Dica do autor: Sensibilidade e especificidade medem o desempenho intrínseco de um teste: sensibilidade é a capacidade de identificar quem tem a doença (verdadeiros positivos) e especificidade é a capacidade de excluir quem não tem (verdadeiros negativos). Já os valores preditivos (VP+ e VP–) respondem à pergunta clínica que importa: se o teste der positivo, qual a probabilidade do paciente realmente ter a doença? Se der negativo, qual a chance real de ele não ter? O pulo do gato é que esses valores preditivos dependem fortemente da prevalência da doença na população testada. Na prática, com mesma sensibilidade e especificidade, quanto maior a prevalência, maior o VP+; quanto menor a prevalência, menor o VP+. Para calcular rapidamente use a tabela 2x2 (ou a fórmula do teorema de Bayes): VP+ = (Se × Prev) / [(Se × Prev) + ((1 − Sp) × (1 − Prev))] e VP– = (Sp × (1 − Prev)) / [(Sp × (1 − Prev)) + ((1 − Se) × Prev)]. Fique ligado: testes com baixa especificidade geram muitos falsos positivos em populações de baixa prevalência, derrubando o VP+ mesmo que a sensibilidade seja alta.

Alternativa A: INCORRETA. Diz que VP+ seria 98% e 100% nas populações — isso confundiu sensibilidade/especificidade com valor preditivo. VP+ não pode ser igual à sensibilidade salvo em situações bem específicas de prevalência; além disso, um VP+ de 100% em baixa prevalência com especificidade de 80% é impossível: com muitos falsos positivos numa população grande e prevalência baixa, o VP+ cai muito. Fazendo a conta (tabela 2x2) para as populações em questão obtém-se VP+ bem menor que 98% ou 100%.

Alternativa B: INCORRETA. Afirma VP+ de 99% e 20% — também não bate. Para a população de alta prevalência um VP+ próximo de 99% exigiria quase ausência de falsos positivos (especificidade muito alta), o que não é o caso aqui (especificidade é 80%, gerando falsos positivos relevantes). Para a baixa prevalência um VP+ de 20% é muito superior ao real: com muitos falsos positivos frente a pouquíssimos verdadeiros positivos o VP+ tende a ser único dígito.

Alternativa C: CORRETA. Aqui o cálculo está correto. Exemplo prático usando 1.000 pessoas: na população A (prevalência 20%) teremos 200 doentes; com sensibilidade alta, ~196 serão verdadeiros positivos e entre os 800 não doentes, com especificidade 80% teremos 640 verdadeiros negativos e 160 falsos positivos. VP+ = 196 / (196 + 160) ≈ 55%. Na população B (prevalência 1%) há só ~10 doentes; ~9,8 serão verdadeiros positivos e, entre 990 não doentes, 198 serão falsos positivos. VP+ = 9,8 / (9,8 + 198) ≈ 4,7% ≈ 5%. Ou seja, confirma-se VP+ ≈ 55% e ≈ 5%.

Alternativa D: INCORRETA. Afirma VP+ de 1% e 100% — incompatível com os dados. Um VP+ de 1% seria inferior ao observado para baixa prevalência com essa especificidade; e 100% de VP+ na outra população só ocorreria com especificidade perfeita (0 falsos positivos), o que não é o caso. Em suma, os números não seguem as contas da tabela 2x2.

Resposta: Alternativa C