Dica do autor: Validação de critério trata da acurácia de um teste diagnóstico em relação a um padrão-ouro: fala de sensibilidade, especificidade, valores preditivos e razões de verossimilhança. Sensibilidade é a capacidade de um teste identificar corretamente quem tem a doença (verdadeiros positivos); especificidade é a capacidade de identificar corretamente quem não tem a doença (verdadeiros negativos). Valores preditivos dependem da prevalência: o Valor Preditivo Positivo (VPP) é a probabilidade de ter a doença dado um resultado positivo; o Valor Preditivo Negativo (VPN) é a probabilidade de não ter a doença dado um resultado negativo. As curvas ROC mostram o trade-off entre sensibilidade e (1—especificidade) ao variar o ponto de corte, sendo independentes da prevalência. A razão de verossimilhança (LR) resume quanto um resultado de teste modifica as chances (odds) pré-teste para pós-teste: LR+ = sensibilidade/(1—especificidade) e LR- = (1—sensibilidade)/especificidade. No contexto de screening populacional, o pulo do gato é entender impacto prático: um teste muito sensível pega mais casos, mas um VPP baixo significa muitos falsos-positivos e sobrecarga do sistema — por isso, na decisão de adotar um teste para rastreio, além de sensibilidade/segurança, o VPP costuma ser critério decisório importante para avaliar custo-benefício e danos por falso-positivo.

Alternativa A: INCORRETA. Sensibilidade e especificidade não são diretamente proporcionais. Na prática, ao ajustar o ponto de corte do teste existe um trade‑off: aumentar sensibilidade normalmente reduz especificidade e vice‑versa. As curvas ROC existem justamente para mostrar essa relação. Só em situações teóricas ou testes perfeitos ambas aumentariam juntas; no mundo real, geralmente há compensação entre elas.

Alternativa B: INCORRETA. A especificidade é o percentual de verdadeiros negativos entre os indivíduos que não têm a doença (TN / [TN + FP]). A frase da alternativa mistura conceitos: “entre os testes negativos” remete ao grupo de resultados negativos (denominador TN + FN), cuja proporção correta de acerto seria o Valor Preditivo Negativo, não a especificidade.

Alternativa C: INCORRETA. As curvas ROC representam sensibilidade versus 1—especificidade para diferentes pontos de corte e são independentes da prevalência da doença. Elas não mostram variação do VPP com a prevalência — pelo contrário: o VPP varia fortemente com a prevalência, mas isso não aparece na curva ROC.

Alternativa D: CORRETA. Na prática de saúde pública, ao decidir adotar um teste para screening em população assintomática, o Valor Preditivo Positivo é um critério crítico porque reflete quantos dos positivos realmente têm a doença — ou seja, o balanço entre benefício (casos detectados) e prejuízo (falsos‑positivos, investigação adicional, ansiedade, custos). Um teste com baixa VPP gerará muitos falsos‑positivos em populações de baixa prevalência e pode tornar o programa inviável. Isso não significa que sensibilidade e VPN sejam irrelevantes — longe disso — mas, para a decisão de adoção do rastreio, o VPP é frequentemente o parâmetro decisório chave.

Alternativa E: INCORRETA. A razão de verossimilhança não mede a probabilidade pré‑teste. Ela descreve quanto um resultado de teste altera as odds da doença: multiplicando as odds pré‑teste pela LR obtém‑se as odds pós‑teste. Em suma, LR conecta pré‑teste e pós‑teste, mas não é, por si só, a probabilidade pré‑teste.

Resposta: Alternativa D