O que decide a resposta

Questão conceitual direta: a área sob a curva (ASC ou AUC) da Curva ROC quantifica a acurácia global de um teste diagnóstico em discriminar indivíduos doentes de não doentes ao longo de todos os seus pontos de corte possíveis.

Raciocínio clínico

A curva ROC (Receiver Operating Characteristic) é construída relacionando a taxa de verdadeiros positivos (Sensibilidade, no eixo Y) contra a taxa de falsos positivos (1 - Especificidade, no eixo X) para diferentes pontos de corte de um exame contínuo.

Quando integramos essa curva, obtemos a Área Sob a Curva (ASC):

• –ASC = 0,5: o teste é equivalente ao acaso (linha diagonal), sem capacidade discriminatória.
• –ASC = 1,0: teste perfeito, com 100% de sensibilidade e 100% de especificidade.
• –Quanto mais próxima de 1,0 for a ASC, maior é a capacidade do teste de classificar corretamente os indivíduos (portanto, maior a sua acurácia global).

Por que acontece

A ASC representa a probabilidade estatística de que o teste atribua um resultado mais alterado a um indivíduo doente selecionado aleatoriamente do que a um indivíduo sadio. Ao cobrir todo o espectro de sensibilidade e especificidade possíveis, ela sintetiza a capacidade discriminatória total do método, independente de um ponto de corte isolado.

Conduta

Na avaliação e validação de testes diagnósticos:

• –Utilize a Curva ROC para determinar o melhor ponto de corte do teste (frequentemente o ponto mais próximo do canto superior esquerdo ou maximizando o Índice de Youden = Sensibilidade + Especificidade - 1).
• –Utilize a ASC para comparar o desempenho global entre dois ou mais métodos diagnósticos concorrentes.
• –O que NÃO fazer: não utilize valores preditivos (VPP ou VPN) para construir curvas ROC, pois estes variam com a prevalência da doença, ao passo que a curva ROC é baseada em propriedades intrínsecas do teste (Sensibilidade e Especificidade).

Como isso cai nas provas

Este assunto costuma ser cobrado como interpretação gráfica ou definição conceitual dos eixos e da área. Duas confusões clássicas:

• –Curva ROC vs. Valores Preditivos: o discriminador é a dependência da prevalência — a curva ROC usa apenas Sensibilidade e 1 - Especificidade (intrínsecos do teste, não mudam com a prevalência), enquanto VPP e VPN mudam conforme a prevalência da população.
• –Eixo X vs. Eixo Y da Curva ROC: o discriminador é a taxa de erro versus acerto — o eixo Y é a Sensibilidade (taxa de verdadeiros positivos) e o eixo X é 1 - Especificidade (taxa de falsos positivos).