Dica do autor: Na avaliação de testes diagnósticos precisamos ter um esquema mental claro: sensibilidade e especificidade dizem respeito ao desempenho do teste contra um padrão — ou seja, são características do teste em si e não mudam com a frequência da doença na população. Já os valores preditivos (positivo e negativo) traduzem o quanto um resultado altera a probabilidade de o paciente ter ou não a doença na prática clínica; por isso eles são dependentes da probabilidade pré-teste, que, em estudos populacionais, corresponde à prevalência. O pulo do gato é lembrar que prevalência é a proporção de indivíduos com a doença num dado momento (ou período) e não a velocidade com que a doença aparece (incidência). Assim, quando a doença é rara (baixa prevalência) o valor preditivo positivo (PPV) tende a cair e o valor preditivo negativo (NPV) tende a aumentar. Esse comportamento pode ser facilmente entendido pela regra de Bayes aplicada a 2x2: diante de baixa prevalência, a maioria dos positivos será erro (falsos positivos), reduzindo o PPV; na alta prevalência, aumenta a chance de resultados negativos serem falsos, reduzindo o NPV. Bater o olho na sensibilidade/especificidade versus preditivos já ajuda muito na prova e na clínica.

Alternativa A: CORRETA. Quando uma doença tem baixa prevalência na população, mesmo um teste com boa especificidade e sensibilidade produzirá mais resultados falso‑positivos em termos proporcionais, fazendo com que o valor preditivo positivo (probabilidade de quem testou positivo realmente ter a doença) fique baixo. É o efeito clássico da baixa prevalência sobre o PPV.

Alternativa B: CORRETA. Sensibilidade (capacidade de detectar quem tem a doença) e especificidade (capacidade de identificar quem não tem) são propriedades intrínsecas do teste em condições definidas e, em grande parte, independentes da prevalência da doença. Vale lembrar que fatores como população estudada, estágio da doença e execução do exame podem alterar esses parâmetros, mas conceitualmente são características do teste, não da população.

Alternativa C: INCORRETA. A afirmação erra ao relacionar valores preditivos com incidência. Os valores preditivos dependem da prevalência (probabilidade pré‑teste) da doença na população estudada — ou seja, da proporção de casos num dado momento — e não da incidência, que é a taxa de aparecimento de novos casos ao longo do tempo. Confundir prevalência com incidência é a raiz do erro aqui.

Alternativa D: CORRETA. À medida que a prevalência da doença aumenta, a fração de verdadeiros positivos entre todos os positivos aumenta, portanto o PPV sobe. Isso é intuitivo e derivado diretamente da aplicação da regra de Bayes ao 2x2: mais casos reais na população elevam a probabilidade a priori de que um teste positivo seja verdadeiro.

Alternativa E: CORRETA. Com o aumento da prevalência, a probabilidade de um resultado negativo ser um falso negativo cresce em termos relativos, o que faz com que o valor preditivo negativo (a probabilidade de realmente não ter a doença dado um teste negativo) diminua. Em populações de alta prevalência, desconfiamos mais de negativos.

Resposta: Alternativa C