mais si vous y tenez, voici une illustration différente de celle inclus dans la vidéo:
Si vous êtes symptomatique, que vous savez que vous avez été en contact avec des personnes infectées, et bien votre à priori d'être contaminé est élevé et même un test négatif ne sera pas suffisant à inférer l'hypothèse d'être contaminé.
La discussion ne porte pas sur les faux négatifs mais sur les faux positifs !
mais c’est un exercice intéressant.
il y a actuellement une épidémie de Covid (3%) et une épidémie de grippe et autre saloperies aussi contagieuses.
La probabilité d’être négatif Covid mais infecté est entre 0,15% et 0,3%.
la probabilité d’avoir une autre infection… allez, 1% ?
La probabilité d’avoir autre chose reste donc très importante et probablement supérieure à celle d’être un faux négatif.
J’en sort… symptômes, test Covid, pour moi et mon épouse, négatif tout les deux, alors que nous avons croisé des cas contacts la semaine d’avant. Un exemple n’est qu’un exemple. (Pour memoire, si la probabilité d’être un faux négatif est de disons moins de 10%, alors la probabilité que deux test, fait par des labo différents soit tout les deux des faux négatifs descent a moins de 1%. Nous pouvons donc donner une bonne crédibilité au fait que nous n’avons pas eu le Covid).
Mais, à nouveau ce n’est pas le sujet de la discussion.
Ceci reste valable dans tout les cas:
Vicen dit :(@jmguiche: je l’ai ajouté dans un second temps, donc vous ne l’avez peut-être pas initialement lu)Votre nouvelle crédence ne sera ni la valeur de fiabilité du test, ni exactement identique à votre à priori. Mais une mise en perspective de l’un par rapport à l’autre.
jmguiche dit :La discussion porte désormais sur les deux points, vu que vous avez évoqué vous même les deux précédemment. (Une discussion ça évolue)La discussion ne porte pas sur les faux négatifs mais sur les faux positifs !
Vicen dit :Ceci reste valable dans tout les cas:(@jmguiche: je l'ai ajouté dans un second temps, donc vous ne l'avez peut-être pas initialement lu)Votre nouvelle crédence ne sera ni la valeur de fiabilité du test, ni exactement identique à votre à priori. Mais une mise en perspective de l'un par rapport à l'autre.
(et la discussion porte désormais sur les deux points, vu que vous avez évoqué vous même les deux précédemment. Une discussion ça évolu)
Ouai, mais ce qui me semble important c’est d’être clair sur le fait que la crédence que l’on a le Covid quand on est positif est proche de 100% et que soutenir l’inverse ressort de la fake news.
Et le faire en invoquant Bayes, avec les données que nous avons ressort de… bof… disons… une mauvaise interprétation de la formule de bayes.
Une fois cela posé, on peut discuter de tout avec plaisir.
@jmguiche: pourriez vous arrêter vos interprétation fallacieuses vis à vis de mes motivations concernant mon partage de vidéo ?
Vicen dit :@jmguiche: je commence sérieusement en avoir ras le bol de vos interprétations fallacieuses concernant mon partage de vidéo.
Faut pas : je parle ici du rebond de Loïc parlant de bayesianisme après votre partage de la vidéo.
Ce qui serait bien c’est d’avoir les études sous les yeux. Car proche de 100% ça reste interprétable. Entre 99% et 99,99% c’est pas la même en terme d’ordre de grandeur. Et l’ordre de grandeur c’est ce qui se joue dans la formule de Bayes.
Concernant l’apriori, ça dépend du profil de chacun. Si vous n’avez qu’une dose et faites la bringue, vous êtes à risque. (Tandis qu’avec vaccination à jour, sans symptôme et de nature extrêmement solitaire, l’apriori est si faible que le test serait du zèle)
Vicen dit :Ce qui serait bien c'est d'avoir les études sous les yeux. Car proche de 100% ça reste interprétable. Entre 99% et 99,99% c'est pas la même.
Ben… pour qui parle de validation de crédence de théorie… ce n’est pas très différent.
La validité de mes données est elle de 1% ? C’est rarement le cas.
Pour prendre une décision, analyser une situation, une precision de 1%, sur la probabilité d’un événement whaou… c’est rare.
Et si je souhaite évaluer ma crédence en une théorie par rapport à des données, qu’elle est ma crédence initiale ? Y a t il une différence entre croire à 99% ou à 99,99% ? Perso, je ne fais pas trop la différence.
Et s’il y a un truc à ne pas oublier, c’est l’intervalle d’incertitude.
Si on me démontre « machin va gagner les élections avec 51% des voix… plus ou moins 3% de voix », en effet, je me pose des questions.
Si on me démontre « machin va gagner les élections avec 72% des voix… plus ou moins 3% des voix », je me pose beaucoup moins de questions.
Alors, l’intervalle d’incertitude, s’il est, disons, de 1,5 %, ce qui est déjà bien, entre 99 et 99,99 il n’y a pas de différence. Et tant que je tombe sur des expériences qui me donnent des résultats dans un intervalle allant de disons 98,5 à 99,99 on ne fera pas la différence… c’est même pire que ça, en science, avec une p-value à 5% qui a du mal à être remise en cause.
Mais tu sors les chiffres de ton chapeau jmguiche, c’est ça que je conteste. 0.0001% de faux positif sons sourciller. Aucune étude n’affirme cela. Pour les faux négatifs, ça va de 5 à 30% selon les sources.
Et pour les faux positifs, vu le nombre d’asymptomatique, tu les détectes comment ? C’est juste que pouvoir affirmer comme ça, sans le moindre élément, qu’il y a 0.0001% de faux positif, ça n’a pas de sens.
Un petit lien pour ceux que ça intéresse. Même avec un test fiable à 98%, le taux d’incertitude reste élevé.
Et, contrairement à ce que tu affirmes, je ne dis pas qu’il ne faut pas faire de tests. Juste, qu’aujourd’hui, l’explosion du nombre de tests pour justifier certaines mesures doit être interrogé. Car aucun test n’est fiable à 100%; ni même à 99,99%.