Dica do autor: A curva ROC é uma ferramenta visual e quantitativa para avaliar a capacidade discriminativa de um teste diagnóstico à medida que se varre o ponto de corte. No eixo Y coloca-se a taxa de verdadeiros positivos (ou sensibilidade), que indica a proporção de doentes corretamente identificados. No eixo X representa-se a taxa de falsos positivos (1 − especificidade), isto é, a proporção de não-doentes erroneamente classificados como positivos. O pulo do gato é lembrar que a curva mostra o trade-off sensibilidade × (1 − especificidade) ao mover o limiar: quanto mais para cima e à esquerda estiver a curva, melhor o desempenho; a diagonal 45° significa desempenho de acaso (AUC ≈ 0,5). Para escolher um ponto de corte prático usa-se índices como o de Youden (sensibilidade + especificidade − 1) ou considerações clínicas sobre favorecer sensibilidade ou especificidade conforme o contexto (triagem vs confirmação).

Alternativa A: INCORRETA. Aqui o eixo X foi descrito como proporção de falsos negativos; na verdade, falsos negativos correspondem a 1 − sensibilidade e não aparecem no eixo X da ROC. O eixo X deve expressar a proporção de falsos positivos (FP/(FP+TN)). Colocar falsos negativos no eixo X confundiria a interpretação da curva, que compara taxa de verdadeiros positivos com taxa de falsos positivos.

Alternativa B: INCORRETA. Esta alternativa afirma que o eixo X é a proporção de verdadeiros positivos. Mas a proporção de verdadeiros positivos é a própria sensibilidade e pertence ao eixo Y na ROC. Se colocássemos verdadeiros positivos no eixo X teríamos redundância (sensibilidade em ambos os eixos) e a curva perderia seu sentido de trade-off entre sensibilidade e especificidade.

Alternativa C: INCORRETA. Aqui misturam-se falsos negativos no eixo X e especificidade no Y. Novamente, especificidade é relacionada aos verdadeiros negativos e, quando complementada (1 − especificidade), gera a taxa de falsos positivos que pertence ao eixo X. A combinação proposta está invertida e não corresponde à convenção da ROC.

Alternativa D: INCORRETA. A alternativa sugere que o eixo X é a proporção de verdadeiramente negativos (especificidade) e o eixo Y a especificidade — isso é redundante e errado. Na prática a ROC usa no eixo X a taxa de falsos positivos (1 − especificidade) e no eixo Y a sensibilidade (verdadeiros positivos). Colocar especificidade em ambos os eixos não faz sentido para a análise.

Alternativa E: CORRETA. Esta é a forma padrão: eixo X = proporção de falsos positivos (FP rate = 1 − especificidade) e eixo Y = sensibilidade (TP rate). É assim que se interpreta a ROC: cada ponto representa sensibilidade e taxa de falsos positivos para um determinado limiar, e a AUC quantifica a capacidade discriminativa global.

Resposta: Alternativa E