Laboratório de Testes Diagnósticos

Do desempenho do teste à decisão clínica

Altere os parâmetros e acompanhe todas as medidas em tempo real.

Interpretação do resultado individual

—valor preditivo positivo

—

O que ocorre nesta população

Frequências naturais esperadas.

Resultado	Doença	Sem doença	Total
Teste positivo	Verdadeiro positivo—	Falso positivo—	—
Teste negativo	Falso negativo—	Verdadeiro negativo—	—
Total	—	—	—

Mapa dos desfechos

Cada cor é uma parcela da população simulada.

Verdadeiros positivos (VP)—

Falsos positivos (FP)—

Falsos negativos (FN)—

Verdadeiros negativos (VN)—

Cenário A × cenário atual

Mude os controles para criar o cenário B e observe o que mudou ou permaneceu igual.

Entenda os cálculos e veja outras medidas

VPP = VP ÷ (VP + FP)

VPN = VN ÷ (VN + FN)

RV+ = sensibilidade ÷ (1 − especificidade)

RV− = (1 − sensibilidade) ÷ especificidade

Acurácia = (VP + VN) ÷ total = —

Taxa de falso positivo = 1 − especificidade = —

Taxa de falso negativo = 1 − sensibilidade = —

Probabilidade de doença após negativo = 1 − VPN = —

Referências dos exemplos de HIV

Fontes utilizadas nos exemplos de rastreio e confirmação da infecção pelo HIV apresentados nesta simulação.

Parâmetros configurados no simulador

Parâmetro	Etapa 1: rastreio (IE4G / Teste Rápido 1)	Etapa 2: confirmação (Carga Viral / Western Blot)
Probabilidade pré-teste da etapa	0,4% prevalência estimada na população geral brasileira ou 1,0% no cenário didático alternativo	44,5% após rastreio iniciado em 0,4% ou 66,8% após rastreio iniciado em 1,0%
Sensibilidade	99,8%	99,8%*
Especificidade	99,5%	99,9%*

Como interpretar a passagem entre as etapas: 44,5% e 66,8% são os valores preditivos positivos do rastreio nos dois cenários e passam a representar a probabilidade pré-teste entre as pessoas encaminhadas para confirmação. Não são novas prevalências populacionais. * Na etapa 2, sensibilidade de 99,8% e especificidade de 99,9% são parâmetros didáticos do algoritmo confirmatório, e não estimativas extraídas conjuntamente de um único ensaio.

1. Prevalência do HIV no Brasil

Fonte oficial: Boletim Epidemiológico HIV/Aids, Ministério da Saúde do Brasil, Secretaria de Vigilância em Saúde e Ambiente. Consultar fonte ↗

Fonte complementar: página oficial de Prevenção Combinada do HIV, Ministério da Saúde. Consultar fonte ↗

Dado utilizado: a prevalência estimada do HIV na população geral brasileira é de 0,4%.

2. Desempenho do teste de 4ª geração — rastreio

Fonte oficial: Manual Técnico para o Diagnóstico da Infecção pelo HIV em Adultos e Crianças, Ministério da Saúde do Brasil, Departamento de HIV/Aids. Consultar fonte ↗

Artigo de suporte: ALEXANDER, T. S. Human Immunodeficiency Virus Diagnostic Testing: 30 Years of Evolution. Clinical and Vaccine Immunology, v. 23, n. 4, p. 249–253, 2016. DOI ↗

Dado utilizado: imunoensaios de 4ª geração, que detectam o antígeno p24 e anticorpos anti-HIV, apresentam sensibilidade entre 99,7% e 100% e especificidade entre 99,5% e 99,8%.

3. Desempenho dos testes confirmatórios

Fonte oficial brasileira: Manual Técnico para o Diagnóstico da Infecção pelo HIV em Adultos e Crianças, Ministério da Saúde do Brasil. Consultar fonte ↗

Referência do algoritmo: CENTERS FOR DISEASE CONTROL AND PREVENTION; ASSOCIATION OF PUBLIC HEALTH LABORATORIES. Laboratory Testing for the Diagnosis of HIV Infection: Updated Recommendations. Atlanta: CDC, 2014. Consultar fonte ↗

Parâmetros adotados: sensibilidade de 99,8% e especificidade de 99,9% representam um cenário didático de elevada performance para a etapa confirmatória. A recomendação do CDC descreve uma sequência de testes — diferenciação de anticorpos HIV-1/HIV-2 e, quando necessário, teste de ácido nucleico — e não atribui esse par de valores a um único ensaio.

Observação: os percentuais são parâmetros didáticos compatíveis com as fontes citadas. O desempenho observado pode variar conforme o ensaio utilizado, a fase da infecção, o tipo e a qualidade da amostra e o algoritmo diagnóstico. Nenhum resultado deve ser interpretado isoladamente do contexto clínico e epidemiológico.

Calculadora por tabela 2×2

Insira os quatro desfechos observados em um estudo e obtenha as medidas diretamente.

Dados observados

Use números inteiros. Nenhuma célula pode ser negativa.

Teste índice	Teste de referência
Teste índice	Doença presente	Doença ausente	Total
Positivo	VP	FP
Negativo	FN	VN
Total

Sensibilidade e especificidade são condicionadas ao estado da doença; VPP e VPN são condicionados ao resultado do teste.

Sensibilidade

VP ÷ (VP + FN)

Especificidade

VN ÷ (VN + FP)

VPP

VP ÷ positivos

VPN

VN ÷ negativos

RV+

sens ÷ (1 − esp)

RV−

(1 − sens) ÷ esp

Interpretação:

Outras possibilidades de interpretação das RVs

1. Construções em porcentagem

A conversão direta da RV para porcentagem exige que a frase indique o incremento ou a redução relativa — a diferença em relação ao valor de referência 1 —, e não apenas o valor absoluto.

Nota de redação: em periódicos científicos, incrementos percentuais muito acima de 100% costumam ser evitados, pois podem dificultar a interpretação intuitiva. Nesses casos, o uso de múltiplos (“vezes”) é preferível.

2. Abordagem focada em chances (odds)

A literatura epidemiológica frequentemente descreve a RV não pela probabilidade do resultado do teste em si, mas pelo impacto que esse resultado tem nas chances pré-teste do paciente.

3. Abordagem qualitativa (impacto clínico)

Em seções de discussão de artigos ou manuais técnicos, a RV é frequentemente categorizada por sua utilidade clínica e força de evidência, considerando como referência os limiares clássicos em que RV+ > 10 oferece forte evidência para confirmar e RV− < 0,1 oferece forte evidência para afastar o diagnóstico.

As categorias são aproximações didáticas. A relevância clínica depende também da probabilidade pré-teste e dos limiares de decisão do contexto.

Múltiplos testes

Combine dois testes e observe como a regra lógica modifica a sensibilidade, a especificidade e os erros de classificação.

Ideia central: os testes em série utilizam a lógica E e priorizam a confirmação. Os testes em paralelo utilizam a lógica OU e priorizam a detecção.

Lógica da série

Regra E

A+EB+→POSITIVO

O resultado final somente será positivo quando A e B forem positivos. Um resultado negativo em qualquer etapa encerra a classificação como negativa.

Sensibilidade combinada—

Especificidade combinada—

VPP combinado—

VPN combinado—

Teste isolado × estratégia combinada

Compare o desempenho de cada teste isoladamente com o resultado final do algoritmo.

Medida	Teste A	Teste B	Série — E

Resultado final em 10.000 pessoas

Frequências naturais esperadas.

Resultado final	Doença	Sem doença	Total
Positivo	—	—	—
Negativo	—	—	—
Total	—	—	—

Interpretação da estratégia

—

De onde saíram os números da tabela?

A população é separada pela presença da doença e, depois, a regra da estratégia é aplicada em cada coluna.

Série — regra E

Os cálculos utilizam frequências esperadas. Para exibir pessoas inteiras, as quatro células são arredondadas em conjunto, preservando o total da população; por isso, ocasionalmente pode haver diferença de uma pessoa em relação ao arredondamento isolado.

—

Entenda os cálculos e os limites desta simulação

Série — regra E

Sensibilidade: Sens. A × Sens. B

Especificidade: 1 − (1 − Esp. A) × (1 − Esp. B)

Para ser positivo, o indivíduo precisa apresentar resultado positivo nos dois testes.

Paralelo — regra OU

Sensibilidade: 1 − (1 − Sens. A) × (1 − Sens. B)

Especificidade: Esp. A × Esp. B

Para ser negativo, o indivíduo precisa apresentar resultado negativo nos dois testes.

Pressuposto didático: as fórmulas consideram independência condicional entre os testes dentro dos grupos com e sem doença. Quando os testes detectam componentes semelhantes, seus erros podem estar correlacionados. Nesse caso, deve-se utilizar o desempenho observado do algoritmo completo.

Nomograma de Fagan interativo

Uma única reta liga a probabilidade pré-teste à RV e encontra a probabilidade pós-teste.

Defina os pontos

Pré-teste%

Razão de verossimilhança

0,00111000

Probabilidade pós-teste—

Curva ROC e área sob a curva

Compare dois testes, explore os pontos de corte e interprete a capacidade discriminatória global.

Exemplo simulado: os testes A e B, ambos com resultados de 0 a 10, foram aplicados à mesma amostra de 200 pacientes: 100 com doença e 100 sem doença pelo teste de referência.

1. Explore um teste

Escolha o teste e mova somente o ponto de corte. O laboratório calcula os resultados automaticamente.

Teste em exploração

Ponto de corte do Teste A≥ 6

No Teste A, resultado ≥ 6 será considerado positivo.

Corte baixoCorte alto

Medida	Teste A	Teste B
Sensibilidade	—	—
Especificidade	—	—
Falsos positivos	—	—
J de Youden	—	—

Teste A	Doença	Sem doença
Positivo	—	—
Negativo	—	—

AUC do Teste A——

AUC do Teste B——

Comparação global

A AUC considera todos os pontos de corte de cada teste.

Curvas exibidas

Clique em qualquer ponto das curvas. O clique identifica o teste, seleciona o corte correspondente e atualiza a comparação. A AUC não muda, pois pertence à curva inteira.

2. Da curva ROC à decisão clínica

Mantenha o teste e o ponto de corte fixos e altere apenas a prevalência. Observe como o significado clínico do resultado muda, mesmo com a mesma AUC.

Teste A · corte ≥ 6
AUC — · sensibilidade — · especificidade —

Escolha a população

A população permanece em 10.000 pessoas. Somente a prevalência será modificada.

Prevalência %

baixa50%

O teste não mudou: nesta experiência, AUC, sensibilidade, especificidade e ponto de corte permanecem iguais. Apenas VPP, VPN e as frequências naturais mudam.

VPP—doença após teste positivo

VPN—ausência de doença após negativo

Positivos verdadeiros—entre os resultados positivos

O que ocorreria em 10.000 pessoas

Verdadeiros positivos—

Falsos positivos—

Falsos negativos—

Verdadeiros negativos—

—

Entenda a diferença entre ponto de corte, Youden e AUC

Ponto de corte: define quem terá resultado positivo. Youden: procura o maior equilíbrio estatístico entre sensibilidade e especificidade dentro de cada teste. AUC: resume e permite comparar a capacidade discriminatória global dos testes considerando todos os cortes.

Curva ROC

Um teste com bom desempenho diagnóstico apresenta uma curva próxima do canto superior esquerdo do gráfico e uma AUC próxima de 1.

Área sob a curva

A AUC resume a capacidade discriminatória global do teste, considerando as diferentes combinações de sensibilidade e especificidade produzidas pelos possíveis pontos de corte.

Interpretação probabilística

Uma AUC de 0,97 significa que, ao selecionar aleatoriamente uma pessoa com a doença e uma pessoa sem a doença, existe aproximadamente 97% de probabilidade de a pessoa com a doença apresentar um valor de teste mais indicativo de positividade.

Valor da AUC	Sugestão de interpretação	Teste nesta faixa
0,9 ≤ AUC ≤ 1,0	Excelente	—
0,8 ≤ AUC < 0,9	Considerável	—
0,7 ≤ AUC < 0,8	Justa	—
0,6 ≤ AUC < 0,7	Pobre	—
0,5 ≤ AUC < 0,6	Falha	—
AUC < 0,5	Discriminação invertida	—

Uma AUC maior indica melhor discriminação global, mas a diferença entre duas AUCs só pode ser considerada estatisticamente significativa após análise apropriada. O maior Youden também não é obrigatoriamente o melhor corte clínico.

Bússola do ponto de corte — guia para a decisão clínica

Guia de bolso · raciocínio diagnóstico

Bússola do Ponto de Corte

Sensibilidade e especificidade descrevem o teste. Esta bússola ajuda a decidir, à beira do leito, o que priorizar diante do paciente real.

Antes de qualquer corte, responda

Objetivo

Rastrear, excluir ou confirmar?Triagem, rule-out de emergência e confirmação pré-tratamento pedem cortes diferentes.

Custo do erro

O que é pior aqui: perder o caso ou tratar quem não tem?O erro mais caro clinicamente é o que deve pesar mais na escolha do corte.

Probabilidade pré-teste

Qual a probabilidade de este paciente ter a doença antes do teste?Quadro clínico, epidemiologia e fatores de risco — não apenas a prevalência da tabela.

Depois do resultado

Existe confirmação disponível, ou a conduta já dispara diretamente?Sem confirmação posterior, o corte precisa ser mais conservador.

A matriz de decisão

Cruze a gravidade do falso negativo (FN) com a gravidade do falso positivo (FP) para o seu paciente.

FN graveFP tolerável

Priorizar sensibilidade

SnNout — sensibilidade alta, negativo exclui

Rastreio populacional (mamografia, Papanicolau)
D-dímero na suspeita de TEP
Troponina seriada na SCA

FN graveFP grave

Nenhum corte único basta

Ambos os erros custam caro — não decida pelo teste isolado

Use sequência de testes ou segunda opinião
Explicite o critério clínico antes de agir
Ex.: decisão de terapia de altíssimo risco

FN não graveFP não grave

Equilibrar (Youden)

Sem assimetria clara, o ponto de Youden é um bom início

Triagens de rotina, baixo risco
Acompanhamento não urgente

FN não graveFP grave

Priorizar especificidade

SpPin — especificidade alta, positivo confirma

Sorologia confirmatória antes de TARV
Biópsia antes de quimioterapia
Confirmação pré-cirurgia de grande porte

Cenários frequentes

Situação	Prioridade	Por quê	Exemplo
Rastreio de doença grave e tratável, com baixa prevalência	Sensibilidade	Há confirmação depois; perder o caso é o pior erro	Mamografia, colonoscopia
Exclusão em emergência (rule-out)	Sensibilidade	Descartar com segurança uma condição grave e reversível	D-dímero, troponina
Confirmação antes de tratamento arriscado	Especificidade	Tratar um falso positivo é tóxico, invasivo ou caro	Sorologia HIV, biópsia
Suspeita clínica muito alta	Depende da RV	Um resultado “fraco” ainda pode confirmar se a suspeita já era alta	Bayes / Fagan
Vigilância epidemiológica e controle de surto	Sensibilidade	Subnotificar deixa a cadeia de transmissão ativa	Definição de caso
Capacidade limitada para confirmar positivos	Ajustar à operação	O sistema pode não suportar todos os falsos positivos	Testagem em massa

Fórmulas rápidas

Sensibilidade

VP / (VP + FN)

Entre quem tem a doença, quantos o teste detecta.

Especificidade

VN / (VN + FP)

Entre quem não tem a doença, quantos o teste descarta corretamente.

VPP

VP / (VP + FP)

Depende da prevalência — diminui quando a doença é rara.

VPN

VN / (VN + FN)

Depende da prevalência — diminui quando a doença é comum.

RV+

Sens / (1 − Esp)

Quanto um positivo multiplica as chances de doença.

RV−

(1 − Sens) / Esp

Quanto um negativo multiplica as chances de doença.

J de Youden

Sens + Esp − 1

Equilíbrio estatístico — não é necessariamente o corte clínico ótimo.

SnNout: teste de alta sensibilidade, se negativo, out — ajuda a afastar a doença.

SpPin: teste de alta especificidade, se positivo, in — ajuda a confirmar a doença.

Três lembretes que evitam erros de prova e de plantão

VPP e VPN mudam com a prevalência. O mesmo teste, em populações diferentes, muda de significado clínico — sensibilidade e especificidade permanecem constantes quando o espectro dos pacientes e as condições de aplicação são comparáveis.

Youden é estatística, não é clínica. O ponto de maior J equilibra sensibilidade e especificidade, mas não considera o custo relativo de errar para mais ou para menos no paciente.

AUC maior não prova, por si só, que um teste é melhor. A diferença entre AUCs requer intervalo de confiança ou teste formal, como o teste de DeLong; não deve ser concluída apenas pela inspeção visual das curvas.

Guia de apoio ao raciocínio clínico — não substitui protocolos institucionais, informações técnicas do teste ou julgamento clínico individualizado. Uso educacional.

Guia para alunos

Um percurso orientado para explorar o laboratório, formular hipóteses e interpretar os resultados.

Como aproveitar melhor o laboratório

Não tente apenas obter números. Em cada atividade, siga esta sequência: faça uma previsão, altere somente um elemento, observe o que mudou, explique o motivo e registre uma conclusão clínica.

1. Preveja antes de clicar

Diga o que você acredita que acontecerá com sensibilidade, especificidade, VPP, VPN ou erros de classificação.

2. Altere uma coisa por vez

Assim será possível identificar qual parâmetro provocou a mudança observada.

3. Traduza para o paciente

Depois do cálculo, explique o resultado com uma frase clínica, e não apenas com uma fórmula.

Percurso recomendado, aba por aba

1Simulação clínicaEntenda prevalência, desempenho e significado dos resultados

Objetivo: perceber que sensibilidade e especificidade descrevem o desempenho do teste, enquanto VPP e VPN também dependem da probabilidade pré-teste.

Faça passo a passo

Clique em Restaurar exemplo e observe prevalência de 15%, sensibilidade de 90% e especificidade de 80%.
Leia a tabela “O que ocorre nesta população” e localize VP, FP, FN e VN.
Clique em cada medida: sensibilidade, especificidade, VPP, VPN, RV+ e RV−. Leia a interpretação individual.
Clique em Guardar cenário A.
Reduza somente a probabilidade pré-teste de 15% para 1%. Não altere sensibilidade nem especificidade.
Compare o cenário A com o atual e identifique quais medidas permaneceram iguais.
Experimente os botões Triagem e Confirmação do exemplo de HIV.

Pergunte a si mesmo

Por que o VPP diminuiu quando a doença ficou mais rara?
Por que sensibilidade, especificidade e RV não mudaram quando somente a prevalência mudou?
Entre os resultados positivos, existem mais VP ou FP?
Um teste muito específico garante VPP alto em qualquer população?

Conclusão esperada: em baixa prevalência, mesmo um teste de bom desempenho pode produzir muitos falsos positivos. O resultado deve ser interpretado junto da probabilidade pré-teste.

2Tabela 2×2Reconstrua as medidas a partir das frequências observadas

Objetivo: compreender de onde vêm as fórmulas e distinguir perguntas condicionadas à doença das perguntas condicionadas ao resultado do teste.

Faça passo a passo

Volte à Simulação clínica e escolha um cenário.
Abra a Tabela 2×2 e clique em Importar dados da simulação.
Confira as linhas: teste positivo e teste negativo. Depois confira as colunas: doença presente e doença ausente.
Calcule manualmente a sensibilidade: VP ÷ (VP + FN).
Calcule o VPP: VP ÷ (VP + FP). Compare os denominadores das duas fórmulas.
Altere uma célula de cada vez e observe todas as medidas.
Abra Interpretação e depois as outras possibilidades de leitura das RVs.

Pergunte a si mesmo

Sensibilidade começa pelas pessoas com doença ou pelas pessoas com teste positivo?
VPP responde à mesma pergunta que sensibilidade?
Qual célula precisa diminuir para aumentar a sensibilidade?
Qual célula precisa diminuir para aumentar a especificidade?

Conclusão esperada: sensibilidade e especificidade começam pelo estado da doença; VPP e VPN começam pelo resultado do teste.

3Nomograma de FaganTransforme probabilidade pré-teste em probabilidade pós-teste

Objetivo: visualizar como a razão de verossimilhança atualiza a probabilidade de doença.

Faça passo a passo

Na Simulação clínica, selecione um cenário e clique em RV+ ou RV−.
Abra o Nomograma de Fagan.
Defina a probabilidade pré-teste ou mantenha o valor trazido da simulação.
Clique em Usar RV+ atual e observe a probabilidade pós-teste.
Depois clique em Usar RV− atual.
Mantenha a mesma RV e compare probabilidades pré-teste de 1%, 20% e 60%.
Explique por que a mesma RV produz probabilidades pós-teste diferentes.

Pergunte a si mesmo

Uma RV+ maior que 1 aumenta ou diminui a probabilidade?
Uma RV− próxima de zero é útil para fazer o quê?
O resultado do teste substitui a probabilidade pré-teste?
Quando a probabilidade pós-teste seria suficiente para iniciar ou suspender uma conduta?

Conclusão esperada: o teste atualiza uma probabilidade anterior; ele não produz significado clínico isoladamente.

4Curva ROC e AUCExplore pontos de corte e discriminação global

Objetivo: diferenciar o desempenho de um ponto de corte da capacidade discriminatória global representada pela AUC.

Faça passo a passo

Escolha o teste A e mova o ponto de corte para valores baixos e altos.
Observe simultaneamente sensibilidade, especificidade, falsos positivos e índice de Youden.
Clique diretamente nos pontos da curva ROC.
Compare os testes A e B no mesmo ponto de corte.
Identifique o ponto de maior Youden, mas não o trate automaticamente como melhor escolha clínica.
Na seção “Da curva ROC à decisão clínica”, mantenha teste e corte fixos.
Altere somente a prevalência de 0,4% para 15% e compare VPP e VPN. Observe que a AUC permanece igual.
Abra a Bússola do ponto de corte ao final da aba.

Pergunte a si mesmo

O que acontece ao diminuir o ponto de corte?
A AUC pertence a um ponto ou à curva inteira?
Um teste com AUC excelente pode apresentar VPP baixo?
O maior Youden conhece as consequências clínicas de FP e FN?

Conclusão esperada: AUC mede discriminação global, mas não define sozinha o melhor corte nem o significado clínico de um resultado em determinada população.

5Múltiplos testesCompare a lógica E da série com a lógica OU do paralelo

Objetivo: compreender como a regra usada para combinar dois testes altera sensibilidade, especificidade, FP, FN e quantidade de exames.

Faça passo a passo

Mantenha o exemplo geral e observe os parâmetros dos testes A e B.
Comece pela estratégia em série — regra E.
Leia a lógica: o resultado final somente é positivo quando A e B são positivos.
Anote sensibilidade, especificidade, FP e FN combinados.
Mude para paralelo — regra OU, sem alterar nenhum parâmetro.
Compare novamente os erros e as aplicações de testes.
Abra o exemplo de HIV e repita a comparação.
Abra o quadro de fórmulas e leia o pressuposto de independência condicional.

Pergunte a si mesmo

Por que a série reduz falsos positivos?
Por que o paralelo reduz falsos negativos?
Em qual estratégia basta um teste positivo?
Em qual estratégia o teste B pode ser aplicado apenas aos positivos em A?

Conclusão esperada: série favorece confirmação e especificidade; paralelo favorece rastreamento e sensibilidade. A escolha depende do custo clínico dos erros.

Missões integradas

Missão 1 · Da população ao paciente

Descubra como prevalência, tabela e RV se conectam.

Crie dois cenários na Simulação clínica mudando somente a prevalência.
Importe um deles para a Tabela 2×2.
Confira VP, FP, FN e VN.
Use a RV no Nomograma de Fagan.
Explique a probabilidade pós-teste em uma frase clínica.

Missão 2 · O ponto de corte

Relacione ROC, consequências e decisão.

Na ROC, escolha um corte sensível e outro específico.
Registre sensibilidade e especificidade de cada um.
Reproduza esses valores na Simulação clínica.
Compare os números de FP e FN em 10.000 pessoas.
Justifique qual corte usaria para rastrear e qual para confirmar.

Missão 3 · Algoritmo de HIV

Observe por que rastreio e confirmação são etapas diferentes.

Abra “Triagem” na Simulação clínica.
Observe o VPP na prevalência de 0,4%.
Abra o exemplo de HIV em Múltiplos testes.
Compare série e paralelo.
Explique por que um resultado reagente de rastreio precisa de confirmação.

Verifique se você compreendeu

Se a prevalência diminuir e o teste permanecer igual, o que acontece com VPP e VPN?

O VPP tende a diminuir e o VPN tende a aumentar. Sensibilidade, especificidade e razões de verossimilhança permanecem iguais no modelo.

Diminuir o ponto de corte geralmente produz qual troca?

Aumenta a sensibilidade e reduz a especificidade: menos pessoas com doença são perdidas, mas mais pessoas sem doença recebem resultado positivo.

Qual é a diferença lógica entre série e paralelo?

Na série, o resultado final positivo exige A positivo e B positivo. No paralelo, basta A positivo ou B positivo.

Uma AUC excelente garante VPP elevado?

Não. O VPP também depende da prevalência ou probabilidade pré-teste e pode ser baixo em populações nas quais a doença é rara.

Uso educacional: os cenários são simulações para aprendizagem e não substituem protocolos clínicos, validação local do teste ou julgamento profissional.

Guia para professores

Orientações passo a passo para planejar, conduzir e integrar as atividades do Laboratório de Testes Diagnósticos.

Primeiro uso: uma condução simples e segura

Projete o laboratório em um computador, apresente uma pergunta antes de modificar os controles e solicite previsões dos alunos. A ferramenta funciona melhor quando cada mudança é precedida por uma hipótese e seguida por uma explicação clínica.

Antes da aula

Abra o laboratório, confira a projeção, teste os botões “Restaurar exemplo” e escolha quais módulos cabem no tempo disponível.

Durante a demonstração

Altere somente uma variável por vez. Peça primeiro a previsão, depois revele o resultado e solicite uma justificativa.

Ao concluir cada etapa

Peça que um aluno traduza o número para uma frase clínica e outro identifique a consequência para FP ou FN.

Como utilizar cada aba em aula

1Simulação clínicaAula sobre prevalência, valores preditivos e frequências naturais

Objetivo docente: fazer os alunos diferenciarem propriedades do teste de medidas dependentes do contexto populacional.

Caminho de condução

Abra a aba e clique em Restaurar exemplo.
Apresente os três parâmetros: probabilidade pré-teste, sensibilidade e especificidade. Ainda não explique VPP e VPN.
Pergunte: “Em 10.000 pessoas, onde vocês esperam encontrar mais erros: FP ou FN?”
Leia com a turma a tabela e o mapa dos desfechos.
Clique em VPP e solicite que um aluno leia a interpretação clínica.
Guarde o cenário A. Reduza somente a prevalência de 15% para 1%.
Peça que a turma indique o que deveria permanecer igual antes de revelar a comparação.
Finalize com os exemplos de Triagem e Confirmação do HIV e abra as referências somente se precisar discutir as fontes.

Perguntas para os alunos

Qual é o denominador da sensibilidade?
Por que o VPP não é uma característica fixa do teste?
Por que um resultado positivo em rastreamento não deve ser tratado automaticamente como diagnóstico?
O que muda quando somente a prevalência muda?

Resposta a perseguir: prevalência modifica VPP, VPN e frequências; não modifica sensibilidade, especificidade e RV no modelo. Em doenças raras, FP podem superar VP.

2Tabela 2×2Aula sobre estrutura, fórmulas e direção das probabilidades

Objetivo docente: ensinar a origem das medidas e impedir a confusão frequente entre sensibilidade e VPP, ou entre especificidade e VPN.

Caminho de condução

Construa primeiro a tabela no quadro: linhas representam o teste; colunas representam o padrão de referência.
Solicite que os alunos nomeiem VP, FP, FN e VN antes de mostrar as fórmulas.
Importe os dados da Simulação clínica para evitar digitação inicial.
Peça a um grupo para calcular sensibilidade e a outro para calcular VPP.
Compare os denominadores e formule as duas perguntas em linguagem clínica.
Altere apenas FN e discuta o efeito sobre sensibilidade e VPN.
Altere apenas FP e discuta o efeito sobre especificidade e VPP.
Abra as interpretações das RVs ao final.

Perguntas para os alunos

“Se o paciente tem a doença...” inicia qual medida?
“Se o teste foi positivo...” inicia qual medida?
Qual erro prejudica diretamente a sensibilidade?
Qual erro prejudica diretamente a especificidade?

Resposta a perseguir: FN reduz sensibilidade; FP reduz especificidade. Sensibilidade condiciona pelo estado de doença, enquanto VPP condiciona pelo resultado positivo.

3Nomograma de FaganAula sobre raciocínio bayesiano e atualização diagnóstica

Objetivo docente: mostrar que o valor clínico do resultado depende do ponto de partida e da força informativa expressa pela RV.

Caminho de condução

Apresente um caso breve e peça uma estimativa de probabilidade pré-teste.
Na Simulação clínica, selecione RV+ e abra o Fagan.
Mostre os três eixos: pré-teste, RV e pós-teste.
Use RV+ e solicite uma interpretação da probabilidade pós-teste.
Mantenha a probabilidade pré-teste e troque para RV−.
Depois mantenha a RV e mude apenas a probabilidade pré-teste.
Discuta limiares de testar, tratar ou afastar, sem apresentá-los como universais.

Perguntas para os alunos

Dois pacientes com o mesmo resultado necessariamente terminam com a mesma probabilidade pós-teste?
Qual RV é desejável para confirmar? E para afastar?
O que acontece quando a RV é igual a 1?
Em que momento a informação seria suficiente para mudar a conduta?

Resposta a perseguir: a RV multiplica as chances pré-teste. Uma RV igual a 1 não acrescenta informação; o contexto determina o ponto de partida e os limiares de decisão.

4Curva ROC e AUCAula sobre ponto de corte, Youden, discriminação e prevalência

Objetivo docente: separar quatro ideias: ponto de corte, troca entre sensibilidade e especificidade, índice de Youden e AUC global.

Caminho de condução

Mostre que os testes A e B foram aplicados à mesma amostra.
Escolha o teste A e mova lentamente o corte do menor para o maior valor.
A cada movimento, peça aos alunos que antecipem o sentido da sensibilidade e da especificidade.
Clique em um ponto da curva e mostre que ele representa um corte, não uma AUC própria.
Compare as AUCs dos testes A e B e interprete discriminação global.
Identifique o maior Youden e pergunte se ele conhece o custo clínico dos erros.
Mantenha teste e corte e altere a prevalência de 0,4% para 15% na ponte clínica.
Finalize com a Bússola do ponto de corte.

Perguntas para os alunos

Por que diminuir o corte aumenta simultaneamente VP e FP?
Uma AUC de 0,97 significa 97% de acertos?
Por que a AUC não mudou quando a prevalência mudou?
Como um teste excelente pode ter VPP baixo?

Resposta a perseguir: AUC representa a probabilidade de ordenação correta entre uma pessoa com e outra sem doença e resume todos os cortes; não corresponde à porcentagem simples de classificações corretas.

5Múltiplos testesAula sobre algoritmos em série e em paralelo

Objetivo docente: fazer os alunos explicarem por lógica, e não apenas por fórmula, por que a série aumenta especificidade e o paralelo aumenta sensibilidade.

Caminho de condução

Apresente os testes A e B separadamente e solicite que a turma identifique qual é mais sensível e qual é mais específico.
Selecione Série — E e leia a regra com os alunos.
Pergunte o que uma pessoa sem doença precisa fazer para permanecer falso positivo: ser positiva nos dois testes.
Compare a especificidade combinada e os FP com o teste A isolado.
Troque para Paralelo — OU.
Pergunte o que uma pessoa com doença precisa fazer para ser perdida: ser negativa nos dois testes.
Compare sensibilidade, FN e número de exames.
Use o exemplo de HIV para discutir rastreio seguido de confirmação e leia a ressalva sobre independência.

Perguntas para os alunos

Qual conectivo lógico define a série?
Qual conectivo lógico define o paralelo?
Qual estratégia escolher se FN for o erro mais grave?
Qual estratégia escolher se FP gerar tratamento tóxico?

Resposta a perseguir: série usa E, reduz FP e favorece confirmação; paralelo usa OU, reduz FN e favorece rastreamento. O ganho em uma dimensão possui um custo na outra.

Percursos combinados para uma aula

Percurso A · Fundamentos

Simulação → Tabela 2×2 → Fagan

Comece com frequências naturais.
Reconstrua as fórmulas na tabela.
Leve a RV ao Fagan.
Finalize com uma interpretação pós-teste.

Percurso B · Decisão clínica

ROC → Simulação → Múltiplos testes

Escolha um corte para rastrear e outro para confirmar.
Reproduza sensibilidade e especificidade na simulação.
Mostre FP e FN em uma população.
Combine os testes em série ou paralelo.

Percurso C · Caso HIV

Simulação → Tabela → Múltiplos testes

Use Triagem com prevalência de 0,4%.
Mostre que FP podem superar VP.
Importe para a tabela.
Use o preset HIV em série.
Discuta por que confirmação é necessária.

Sugestões conforme o tempo disponível

Tempo	Sequência sugerida	Produto dos alunos
30 minutos	Simulação clínica: cenário A × prevalência baixa; interpretação de VPP e VPN.	Uma frase explicando por que o VPP mudou.
50 minutos	Simulação clínica → Tabela 2×2 → interpretação individual.	Tabela preenchida, dois cálculos e duas frases clínicas.
90 minutos	ROC → Simulação → Múltiplos testes.	Justificativa de corte e estratégia para rastreamento e confirmação.
120 minutos	Percurso completo em grupos, com caso HIV e apresentação das conclusões.	Relato clínico contendo pré-teste, desempenho, erros, pós-teste e algoritmo.

Estratégia de facilitação

Prever

Antes do clique, cada grupo registra o sentido esperado da mudança.

Observar

Um aluno opera a ferramenta; os demais procuram evidências na tabela, gráfico ou interpretação.

Explicar

A turma conclui usando “porque”, relacionando o resultado ao denominador, à prevalência ou à regra lógica.

Cuidados: evite alterar vários parâmetros simultaneamente; não apresente o maior Youden como melhor corte universal; diferencie prevalência populacional de probabilidade pré-teste individual; e relembre que as simulações não substituem protocolos clínicos.