Dica do autor: O teorema de Bayes é a base para transformar uma probabilidade pré-teste (ou prevalência prévia) na probabilidade pós-teste — em outras palavras, como interpretar o resultado de um exame levando em conta o contexto epidemiológico e as características do teste. No rastreamento e na avaliação diagnóstica, o pulo do gato é lembrar que sensibilidade e especificidade descrevem desempenho do teste condicionadas ao estado verdadeiro da doença, enquanto os valores preditivos respondem à pergunta clínica prática: dado um resultado positivo (ou negativo), qual a probabilidade de o paciente realmente ter (ou não ter) a doença? Matematicamente, o valor preditivo positivo (VPP) é obtido pela fórmula de Bayes: VPP = (sensibilidade × prevalência) / [(sensibilidade × prevalência) + (1 − especificidade) × (1 − prevalência)]. Isso explica por que, em situações de baixa prevalência, mesmo testes com boa sensibilidade e especificidade terão VPP baixo — muito importante quando pensamos em rastreamento em populações de baixo risco. Fique ligado: usar Bayes é essencial para decidir se um rastreamento compensa, quando confirmar com exame complementar e como comunicar risco ao paciente.

Alternativa A: INCORRETA. A prevalência da doença é a probabilidade pré-teste, ou seja, o elemento que entra como dado na fórmula de Bayes; o teorema não "determina" a prevalência. Você usa a prevalência para calcular a probabilidade pós-teste — não ao contrário. Em estudos, a prevalência vem da população estudada ou de estimativas prévias.

Alternativa B: CORRETA. Exato. O teorema de Bayes permite calcular o valor preditivo positivo — a probabilidade de doença condicional a um teste positivo — combinando sensibilidade, especificidade e prevalência. Na prática de rastreamento, o VPP é a medida que diz se um resultado positivo merece intervenção imediata ou precisa de confirmação.

Alternativa C: INCORRETA. Sensibilidade é uma característica intrínseca do teste obtida ao comparar com o padrão-ouro (proporção de verdadeiros positivos entre doentes). Bayes não "determina" sensibilidade — ele usa sensibilidade como entrada para calcular probabilidades pós-teste.

Alternativa D: INCORRETA. Eficiência em termos de custo (análise de custo-efetividade) envolve cálculos econômicos e decisões de saúde pública que vão muito além da aplicação direta do teorema de Bayes. Bayes ajuda a entender probabilidades e impactos clínicos, mas não fornece sozinho medidas de custo ou eficiência financeira.

Alternativa E: INCORRETA. Resultados falso-negativos referem-se à sensibilidade do teste e ao número de portadores da doença que o exame deixa passar; Bayes não "determina" diretamente quantos testes serão falso-negativos. O teorema permite calcular a probabilidade posterior de doença após um resultado negativo (valor preditivo negativo), o que é conceitualmente relacionado, mas isso não é o mesmo que dizer que Bayes determina os falso-negativos.

Resposta: Alternativa B