Dica do autor: Em rastreamento (prevenção secundária) o objetivo é identificar o máximo possível de pessoas que já têm a doença, muitas vezes ainda assintomáticas, para oferecer intervenções que alterem o curso clínico. Por isso, o pulo do gato é priorizar sensibilidade: um teste sensível pega mais casos (menos falsos negativos). Sensibilidade e especificidade são medidas que expressam a capacidade do teste em separar indivíduos doentes e não doentes e são calculadas independentemente da prevalência: sensibilidade = verdadeiros positivos / (verdadeiros positivos + falsos negativos) e especificidade = verdadeiros negativos / (verdadeiros negativos + falsos positivos). Agora, fique ligado: maximizar sensibilidade costuma reduzir especificidade, gerando mais falsos positivos — isso é aceitável em programas de rastreamento quando há testes confirmatórios mais específicos e quando o dano de perder um caso (falso negativo) é maior que o custo/ansiedade gerada por falsos positivos. A curva ROC é uma ferramenta valiosa para comparar testes ou pontos de corte, pois mostra o trade‑off entre sensibilidade e especificidade e o AUC resume a capacidade discriminativa global do exame. No fim das contas, escolha do teste para rastreamento também depende de recursos, aceitabilidade, custo, impacto dos falsos positivos e da natural história da doença, mas, em termos puramente técnico, a sensibilidade é a característica mais desejável.

Alternativa A: CORRETA. Está correta: em programas de rastreamento quer-se detectar o máximo de casos, logo alta sensibilidade é o atributo crítico. A definição apresentada é também a correta: sensibilidade = percentual (ou proporção) de testes positivos entre os indivíduos realmente doentes (TP / [TP+FN]). Um teste muito sensível minimiza falsos negativos, reduzindo a chance de perder casos passíveis de intervenção precoce.

Alternativa B: INCORRETA. A definição de especificidade dada está correta do ponto de vista conceitual (especificidade = proporção de testes negativos entre indivíduos sem a doença, TN / [TN+FP]), mas não é a característica mais importante para rastreamento populacional. Alta especificidade é desejável para evitar falsos positivos, sobretudo quando o exame confirmatório é invasivo ou caro, mas em triagem o objetivo primário costuma ser maximizar sensibilidade para não deixar passar casos.

Alternativa C: INCORRETA. Afirmar que a curva ROC não seria útil está errado. A curva ROC e a AUC são ferramentas importantes para comparar desempenho entre testes e escolher pontos de corte que ofereçam o melhor equilíbrio entre sensibilidade e especificidade conforme o contexto. Em seleção de testes de rastreamento, a ROC ajuda justamente a visualizar os trade‑offs e a tomar decisões informadas.

Alternativa D: INCORRETA. Sensibilidade e especificidade são, sim, características fundamentais de um teste diagnóstico. São medidas padrão de desempenho que descrevem como o teste se comporta frente a indivíduos doentes e não doentes. O que varia com a prevalência são os valores preditivos (VPP e VPN), não essas medidas intrínsecas.

Resposta: Alternativa A