Dica do autor: Para interpretar corretamente a Curva ROC e a área sob a curva (AUC), é essencial entender os conceitos de sensibilidade e especificidade e como a AUC reflete a capacidade discriminativa de um teste diagnóstico. A Curva ROC é uma ferramenta gráfica que permite comparar a performance de diferentes testes, sendo a AUC uma medida da eficácia geral do teste.  Alternativa A: INCORRETA. Uma AUC de 0,5 indica que o teste não tem capacidade discriminativa e que sua performance não é melhor do que o acaso. Isso significa que o teste não é eficaz em diferenciar entre a presença e a ausência da doença.  Alternativa B: INCORRETA. A Curva ROC não é utilizada para determinar a prevalência da doença em uma população. A prevalência é a proporção de indivíduos em uma população que têm a doença em um dado momento.  Alternativa C: CORRETA. Uma AUC próxima de 1 indica alta acurácia do teste diagnóstico. Isso significa que o teste tem excelente capacidade de discriminar entre indivíduos com e sem a doença. Quanto mais próxima de 1 for a AUC, melhor é a performance do teste.  Alternativa D: INCORRETA. A Curva ROC pode ser utilizada para comparar a sensibilidade e especificidade de diferentes testes, mas em uma mesma população. Ela não é usada para comparar testes em diferentes populações.  Alternativa E: INCORRETA. A Curva ROC não calcula diretamente os valores preditivos positivo e negativo. Ela é utilizada para analisar a sensibilidade e a especificidade de um teste em diferentes pontos de corte, mas os valores preditivos dependem da prevalência da doença na população testada.  Resposta correta: Alternativa C. Referências: Zhou XH, Obuchowski NA, McClish DK. Statistical Methods in Diagnostic Medicine. 2nd ed. Wiley, 2011. Fletcher RH, Fletcher SW, Fletcher GS. Clinical Epidemiology: The Essentials. 5th ed. Lippincott Williams & Wilkins, 2014.