Dica do autor: Sensibilidade e especificidade são medidas de desempenho do teste que, na teoria clássica, são consideradas propriedades intrínsecas — ou seja, descrevem como o teste se comporta entre doentes (sensibilidade) e não doentes (especificidade). Por isso muitas vezes escutamos que são "estáveis" entre populações. Já os valores preditivos (positivo e negativo) dizem respeito à probabilidade de um indivíduo realmente ter ou não a doença dado o resultado do teste — aí entra a tal da prevalência: quando a doença é mais comum, a chance de um positivo ser um verdadeiro positivo (PPV) sobe; quando a doença é rara, a chance de um negativo ser um verdadeiro negativo (NPV) sobe. O pulo do gato é pensar sempre em Bayes na cabeça: PPV e NPV são condicionais e dependem da prevalência (ou probabilidade pré-teste). Na prática, atenção ao "efeito espectro": sensibilidade e especificidade também podem variar conforme estágio da doença, critérios de referência, seleção dos participantes e qualidade do procedimento; mas, para resolver provas, lembre-se — sensibilidade/especificidade = medidas intrínsecas (teoricamente estáveis), PPV/NPV = dependentes da prevalência.

Alternativa A: CORRETA. Dizer que a sensibilidade é comumente considerada "estável" está de acordo com a definição clássica: é a proporção de doentes que o teste identifica como positivos (VP/VP+FN) e não depende matematicamente da prevalência. Observação clínica: isso vale na teoria; na prática há o "efeito espectro" que pode alterar a sensibilidade entre populações diferentes (doença em fases distintas, critérios de inclusão etc.), mas a alternativa está correta dentro do raciocínio padrão das provas.

Alternativa B: CORRETA. O mesmo raciocínio da sensibilidade vale para a especificidade: é a proporção de não doentes corretamente identificados como negativos (VN/VN+FP) e, na teoria, é uma característica do teste, não da prevalência. Novamente, na prática a especificidade pode variar por aspectos operacionais e amostrais, mas conceitualmente a afirmação é aceita como correta.

Alternativa C: CORRETA. Perfeito: o valor preditivo positivo (PPV) é fortemente influenciado pela prevalência. Intuitivamente, quanto mais frequente for a doença na população, maior a probabilidade de um teste positivo ser realmente um caso (PPV sobe). Em fórmulas: PPV = TP/(TP+FP) e, em termos de sensibilidade, especificidade e prevalência, o PPV aumenta com a prevalência conforme a fórmula bayesiana.

Alternativa D: INCORRETA. A assertiva de que o valor preditivo negativo (NPV) não é influenciado pela prevalência está errada. O NPV (VN/VN+FN) depende sim da prevalência: em baixas prevalências a maioria dos testes negativos será verdadeira (NPV alto); conforme a prevalência aumenta, a probabilidade de falsos negativos entre os negativos cresce e o NPV cai. Em termos bayesianos, NPV é diretamente afetado pela prevalência e pela sensibilidade/especificidade do teste.

Resposta: Alternativa D