La proportion de personnes qui n'ont réellement pas d'affection qu'un test écarte correctement comme négatives.
Intuition visuelle
3 in 100
before new evidence
La spécificité est évaluée uniquement sur les 97 qui ne l'ont pas
Parmi ces 100 personnes, les 97 non mises en surbrillance n'ont pas l'affection. La spécificité demande quelle proportion d'entre elles le test écarte correctement — chaque erreur commise devient un faux positif, et les 97 surpassent largement les 3.
Formule
specificity = true negatives / everyone who truly does not have it
Exemple
En dépistant 10 000 personnes dont 9 990 sont en bonne santé, un test spécifique à 99% en signale à tort environ 100 — soit dix fois les 10 cas réels qu'il pourrait éventuellement trouver.
Comment ça marche
La spécificité est évaluée uniquement sur les personnes qui n'ont pas l'affection : parmi les 97 de ce groupe qui ne l'ont pas, quelle proportion le test écarte-t-il correctement ? Un test spécifique à 99% signale à tort 1 personne saine sur 100. Cela semble négligeable jusqu'à ce que l'on remarque que le groupe sain est généralement énorme : dépister 10 000 personnes pour une affection touchant 1 personne sur 1 000, et 1% des 9 990 personnes saines représente environ 100 faux positifs — submergeant les quelque 10 cas réels, même avec une de 99%. La sensibilité protège contre les cas manqués ; la spécificité protège contre les fausses alertes.