Dica do autor: O ponto-chave aqui é entender que a utilidade de um teste não depende só da sensibilidade e especificidade, mas também da prevalência da doença na população testada — é o famoso teorema de Bayes na prática clínica. Em populações com prevalência muito baixa, mesmo testes com boa sensibilidade e especificidade produzem muitos falsos-positivos em relação aos verdadeiros-positivos, ou seja, o valor preditivo positivo (PPV) cai bastante. Para “bater o olho e saber” o que isso significa, convém calcular com uma população-padrão (por exemplo 100.000 indivíduos): com prevalência de 0,1% temos 100 pessoas realmente infectadas; com sensibilidade de 96% detectamos 96 verdadeiros-positivos e deixamos 4 falsos-negativos; entre os 99.900 não infectados, com especificidade de 98% teremos 1.998 falsos-positivos e 97.902 verdadeiros-negativos. Assim, dos 2.094 testes positivos, apenas 96 são verdadeiros-positivos — PPV ≈ 96/2.094 ≈ 4,6% (ou cerca de 4,5%). Já o valor preditivo negativo (NPV) será extremamente alto, pois a vasta maioria testará negativo e realmente não tem a doença (≈ 97.902/97.906 ≈ 99,996%). Em resumo: o pulo do gato é lembrar que em triagens em populações de baixa prevalência o teste serve bem para excluir (alto NPV), mas um resultado positivo precisa de confirmação por testes mais específicos antes de qualquer conclusão.

Alternativa A: INCORRETA. Dizer que o médico deve pedir o exame porque o PPV é 0,99 (99%) está claramente errado. Com sensibilidade 96%, especificidade 98% e prevalência 0,1% o PPV é muito baixo (~4,5%), não 99%. Pedir ou não o exame depende do contexto clínico e da finalidade (triagem versus diagnóstico), mas a justificativa baseada em um PPV de 0,99 é incorreta.

Alternativa B: INCORRETA. A conta com 100.000 doadores foi a ferramenta didática que usei acima: teremos 2.094 resultados positivos no total, mas apenas 96 são verdadeiros-positivos e 1.998 são falsos-positivos. A alternativa inverteu os números, afirmando que 1.998 seriam verdadeiro-positivos — isso é falso.

Alternativa C: CORRETA. Esta afirmação é a correta: usando os números ilustrativos (100.000 indivíduos), dos 2.094 testes positivos apenas 96 são verdadeiros-positivos, o que dá PPV ≈ 96/2.094 ≈ 4,6% — aproximadamente 4,5%. É o reflexo direto da baixa prevalência: muitos falsos-positivos em relação aos verdadeiros-positivos.

Alternativa D: INCORRETA. A frase mistura conceitos e dá número absurdo: o NPV não é 0,045 (4,5%). Pelo contrário, com prevalência baixa e boa especificidade/sensibilidade o NPV é altíssimo — cerca de 99,996% no exemplo com 100.000 indivíduos, ou seja, se der negativo a chance de ser verdadeiro-negativo é muito grande, mas o número correto não é 0,045.

Alternativa E: INCORRETA. A alternativa diz que o exame é valioso na triagem de banco de sangue porque apenas 4 em quase 100 mil seriam falso-positivos. Isso está longe da realidade dos cálculos: com especificidade de 98% o número de falsos-positivos em 100.000 é cerca de 1.998, não 4. Portanto a conclusão numérica está errada. Observação prática: testes de triagem para bancos costumam priorizar sensibilidade e usam algoritmos confirmatórios para eliminar falsos-positivos, mas a justificativa numérica apresentada está incorreta.

Resposta: Alternativa C