Resumo de Metodologia de Diagnóstico e Rastreamento em Saúde Pública
Metodologia de Diagnóstico e Rastreamento em Saúde Pública
Introdução
Os testes diagnósticos avaliam se um paciente tem ou não uma condição de saúde específica, pela medição de variáveis biológicas, de imagem ou clínicas. Este material foca nas propriedades operacionais dos testes diagnósticos (sensibilidade, especificidade, valores preditivos, curvas ROC) e nos delineamentos de estudo que avaliam seu desempenho e seu impacto clínico. É explicado com exemplos práticos e tabelas comparativas para facilitar o aprendizado.
Definição: Um teste diagnóstico é um procedimento que classifica um paciente como tendo ou não a doença-alvo a partir de um resultado mensurável.
1. Propriedades básicas de um teste diagnóstico
1.1 Sensibilidade e especificidade
- Sensibilidade (S): Probabilidade de que o teste seja positivo se o indivíduo tem a doença. Matematicamente: $P(+\mid E)$.
- Especificidade (E): Probabilidade de que o teste seja negativo se o indivíduo não tem a doença. Matematicamente: $P(-\mid \neg E)$.
Definição: A sensibilidade mede quantos doentes são detectados; a especificidade mede quantos indivíduos saudáveis são identificados corretamente.
Tabela comparativa: sensibilidade vs. especificidade
| Propriedade | O que mede | Quando é prioritária | Efeito clínico |
|---|---|---|---|
| Sensibilidade | $P(+\mid E)$ | Rastreamento (screening) ou testes iniciais | Minimiza falsos negativos; útil para descartar a doença se for alta |
| Especificidade | $P(-\mid \neg E)$ | Testes confirmatórios | Minimiza falsos positivos; útil para confirmar o diagnóstico se for alta |
1.2 Ponto de corte e equilíbrio S vs. E
- Quando o resultado é contínuo, escolher um ponto de corte altera a sensibilidade e a especificidade: aumentar a sensibilidade geralmente diminui a especificidade e vice-versa.
- Exemplo prático: níveis de PSA (antígeno prostático específico). Ao aumentar o limiar de PSA, a especificidade aumenta e a sensibilidade diminui. Dados de exemplo (PSA ng/ml):
| PSA (ng/ml) | Sensibilidade (%) | Especificidade (%) |
|---|---|---|
| 1,0 | 100 | 21 |
| 4,0 | 99 | 73 |
| 8,0 | 90 | 88 |
| 10,0 | 54 | 93 |
| 15,0 | 11 | 97 |
Você sabia que ao elevar o ponto de corte em um teste como o PSA reduz-se o número de falsos positivos, mas aumentam-se os falsos negativos, o que pode atrasar diagnósticos que necessitam de tratamento precoce?
2. Curva ROC e AUC
- Curva ROC (Receiver Operating Characteristic): gráfico que mostra o equilíbrio entre sensibilidade (eixo Y) e 1-especificidade (eixo X) para todos os pontos de corte possíveis.
- Área sob a curva (AUC): medida resumida da capacidade discriminatória do teste; valores próximos a 1 indicam excelente capacidade, 0.5 indica incapacidade de discriminar.
Definição: A AUC é a probabilidade de que um teste atribua um resultado maior a um paciente doente do que a um saudável.
Exemplo de interpretação:
- AUC = 0.95: teste muito bom para distinguir doentes de saudáveis.
- AUC = 0.60: discriminação pobre; não recomendável como único critério diagnóstico.
3. Valores Preditivos e Prevalência
- Valor Preditivo Positivo (VP+): Probabilidade de que um paciente tenha a doença se o teste for positivo: $P(E\mid +)$.
- Valor Preditivo Negativo (VP−): Probabilidade de que um paciente NÃO tenha a doença se o teste for negativo: $P(\neg E\mid -)$.
Fórmulas (Bayes) em termos de sensibilidade, especificidade e prevalência ($\pi$):
$$VP+ = P(E\mid +) = \frac{P(+\mid E),P(E)}{P(+\mid E),P(E) + P(+\mid \neg E),P(\neg E)}$$
$$VP- = P(\neg E\mid -) = \frac{P(-\mid \neg E),P(\neg E)}{P(-\mid \neg E),P(\neg E) + P(-\mid E),P(E)}$$
- Onde $P(+\mid \neg E) = 1 - \text{especificidade}$ e $P(-\mid E) = 1 - \text{sensibilidade}$.
Pontos-chave:
- Quanto maior a prevalência, maior o $VP+$ e menor o $VP-$.
- Quanto maior a sensibilidade, maior o $VP-$.
- Quanto maior a especificidade, maior o $VP+$.
Exemplo numérico rápido: se um teste melhora sua especificidade de 95% para 98% à custa de uma queda na sensibilidade
Regista-te para o resumo completoJá tem uma conta? Entrar
Provas diagnósticas - Guia
Klíčové pojmy: Sensibilidade = $P(+\mid E)$: priorizar em triagem, Especificidade = $P(-\mid \neg E)$: priorizar em confirmação, Ponto de corte altera sensibilidade e especificidade inversamente, Curva ROC mostra sensibilidade vs 1-especificidade; AUC resume a discriminação, $VP+$ e $VP-$ dependem de sensibilidade, especificidade e prevalência, Aumentar a prevalência eleva $VP+$ e reduz $VP-$, Fases I–IV: desde a exploração até o ensaio clínico de impacto, Concordância avalia se duas provas podem se substituir, Combinar teste sensível + teste específico é uma estratégia prática, Escolher o teste de acordo com as consequências clínicas de falsos positivos/negativos