Comparer un test de diagnostic dans des sous-groupes

Bonjour,

Avec mon équipe, on a mis au point un score qui permet de diagnostiquer les patients atteints de leucémie à l'aide de marqueurs biologiques.
Ce score est continu entre 0 et 1 et nous avons évalué ses performances à l'aide d'un cut-off qui permet de déterminer si un patient est prédit "avec leucémie" ou "sans leucémie".

On a évalué les performances de ce score dans une population globale mais nous aimerions savoir si les performances de ce score sont impactées dans certains sous-groupes de patients (e.g. personnes ayant +55 ans/-55 ans, femmes/hommes, patients anémie/sans anémie.
L'objectif étant de comparer les performances du score dans un sous-groupe et son opposé (e.g. score chez les femmes vs score chez les hommes).

J'utilise des indicateurs de performance comme l'AUC, l'accuracy, la sensibilité ou la spécificité.
Mais lorsque je veux comparer ces indicateurs, je suis confronté à un problème, les deux sous-groupes que je compare ont une taille d'échantillon différente (400 femmes vs 150 hommes) et donc les indicateurs chez les hommes peuvent facilement être impactés par le faible sample-size.
Aussi, ça n'a pas de sens de comparer la sensibilité chez les femmes à la sensibilité chez les hommes car ils n'ont pas une spécificité similaire de base (donc à part l'accuracy et l'AUC, je ne sais pas quel indicateur comparer).

Est-ce que vous avez déjà comparé un test de diagnostic/score dans différents sous-groupes ?
Si oui, quels indicateurs de performance avez-vous utilisé pour vérifier si le test diagnostic est toujours robuste dans les différents sous-groupes ?

Merci

Une suggestion à vérifier, l'utilisation de méthodes de rééchantillonnage. Voir l'article de Niang et Saporta (Resampling ROC curves) dans lequel ils donnent une procédure pour comparer deux courbes ROC.

Merci Florent, c'est intéressant comme article