En médecine, la "normalité" est souvent conçue, par convention, comme l'absence de signe ou de symptôme de maladie.

Ce concept est souvent suffisant pour des variables dites qualitatives. Il renvoie aux notions de valeurs prédictives, c'est-à-dire aux concepts de probabilité de maladie (ou de non-maladie) en fonction de la présence (ou de l'absence) d'un signe ou d'un symptôme.

Pour des variables dites quantitatives, la définition des "normes" fait appel essentiellement au concept statistique de distribution des valeurs autour d'une moyenne.

Ce concept permet de définir des bornes de normalité, mais conduit à une politique d'erreur consentie.

Le concept de "norme" statistique, destiné à décrire approximativement une population, est différent du concept de seuil d'intervention, destiné à mettre en œuvre des actions préventives ou thérapeutiques.

Dans les deux cas, un phénomène statistique dit de régression vers la moyenne conduit à relativiser l'intérêt d'une mesure unique, et donc à vérifier un résultat "hors norme" avant d'agir.

L'interprétation d'un résultat d'examen "hors norme" dépend de l'objectif assigné à la définition de cette "norme" : simple description statistique d'une "norme" issue de valeurs mesurées dans un échantillon représentatif d'une population, ou définition d'un seuil de "normalité" accompagné de critères pronostiques ou interventionnistes.

La définition statistique des "normes" s'accompagne d'un risque consenti de faux positifs. Ce risque de faux positifs augmente de manière importante en cas de prescription aléatoire d'examens multiples indépendants, notamment lorsque la prescription n'est pas guidée par une démarche clinique probabiliste.

Au-delà de ce risque d'erreur consenti, un phénomène dit de régression vers la moyenne conduit à ne pas prendre pour argent comptant un résultat inattendu, et conduit à prendre le temps de contrôler la persistance d'un résultat "hors norme".

©Prescrire 1er août 2008
Rev Prescrire 2008 ; 28 (298) : 616-620