Dica do autor: As razões de verossimilhança (positiva e negativa) são ferramentas bayesianas que conectam sensibilidade e especificidade ao grau de certeza que um teste confere sobre a presença ou ausência de doença. O pulo do gato é entender que elas são razões de probabilidades condicionais: RVP (LR+) = sensibilidade / (1 - especificidade) e RVN (LR-) = (1 - sensibilidade) / especificidade. Uma RVP bem maior que 1 aumenta muito a probabilidade pós-teste quando o resultado é positivo; uma RVN bem menor que 1 diminui muito a probabilidade pós-teste quando o resultado é negativo. Na prática, valores de LR+ >10 e LR- <0,1 geram mudanças clínicas relevantes na probabilidade. No extremo matemático, se sensibilidade = 1 e especificidade = 1 (teste perfeito), a RVP tende ao infinito (divisão por zero) e a RVN tende a zero. Entenda: não é a magnitude isolada de uma das razões que diz tudo — ambas são usadas dentro do raciocínio diagnóstico e dependem da sensibilidade e especificidade, não da prevalência diretamente.

Alternativa A: INCORRETA. A frase afirma que a confiabilidade cresce na mesma proporção em que crescem RVP e RVN. Isso é equivocado: RVP (LR+) deve aumentar para melhorar a utilidade do teste quando positivo, mas RVN (LR-) idealmente deve diminuir (aproximar-se de zero) para melhorar a utilidade quando negativo. Ou seja, um aumento simultâneo de ambas não é desejável nem faz sentido prático. Além disso, "confiabilidade" é um termo vago aqui — acurácia, sensibilidade e especificidade são métricas diferentes e não escalam na mesma proporção que as razões de verossimilhança.

Alternativa B: INCORRETA. Dizer que quanto maior a RVP, maior a acurácia do teste é simplista. RVP alta significa que um resultado positivo aumenta bastante a probabilidade da doença, mas a acurácia (porcentagem de acertos = (VP+VN)/total) depende de sensibilidade, especificidade e prevalência na amostra. Um teste pode ter RVP elevada e ainda apresentar baixa acurácia se a prevalência e a distribuição dos resultados forem desfavoráveis.

Alternativa C: INCORRETA. Um teste muito sensível tende a apresentar RVN baixo (porque RVN = (1 - sensibilidade)/especificidade), ou seja, um teste sensível reduz a probabilidade pós-teste quando negativo. Mas sensibilidade alta não garante RVP alto: RVP depende também da especificidade. Além disso, a afirmação sugere que sensibilidade alta implicaria em "altas RVP e RVN", o que está conceitualmente errado — RVN idealmente deve ser baixa.

Alternativa D: CORRETA. No limite teórico de um teste perfeito (sensibilidade = 1 e especificidade = 1), RVP = sensibilidade/(1 - especificidade) = 1/0 → infinito, e RVN = (1 - sensibilidade)/especificidade = 0/1 = 0. Isso traduz o raciocínio intuitivo: um positivo confirma com certeza a doença e um negativo afasta com certeza. Na prática, valores infinitos ou exatamente zero não aparecem, mas essa idealização ajuda a entender para onde as razões de verossimilhança convergem.

Alternativa E: INCORRETA. A alternativa afirma que o teste ideal teria RVP e RVN nulas — o oposto do que se deseja. RVP nula significaria que um resultado positivo nunca ocorre em doentes ou sempre ocorre em não-doentes, e RVN nula implicaria ausência de falsos negativos combinada com outras contradições; na prática, o ideal é RVP muito grande e RVN muito pequeno (próximo de zero), não ambos nulos.

Resposta: Alternativa D