stringtranslate.com

Número necesario a tratar

Ilustración de dos grupos: uno expuesto a un tratamiento y otro no expuesto. El grupo expuesto tiene menor riesgo de resultados adversos (NNT = 4)
El grupo expuesto a un tratamiento (izquierda) tiene un riesgo reducido de un resultado adverso (gris) en comparación con el grupo no expuesto (derecha). Es necesario tratar a 4 personas para prevenir 1 resultado adverso (NNT = 4).

El número necesario a tratar ( NNT ) o el número necesario a tratar para obtener un resultado beneficioso adicional ( NNTB ) es una medida epidemiológica utilizada para comunicar la efectividad de una intervención de atención médica, generalmente un tratamiento con medicamentos . El NNT es el número promedio de pacientes que necesitan ser tratados para prevenir un mal resultado adicional (por ejemplo, el número de pacientes que necesitan ser tratados para que uno de ellos se beneficie en comparación con un control en un ensayo clínico). Se define como la inversa de la reducción absoluta del riesgo y se calcula como donde es la incidencia en el grupo de control (no expuesto) y es la incidencia en el grupo tratado (expuesto). [1] [2] Este cálculo supone implícitamente monotonicidad, es decir, ningún individuo puede resultar perjudicado por el tratamiento. El enfoque moderno, basado en condicionales contrafactuales , relaja este supuesto y establece límites al NNT.

Un tipo de tamaño del efecto , el NNT fue descrito en 1988 por Laupacis, Sackett y Roberts de la Universidad McMaster . [3] Si bien teóricamente el NNT ideal es 1, donde todos mejoran con el tratamiento y nadie mejora con el control, en la práctica el NNT siempre se redondea al número redondo más cercano [4] y, por lo tanto, incluso un NNT de 1,1 se convierte en un NNT. de 2 [5] . Un NNT más alto indica que el tratamiento es menos eficaz. [6]

El NNT es similar al número necesario para dañar (NNH), donde el NNT generalmente se refiere a una intervención terapéutica y el NNT a un efecto perjudicial o factor de riesgo. También se utiliza una medida combinada, el número necesario a tratar para obtener un resultado beneficioso o perjudicial adicional (NNTB/H).

Relevancia

El NNT es una medida importante en farmacoeconomía . Si un criterio de valoración clínico es suficientemente devastador ( p. ej. , muerte , ataque cardíaco ), todavía pueden estar indicados fármacos con un NNT alto en situaciones particulares. Si el criterio de valoración es menor, las aseguradoras de salud pueden negarse a reembolsar los medicamentos con un NNT alto. Es importante considerar el NNT al comparar los posibles efectos secundarios de un medicamento con sus beneficios. Para los medicamentos con un NNT alto, incluso una pequeña incidencia de efectos adversos puede superar los beneficios. Aunque el NNT es una medida importante en un ensayo clínico, rara vez se incluye en artículos de revistas médicas que informan sobre los resultados de los ensayos clínicos. [7] Hay varios problemas importantes con el NNT, que implican sesgo y falta de intervalos de confianza confiables, así como dificultades para excluir la posibilidad de que no haya diferencias entre dos tratamientos o grupos. [8]

El NNT puede variar sustancialmente con el tiempo [9] [10] y, por lo tanto, transmitir información diferente en función del momento específico de su cálculo. Snapinn y Jiang [11] mostraron ejemplos en los que la información transmitida por el NNT puede ser incompleta o incluso contradictoria en comparación con las estadísticas tradicionales de interés en el análisis de supervivencia. Bender y Blettner, [12] Austin, [13] y Vancak et al. llevaron a cabo una investigación exhaustiva sobre el ajuste del NNT para variables explicativas y la adaptación a resultados dependientes del tiempo. [14]

Explicación del NNT en la práctica

Hay una serie de factores que pueden afectar el significado del NNT dependiendo de la situación. El tratamiento puede ser un fármaco en forma de pastilla o inyección, un procedimiento quirúrgico o muchas otras posibilidades. Los siguientes ejemplos demuestran cómo se determina el NNT y qué significa. En este ejemplo, es importante comprender que cada participante tiene la afección que se está tratando, por lo que sólo hay pacientes "enfermos" que recibieron el tratamiento o no. Este es típicamente un tipo de estudio que ocurriría sólo si tanto el control como el tratamiento probado conllevaran riesgos significativos de daño grave, o si el tratamiento no fuera ético para un participante sano (por ejemplo, medicamentos de quimioterapia o un nuevo método de apendicectomía - quirúrgico extirpación del apéndice). La mayoría de los ensayos farmacológicos prueban tanto el control como el tratamiento en participantes sanos y "enfermos". O, si el propósito del tratamiento es prevenir una afección que es bastante común (un anticoagulante para prevenir un ataque cardíaco, por ejemplo), se puede utilizar un estudio prospectivo. Un estudio que comienza con todos los participantes sanos se denomina estudio prospectivo y contrasta con un estudio retrospectivo, en el que algunos participantes ya padecen la enfermedad en cuestión. Los estudios prospectivos producen evidencia de mucha mayor calidad, pero su realización es mucho más difícil y requiere más tiempo. [ cita necesaria ]

En la siguiente tabla:

Ejemplo de la vida real

El estudio patrocinado por el fabricante ASCOT-LLA abordó el beneficio de atorvastatina 10 mg (un fármaco para reducir el colesterol ) en pacientes con hipertensión (presión arterial alta) pero sin enfermedad cardiovascular previa ( prevención primaria ). El ensayo duró 3,3 años y durante este período el riesgo relativo de un "evento primario" (ataque cardíaco) se redujo en un 36% (reducción del riesgo relativo, RRR). La reducción absoluta del riesgo (RRA), sin embargo, fue mucho menor, porque el grupo de estudio no tuvo una tasa muy alta de eventos cardiovasculares durante el período de estudio: 2,67% en el grupo de control, en comparación con 1,65% en el grupo de tratamiento. [15] Por lo tanto, tomar atorvastatina durante 3,3 años daría lugar a una ARR de sólo el 1,02% (2,67% menos 1,65%). El número necesario a tratar para prevenir un evento cardiovascular sería entonces 98,04 durante 3,3 años. [dieciséis]

Ejemplo numérico

Enfoque moderno del NNT

Los cálculos anteriores para NNT son válidos en condiciones de monotonicidad, donde el tratamiento no puede tener un efecto negativo en ningún individuo. Sin embargo, en el caso en que el tratamiento pueda beneficiar a algunos individuos y perjudicar a otros, el NNT tal como se define anteriormente no puede estimarse únicamente a partir de un ensayo controlado aleatorio (ECA). La inversa de la reducción absoluta del riesgo sólo proporciona un límite superior, es decir, .

El enfoque moderno define NNT literalmente, como el número de pacientes que uno necesita tratar (en promedio) antes de salvar uno. Sin embargo, dado que "ahorrar" es una noción contrafactual (un paciente debe recuperarse si es tratado y no recuperarse si no es tratado), se debe invocar la lógica de los contrafactuales para estimar esta cantidad a partir de estudios experimentales u observacionales. La probabilidad de "ahorro" es capturada por la Probabilidad de Necesidad y Suficiencia (PNS), donde . [17] Una vez estimado el PNS, el NNT se expresa como . Sin embargo, debido a la naturaleza contrafactual de la PNS, a partir de un ECA sólo se pueden calcular límites, en lugar de una estimación precisa. Tian y Pearl han derivado límites estrictos para PNS, basándose en múltiples fuentes de datos, y Pearl demostró que una combinación de datos observacionales y experimentales a veces puede hacer que los límites colapsen hasta una estimación puntual. [18] [19] Mueller y Pearl ofrecen una interpretación conceptual de este fenómeno e ilustran su impacto en las decisiones tanto individuales como de los responsables políticos. [20]

Ver también

Referencias

  1. ^ Porta M, ed. (21 de julio de 2016). "Diccionario de epidemiología". Diccionario de epidemiología - Referencia de Oxford. Prensa de la Universidad de Oxford. doi :10.1093/acref/9780199976720.001.0001. ISBN 9780199976720. Consultado el 9 de mayo de 2018 .
  2. ^ Vancak, V., Goldberg, Y., Levine, SZ (2020). "Análisis sistemático del número necesario a tratar". Métodos estadísticos en la investigación médica . 29 (9): 2393–2410. doi :10.1177/0962280219890635. PMID  31906795. S2CID  210041962.{{cite journal}}: Mantenimiento CS1: varios nombres: lista de autores ( enlace )
  3. ^ Laupacis A, Sackett DL, Roberts RS (1988). "Una evaluación de medidas clínicamente útiles de las consecuencias del tratamiento". N. inglés. J. Med . 318 (26): 1728–33. doi :10.1056/NEJM198806303182605. PMID  3374545.
  4. ^ Richard T, Vanhaeverbeek M, Van Meerhaeghe A (septiembre-octubre de 2011). "El número necesario a tratar (NNT)". Revista Médicale de Bruselas . 32 (5): 453–458. PMID  22165523.
  5. ^ Citromo L (2011). "Número necesario a tratar: qué es y qué no es, y por qué todo médico debería saber cómo calcularlo". La Revista de Psiquiatría Clínica . 72 (3): 412–413. doi :10.4088/JCP.11ac06874. PMID  21450157.
  6. ^ "Número necesario a tratar". Bandolera. Archivado desde el original el 19 de octubre de 2020 . Consultado el 21 de abril de 2017 .
  7. ^ Nuovo J, Melnikow J., Chang D. (5 de junio de 2002). "Número de informes necesario para tratar y reducción del riesgo absoluto en ensayos controlados aleatorios". JAMA . 287 (21): 2813–4. doi :10.1001/jama.287.21.2813. PMID  12038920.
  8. ^ Hutton JL (2010). "Estadísticas engañosas: los problemas relacionados con el número necesario para tratar y el número necesario para dañar". Farmacéutica . 24 (3): 145–9. doi :10.1007/BF03256810. ISSN  1178-2595. S2CID  39801240.
  9. ^ Palle Mark Christensen, Kristiansen IS (2006). "Número necesario a tratar (NNT): necesita tratamiento con cuidado". Farmacología y Toxicología Básica y Clínica . 99 (1): 12-16. doi :10.1111/j.1742-7843.2006.pto_412.x. PMID  16867164. Archivado desde el original el 5 de enero de 2013.
  10. ^ Vancak, V., Goldberg, Y. y Levine, SZ (2021). "Pautas para comprender y calcular el número necesario a tratar" (PDF) . Salud mental basada en Evid . 24 (4): 131-136. doi :10.1136/ebmental-2020-300232. PMC 10231569 . PMID  33619181. S2CID  231992303. {{cite journal}}: Mantenimiento CS1: varios nombres: lista de autores ( enlace )
  11. ^ Snapinn S, Jiang Q (2011). "Sobre la importancia clínica del efecto de un tratamiento sobre una variable de tiempo hasta el evento". Estadísticas médicas . 30 (19): 2341–2348. doi :10.1002/sim.4256. PMID  21520457. S2CID  21986412.
  12. ^ Bender R, Blettner M (2002). "Cálculo del" número necesario a estar expuesto "con ajuste por variables de confusión en estudios epidemiológicos". J Clin Epidemiol . 55 (5): 525–530. doi :10.1016/S0895-4356(01)00510-8. PMID  12007557.
  13. ^ Austin PC (2010). "Las reducciones del riesgo absoluto, los riesgos relativos, las reducciones del riesgo relativo y las cifras necesarias a tratar se pueden obtener a partir de un modelo de regresión logística". J Clin Epidemiol . 63 (1): 2–6. doi :10.1016/j.jclinepi.2008.11.004. PMID  19230611.
  14. ^ Vancak V, Goldberg Y, Levine SZ (2022). "El número necesario a tratar ajustado por variables explicativas en análisis de regresión y supervivencia: teoría y aplicación". Estadísticas médicas . 41 (17): 3299–3320. doi :10.1002/sim.9418. PMC 9540555 . PMID  35472818. {{cite journal}}: Mantenimiento CS1: varios nombres: lista de autores ( enlace )
  15. ^ Sever PS, Dahlöf B, Poulter NR, et al. (2003). "Prevención de eventos coronarios y accidentes cerebrovasculares con atorvastatina en pacientes hipertensos que tienen concentraciones de colesterol promedio o inferiores al promedio, en el ensayo angloescandinavo de resultados cardíacos: brazo de reducción de lípidos (ASCOT-LLA): un ensayo controlado aleatorio multicéntrico". Lanceta . 361 (9364): 1149–58. doi :10.1016/S0140-6736(03)12948-0. PMID  12686036. S2CID  9409142.
  16. ^ John Carey. "¿Son buenos los medicamentos para el colesterol?". Semana Empresarial . Archivado desde el original el 28 de diciembre de 2014 . Consultado el 31 de marzo de 2008 .
  17. ^ Perla J (1999). "Probabilidades de causalidad: tres interpretaciones contrafácticas y su identificación". Síntesis . 121 : 93-149. doi :10.1023/A:1005233831499. S2CID  7019552.
  18. ^ Tian J, Perla J (2000). "Probabilidades de causalidad: límites e identificación". Anales de Matemáticas e Inteligencia Artificial . 28 : 287–313. doi :10.1023/A:1018912507879. S2CID  150352.
  19. ^ Perla J (2009). Causalidad: modelos, razonamiento e inferencia. Prensa de la Universidad de Cambridge. doi :10.1017/CBO9780511803161. ISBN 9780511803161.
  20. ^ Mueller S, Perla de Judea (2022). Toma de decisiones personalizada: introducción conceptual (PDF) (Reporte técnico). UCLA.

enlaces externos