Dica do autor: A curva ROC (Receiver Operating Characteristic) é a ferramenta clássica para avaliar o desempenho discriminatório de um teste diagnóstico, plotando sensibilidade (eixo Y) versus 1 - especificidade (eixo X) para vários pontos de corte. O pulo do gato é entender que a área sob a curva (AUC) resume a capacidade do teste em distinguir doentes de não doentes: AUC = 0,5 indica um teste que não é melhor que o acaso; AUC = 1,0 indica discriminação perfeita. A curva também mostra o trade‑off entre sensibilidade e especificidade ao mudar o corte — aumentar o corte geralmente reduz sensibilidade e aumenta especificidade, e vice‑versa. Atenção: medidas como valor preditivo positivo/negativo e acurácia dependem da prevalência e do ponto de corte escolhido, então não dá pra afirmar coisas absolutas só olhando a forma da ROC sem considerar prevalência e a tabela 2x2 correspondente.

Alternativa A: CORRETA. A afirmação diz que a validade (capacidade discriminatória) é tanto maior quanto maior for a área abaixo da curva — exatamente o que a AUC quantifica. Quanto maior a AUC, melhor o teste separa casos de controles ao longo de todos os pontos de corte possíveis. Em termos práticos, uma AUC próxima de 1 significa alta validade; AUC próxima de 0,5 significa pouca ou nenhuma capacidade discriminatória.

Alternativa B: INCORRETA. O valor preditivo positivo (VPP) não é determinado apenas por um ponto da ROC; ele depende da sensibilidade, especificidade e, fundamentalmente, da prevalência da doença na população testada. Mesmo que um ponto de corte ofereça maior especificidade (o que tende a aumentar o VPP), não dá pra afirmar categoricamente que o VPP será mais elevado naquele corte sem conhecer a prevalência e a tabela de contingência correspondente.

Alternativa C: INCORRETA. A afirmação sobre “acuidade” (acurácia) ser mais elevada em um ponto de corte específico não pode ser inferida diretamente da ROC. A acurácia (proporção de acertos) varia com o ponto de corte e com a prevalência da doença; a ROC mostra sensibilidade vs 1 - especificidade, não a proporção global de acertos. Portanto não é possível garantir que o corte correspondente a 90 resulte na maior acurácia sem calcular a acurácia para cada corte considerando a prevalência.

Alternativa D: INCORRETA. A frase diz que a precisão será tanto mais baixa quanto maior for o ponto de corte. Isso generaliza indevidamente: ao elevar o ponto de corte costuma‑se diminuir sensibilidade e aumentar especificidade. Se por “precisão” se entende valor preditivo positivo, este pode aumentar ou diminuir conforme a prevalência; se por “precisão” se entende acurácia, também depende do equilíbrio entre sensibilidade, especificidade e prevalência. Logo não há regra tão simplista aplicável apenas pelo aumento do corte.

Resposta: Alternativa A