Dica do autor: Sensibilidade e especificidade são medidas fundamentais de desempenho de um teste diagnóstico. Sensibilidade é a capacidade do teste de identificar corretamente quem tem a doença (verdadeiros positivos); um teste muito sensível tem poucos falsos negativos — por isso, um resultado negativo em teste sensível ajuda a excluir a doença (o velho "SnNout"). Especificidade é a capacidade de identificar corretamente quem não tem a doença (verdadeiros negativos); um teste muito específico produz poucos falsos positivos — logo, um resultado positivo em teste específico ajuda a confirmar a doença ("SpPin"). Importante: valores preditivos (valor preditivo positivo/negativo) dependem da prevalência da doença na população testada. A curva ROC (Receiver Operating Characteristic) representa o trade-off entre sensibilidade e (1–especificidade) para vários pontos de corte; a área sob a curva (AUC) resume a acurácia global do teste. Para comparar AUCs entre testes existem testes estatísticos específicos (por exemplo DeLong); o teste de Log-Rank serve para comparar curvas de sobrevivência, não para comparar testes diagnósticos.

Alternativa A: INCORRETA. Em rastreamento a prioridade é minimizar perdas — ou seja, usar testes de alta sensibilidade para não deixar casos passarem despercebidos. Um teste preferencialmente específico em rastreamento aumentaria falsos negativos (perderíamos doentes), o que é indesejável. Testes específicos são mais úteis em confirmação diagnóstica após um teste de triagem positivo.

Alternativa B: INCORRETA. A primeira parte está certa: a curva ROC e sua AUC quantificam a capacidade discriminativa do teste ao longo de diferentes pontos de corte. No entanto, a segunda parte está errada: o teste de Log-Rank compara curvas de sobrevivência (tempo até evento) e não é apropriado para comparar diretamente a acurácia diagnóstica de dois testes. Para comparar AUCs existem métodos estatísticos específicos.

Alternativa C: CORRETA. Um teste com alta especificidade terá poucos falsos positivos; assim, um resultado positivo em um teste bastante específico é forte evidência para confirmar doença (SpPin). Lembrete prático: um teste específico "marca pouco quem não tem", então quando marca é confiável. Atenção: o valor preditivo positivo também varia com a prevalência da doença, mas a lógica do SpPin se mantém.

Alternativa D: INCORRETA. A definição aqui está invertida: teste sensível identifica com mais confiança os doentes (reduz falsos negativos), então um resultado negativo em teste sensível ajuda a excluir a doença (SnNout). A frase dá a entender que o teste sensível identifica pacientes sadios entre os negativos, o que confunde sensibilidade com especificidade/valor preditivo negativo.

Resposta: Alternativa C