UEL - Hospital Universitário de Londrina (PR) — Prova 2018
Hipoteticamente, considere que: a prevalência de câncer de próstata em uma população de homens entre 40 e 50 anos de idade é de 1,2%; os toques retais realizados em 1000 homens dessa faixa etária apresentaram resultados falsos-negativos em 10% das vezes, enquanto 7% deles mostram achados compatíveis com câncer, mas são falsos- positivos. Com base nesses dados, assinale a alternativa que apresenta, corretamente, a probabilidade de um homem assintomático nessa faixa etária, sem outros fatores de risco para a doença, apresentando um toque retal com sinais de malignidade, realmente ter câncer de próstata.
VPP é crucial: em baixa prevalência, mesmo com boa acurácia, VPP pode ser baixo, exigindo cautela na interpretação.
O Teorema de Bayes permite calcular a probabilidade pós-teste de uma doença (Valor Preditivo Positivo), considerando a prevalência pré-teste e a acurácia do teste (sensibilidade e taxa de falso-positivo). Em doenças de baixa prevalência, mesmo testes com boa sensibilidade e especificidade podem ter um VPP surpreendentemente baixo.
O Teorema de Bayes é uma ferramenta fundamental na medicina para a interpretação de testes diagnósticos, permitindo calcular a probabilidade de uma doença após um resultado de teste, considerando a probabilidade pré-teste (prevalência da doença na população) e a acurácia do teste (sensibilidade e especificidade). Neste cenário, a prevalência de câncer de próstata é de 1,2%. A sensibilidade do toque retal (probabilidade de um toque retal positivo em quem tem câncer) é de 90% (100% - 10% de falsos-negativos). A taxa de falsos-positivos (probabilidade de um toque retal positivo em quem não tem câncer) é de 7%. Para calcular a probabilidade de um homem ter câncer dado um toque retal positivo (Valor Preditivo Positivo - VPP), aplica-se a fórmula de Bayes. O cálculo do VPP é crucial para a tomada de decisão clínica, especialmente em rastreamentos populacionais. Um VPP alto significa que um resultado positivo é um bom indicador da doença, enquanto um VPP baixo, mesmo com boa sensibilidade e especificidade, pode levar a muitos falsos-positivos e investigações desnecessárias, destacando a importância de considerar a prevalência da doença na população testada.
O Teorema de Bayes é usado para atualizar a probabilidade de uma doença após a realização de um teste diagnóstico, combinando a probabilidade pré-teste (prevalência) com a acurácia do teste (sensibilidade e especificidade ou taxas de falso-positivo/negativo).
Sensibilidade é a capacidade do teste de identificar corretamente os doentes (verdadeiros positivos). Especificidade é a capacidade de identificar corretamente os não doentes (verdadeiros negativos). Valor preditivo positivo (VPP) é a probabilidade de ter a doença dado um teste positivo, enquanto o valor preditivo negativo (VPN) é a probabilidade de não ter a doença dado um teste negativo.
Em doenças de baixa prevalência, mesmo um teste com boa sensibilidade e especificidade pode ter um VPP baixo. Isso ocorre porque o número de falsos-positivos pode ser maior do que o número de verdadeiros-positivos, tornando um resultado positivo menos indicativo da doença real.
Responda esta e mais de 150 mil questões comentadas no MedEvo — a plataforma de residência médica com IA.
Responder questão no MedEvo