Se olharmos para os totais de cada linha e cada coluna, vemos que:

	A Sensibilidade do teste é a proporção entre o número de doentes que o teste consegue detectar (VP) e o número total de doentes (ND). Em outras palavras, é a probabilidade de o teste ser positivo para uma pessoa doente: P(Teste+doente).
	A Especificidade informa qual a proporção entre o número de pessoas saudáveis que o teste detecta como “negativas” (VN) e o número total de pessoas saudável (NS). Em outras palavras, é a probabilidade de o teste ser negativo para uma pessoa saudável: P(Teste-saudável).

Até aqui tudo bem, mas tem um probleminha: o que eu quero saber não é a chance de o teste dar positivo caso eu esteja doente – o que eu quero saber de verdade é: Se o meu teste deu positivo (N+), qual a chance de eu estar realmente doente (VP)? (é inclusive o nome desse post!) E essas duas coisas normalmente são diferentes. Essa outra coisa que eu normalmente quero saber também tem um nome bonitinho: precisão, que a gente descobre olhando para as linhas do nosso quadro.

A Precisão (ou valor preditivo positivo) é a relação entre a quantidade de pessoas doentes que testaram positivo (VP) e o número total de testes positivos (N+). Em outras palavras, é a probabilidade de você estar doente, dado que o teste deu positivo: P(Doente/Teste+).

E é aqui que entra o probleminha que eu mencionei acima. O quadro faz parecer que é muito simples calcular a precisão. E até que é, desde que você tenha uma ideia do quão prevalente a doença é na população.

A Prevalência nos indica qual é o porcentual de pessoas que realmente estão doentes (ND) na população (N).

Vamos imaginar, por exemplo, que tenhamos um teste de 95% de sensibilidade (95% de chance de dar positivo se você estiver doente) e 95% de especificidade (95% de chance de dar negativo se você estiver saudável). Como podemos fazer para calcular qual a precisão do teste?

Como falamos ali em cima, precisamos saber da prevalência da doença. Aqui, neste exemplo, vamos estipular que a taxa-base da doença seja de 1%, ou seja, a doença afeta 1% da população (100 em cada 10.000).

Agora fica bem fácil usar a sensibilidade e especificidade do teste para calcular os testes positivos e negativos em cada coluna. Vamos lá!?

Repara direitinho nos valores da tabela… é aí que vem a coisa curiosa!

Embora esse teste de faz-de-conta tenha 95% de sensibilidade e de especificidade, a maioria das pessoas que testa positivo seria de falsos positivos (495), simplesmente porque teria muito mais gente saudável do que doente.

Além disso, a precisão, nesse caso hipotético, seria de só 16,1% – em outras palavras: você teria chance de 16,1% de estar doente, caso seu teste dê positivo!

Assim, se o teste dá positivo, a sua chance de estar realmente doente ainda seria relativamente baixa, embora seja 16 vezes maior do que a taxa-base da população (que é de 1%).

É um pouco confuso…, mas é assim mesmo quando vemos isso pela primeira vez. Se precisar, dê mais uma olhadinha antes de prosseguir para olhar a próxima tabelinha!

Aqui, vamos usar dados mais realistas (ainda que antigos)! Vamos considerar um teste para COVID-19 com especificidade de 99% (mais comum) e para a prevalência da doença, vamos utilizar 10,6% (a estimativa de COVID-19 em Manaus no relatório do Imperial College [2] do dia 8/05/2020). Considerando esses dados, e fazendo as contas igual fizemos ali em cima, temos que a precisão do teste seria de 91,8%.

Prevalência = ?
       1.007 / 1.096 = 91,8%

Agora, para efeitos de comparação, se considerássemos esse mesmo teste, mas com a prevalência estimada para São Paulo na mesma data teríamos: Prevalência de 3,3%, Sensibilidade de 95% e Especificidade de 99%. Fazendo os cálculos, a Precisão seria de 76,6%.

Bom… Isso quer dizer que se a prevalência for baixa e você testar positivo pode sair por aí felizão? NÃO!

Quando fizemos esses cálculos, dessa forma, estamos considerando que é uma pessoa aleatória fazendo o teste.

Porém, geralmente quando você é testado, você provavelmente tem ou teve sintomas (ou morreu de causa suspeita), ou entrou em contato com alguém que teve COVID-19. Isso tudo impacta no cálculo e deve ser levado em consideração.

Por exemplo, a prevalência entre pessoas com sintomas é MUITO maior do que na população em geral.

Outros pontos relevantes!