Dica do autor: O ponto central aqui é a ideia de probabilidade pré-teste versus probabilidade pós-teste — ou seja, como a utilidade de um exame depende do contexto clínico. O Teorema de Bayes descreve matematicamente essa transição: a probabilidade de doença após um resultado de exame (probabilidade pós-teste) depende da sensibilidade e especificidade do teste e da probabilidade pré-teste (a prevalência ou estimativa clínica). Na prática clínica, isso significa que em pacientes de baixo risco pré-teste um teste com desempenho ruim ou moderado terá alto risco de resultados falso-positivos; o valor preditivo positivo cai muito quando a prevalência é baixa. Por isso, antes de pedir qualquer exame, o pulo do gato é estimar a probabilidade pré-teste: se for baixa, um teste diagnóstico com sensibilidade/especificidade limitadas (como teste de esforço em adultos jovens sem fatores de risco) tende a gerar mais ruído do que informação útil. Em resumo: não é só o resultado do exame que importa, e sim o resultado aplicado a uma probabilidade prévia — essa é a essência do raciocínio bayesiano na tomada de decisão clínica.

Alternativa A: CORRETA. Essa alternativa é a resposta certa porque descreve exatamente o princípio usado: aplicar a probabilidade prévia (10%) e combinar com o resultado do teste para estimar a probabilidade pós-teste. O Teorema de Bayes explica por que um teste positivo em alguém de baixo risco provavelmente será um falso-positivo, mesmo que o teste tenha características razoáveis — o resultado não pode ser interpretado isoladamente.

Alternativa B: INCORRETA. "Valor preditivo positivo alto" não se aplica aqui. O valor preditivo positivo (VPP) depende da prevalência da doença: em baixa prevalência (ou baixa probabilidade pré-teste) o VPP tende a ser baixo, mesmo com testes relativamente bons. No caso descrito, a probabilidade pré-teste de 10% torna improvável um VPP alto; portanto um teste positivo provavelmente é falso-positivo, exatamente o contrário da ideia desta alternativa.

Alternativa C: INCORRETA. "Alta especificidade" refere-se à capacidade do teste de evitar falsos-positivos. Embora alta especificidade aumente o VPP, o enunciado não fornece informação sobre especificidade do teste e o raciocínio do médico baseou-se na baixa probabilidade pré-teste, não em uma medida direta de especificidade. Além disso, mesmo um teste altamente específico pode ter VPP baixo em populações de muito baixa prevalência; portanto não é esse o princípio central do caso.

Alternativa D: INCORRETA. "Valor preditivo negativo baixo" também não é compatível com o caso. Em geral, quando a prevalência é baixa, o valor preditivo negativo (VPN) tende a ser alto — um teste negativo é confiável para excluir doença. Aqui o problema foi um resultado positivo em paciente de baixo risco, não um negativo. Logo, esse enunciado não descreve o princípio usado.

Alternativa E: INCORRETA. "Baixa sensibilidade" diz respeito à probabilidade de um teste perder casos verdadeiros (falsos-negativos). O cenário apresentado trata de provável falso-positivo em contexto de baixa probabilidade pré-teste, portanto a sensibilidade baixa não é o princípio explicado. Sensibilidade baixa levaria a preocupações com falsos-negativos, o que não é o foco aqui.

Resposta: Alternativa A