UNCISAL - Universidade Estadual de Ciências da Saúde de Alagoas — Prova 2021
Um grupo de pesquisadores decidiu realizar um estudo observacional sobre a relação entre o uso excessivo de aparelhos eletrônicos (técnica para diagnóstico hipotético) e a presença de miopia em indivíduos de uma cidade hipotética. Dos 135 indivíduos analisados, 70 faziam uso excessivo de aparelhos eletrônicos (teste positivo) e eram míopes. Sabendo que 60 indivíduos não eram míopes e que os verdadeiro-negativos são 20 indivíduos, responda.Qual seria o ponto na curva ROC que representaria a relação entre a sensibilidade e a especificidade?
Curva ROC → Plota Sensibilidade vs. (1-Especificidade) para avaliar performance de teste diagnóstico.
A Curva ROC (Receiver Operating Characteristic) é uma ferramenta gráfica que avalia a performance de um teste diagnóstico, plotando a sensibilidade (taxa de verdadeiros positivos) contra 1-especificidade (taxa de falsos positivos) em diferentes pontos de corte. Um teste ideal teria uma curva próxima ao canto superior esquerdo.
A Curva ROC (Receiver Operating Characteristic) é uma ferramenta estatística fundamental na medicina para avaliar a performance de testes diagnósticos. Ela permite visualizar e comparar a capacidade de diferentes testes em distinguir entre indivíduos com e sem uma determinada condição. A compreensão da Curva ROC é crucial para a prática clínica baseada em evidências e para a interpretação crítica de estudos de diagnóstico. No gráfico da Curva ROC, o eixo Y representa a sensibilidade (taxa de verdadeiros positivos), que é a proporção de indivíduos com a doença que são corretamente identificados pelo teste. O eixo X representa 1-especificidade (taxa de falsos positivos), que é a proporção de indivíduos sem a doença que são incorretamente identificados como doentes. Cada ponto na curva corresponde a um diferente ponto de corte do teste, mostrando como a sensibilidade e a especificidade variam. Para residentes, dominar a Curva ROC e os conceitos de sensibilidade e especificidade é vital para a tomada de decisões clínicas. Um teste com alta sensibilidade é bom para rastreamento (poucos falsos negativos), enquanto um teste com alta especificidade é bom para confirmação (poucos falsos positivos). A Área Sob a Curva (AUC) é um indicador global da acurácia do teste, sendo que valores mais próximos de 1 indicam melhor desempenho. A escolha do ponto de corte ideal dependerá do contexto clínico e dos custos associados a falsos positivos e falsos negativos.
A Curva ROC (Receiver Operating Characteristic) é um gráfico que ilustra a capacidade discriminatória de um teste diagnóstico, plotando a taxa de verdadeiros positivos (sensibilidade) contra a taxa de falsos positivos (1-especificidade) em vários pontos de corte.
A Área Sob a Curva (AUC) é uma medida sumária da acurácia de um teste. Uma AUC de 1 indica um teste perfeito, enquanto uma AUC de 0.5 sugere que o teste é tão bom quanto o acaso. Quanto maior a AUC, melhor a capacidade do teste de distinguir entre indivíduos com e sem a doença.
A escolha do ponto de corte em um teste diagnóstico envolve um trade-off entre sensibilidade e especificidade. Um ponto de corte mais baixo geralmente aumenta a sensibilidade (detecta mais doentes) mas diminui a especificidade (aumenta falsos positivos), e vice-versa. A curva ROC ajuda a visualizar esse trade-off.
Responda esta e mais de 150 mil questões comentadas no MedEvo — a plataforma de residência médica com IA.
Responder questão no MedEvo