Calculateur de probabilité post-test
Avec une probabilité pré-test de 0,01, un résultat positif à un test de sensibilité 0,9 et de spécificité 0,95 ne porte la probabilité de maladie qu'à 0,153846153846. Indiquez la probabilité pré-test, les deux caractéristiques du test et le résultat pour voir la valeur mise à jour. Gratuit dans votre navigateur.
- Gratuit
- Fonctionne dans votre navigateur
- Sans inscription
- Vos données restent sur votre appareil
Lancer gratuitement
Exemple résolu
- Probabilité pré-test
- 0,01
- Sensibilité
- 0,9
- Spécificité
- 0,95
- Résultat du test
- Positive
- Probabilité post-test
- 0,1538461538
- Rapport de vraisemblance
- 18
La probabilité post-test est la chance qu'une personne ait réellement la maladie cible une fois le résultat d'un test diagnostique connu. Les cliniciens, les étudiants et les auteurs de recommandations partent d'une probabilité pré-test — la prévalence ou la suspicion clinique avant l'essai — puis la combinent avec la sensibilité et la spécificité du test pour actualiser cette croyance devant un résultat positif ou négatif. Ce calculateur effectue cette mise à jour avec la règle de Bayes sous sa forme diagnostique : un résultat positif multiplie les cotes pré-test par le rapport de vraisemblance positif, et un résultat négatif les multiplie par le rapport de vraisemblance négatif.
Ce à quoi répond la probabilité post-test et comment la mise à jour fonctionne
Un test diagnostique ne remplace pas la question de la présence de la maladie ; il la révise. Avant l'essai vous détenez déjà une probabilité pré-test, souvent la prévalence locale ou une suspicion clinique après l'anamnèse et l'examen. La sensibilité est la chance que le test soit positif lorsque la maladie est vraiment présente.
La spécificité est la chance qu'il soit négatif lorsque la maladie est vraiment absente. Ces deux caractéristiques de fonctionnement, avec le résultat observé, déterminent de combien la croyance doit se déplacer. Pour un résultat positif, la postérieure est la sensibilité fois la probabilité pré-test, divisée par ce même produit plus un moins la spécificité fois un moins la probabilité pré-test.
Pour un résultat négatif, le numérateur devient un moins la sensibilité fois la probabilité pré-test, et le terme complémentaire du dénominateur est la spécificité fois un moins la probabilité pré-test. Les mêmes identités apparaissent comme rapports de vraisemblance : le positif est la sensibilité sur un moins la spécificité, et le négatif est un moins la sensibilité sur la spécificité. Les cotes pré-test valent la probabilité pré-test sur un moins cette probabilité ; les multiplier par le rapport correspondant et reconvertir en probabilité donne la même postérieure.
C'est pourquoi un dépistage très précis peut encore laisser une chance post-test modeste lorsque la maladie est rare : les faux positifs dominent le vivier des résultats positifs. La valeur prédictive positive est simplement le nom spécial de la probabilité post-test après un résultat positif ; après un résultat négatif, la quantité complémentaire est un moins la valeur prédictive négative. Cette page calcule cette unique postérieure pour le résultat que vous avez observé.
Elle n'enchaîne pas des tests successifs, n'ajuste pas de courbes ROC et n'invente pas une prévalence à partir d'un tableau de contingence. Lorsque le résultat observé a une probabilité nulle sous les nombres que vous avez fournis — par exemple un positif lorsque la spécificité vaut un et que la sensibilité ou la probabilité pré-test vaut zéro — la postérieure n'est pas définie mathématiquement et l'appel échoue plutôt que de renvoyer NaN.
Où un calculateur de probabilité post-test justifie son existence
Les cours de médecine fondée sur les preuves utilisent un calculateur de probabilité post-test pour que l'apprenant voie comment la prévalence, et non seulement l'exactitude affichée, pilote la chance de maladie après un dépistage.
Les notes de programmes de dépistage et les clubs de lecture citent souvent la postérieure après une mammographie, une troponine ou un antigène rapide positifs à partir de la sensibilité, de la spécificité et de la prévalence locale publiées ; appeler un petit point de terminaison parse évite de tirer un paquet statistique complet pour quatre nombres.
Ne confondez pas cette page avec une page de théorème de Bayes général qui prend un taux de faux positifs et aucun résultat observé, ni avec une page de valeur prédictive positive qui ne traite jamais un essai négatif : ici l'intention de recherche est la postérieure clinique après un résultat diagnostique connu. Gardez les requêtes petites, figez la postérieure arrondie dans les tests, et vous obtenez des probabilités post-test reproductibles pour les devoirs, les greffons LMS et les workers de bord sans dresser une infrastructure d'algèbre symbolique.
Convertissez toujours les pourcentages vers l'intervalle unité avant d'appeler, et traitez le rapport de vraisemblance renvoyé comme légende à côté de la probabilité afin que le lecteur voie le multiplicateur de cotes et la chance finale de maladie.
Cas d’usage
Exemples de cours sur les maladies rares
Montrez aux étudiants comment un test à 90% de sensibilité et 95% de spécificité laisse encore une postérieure modeste lorsque la prévalence est de 1%, pour un résultat positif comme pour un négatif.
Notation automatique d'examens et LMS
Notez des items de Bayes diagnostique avec un oracle déterministe qui rejette toute probabilité hors de 0 à 1 et n'invente jamais une postérieure lorsque le résultat est impossible.
Notes de dépistage et clubs de lecture
Transformez la sensibilité, la spécificité et la prévalence locale publiées plus le résultat observé en une chance post-test de maladie sans bibliothèque statistique.
Questions fréquentes
Que se passe-t-il si une probabilité est hors de 0 à 1 ?
Les probabilités doivent se trouver dans l'intervalle fermé de zéro à un ; elles ne sont jamais bridées.
En quoi cela diffère-t-il de la valeur prédictive positive ?
La valeur prédictive positive est la probabilité post-test après un résultat positif. Cet outil accepte aussi un résultat négatif, qui donne la postérieure P(D|T−). Un moins cette postérieure est la valeur prédictive négative.
Combien coûte le calculateur de probabilité post-test ?
L'outil du navigateur est gratuit et s'exécute en local.
Quelle probabilité pré-test faut-il saisir ?
La prévalence locale de la maladie ou votre suspicion clinique après l'interrogatoire et l'examen, sous forme de nombre entre 0 et 1. Une prévalence de 1 % se saisit par exemple 0,01.
Que fait un résultat négatif sur la probabilité ?
Il multiplie la cote pré-test par le rapport de vraisemblance négatif, soit un moins la sensibilité divisé par la spécificité, ce qui fait en général baisser la probabilité. Le résultat vaut un moins la valeur prédictive négative.
Outils associés
Pour les développeurs — accès API
Tout sur cette page est disponible par programmation. Cette section s'adresse aux équipes qui veulent l'intégrer à leurs systèmes ; les autres peuvent simplement utiliser l'outil ci-dessus.
Endpoint
Authentification par jeton Bearer : un seul POST met la tâche en file d’attente, et le résultat vous parvient par webhook ou lien signé.
Appeler depuis votre stack
curl -X POST https://api.kit.forhosting.com/stat/post-test-probability \
-H "Authorization: Bearer $KIT_KEY" \
-H "Content-Type: application/json" \
-d '{"pretest_probability":0.01,"sensitivity":0.9,"specificity":0.95,"test_result":"positive"}'const res = await fetch("https://api.kit.forhosting.com/stat/post-test-probability", {
method: "POST",
headers: {
"Authorization": `Bearer ${process.env.KIT_KEY}`,
"Content-Type": "application/json"
},
body: JSON.stringify({
"pretest_probability": 0.01,
"sensitivity": 0.9,
"specificity": 0.95,
"test_result": "positive"
})
});
const { task_id } = await res.json();import os, requests
res = requests.post(
"https://api.kit.forhosting.com/stat/post-test-probability",
headers={"Authorization": f"Bearer {os.environ['KIT_KEY']}"},
json={
"pretest_probability": 0.01,
"sensitivity": 0.9,
"specificity": 0.95,
"test_result": "positive"
},
)
task_id = res.json()["task_id"]<?php
$res = file_get_contents("https://api.kit.forhosting.com/stat/post-test-probability", false, stream_context_create([
"http" => [
"method" => "POST",
"header" => "Authorization: Bearer " . getenv("KIT_KEY") . "\r\nContent-Type: application/json",
"content" => '{"pretest_probability":0.01,"sensitivity":0.9,"specificity":0.95,"test_result":"positive"}',
],
]));
$task = json_decode($res, true);body := bytes.NewBufferString(`{"pretest_probability":0.01,"sensitivity":0.9,"specificity":0.95,"test_result":"positive"}`)
req, _ := http.NewRequest("POST", "https://api.kit.forhosting.com/stat/post-test-probability", body)
req.Header.Set("Authorization", "Bearer "+os.Getenv("KIT_KEY"))
req.Header.Set("Content-Type", "application/json")
res, _ := http.DefaultClient.Do(req)Exemple de requête
{
"pretest_probability": 0.01,
"sensitivity": 0.9,
"specificity": 0.95,
"test_result": "positive"
}Exemple de réponse
{
"task_id": "tsk_a1b2c3d4e5f6a1b2c3d4e5f6",
"type": "stat.post_test_probability",
"status": "queued",
"_links": {
"result": "/tasks/tsk_…/result"
}
}L’API est asynchrone : chaque appel renvoie un task_id immédiatement, puis vous interrogez l’état à raison d’une requête par seconde.
Tarifs
Le prix est publié, sans tokens ni crédits. Une tâche qui échoue n’est pas facturée.
Erreurs
| HTTP | Code | Signification |
|---|---|---|
401 | unauthorized | Clé API absente ou invalide : vérifiez l’en-tête Authorization. |
402 | insufficient_balance | Solde insuffisant : rechargez votre compte pour lancer cette tâche. |
404 | unknown_type | Type de tâche inconnu : vérifiez le champ type de votre requête. |
429 | rate_limited | Trop de requêtes : ralentissez la cadence, puis réessayez. |
Notes techniques
Toute probabilité d'entrée doit se trouver dans l'intervalle fermé de zéro à un ; les valeurs hors de cette plage échouent avec invalid_input au lieu d'être bridées en silence. Les appels API réussis coûtent $0.002.
Contrat d'entrée, forme de la réponse et probabilités rejetées
Contrôle classique : une probabilité pré-test de 0.01, une sensibilité de 0.9, une spécificité de 0.95 et un résultat positif donnent une probabilité post-test d'environ 0.154, l'avertissement de cours selon lequel un dépistage à 90% de sensibilité et 95% de spécificité n'élève à peine une prévalence de 1% que vers 15%. L'échec de validation n'est pas facturé. Envoyez un corps JSON avec quatre champs obligatoires. Le champ pretest_probability est la chance pré-test de maladie dans l'intervalle fermé de zéro à un ; les alias pre_test_probability, pretest, prevalence, prior et p sont acceptés. Le champ sensitivity est le taux de vrais positifs dans le même intervalle ; les alias sens, true_positive_rate et tpr s'y rapportent. Le champ specificity est le taux de vrais négatifs ; les alias spec, true_negative_rate et tnr s'emploient indifféremment. Le champ test_result doit être la valeur d'énumération positive ou negative ; les alias result et outcome sont acceptés, ainsi que quelques raccourcis de cours comme pos, neg, plus et minus. Chaque probabilité peut arriver comme nombre JSON ou comme chaîne décimale rognée, y compris la notation scientifique pour de minuscules prévalences. Les champs manquants, les chaînes vides, les valeurs non finies et tout nombre hors de l'intervalle unité échouent avec invalid_input en nommant le champ — une probabilité de 1.5 ou de −0.05 est rejetée plutôt que bridée, si bien qu'un pourcentage jamais divisé par cent ne peut devenir une postérieure absurde en silence. En cas de succès le corps reprend les trois probabilités normalisées et le test_result canonique, renvoie post_test_probability arrondi à douze décimales pour des goldens stables, inclut likelihood_ratio lorsque ce rapport est fini, et reformule l'identité diagnostique de Bayes dans formula. Le tarif est un $0.002 forfaitaire par requête réussie avec l'unité item.
Où un calculateur de probabilité post-test justifie son existence
Les plateformes de tutorat et les générateurs d'examens ont besoin d'un oracle déterministe qui marque comme invalid_input un pourcentage saisi comme quatre-vingt-dix au lieu de 0.9, au lieu de renvoyer en silence une postérieure qu'aucun espace de probabilité ne peut réaliser. Parce que l'implémentation est parse de niveau A, chaque appel réussi coûte le $0.002 publié, sans jetons de modèle et sans réseau sortant.
Questions techniques
Quelle formule le calculateur de probabilité post-test utilise-t-il ?
Pour un résultat positif, P(D|T+) = (sensitivity × pretest) / (sensitivity × pretest + (1 − specificity) × (1 − pretest)). Pour un résultat négatif, l'identité complémentaire utilise (1 − sensitivity) et specificity. Ces mêmes nombres sont la mise à jour par rapport de vraisemblance des cotes pré-test.
Qu'est-ce que le rapport de vraisemblance dans la réponse ?
Après un résultat positif il vaut sensitivity / (1 − specificity). Après un résultat négatif il vaut (1 − sensitivity) / specificity. Le champ est omis lorsque le rapport serait infini, afin que le JSON reste fini.