Domina Conceptos Médicos

Estudia para la escuela de medicina y tus examenes con Lecturio.

USMLE® Step 1 | USMLE® Step 2 | Exámenes del NBME® | ENARM

Biblioteca de Conceptos de Lecturio

Número Necesario a Tratar

Número Necesario a Tratar

El número necesario a tratar (NNT) es el número de pacientes que se necesitan tratar para prevenir 1 resultado secundario adicional (e.g., accidente cerebrovascular, muerte). Por ejemplo, si un medicamento tiene un NNT de 10, significa que 10 personas deben recibir tratamiento con el medicamento para prevenir 1 resultado secundario adicional. El NNT es el inverso de la reducción del riesgo absoluto (RRA), que es igual a la tasa de resultados secundarios que ocurren en el grupo de control menos la cantidad de resultados secundarios en el grupo experimental.

Última actualización: Jul 28, 2022

Responsabilidad editorial: Stanley Oiseth, Lindsay Jones, Evelin Maza

Contenido

Requisitos Previos

Características e Interpretación

Número Necesario Para Dañar

Cálculo del NNT y NND

Preguntas de Práctica

Requisitos Previos

Para comprender el concepto de número necesario a tratar, se recomiendan algunos conocimientos previos sobre estadística descriptiva e inferencial.

Videos relevantes

Null Hypothesis – Statistics Basics

p-Value – Statistics Basics

Errors in Hypothesis Tests: Type I Error versus Type II Error

Relative Risks (Measures of Association): Introduction

Relative Risk – Relative Risks (Measures of Association)

Attributable Risk – Attributable Risk and Odds Ratio (Measures of Association)

Definición

El número necesario a tratar (NNT); y su análogo, el número necesario para dañar (NND), son simplemente otras medidas del tamaño del efecto, como la d de Cohen, y ayudan a relacionar una diferencia en el tamaño del efecto con la relevancia clínica del mundo real.

Número necesario a tratar

El NNT significa cuántos pacientes necesitarían ser tratados para mejorar el estado de 1 paciente adicional, que de otro modo no habría mejorado sin ese tratamiento en particular.

El inverso de la reducción de riesgo absoluto (RRA) = 1/RRA
El NNT es un número entre 1 e infinito:
- Un número más bajo indica un tratamiento más efectivo.
- Las fracciones se redondean al siguiente número entero.
- Un NNT perfecto sería 1, lo que significa que por cada paciente tratado, 1 mejoró en el ensayo, que no habría mejorado sin ese tratamiento específico.

Reducción de riesgo absoluto, diferencia de riesgo absoluto (DRA) y exceso de riesgo absoluto (ERA)

Todos estos términos representan el valor absoluto de la diferencia entre la proporción (expresada como porcentaje, fracción o incidencia) de pacientes en el grupo control (Pc) que tuvieron el resultado de interés y la proporción de pacientes en el grupo experimental (Pe) con eso el resultado de interés:

$$ {RRA = DRA = ERA = \left | P_{c} – P_{e} \right |} $$

Características e Interpretación

Características

Debe interpretarse en contexto: una estimación puntual de NNT aislada tiene poco valor, aunque aproximadamente el 50% de los estudios clínicos no proporcionan la información contextual necesaria.
El NNT utiliza la RRA y no la reducción de riesgo relativo (RRR), que tiende a enfatizar demasiado el beneficio.
- RRR = (Pe – Pc)/Pc.
- Por ejemplo, si el riesgo inicial fuera del 0,2% y el medicamento X redujera este riesgo al 0,1%, la RRR seguiría siendo del 50%, pero la RRA sería solo del 0,1%, lo que no es una gran diferencia con respecto a la línea de base.
- Como la RRR está directamente correlacionada con la RRA, el NNT también está inversamente correlacionado con la RRR.
El NNT le dice cuántos pacientes se beneficiarían, pero no cuánto se pueden beneficiar. Las respuestas a las siguientes preguntas deben proporcionarse con el NNT para poder interpretarlo completamente:
- ¿Cuál es el riesgo inicial de los pacientes en el estudio?
- ¿Cuál es el comparador? (e.g., ¿ningún tratamiento?, ¿placebo?, ¿otra terapia?)
- ¿Cuál es el resultado? (e.g., ¿curación completa?, ¿mejora del 30%?)
- ¿Cuánto dura el estudio? (debe incluirse con el NNT)
- ¿Qué es el intervalo de confianza?

Interpretación

Cuanto menor sea el NNT, mejor; cuanto mayor sea el NNT, menos personas recibirán ayuda.
Las intervenciones de tratamiento que tienen un NNT de uno o dos dígitos bajos generalmente se consideran efectivas para tratar afecciones sintomáticas.
Para los resultados con una importancia clínica alta, como la prevención de la muerte, también se puede considerar útil un NNT en los 100 inferiores.
Para las terapias preventivas, los NNT también pueden ser altos.

Número Necesario Para Dañar

El NND es el número adicional de personas que necesitan estar expuestas al riesgo (exposición dañina o tratamiento) para que 1 persona adicional desarrolle la enfermedad en comparación con el grupo no expuesto.

El NNH es el inverso del ERA (1/ERA).
La relación entre NND y NNT: Un NNT negativo indica que el tratamiento tiene un efecto nocivo. Por ejemplo, un NNT de −10 indica que si 10 pacientes son tratados con el nuevo tratamiento, una persona adicional se vería perjudicada en comparación con los pacientes que reciben el tratamiento estándar, i.e., el NND = 10.
Al igual que el NNT, el NND debe interpretarse en contexto.

Cálculo del NNT y NND

La base para calcular el NNT y NND

Una tabla de contingencia de 2 x 2 usa un resultado binario y 2 grupos de sujetos para mostrar la base para calcular NNT y NND. Cada resultado debe expresarse como una proporción, porcentaje o incidencia, y no como el número real de sujetos.

Resultado	Grupo tratado	Grupo control
Positivo	a	b
Negativo	c	d
Total	a + c	b + d

Esta tabla de contingencia de 2 x 2 usa un resultado binario y 2 grupos de sujetos para mostrar la base para calcular el NNT y NND. Cada resultado debe expresarse como una proporción, porcentaje o incidencia, y no como el número real de sujetos.
NNT: número necesario a tratar
NND: número necesario para dañar

Si lo siguiente es cierto, la diferencia de proporciones es P tratado – P control.

P tratado = la proporción de sujetos con un resultado positivo en el grupo tratado
P tratado = a/(a + b)
P control = la proporción de sujetos con un resultado positivo en el grupo control
P control = b/(b + d)

La diferencia de riesgo absoluto (DRA) es igual a la RRA, que se calcula como el valor absoluto de la diferencia entre P tratado y P control.

$$ {DRA = RRA = \left | P_{tratado} – P_{control} \right |} $$

Entonces, el NNT se puede calcular como:

$$ {NNT = \frac{1}{\left | P_{tratado} – P_{control} \right |}} $$

Si el grupo tratado o expuesto tiene un peor resultado que el control, la RRA se llama ERA. En ese caso, el NNT se llama número necesario para dañar (NND). En ambos casos, el cálculo es el mismo (NND = 1/DRA).

Preguntas de Práctica

Un ensayo clínico aleatorizado estudió el efecto de la exposición infantil al humo de 2da mano sobre la incidencia de adenocarcinoma broncogénico. El estudio incluyó a 100 sujetos (50 expuestos al humo de 2da mano en la infancia y 50 controles sanos sin exposición en la infancia) e involucró el seguimiento de la incidencia de adenocarcinoma broncogénico a lo largo de la vida. Los datos del estudio se muestran en la siguiente tabla:

Resultado	Grupo Expuesto	Grupo Control
Adenocarcinoma broncogénico presente	18	7
Adenocarcinoma broncogénico no presente	32	43
Total	50	50

Pregunta 1

¿Qué es el NND?

Respuesta: NND = 1/diferencia de riesgo absoluta (llamada “ERA” cuando se trata de NND). ERA = Pe – Pc = 18/50 – 7/50 = 0,22. NND = 1/0,22 = 4,45 ⇾ 5, lo que significa que 5 personas deben estar expuestas al humo de 2da mano en la infancia para que 1 persona adicional desarrolle adenocarcinoma broncogénico en comparación con el grupo no expuesto.

Pregunta 2

¿Cuál es el aumento de riesgo relativo en el estudio citado en la Pregunta 1?

Respuesta: El aumento del riesgo relativo = (Pe – Pc)/Pc = (18/50 – 7/50)/7/50 = 1,57, lo que significa que las personas expuestas al humo de 2da mano en la infancia tienen 1,57 veces más probabilidades de desarrollar adenocarcinoma broncogénico después de la exposición al humo de 2da mano que los que no estuvieron expuestos.

Referencias

Peirce, C.S. (1878). Illustrations of the Logic of Science VI. Popular Science Monthly, vol. 13. Popular Science Monthly. Retrieved March 1, 2021, from https://en.wikisource.org/w/index.php?oldid=3592335
Clinical Tools and calculators for medical professionals—ClinCalc. Retrieved March 19, 2021, from https://clincalc.com/
Power/sample size calculator. Retrieved March 20, 2021, from https://www.stat.ubc.ca/~rollin/stats/ssize/n2.html
Interactive statistical calculation pages. Retrieved March 20, 2021, from https://statpages.info/#Power
Statistical power calculator using average values. SPH Analytics. Retrieved March 20, 2021, from https://www.sphanalytics.com/statistical-power-calculator-using-average-values/
Otte, W.M., Tijdink, J.K., Weerheim, P.L., Lamberink, H.J., Vinkers, C.H. (2018). Adequate statistical power in clinical trials is associated with the combination of a male first author and a female last author. https://doi.org/10.7554/eLife.34412
Bland, M. (2015). An Introduction to Medical Statistics. 4th ed., pp. 295–304.
Ellis, P.D. (2010). The Essential Guide to Effect Sizes. Statistical Power, Meta-Analysis, and the Interpretation of Research Results, pp. 46–86.
Walters, S.J., Campbell, M.J., Machin, D. (2020). Medical Statistics, A Textbook for the Health Sciences. 5th ed, pp. 40–48, 99–133.
Citrome, L., Ketter, T.A. (2013). When does a difference make a difference? Interpretation of number needed to treat, number needed to harm, and likelihood to be helped or harmed. International Journal of Clinical Practice, 67(5), 407–411. https://doi.org/https://doi.org/10.1111/ijcp.12142
Smith, M.K. (2012). Common mistakes involving power. Retrieved March 21, 2021, from https://web.ma.utexas.edu/users/mks/statmistakes/PowerMistakes.html
Ioannidis, J.P., Greenland, S., Hlatky, M.A., et al. (2014). Increasing value and reducing waste in research design, conduct, and analysis. Lancet, 11;383(9912), 166–175.
Coe, R. (2002). It’s the effect size, stupid: What effect size is and why it is important. https://www.leeds.ac.uk/educol/documents/00002182.htm
Allen, J.C. (2011). Sample size calculation for two independent groups: A useful rule of thumb. Proceedings of Singapore Healthcare, 20(2), 138–140. https://doi.org/10.1177/201010581102000213

2024 Lecturio GmbH. Todos los derechos reservados.

USMLE™ es un programa conjunto de la Federation of State Medical Boards (FSMB®) y la National Board of Medical Examiners (NBME®). MCAT es una marca registrada de la Association of American Medical Colleges (AAMC). NCLEX®, NCLEX-RN® y NCLEX-PN® son marcas registradas del National Council of State Boards of Nursing, Inc (NCSBN®). Ninguno de los titulares de las marcas registradas está avalado ni afiliado a Lecturio.

Details