Número necesario de pacientes a tratar para reducir un evento (por ejemplo: número de pacientes a tratar necesarios para conseguir una mejoría, reducir una recidiva o reingreso, o suicidio,...).

En unejemplo dado, si de cada 100 personas tratadas con el nuevo tratamiento podemos evitar 40 casos de recidiva, ¿cuántos tendríamos que tratar para evitar un solo caso de recidiva?. En otras palabras ¿cuál es el NNT?. Su cálculo requiere una simple regla de tres que se resuelve dividiendo 1/RAR. En este caso 1/0.40 = 2.5. Por tanto la respuesta es que necesitamos tratar a 3 pacientes con el nuevo tratamiento para evitar un caso de recidiva.

En el ejemplo dado, si de cada 100 personas tratadas con el nuevo tratamiento podemos evitar 40 casos de recidiva, ¿cuántos tendríamos que tratar para evitar un solo caso de recidiva?. En otras palabras ¿cuál es el NNT?. Su cálculo requiere una simple regla de tres que se resuelve dividiendo 1/RAR.

El cálculo del NNT proporciona a los clínicos un excelente instrumento en relación a las decisiones de incorporar prácticas en la actividad clínica diaria. Proporciona una manera clara y útil de medir el esfuerzo para conseguir un beneficio y es una excelente herramienta que la medicina basada en la evidencia nos proporciona y que debe ser utilizada en la toma de decisiones. Este modo de presentar los resultados nos cuantifica el esfuerzo a realizar para conseguir la reducción de un evento desfavorable.

El cálculo del NNT representa como ya hemos indicado el número de pacientes a tratar de manera experimental a fin de evitar que uno de ellos desarrolle un resultado negativo. Es por tanto una forma excelente de determinar la significancia clínica de un ensayo que además sea estadísticamente significativo. Cuanto más reducido es NNT el efecto de la magnitud del tratamiento es mayor. Si no se encontrase eficacia en el tratamiento la reducción absoluta del riesgo sería cero y el NNT sería infinito. Como sucede en las estimaciones de otros parámetros, se debe expresar el NNT con intervalos de confianza para estimar la incertidumbre que dicho parámetro presenta.