TABELA 12.2 Sumarizando os resultados de um estudo sobre um teste dicotômico em uma tabela 2 ×
2
PADRÃO-OURO
COM A DOENÇA SEM A DOENÇA TOTAL
TESTE
Positivo a b a + b Valor preditivo positivo =
Verdadeiro-positivo Falso-positivo a/(a + b)
Negativo
c d c + d Valor preditivo negativo =
Falso-negativo Verdadeiro-negativo d/(c + d)
Total a + c b + d
Sensibilidade =
a/(a + c)
Especificidade =
d/(b + d)
Os valores preditivos positivo e negativo podem ser calculados a partir de uma tabela 2 × 2 usando essa fórmula apenas quando a
prevalência da doença é (a + c)/(a + b + c + d). Esse não será o caso se os sujeitos com e sem a doença forem amostrados de forma
separada (p. ex., 100 sujeitos em cada grupo em um estudo com amostragem de caso-controle).
- Curvas ROC. Muitos testes diagnósticos produzem resultados ordinais
ou contínuos. Para esses testes, vários valores de sensibilidade e
especificidade são possíveis, dependendo do ponto de corte escolhido
para definir um teste como positivo. Esse balanço entre sensibilidade e
especificidade pode ser mostrado usando-se um método gráfico
desenvolvido originalmente na eletrônica, a curva ROC (receiver
operator characteristic – característica operatória do receptor). O
investigador seleciona vários pontos de corte e determina a
sensibilidade e especificidade em cada ponto. Então, desenha um
gráfico colocando a sensibilidade (índice de verdadeiro-positivos) no
eixo Y como função de 1 − especificidade (índice de falso-positivos) no
eixo X. O teste ideal é aquele que atinge o canto superior esquerdo do
gráfico (100% de verdadeiro-positivos e nenhum falso-positivo). Um
teste inútil segue a diagonal que vai do canto inferior esquerdo até o
canto superior direito, na qual, em qualquer ponto de corte, o índice de
verdadeiro-positivos é igual ao índice de falso-positivos (Figura 12.1).
A área sob a curva ROC, que varia de 0,5 para um teste inútil a 1,0 para
um teste perfeito, resume bem a acurácia global de um teste e pode ser
usada para comparar a acurácia de dois ou mais testes.