Faux positifs d’un détecteur de chute : comment évaluer sa fiabilité ?
Un faux positif survient lorsqu’un détecteur de chute déclenche une alerte alors qu’aucune chute n’a eu lieu. Pour juger la fiabilité d’un système, il faut aussi mesurer les chutes correctement détectées, les chutes manquées et les situations normales correctement ignorées.
- Vrais positifs : les chutes correctement détectées.
- Faux positifs : les alertes générées sans chute.
- Faux négatifs : les chutes qui n’ont pas été détectées.
- Vrais négatifs : les situations normales correctement ignorées.
Les quatre résultats possibles d’un détecteur de chute
Pour évaluer un détecteur de chute, il faut comparer ce qui s’est réellement produit avec la réponse du système. Quatre résultats sont alors possibles.
| Situation réelle | Réponse du système | Résultat | Interprétation |
|---|---|---|---|
| Une chute se produit | Une alerte est générée | Vrai positif | La chute est correctement détectée. |
| Une chute se produit | Aucune alerte | Faux négatif | La chute n’est pas détectée. |
| Aucune chute | Une alerte est générée | Faux positif | Une alerte est générée sans chute réelle. |
| Aucune chute | Aucune alerte | Vrai négatif | Une situation normale est correctement ignorée. |
Imaginons qu’un système génère 100 alertes sur une période donnée. Si 80 correspondent réellement à une chute et 20 sont déclenchées sans chute, ces 20 alertes sont des faux positifs.
Il faut encore connaître le nombre de chutes réellement survenues mais non détectées : les faux négatifs. Le seul nombre d’alertes ne permet donc pas d’évaluer la fiabilité globale.
Sensibilité, spécificité et précision : que mesurent-elles ?
La sensibilité : combien de chutes sont détectées ?
La sensibilité mesure la proportion de chutes réellement survenues qui ont été correctement reconnues par le système. Elle permet notamment d’identifier le risque de chute non détectée.
La spécificité : combien de situations normales sont ignorées ?
La spécificité mesure la capacité du système à ne pas classer comme chute une situation qui n’en est pas une.
Parmi les alertes reçues, combien correspondent à une chute ?
La valeur prédictive positive permet de répondre à une question très opérationnelle : lorsqu’une alerte arrive, quelle est la proportion d’alertes correspondant effectivement à une chute ?
Pourquoi les faux positifs comptent-ils en EHPAD ?
En établissement, une fausse alerte peut entraîner une consultation de notification, une vérification ou un déplacement selon l’organisation définie. La fiabilité a donc une conséquence directement opérationnelle.
Sollicitation des équipes
Chaque alerte doit être interprétée. Des alertes inutiles peuvent augmenter le nombre de vérifications.
Confiance dans le dispositif
Des alertes régulièrement non pertinentes peuvent diminuer la confiance des utilisateurs dans le système.
Organisation de la réponse
L’impact dépend du circuit d’alerte : notification, consultation distante ou déplacement dans la chambre.
Équilibre de détection
Un système doit détecter les événements recherchés tout en limitant les situations normales classées comme chutes.
Pourquoi 99 % de spécificité peut malgré tout produire des alertes
Une étude basée sur des chutes réelles de personnes âgées a notamment rapporté une sensibilité d’environ 80 % et une spécificité d’environ 99,9 %. Malgré cette spécificité élevée, des faux positifs restaient observés.
Dans une autre validation en conditions réelles, les chercheurs ont obtenu une spécificité supérieure à 99,99 % après optimisation, tout en exprimant également le résultat sous une forme plus opérationnelle : environ 0,17 fausse alerte par semaine et par participant.
Pourquoi les tests en laboratoire ne suffisent-ils pas ?
Les essais contrôlés permettent de répéter précisément des scénarios. Les chutes réelles sont toutefois plus variables : vitesse, position de départ, tentative de récupération, mobilier environnant ou mouvements précédant la chute peuvent modifier la situation analysée.
Un exemple publié sur un dispositif portable utilisé par des personnes âgées en conditions réelles a enregistré 84 alarmes, dont 83 fausses alarmes. Ce résultat concernait ce dispositif et ce protocole précis ; il ne peut pas être généralisé à l’ensemble des systèmes de détection de chute.
Toutes les chutes ne sont pas aussi faciles à détecter
Un protocole de test doit préciser les scénarios réellement évalués. Une chute rapide vers l’arrière ne produit pas forcément les mêmes signaux qu’un glissement progressif ou qu’une chute précédée d’une tentative de récupération.
Parmi les scénarios utiles à examiner :
- chute vers l’avant, l’arrière ou sur le côté ;
- chute lente ou progressive ;
- glissement ou affaissement ;
- tentative de récupération ;
- chute depuis une position assise ;
- activité quotidienne pouvant ressembler à une chute.
Un taux global de détection est donc beaucoup plus utile lorsqu’il est accompagné du nombre de scénarios, de leur nature et du détail des événements non détectés.
Les 8 questions à poser avant de choisir un détecteur de chute
Pour comparer deux solutions, demandez les données situées derrière le pourcentage annoncé.
Comparer les technologies de détection
Le taux de détection n’est qu’un critère parmi le mode de détection, la présence d’une caméra, le port d’un dispositif, la couverture de la chambre ou la transmission des alertes.
Comment Domalys documente les tests Aladin+®
Domalys publie une campagne d’essais dédiée à Aladin+® avec plusieurs scénarios de chute et les limites d’interprétation associées aux résultats.
Campagne d’essais Aladin+®
Ces résultats correspondent à la campagne d’essais Domalys et aux conditions décrites dans le protocole publié. Ils ne constituent pas une étude clinique et ne garantissent pas une performance identique dans toutes les chambres ou configurations d’utilisation.
La fiabilité n’est qu’un critère du projet
En établissement, il faut également étudier le mode de détection, la couverture de la chambre, la présence éventuelle d’une caméra, la nécessité d’un objet porté, la transmission des alertes, la maintenance et l’intégration dans l’organisation des équipes.
Aladin+® est une solution fixe de détection destinée notamment aux chambres d’EHPAD, sans caméra ni bracelet à porter.
Découvrir Aladin+®
Consultez son fonctionnement, ses caractéristiques et ses usages en établissement.
Fiabilité et fonctionnement d’un détecteur de chute
Qu’est-ce qu’un faux positif sur un détecteur de chute ?
Un faux positif se produit lorsqu’un détecteur génère une alerte alors qu’aucune chute correspondant au critère évalué n’a réellement eu lieu.
Quelle différence entre faux positif et faux négatif ?
Un faux positif est une alerte générée sans chute réelle. Un faux négatif correspond à une chute réelle que le système n’a pas détectée.
Comment fonctionne un détecteur de chute ?
Un détecteur de chute analyse des signaux liés à la personne ou à son environnement pour identifier une situation pouvant correspondre à une chute. Selon la technologie, il peut utiliser un dispositif porté, de l’infrarouge, du radar, une caméra ou d’autres capteurs installés dans la pièce. Lorsqu’un événement répond aux critères du système, une alerte peut être transmise automatiquement aux équipes ou au service chargé d’intervenir.
Qu’est-ce que la sensibilité d’un détecteur de chute ?
La sensibilité mesure la proportion de chutes réellement survenues qui ont été correctement détectées.
Qu’est-ce que la spécificité d’un détecteur de chute ?
La spécificité mesure la capacité du système à reconnaître correctement les situations qui ne sont pas des chutes et à éviter de générer des faux positifs.
Un détecteur affichant 99 % est-il forcément fiable ?
Non. Il faut connaître l’indicateur auquel correspond ce pourcentage, le nombre d’événements testés, les faux positifs, les faux négatifs, la durée d’observation et les conditions du protocole.
Pourquoi tester un détecteur en conditions réelles ?
Les mouvements, les activités quotidiennes et l’environnement peuvent différer des scénarios reproduits lors d’essais contrôlés. Une validation en situation réelle apporte donc un niveau d’information complémentaire.
Comment comparer deux détecteurs de chute ?
Comparez le nombre et les types de chutes testés, la sensibilité, les faux négatifs, les faux positifs, la durée d’observation et les conditions dans lesquelles les mesures ont été réalisées.
Sources et références
- Aziz O. et al. Validation of accuracy of SVM-based fall detection system using real-world fall and non-fall datasets. PLoS One. Consulter l’étude .
- Schwickert L. et al. Optimization and Technical Validation of the AIDE-MOI Fall Detection Algorithm in a Real-Life Setting with Older Adults. Sensors. Consulter l’étude .
- Chaudhuri S. et al. Real World Accuracy and Use of a Wearable Fall Detection Device by Older Adults. Journal of the American Geriatrics Society. Consulter l’étude .
- Domalys by LINET. Tests et performances documentées d’Aladin+® .
- Domalys by LINET. Détection des chutes en EHPAD .
- Domalys by LINET. Retour d’expérience du CHU de Poitiers .
Rédaction et documentation des sources chez Domalys by LINET.
Article consacré à l’évaluation de la fiabilité des systèmes de détection de chute en établissement.
Relecture : Domalys by LINET • Mise à jour : 19 août 2026.
Pour aller plus loin sur la détection des chutes
Comparez les technologies disponibles ou découvrez le fonctionnement d’Aladin+® en établissement.