Calculadora de probabilidade pós-teste

A probabilidade pós-teste é a probabilidade revisada de que um paciente tenha uma condição depois que o resultado de um teste diagnóstico é conhecido. Ela é calculada usando o teorema de Bayes, que atualiza formalmente as crenças à luz de novas evidências. Esta calculadora implementa o arcabouço central de acurácia diagnóstica usado na medicina baseada em evidências, no suporte à decisão clínica e na educação médica. As três entradas necessárias são: (1) probabilidade pré-teste — a probabilidade pré-teste ou prevalência da doença antes do teste; (2) sensibilidade — a taxa de verdadeiros positivos, ou a probabilidade de o teste ser positivo quando a condição está presente; e (3) especificidade — a taxa de verdadeiros negativos, ou a probabilidade de o teste ser negativo quando a condição está ausente. Para um resultado positivo, a probabilidade pós-teste é igual ao valor preditivo positivo (VPP), calculado como: VPP = (sensitivity × prior) / (sensitivity × prior + (1−specificity) × (1−prior)). Para um resultado negativo, a probabilidade da doença é 1 − VPN, onde VPN = (specificity × (1−prior)) / (specificity × (1−prior) + (1−sensitivity) × prior). As razões de verossimilhança (LRs) oferecem outra forma de atualizar probabilidades. LR+ = sensitivity / (1−specificity) indica quanto um resultado positivo aumenta as odds da doença. LR− = (1−sensitivity) / specificity indica quanto um resultado negativo reduz as odds. Como regra prática, LR+ acima de 10 ou LR− abaixo de 0.1 indica um teste com grande poder diagnóstico. Um dos resultados mais contraintuitivos na estatística médica é o efeito da taxa basal: mesmo um teste muito preciso tem VPP baixa quando a doença é rara. Por exemplo, um teste com 99% de sensibilidade e 99% de especificidade aplicado a uma doença com prevalência de 0.1% tem VPP de apenas cerca de 9%. Isso significa que 91% dos testes positivos são falsos positivos — uma consideração crítica em programas de rastreamento populacional. Esta calculadora é útil para clínicos que interpretam testes diagnósticos, pesquisadores que projetam protocolos de rastreamento, estudantes de medicina aprendendo raciocínio bayesiano e epidemiologistas avaliando o desempenho do teste em diferentes níveis de prevalência. Lembre-se sempre de que a probabilidade pré-teste deve ser estimada com base na melhor evidência disponível: dados publicados de prevalência, histórico clínico, achados do exame físico e fatores de risco do paciente. A qualidade da sua estimativa pós-teste depende diretamente da precisão da sua estimativa prévia e da validade dos valores publicados de sensibilidade e especificidade do teste.