--- title: "Qual é a diferença entre sensibilidade e especificidade?" url: https://www.blog.psicometriaonline.com.br/qual-e-a-diferenca-entre-sensibilidade-e-especificidade canonical: https://www.blog.psicometriaonline.com.br/qual-e-a-diferenca-entre-sensibilidade-e-especificidade language: pt-BR published: 2024-10-23T11:00:00.000Z updated: 2026-03-30T01:36:08.075Z modified: 2026-03-30T01:36:08.075Z author: "Marcos Lima" categories: ["Instrumentos de autorrelato"] tags: ["acurácia diagnóstica"] description: "Sensibilidade e especificidade são conceitos fundamentais em estudos de acurácia diagnóstica. Neste post, diferenciamos essas duas medidas." source: Blog Psicometria Online --- # Qual é a diferença entre sensibilidade e especificidade? > Sensibilidade e especificidade são métricas fundamentais em estudos de acurácia diagnóstica. Neste post, vamos explicar o que são essas métricas, qual a diferença entre elas e como calculá-las. Além disso, mostraremos como sensibilidade e especificidade estão inversamente relacionadas. Por fim, apre... Sensibilidade e especificidade são métricas fundamentais em estudos de acurácia diagnóstica. Neste post, vamos explicar o que são essas métricas, qual a diferença entre elas e como calculá-las. Além disso, mostraremos como sensibilidade e especificidade estão inversamente relacionadas. Por fim, apresentaremos alguns sinônimos desses termos que você precisa conhecer. ## Introdução A princípio, considere um teste qualquer que visa identificar se uma condição está presente ou ausente. Esse **teste** é uma ferramenta avaliativa. Exemplos de ferramentas incluem testes de gravidez, exames de mamografia e, de maior relevância para psicometristas, [instrumentos de autorrelato](/construcao-de-itens-para-instrumentos-de-autorrelato). A **condição**, por sua vez, é aquilo que queremos detectar com algum nível de acurácia. Por exemplo, podemos querer identificar gravidez, câncer de mama ou depressão clínica. Para ilustrar esses conceitos, a Figura 1 apresenta uma tabela de contingências 2 × 2 (isto é, uma **matriz de confusão**). Essa tabela representa os quatro cenários possíveis, a partir do cruzamento da condição dos casos e do resultado do teste. ![matriz de confusão de um estudo de acurácia diagnóstica.](/uploads/2024-10_matriz-de-confusao.jpg) *Figura 1. Tabela de contingências 2 × 2 de um estudo de acurácia diagnóstica.* Um teste ideal, que apresenta um desempenho perfeito, produziria apenas verdadeiros positivos e verdadeiros negativos. Por exemplo, esse teste ideal sempre identificaria corretamente a presença de câncer de mama quando ele realmente está presente. Além disso, indicaria a ausência de câncer quando a condição realmente não está presente. Na prática, no entanto, os testes são falíveis. Dada essa falibilidade, nosso objetivo é quantificar a acurácia diagnóstica desses instrumentos. Assim, a sensibilidade e a especificidade tornam-se duas métricas úteis para essa finalidade. ## O que são sensibilidade e especificidade? A **sensibilidade** mede a capacidade de um teste em identificar corretamente os verdadeiros positivos, ou seja, aqueles que realmente possuem a condição sendo testada. Portanto, a sensibilidade é uma medida da proporção de casos positivos que o teste consegue reconhecer corretamente como positivos (Figura 2). ![como calcular sensibilidade e especificidade, parte 1.](/uploads/2024-10_o-que-e-sensibilidade.jpg) *Figura 2. Como calcular a sensibilidade.* Por outro lado, a **especificidade** mede a capacidade de um teste em identificar corretamente os verdadeiros negativos, ou seja, aqueles que não possuem a condição sendo testada. Assim, a especificidade é uma medida da proporção de casos negativos que o teste reconhece corretamente como negativos (Figura 3). ![como calcular sensibilidade e especificidade, parte 2.](/uploads/2024-10_o-que-e-especificidade.jpg) *Figura 3. Como calcular a especificidade.* Dessa forma, a **sensibilidade** se concentra nos casos **positivos**, enquanto a **especificidade** se dedica aos casos **negativos**. Assim, ambas as métricas oferecem perspectivas complementares sobre a acurácia diagnóstica do teste. ## Como calcular sensibilidade e especificidade? Antes de considerarmos um exemplo numérico, iremos abordar outro conceito importante: a acurácia. A **acurácia** se refere à capacidade geral do teste de identificar corretamente os casos (Figura 4). ![](/uploads/2024-10_o-que-e-acuracia-geral.jpg) *Figura 4. Como calcular a acurácia.* Em outras palavras, a acurácia fornece um índice geral do desempenho de um teste, independentemente dos tipos de acertos que ele apresenta. Agora, considere o seguinte exemplo: pesquisadores recrutaram 350 participantes, dos quais 150 tinham diagnóstico clínico de depressão. Para avaliar a acurácia do teste em discriminar quem tem de quem não tem depressão, foi aplicado um inventário de depressão. A Figura 5 apresenta os dados desse exemplo, juntamente com os cálculos de sensibilidade e especificidade para um determinado ponto de corte. ![exemplo de cálculo de sensibilidade e especificidade.](/uploads/2024-10_como-calcular-sensibilidade-e-especificidade.jpg) *Figura 5. Exemplo de cálculo de sensibilidade e especificidade.* Nesse exemplo, a acurácia geral do teste é de 72%, isto é, acurácia = (135 + 118) / (135 + 118 + 82 + 15) = 0,72. No entanto, a inspeção apenas da acurácia não nos permite avaliar se o teste desempenha de formas distintas entre pessoas com e sem depressão. Para isso, precisamos considerar a sensibilidade e a especificidade. A Figura 5 indica que o ponto de corte do inventário de depressão acerta corretamente 90% dos diagnósticos positivos de depressão, mas refuta corretamente os diagnósticos de depressão em apenas 59% dos casos. Desse modo, concluímos que o ponto de corte fornece alta sensibilidade, mas relativamente baixa especificidade. ## Qual é a relação entre sensibilidade e especificidade? Há uma relação inversa entre sensibilidade e especificidade. Ou seja, quando aumentamos a sensibilidade, a especificidade tende a diminuir, e vice-versa. Isso acontece porque, ao tentar identificar mais casos positivos, acabamos incluindo mais falsos positivos, comprometendo a capacidade do teste em identificar corretamente os negativos. Por exemplo, imagine um juiz que condena com facilidade (**mais rigoroso**). Ele é como um teste com **alta sensibilidade**: identifica culpados com frequência, mas pode acabar condenando inocentes (**baixa especificidade**). Seu foco é evitar que culpados escapem, mesmo que isso signifique punir alguns inocentes. Por outro lado, um juiz que prefere presumir a inocência (**mais indulgente**) é como um teste com **alta especificidade**. Ele raramente condena inocentes, mas, como consequência, pode deixar muitos culpados escaparem (**baixa sensibilidade**). Sua prioridade é evitar punir os inocentes, mesmo que isso permita que alguns culpados passem despercebidos. A Figura 6 ilustra esses dois cenários. Nessa metáfora, os juízes são os “testes”, enquanto os verdadeiros status de culpa ou inocência são as “condições”. ![](/uploads/2024-10_relacao-entre-sensibilidade-e-especificidade.jpg) *Figura 6. Juízes com diferentes critérios de decisão, e como isso se relaciona com a sensibilidade e a especificidade.* A mesma lógica se aplica em outros contextos, como testes psicológicos. A Figura 7 mostra essa relação com base em um ponto de corte para diagnóstico de depressão. Se **aumentarmos** o ponto de corte (deslocando a linha vermelha para a direita), **aumentaremos** a especificidade, mas **diminuiremos** a sensibilidade. Por outro lado, se **diminuirmos** o ponto de corte (deslocando a linha vermelha para a esquerda), **aumentaremos** a sensibilidade, mas **diminuíremos** a especificidade. ![](/uploads/2024-10_especificidade-sensibilidade-tradeoff.jpg) *Figura 7. Relação entre sensibilidade e especificidade.* ## Quais são as aplicações dos conceitos de sensibilidade e especificidade? Os conceitos de sensibilidade e especificidade estão presentes em diferentes áreas da pesquisa quantitativa. Abaixo, exploramos três áreas específicas: ### Curva ROC Em estudos de acurácia diagnóstica, os pesquisadores avaliam a acurácia de uma nova medida, chamada de **teste índice**, em discriminar casos positivos de negativos. Para isso, eles usam uma medida **padrão-ouro** como critério externo de comparação. Nesse contexto, a [curva ROC](/tutorial-curva-roc-diagnostico-clinico-sensibilidade-e-especificidade) (*receiver operating characteristic*) é uma ferramenta que ajuda a visualizar a relação entre sensibilidade e especificidade. Mais especificamente, a curva ROC plota a relação entre **1 – especificidade**, no eixo *x*, contra a **sensibilidade**, no eixo *y*, considerando diferentes pontos de corte (Figura 8). ![C.](/uploads/2024-10_curva-roc-exemplo.jpg) *Figura 8. Exemplo de curva ROC. Círculos indicam valores de 1 – especificidade e de sensibilidade para três pontos de corte (PC) distintos.* A curva ROC, como a da Figura 8, tem o objetivo de identificar o melhor ponto de corte para maximizar a acurácia na classificação de casos positivos e negativos. Em outras palavras, ela busca determinar o ponto de corte que mais se aproxima do canto superior esquerdo do gráfico, o que indicaria um teste perfeito. ### Revisões de literatura Em [revisões de literatura](/estudos-de-revisao-sistematica-o-uso-da-estrategia-pico), os conceitos de sensibilidade e especificidade estão, no mínimo, implícitos nos critérios de busca. Idealmente, queremos selecionar palavras-chave e operadores booleanos que sejam altamente sensíveis (ou seja, que retornem os registros relevantes ao tema em investigação) e altamente específicos (ou seja, que retornem uma quantidade mínima, ou idealmente nula, de registros irrelevantes). ### Machine learning Em [*machine learning*](/tag/machine-learning), sensibilidade e especificidade são fundamentais para avaliar o desempenho de modelos preditivos, especialmente em classificação binária. Desse modo, esses conceitos ajudam a determinar o quão eficaz um modelo é na previsão correta dos resultados. Nesses casos, o teste é substituído pelo modelo estatístico em avaliação. Por exemplo, em uma regressão logística, é possível medir quão bem o modelo prevê corretamente o pertencimento dos casos às categorias da variável critério. Além de uma avaliação geral (ou seja, acurácia), podemos também avaliar a sensibilidade e a especificidade. ## Sinônimos de sensibilidade e especificidade Anteriormente, utilizamos os termos **sensibilidade** e **especificidade** de forma consistente. No entanto, existem alguns sinônimos para esses conceitos que são usados em diferentes áreas de pesquisa. É importante que você conheça essa terminologia para entender melhor a literatura sobre acurácia diagnóstica. Abaixo, apresentamos uma breve lista de sinônimos: - **Sensibilidade:** taxa de verdadeiros positivos, probabilidade de detecção *recall*, *hit rate*, [poder estatístico](/qual-a-importancia-do-poder-estatistico); - **Especificidade:** taxa de verdadeiros negativos, seletividade, taxa de rejeição correta. ## Referências Dwyer, D. B., Falkai, P., & Koutsouleris, N. (2018). Machine learning approaches for clinical psychology and psychiatry. *Annual Review of Clinical Psychology*, *14*, 91–118. https://doi.org/10.1146/annurev-clinpsy-032816-045037 Gonçalves, A. P., Pianowski, G., & Carvalho, L. F. (2021). Indicadores de acurácia diagnóstica. In C. Faiad, M. N. Baptista & R. Primi (Orgs.), *Tutoriais em análise de dados aplicados à psicometria* (pp. 128–142). Editora Vozes. Starmer, J. (2022). *The StatQuest illustrated guide to machine learning!!!* StatQuest. ## Como citar este post > **Como citar este artigo:** Lima, M. (2024, 23 de outubro). Qual é a diferença entre sensibilidade e especificidade? *Blog Psicometria Online*. https://www.blog.psicometriaonline.com.br/qual-e-a-diferenca-entre-sensibilidade-e-especificidade