Dica do autor: Curvas ROC (receiver operating characteristic) comparam sensibilidade (eixo Y) versus 1–especificidade (eixo X) para todos os possíveis pontos de corte de um teste diagnóstico. O que importa é a área sob a curva (AUC): quanto maior a AUC, melhor a capacidade do instrumento em discriminar entre doentes e não-doentes em nível global. A AUC pode ser interpretada como a probabilidade de que, escolhido ao acaso um indivíduo doente e um não doente, o teste atribua valor mais alto ao doente. Já o “equilíbrio” entre sensibilidade e especificidade é uma escolha operacional dependente do ponto de corte (Youden index ajuda a encontrar esse ponto), não uma propriedade única da curva inteira. Outra pegadinha: valores preditivos (PPV/NPV) dependem da prevalência da doença na população estudada, não decorrem diretamente da forma da ROC. Ou seja: bater o olho na ROC e ver qual curva fica mais para o canto superior esquerdo e qual tem maior AUC é o pulo do gato para identificar o melhor discriminador globalmente.

Alternativa A: INCORRETA. A afirmação mistura desempenho com “equilíbrio” entre sensibilidade e especificidade. A ROC informa a relação sensibilidade×(1–especificidade) para todos os cortes; mas dizer que o MAST tem maior equilíbrio exige apontar um corte específico. Se a curva do CAGE tem AUC maior, ele tem desempenho discriminativo global superior, independentemente de “equilíbrio” pontual do MAST.

Alternativa B: INCORRETA. Para afirmar que dois testes têm o mesmo desempenho seria necessário que suas AUCs fossem iguais (ou estatisticamente não diferentes). A ROC permite ver se uma curva domina a outra. Quando uma curva apresenta AUC maior e fica consistentemente acima da outra, ela discrimina melhor — logo, dizer que têm o mesmo desempenho está errado se a AUC do CAGE for maior.

Alternativa C: CORRETA. É exatamente isso: maior área sob a curva significa melhor desempenho global de discriminação. Se a curva do CAGE ocupa área maior que a do MAST, o CAGE tem maior probabilidade de separar corretamente indivíduos com e sem alcoolismo em diferentes pontos de corte — é o indicador mais usado para comparar testes diagnósticos.

Alternativa D: INCORRETA. A frase é contraditória e conceitualmente falha — ter “menor equilíbrio” entre sensibilidade e especificidade não é vantagem. Além disso, a ROC não serve para concluir que um teste é melhor por ter menor equilíbrio; desempenho global é avaliado pela AUC, não por uma pretensa desvantagem.

Alternativa E: INCORRETA. Não é possível inferir valores preditivos diretamente da ROC sem conhecer a prevalência do alcoolismo na população estudada. A figura mostra discriminação (sensibilidade×especificidade), não PPV. Assim, a conclusão de baixo valor preditivo-positivo com base apenas nas curvas ROC é equivocada.

Resposta: Alternativa C