UERJ/HUPE - Hospital Universitário Pedro Ernesto (RJ) — Prova 2016
Uma forma de expressar graficamente a relação entre a sensibilidade e a especificidade de testes diagnósticos é através da construção da curva ROC (receiver operator characteristic). Com base nos exames (A) e (B) representados pelos gráficos (VER IMAGEM), é correto afirmar que o exame:
Curva ROC mais próxima do canto superior esquerdo → maior poder discriminatório (maior AUC).
A curva ROC (Receiver Operating Characteristic) é uma ferramenta gráfica que avalia o desempenho de um teste diagnóstico, plotando a sensibilidade (verdadeiros positivos) versus 1-especificidade (falsos positivos) em diferentes pontos de corte. Um teste com maior poder de discriminar doentes e não-doentes terá uma curva ROC que se aproxima mais do canto superior esquerdo do gráfico, indicando alta sensibilidade e alta especificidade, e resultando em uma maior Área Sob a Curva (AUC).
A curva ROC (Receiver Operating Characteristic) é uma ferramenta estatística fundamental na avaliação da acurácia de testes diagnósticos, sendo amplamente utilizada em pesquisa clínica e epidemiologia. Ela permite visualizar o trade-off entre sensibilidade e especificidade em diferentes pontos de corte de um teste contínuo ou ordinal. Para o residente, a compreensão da curva ROC é crucial para interpretar criticamente a literatura médica e aplicar os melhores testes na prática clínica. Um teste diagnóstico ideal teria uma curva ROC que passa pelo canto superior esquerdo do gráfico, indicando 100% de sensibilidade e 100% de especificidade. Na realidade, os testes apresentam curvas que se afastam desse ideal. O poder de discriminar entre indivíduos doentes e não-doentes é quantificado pela Área Sob a Curva (AUC). Uma AUC de 0,5 indica que o teste não é melhor que o acaso, enquanto uma AUC próxima de 1,0 indica excelente acurácia. Comparar as AUCs de diferentes testes é uma forma robusta de determinar qual deles possui maior poder discriminatório. Ao analisar um gráfico com múltiplas curvas ROC, a curva que se encontra mais próxima do canto superior esquerdo e que possui a maior Área Sob a Curva é a que representa o teste com o melhor desempenho diagnóstico. Isso significa que esse teste é mais capaz de identificar corretamente os doentes (alta sensibilidade) e os não-doentes (alta especificidade) em uma ampla gama de pontos de corte. Dominar a interpretação da curva ROC é uma habilidade valiosa para a tomada de decisões clínicas baseadas em evidências.
A curva ROC representa graficamente a relação entre a sensibilidade (taxa de verdadeiros positivos) e a 1-especificidade (taxa de falsos positivos) de um teste diagnóstico em diferentes pontos de corte. Ela ilustra como a sensibilidade e a especificidade variam inversamente à medida que o ponto de corte do teste é ajustado.
A Área Sob a Curva (AUC) é uma medida sumária da acurácia global de um teste diagnóstico. Uma AUC de 1,0 indica um teste perfeito (discriminação completa), enquanto uma AUC de 0,5 indica um teste sem poder discriminatório (equivalente ao acaso). Quanto maior a AUC, maior o poder do teste de discriminar corretamente entre indivíduos doentes e não-doentes.
Um teste com maior poder discriminatório terá sua curva ROC mais próxima do canto superior esquerdo do gráfico. Isso significa que, para qualquer ponto de corte, o teste consegue maximizar a sensibilidade e a especificidade simultaneamente, resultando em uma maior Área Sob a Curva (AUC) em comparação com outros testes.
Responda esta e mais de 150 mil questões comentadas no MedEvo — a plataforma de residência médica com IA.
Responder questão no MedEvo