INCA - Instituto Nacional de Câncer José Alencar Gomes da Silva (RJ) — Prova 2021
Dois novos e diferentes tipos de testes rápidos para o diagnóstico de COVID-19 foram avaliados. O teste A apresentou uma área sob a curva ROC de 0,92 e o teste B de 0,67. Tendo os dois o mesmo custo, como gestor, você compraria para a sua instituição e por quê:
AUC ROC = acurácia global do teste; quanto maior, melhor a capacidade de discriminar entre doentes e não doentes.
A Área Sob a Curva ROC (AUC ROC) é uma medida da acurácia global de um teste diagnóstico. Um valor de AUC de 1,0 indica um teste perfeito, enquanto 0,5 indica um teste sem poder discriminatório (equivalente ao acaso). Portanto, um teste com AUC de 0,92 (Teste A) é significativamente mais acurado do que um teste com AUC de 0,67 (Teste B), sendo a melhor escolha, especialmente se o custo for o mesmo.
A avaliação de testes diagnósticos é um pilar fundamental da medicina baseada em evidências, crucial para a tomada de decisões clínicas e para a gestão de recursos em saúde. A Curva ROC (Receiver Operating Characteristic) e a Área Sob a Curva (AUC) são ferramentas estatísticas amplamente utilizadas para quantificar e visualizar o desempenho de um teste diagnóstico. Para residentes, compreender esses conceitos é essencial para interpretar estudos científicos, escolher os melhores testes para seus pacientes e otimizar a alocação de recursos em suas instituições. A curva ROC é um gráfico que ilustra o desempenho de um sistema classificador binário à medida que seu limiar de discriminação é variado. Ela compara a taxa de verdadeiros positivos (sensibilidade) com a taxa de falsos positivos (1-especificidade) em todos os possíveis pontos de corte. A AUC, por sua vez, resume a capacidade discriminatória do teste em um único valor. Uma AUC de 0,5 indica que o teste não é melhor que o acaso, enquanto uma AUC de 1,0 representa um teste perfeito. Valores entre 0,7 e 0,8 são geralmente considerados aceitáveis, 0,8 a 0,9 bons, e acima de 0,9 excelentes. Ao comparar dois testes, como no caso dos testes de COVID-19, o teste com maior AUC é considerado mais acurado, pois demonstra uma melhor capacidade global de distinguir entre indivíduos doentes e não doentes. Essa métrica é particularmente útil quando se busca um teste com o melhor equilíbrio entre sensibilidade e especificidade, ou quando se deseja comparar o desempenho geral de diferentes testes. A escolha do teste mais acurado, especialmente quando os custos são equivalentes, é uma decisão de gestão inteligente que impacta diretamente a qualidade do diagnóstico e a eficiência do sistema de saúde.
A AUC ROC representa a probabilidade de que um teste diagnóstico classifique corretamente um indivíduo doente e um indivíduo não doente, escolhidos aleatoriamente. É uma medida da acurácia global do teste, variando de 0,5 (sem discriminação) a 1,0 (discriminação perfeita).
Um AUC ROC mais alto indica que o teste tem uma melhor capacidade de distinguir entre indivíduos com e sem a condição de interesse. Isso significa que ele consegue maximizar a sensibilidade e a especificidade em diferentes pontos de corte, resultando em menos falsos positivos e falsos negativos.
A curva ROC é construída plotando-se a sensibilidade (taxa de verdadeiros positivos) no eixo Y contra 1-especificidade (taxa de falsos positivos) no eixo X, para todos os possíveis pontos de corte de um teste. Ela visualiza o trade-off entre sensibilidade e especificidade e o desempenho do teste em diferentes limiares.
Responda esta e mais de 150 mil questões comentadas no MedEvo — a plataforma de residência médica com IA.
Responder questão no MedEvo