O raciocínio probabilístico utiliza uma abordagem bayesiana, baseado na probabilidade pré-teste ou prevalência da condição ou doença na população em estudo e na probabilidade pós-teste.

Na abordagem diagnóstica, através do raciocínio inferencial, a tarefa do médico não é chegar à certeza, mesmo porque, no diagnóstico, a certeza é inatingível, mas reduzir o nível de incerteza o suficiente para se tomar uma decisão terapêutica adequada.

A principal ferramenta de que o médico dispõe na Atenção Primária à Saúde (APS) é o encontro com o usuário, incluindo a anamnese e o exame físico. Nesse contexto da APS, a probabilidade pós-teste de uma doença será menor do que a probabilidade pós-teste em uma população de alta prevalência, como a encontrada em hospitais terciários.

A relação entre sensibilidade e especificidade de um teste diagnóstico pode ser representada pela curva ROC, em que a precisão global do teste pode ser descrita como a área sob a curva ROC, onde o valor da sensibilidade é de 1 e o valor da especificidade é igual a 0,5.

Uma razão de probabilidades maior do que 10 ou inferior a 0,1 introduz mudanças conclusivas da probabilidade pré-teste para a pós-teste.