UERJ/HUPE - Hospital Universitário Pedro Ernesto (RJ) — Prova 2019
Para teste de sensibilidade e especificidade de 90%, realizado para estimar a probabilidade de uma doença, há dois cenários diferentes: cenário 1 com 1% de prevalência e cenário 2 com 99% de prevalência de ter essa doença. Considerando que a pessoa A vivencia o cenário 1 com resultado do teste positivo e a pessoa B vivencia o cenário 2 com resultado do teste negativo, a probabilidade da pessoa A estar doente e da pessoa B estar sadia, respectivamente, é:
VPP e VPN são fortemente influenciados pela prevalência da doença, especialmente em testes com sensibilidade/especificidade moderadas.
Em baixa prevalência, mesmo um teste positivo com boa sensibilidade/especificidade pode ter um VPP baixo. Em alta prevalência, um teste negativo com boa sensibilidade/especificidade pode ter um VPN baixo. A probabilidade pós-teste é calculada usando o Teorema de Bayes.
A interpretação de testes diagnósticos vai além da sensibilidade e especificidade. O Valor Preditivo Positivo (VPP) e o Valor Preditivo Negativo (VPN) são cruciais para estimar a probabilidade real de doença ou saúde após um resultado de teste, e são fortemente influenciados pela prevalência da doença na população testada. Compreender essa relação é fundamental para a tomada de decisões clínicas. Em cenários de baixa prevalência, um teste com alta sensibilidade e especificidade pode ainda apresentar um VPP baixo. Isso significa que, mesmo com um resultado positivo, a chance real de o indivíduo ter a doença pode ser menor do que o esperado intuitivamente. Inversamente, em doenças de alta prevalência, um teste negativo pode ter um VPN mais baixo, indicando que a probabilidade de estar sadio, apesar do resultado negativo, não é tão alta quanto se poderia supor. O Teorema de Bayes é a ferramenta matemática que permite integrar a prevalência (probabilidade pré-teste) com as características do teste (sensibilidade e especificidade) para calcular as probabilidades pós-teste (VPP e VPN). Dominar esses conceitos é essencial para residentes, pois evita interpretações errôneas de exames e otimiza a conduta diagnóstica e terapêutica, especialmente em rastreamentos ou em populações com diferentes riscos.
Em doenças de baixa prevalência, mesmo testes com alta sensibilidade e especificidade podem ter um VPP baixo, significando que um resultado positivo não garante alta probabilidade de doença.
O Teorema de Bayes permite calcular a probabilidade pós-teste (probabilidade de ter a doença dado um resultado de teste) combinando a probabilidade pré-teste (prevalência) com a sensibilidade e especificidade do teste.
Sensibilidade e especificidade são características intrínsecas do teste, independentes da prevalência. VPP e VPN dependem da prevalência e indicam a probabilidade de doença/saúde após o resultado do teste.
Responda esta e mais de 150 mil questões comentadas no MedEvo — a plataforma de residência médica com IA.
Responder questão no MedEvo