Dica do autor: Aqui o pulo do gato é entender a diferença entre características intrínsecas do teste e medidas que dependem do contexto da população. Sensibilidade e especificidade são propriedades do teste — medem, respectivamente, a capacidade de detectar doentes entre os que realmente têm a doença (verdadeiros positivos) e de excluir os saudáveis entre os que não têm a doença (verdadeiros negativos). Razões de probabilidade (likelihood ratios) são cálculos derivados de sensibilidade e especificidade e, portanto, também são independentes da prevalência. Já os valores preditivos (positivo e negativo) traduzem: dada uma pessoa que testa positivo (ou negativo), qual é a probabilidade real de ela ter (ou não ter) a doença? Essa probabilidade depende diretamente da probabilidade pré-teste — ou seja, da prevalência da doença na população — porque é aplicação prática do teorema de Bayes. Em termos práticos: com mesma sensibilidade/especificidade, um teste terá PPV baixíssimo em populações com doença rara e PPV alto em populações com doença comum; o inverso vale para o NPV. Fique ligado: NNT é outro conceito (de intervenção terapêutica) e depende do risco basal, então pode variar com a prevalência de um evento, mas não é o que se usa para caracterizar desempenho diagnóstico.

Alternativa A: INCORRETA. Número necessário para tratar (NNT) é uma medida de impacto clínico em terapêutica — quantos pacientes precisam receber a intervenção para prevenir um evento adicional. O NNT depende do risco absoluto de base (e, portanto, indiretamente do quão comum é o evento na população atendida), mas não é uma medida de desempenho diagnóstico. Na lista da pergunta, o foco é discriminação diagnóstica e, por isso, NNT não é a resposta esperada.

Alternativa B: INCORRETA. Razão de probabilidade positiva (LR+) combina sensibilidade e especificidade (LR+ = sensibilidade / [1 − especificidade]) e caracteriza quanto mais provável é um resultado positivo em quem tem a doença do que em quem não tem. LR+ é uma medida sazonal do teste — não varia com a prevalência; ela é justamente o que usamos para aplicar a probabilidade pós-teste a partir da probabilidade pré-teste via regras de Bayes.

Alternativa C: CORRETA. Valor preditivo positivo (VPP ou PPV) é a probabilidade de um indivíduo ter a doença dado que o resultado do teste é positivo. Esse valor depende da prevalência da doença na população: quanto maior a prevalência, maior o PPV, e quanto menor a prevalência, menor o PPV, mantendo-se sensibilidade e especificidade constantes. Exemplo ilustrativo: com sensibilidade 90% e especificidade 90%, se a prevalência for 1% o PPV ficará em torno de 8–9%; se a prevalência for 50% o PPV sobe para ~90%. Ou seja, bater o olho nos valores preditivos sem considerar o contexto populacional pode enganar.

Alternativa D: INCORRETA. Sensibilidade é a proporção de verdadeiros positivos entre todos os doentes; é uma característica intrínseca do teste (para uma dada definição de caso e condições de aplicação) e não varia com a prevalência da doença. O que muda com a prevalência é a probabilidade de um teste positivo representar efetivamente doença (PPV), mas não a sensibilidade em si.

Alternativa E: INCORRETA. Especificidade é a proporção de verdadeiros negativos entre os não doentes e, assim como a sensibilidade, é uma propriedade do teste sob condições fixas. Ela não é afetada pela prevalência da doença; o que a prevalência altera é como interpretar um resultado positivo ou negativo na prática clínica (valores preditivos).

Resposta: Alternativa C