Número Necessário para Tratar

O número necessário para tratar (NNT) é o número de pacientes que é necessário tratar para prevenir 1 resultado adverso adicional (por exemplo, acidente vascular cerebral, morte). Por exemplo, se um fármaco tem um NNT de 10, significa que têm de ser tratadas 10 pessoas com o fármaco para evitar 1 resultado adverso adicional. O NNT é o inverso da redução do risco absoluto (ARR, pela sigla em inglês), que é igual à taxa de eventos adversos ocorridos no grupo de controlo menos o número de resultados adversos no grupo experimental.

Última atualização: Jul 28, 2022

Responsibilidade editorial: Stanley Oiseth, Lindsay Jones, Evelin Maza

Definição

O número necessário para tratar (NNT), também chamado número necessário para beneficiar (NNTB, pela sigla em inglês); e seu análogo, o número necessário para causar dano (NNH, pela sigla em inglês), são simplesmente outras medidas de tamanhos de efeito, como o d de Cohen, e ajudam a relacionar uma diferença de tamanho de efeito com a relevância clínica do mundo real.

Número necessário para tratar

O NNT significa quantos pacientes precisariam de ser tratados para melhorar 1 paciente adicional, que de outra forma não teria melhorado sem esse tratamento específico.

  • O inverso da redução de risco absoluto (ARR, pela sigla em inglês) = 1/ARR
  • NNT é um número entre 1 e infinito:
    • Um número menor indica um tratamento mais eficaz.
    • As frações são arredondadas para o número inteiro seguinte.
    • Um NNT perfeito seria 1, o que significa que para cada paciente tratado, 1 melhorou no ensaio, que não teria de outra forma sem aquele tratamento específico.

Redução do risco absoluto, diferença do risco absoluto (ARD, pela sigla em inglês) e excesso de risco absoluto (ARE, pela sigla em inglês)

Todos os termos representam o valor absoluto da diferença entre a proporção (expressa como percentagem, fração ou incidência) de pacientes do grupo de controlo (Pc) que tiveram o desfecho de interesse e a proporção de pacientes do grupo experimental (Pe) com o desfecho de interesse:

$$ {ARR = ARD = ARE = \left | P_{c} – P_{e} \right |} $$

Características e Interpretação

Características

  • Deve ser interpretado em contexto: Uma estimativa pontual de NNT isolada tem pouco valor, embora aproximadamente 50% dos ensaios clínicos não forneçam as informações contextuais necessárias.
  • O NNT usa a ARR e não a redução do risco relativo (RRR), o que tende a sobrenfatizar o benefício.
    • RRR = (Pe – Pc)/Pc.
    • Por exemplo, se o risco inicial fosse de 0,2% e o fármaco X reduzisse esse risco para 0,1%, a RRR ainda seria de 50%, mas a ARR seria de apenas 0,1%, o que não é muita diferença da linha de base.
    • Como a RRR está diretamente correlacionada com a ARR, o NNT também está inversamente correlacionado com a RRR.
  • O NNT informa quantos pacientes seriam beneficiados, mas não informa em quanto se poderiam beneficiar. As respostas para as seguintes perguntas devem ser fornecidas com o NNT para o interpretar integralmente:
    • Qual é o risco inicial dos pacientes no estudo?
    • Qual é o comparador? (por exemplo, nenhum tratamento? placebo? outra terapia?)
    • Qual é o resultado? (por exemplo, cura completa? 30% de melhoria?)
    • Quanto tempo dura o estudo? (deve ser incluído com o NNT)
    • Qual é o intervalo de confiança?

Interpretação

  • Quanto menor o NNT, melhor; quanto maior o NNT, menos pessoas serão ajudadas.
  • As intervenções de tratamento que têm um NNT em um ou dois dígitos baixos são geralmente consideradas eficazes para o tratamento de doenças sintomáticas.
  • Para desfechos com alta significância clínica, como prevenção de morte, um NNT abaixo de 100s também pode ser considerado útil.
  • Para terapias preventivas, os NNTs também podem ser altos.

Número Necessário para Prejudicar

O NNH é o número adicional de indivíduos que precisariam de ser expostos ao risco (exposição prejudicial ou tratamento) para que 1 pessoa a mais desenvolva a doença em comparação com o grupo não exposto.

  • NNH é o inverso do ARE (1/ARE).
  • Relação entre o NNH e o NNT: Um NNT negativo indica que o tratamento tem um efeito prejudicial. Por exemplo, um NNT de -10 indica que se 10 pacientes forem tratados com o novo tratamento, seria prejudicada uma pessoa adicional em comparação com os pacientes que fazem o tratamento padrão, ou seja, o NNH = 10.
  • Como NNT, o NNH deve ser interpretado no contexto.

Calcular o NNT e o NNH

A base para o cálculo do NNT e do NNH

Uma tabela de contingência 2 x 2 usa um resultado binário e 2 grupos de indivíduos para mostrar a base para o cálculo do NNT e do NNH. Cada resultado deve ser expresso como uma proporção, uma percentagem ou uma incidência, e não como o número real de indivíduos.

Resultado Grupo tratado Grupo de controlo
Positivo a b
Negativo c d
Total a + c b + d
Esta tabela de contingência 2 x 2 usa um resultado binário e 2 grupos de indivíduos para mostrar a base para o cálculo do NNT e do NNH. Cada resultado deve ser expresso como uma proporção, uma percentagem ou uma incidência, e não como o número real de indivíduos.
NNT: número necessário para tratar
NNH: número necessário para prejudicar

Se o seguinte for verdadeiro, a diferença nas proporções é P tratado – P controlo.

  • P tratado = a proporção de indivíduos com resultado positivo no grupo tratado
  • P tratado = a/(a + b)
  • P controlo = a proporção de indivíduos com resultado positivo no grupo de controlo
  • P controlo = b/(b + d)

A diferença de risco absoluto (ARD, pela sigla em inglês) é igual à ARR, que é calculada como o valor absoluto da diferença entre P tratado e P controlo.

$$ {ARD = ARR = \left | P_{tratado} – P_{controlo} \right |} $$

Assim, o NNT pode ser calculado como:

$$ {NTT = \frac{1}{\left | P_{tratado} – P_{controlo} \right |}} $$

Se o grupo tratado ou exposto tiver um resultado pior do que o de controlo, a ARR é chamada de ARE. Neste caso, o NNT é chamado de número necessário para prejudicar (NNH). Em ambos os casos, o cálculo é o mesmo (NNH = 1/ARD).

Questões Práticas

Um ensaio clínico aleatorizado estudou o efeito da exposição infantil ao fumo passivo na incidência de adenocarcinoma broncogénico (AB). O estudo incluiu 100 indivíduos (50 expostos ao fumo passivo na infância e 50 controlos saudáveis sem exposição na infância) e envolveu a monitorização da incidência de AB ao longo da vida. Os dados do estudo são mostrados na tabela abaixo:

Resultado Grupo exposto Grupo de controlo
AB presente 18 7
AB não presente 32 43
Total 50 50
AB: adenocarcinoma broncogénico

Questão 1

Qual é o NNH?

Resposta: NNH = 1/diferença de risco absoluto (chamada “ARE” quando o NNH está envolvido). ARE = Pe – Pc = 18/50 – 7/50 = 0,22. NNH = 1/0,22 = 4,45 ⇾ 5, o que significa que precisam de ser expostos 5 indivíduos ao fumo passivo na infância para que 1 pessoa a mais desenvolva AB em comparação com o grupo não exposto.

Questão 2

Qual é o aumento do risco relativo no estudo citado na pergunta 1?

Resposta: O aumento do risco relativo = (Pe – Pc)/Pc = (18/50 – 7/50)/7/50 = 1,57, o que significa que indivíduos expostos ao fumo passivo na infância têm 1,57 vezes mais probabilidade de desenvolver AB após exposição ao fumo passivo do que aqueles que não foram expostos.

Referências

  1. 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
  2. Clinical Tools and calculators for medical professionals—ClinCalc. Retrieved March 19, 2021, from https://clincalc.com/
  3. Power/sample size calculator. Retrieved March 20, 2021, from https://www.stat.ubc.ca/~rollin/stats/ssize/n2.html
  4. Interactive statistical calculation pages. Retrieved March 20, 2021, from https://statpages.info/#Power
  5. Statistical power calculator using average values. SPH Analytics. Retrieved March 20, 2021, from https://www.sphanalytics.com/statistical-power-calculator-using-average-values/
  6. 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
  7. Bland, M. (2015). An Introduction to Medical Statistics. 4th ed., pp. 295–304. 
  8. Ellis, P.D. (2010). The Essential Guide to Effect Sizes. Statistical Power, Meta-Analysis, and the Interpretation of Research Results, pp. 46–86.
  9. Walters, S.J., Campbell, M.J., Machin, D. (2020). Medical Statistics, A Textbook for the Health Sciences. 5th ed, pp. 40–48, 99–133.
  10. 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
  11. Smith, M.K. (2012). Common mistakes involving power. Retrieved March 21, 2021, from https://web.ma.utexas.edu/users/mks/statmistakes/PowerMistakes.html
  12. 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.
  13. 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
  14. 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

Aprende mais com a Lecturio:

Complementa o teu estudo da faculdade com o companheiro de estudo tudo-em-um da Lecturio, através de métodos de ensino baseados em evidência.

Estuda onde quiseres

A Lecturio Medical complementa o teu estudo através de métodos de ensino baseados em evidência, vídeos de palestras, perguntas e muito mais – tudo combinado num só lugar e fácil de usar.

User Reviews

Details