Santa Casa de Barra Mansa (RJ) — Prova 2017
“Um dos passatempos favoritos de estudiosos da teoria da decisão é testar médicos em questões que envolvem estatísticas e os resultados são assustadores. Num trabalho de 1982, David Eddy pediu a profissionais de saúde que estimassem a chance de uma paciente que apresentou mamografia positiva paraneoplásica de fato ter a doença, considerando que a probabilidade de uma mulher ter câncer é de 1%, a sensibilidade do exame, de 80%, e a taxa de falsos positivos, de 9,6%. Cerca de 95% dos médicos cravaram que o risco era de 75%, quando a resposta certa é 7,7%. Se você fizer a conta, verá que de cem mulheres testadas, quase dez (9,6%) apresentou falso-positivo e menos de uma (80% de 1%) será um positivo real. Não vou explicar aqui os vieses cognitivos que fazemos médicos e as pessoas, em geral, interpretarem números tal, mas, decididamente, é algo com que devem os nos preocupar. ” Fonte: Schwarts, Hélio. Cegueira Estatística. FOLHA DE SÃO PAULO, 12/10/2013. Considerando exatamente os parâmetros citados nessa simulação, verifica-se:
VPP depende da prevalência da doença; baixa prevalência ↓ VPP, mesmo com alta sensibilidade/especificidade.
O Valor Preditivo Positivo (VPP) é a probabilidade de um indivíduo com teste positivo realmente ter a doença. Ele é fortemente influenciado pela prevalência da doença na população testada, além da sensibilidade e especificidade do teste.
A compreensão de conceitos estatísticos como sensibilidade, especificidade, valor preditivo positivo (VPP) e valor preditivo negativo (VPN) é fundamental para a prática médica baseada em evidências e para a interpretação correta de exames diagnósticos. A questão ilustra um erro comum na interpretação do VPP, que é a probabilidade de um resultado positivo ser um verdadeiro positivo. Para calcular o VPP e a especificidade, podemos construir uma tabela 2x2. Dados: Prevalência = 1% (0,01); Sensibilidade = 80% (0,8); Taxa de falsos positivos = 9,6% (0,096). Se considerarmos 100 mulheres: - Doentes: 100 * 0,01 = 1 - Não Doentes: 100 - 1 = 99 - Verdadeiros Positivos (VP): 1 * 0,80 = 0,8 - Falsos Negativos (FN): 1 * (1 - 0,80) = 0,2 - Falsos Positivos (FP): 99 * 0,096 = 9,504 (A taxa de FP é 1 - Especificidade. Então, 1 - Especificidade = 0,096 => Especificidade = 0,904 ou 90,4%) - Verdadeiros Negativos (VN): 99 - 9,504 = 89,496 - Total de Positivos: VP + FP = 0,8 + 9,504 = 10,304 - VPP = VP / (VP + FP) = 0,8 / 10,304 ≈ 0,0776 = 7,76%. A especificidade é 1 - taxa de falsos positivos = 1 - 0,096 = 0,904 ou 90,4%. Portanto, a alternativa D está correta: VPP é de 7,7% e a especificidade é de 90,4% (aproximadamente 90,3% como na alternativa). É crucial para residentes e profissionais de saúde entender que um teste com boa sensibilidade e especificidade pode ter um VPP baixo em populações de baixa prevalência, levando a muitos falsos positivos e ansiedade desnecessária. A 'cegueira estatística' mencionada no texto é um viés cognitivo comum que pode levar a decisões clínicas equivocadas.
Quanto menor a prevalência da doença na população, menor será o VPP, mesmo que o teste tenha alta sensibilidade e especificidade, pois a chance de um falso positivo aumenta.
Sensibilidade é a capacidade do teste de identificar corretamente os verdadeiros positivos (doentes), enquanto especificidade é a capacidade de identificar corretamente os verdadeiros negativos (não doentes).
Os valores preditivos (VPP e VPN) fornecem a probabilidade de um paciente ter ou não a doença após o resultado do teste, sendo cruciais para a tomada de decisão clínica e para evitar vieses.
Responda esta e mais de 150 mil questões comentadas no MedEvo — a plataforma de residência médica com IA.
Responder questão no MedEvo