Ficha Educativa

Número necesario a tratar: la estadística más útil que nunca has oído

El NNT indica cuántos pacientes hay que tratar para prevenir un desenlace adverso. Para antibióticos en ITU, NNT ≈ 2 (muy beneficioso); para estatinas en prevención primaria, NNT ≈ 50-100 (modesto). Es la estadística que debería guiar las decisiones terapéuticas.

Evalúa10 min de lectura
Cómo se estructura esta entrada
Primero definiciones, luego mecanismos y finalmente “¿qué implica esto?”. Si tienes prisa, revisa rápidamente los encabezados y los recuadros destacados.
No es asesoramiento médico.
Contenido únicamente educativo. Si los síntomas son graves, persistentes o preocupantes, consulta con un profesional sanitario.

La estadística que responde lo que realmente importa

El número necesario a tratar (NNT) es elegantemente simple: es el número de pacientes que debes tratar para prevenir un desenlace adverso o lograr un resultado favorable. NNT = 1 / reducción del riesgo absoluto. Comprender el NNT transforma la forma en que evalúas los tratamientos.

Consideremos una infección urinaria aguda tratada con antibióticos. Los estudios muestran que los antibióticos resuelven los síntomas de la ITU en el 80 % de los pacientes frente a un 20 % de resolución espontánea: una diferencia absoluta del 60 %. NNT = 1/0,60 = 1,67, redondeado a 2. Trata a dos pacientes con ITU con antibióticos y una persona adicional (más allá de la resolución natural) se recupera. Esto es fantástico porque el tratamiento de la ITU conlleva un daño mínimo y un alivio sintomático enorme.

Comparemos con las estatinas en prevención primaria. Grandes ensayos (como WOSCOPS) muestran que las estatinas reducen el riesgo de infarto de aproximadamente el 7,5 % al 5 % en hombres de bajo riesgo a cinco años: una reducción absoluta del 2,5 %. NNT = 1/0,025 = 40. Hay que tratar a 40 personas asintomáticas durante cinco años para que una evite un infarto. La identidad de esa persona es desconocida; no puedes predecir quién se beneficia. Algunos de los 40 experimentan dolor muscular, elevación de enzimas hepáticas o síntomas similares a la diabetes.

El NNT contextualiza el beneficio. Un NNT de 2 sugiere una relación beneficio-daño fuerte; un NNT de 100 sugiere que la intervención solo conviene a poblaciones selectas. Pero el NNT es solo la mitad de la historia. También debes calcular el número necesario para dañar (NND): cuántos pacientes sufren un efecto adverso.

Consideremos un estudio con probióticos: 200 sujetos reciben probiótico o placebo. La hinchazón se resuelve en el 70 % del grupo probiótico, 40 % del placebo: una diferencia absoluta del 30 %. NNT = 1/0,30 = 3,33, redondeado a 3 o 4. Pero supongamos que los efectos adversos (diarrea, gases) ocurren en el 15 % del grupo probiótico frente al 5 % del placebo: una tasa de daño absoluto del 10 %. NND = 1/0,10 = 10. Ahora tratas a 3-4 personas para beneficiar a una, mientras que dañas a 1 de cada 10. Distintos profesionales sopesan este balance riesgo-beneficio de forma diferente.

Las intervenciones que modifican el microbioma rara vez informan del NNT/NND de forma exhaustiva. Los estudios miden cambios en la diversidad de la microbiota, proporciones Firmicutes/Bacteroidetes o producción de ácidos grasos de cadena corta —todos criterios de valoración sustitutos. Pero los desenlaces centrados en el paciente (alivio de síntomas, mejora de la calidad de vida, hospitalizaciones evitadas) son lo que aborda el NNT. A medida que la investigación del microbioma madure hacia resultados clínicos, los cálculos de NNT serán esenciales.

Distintas enfermedades exigen umbrales diferentes. En enfermedades infecciosas con alta mortalidad, un NNT de 50 justifica el tratamiento. Para afecciones cosméticas o reducción de síntomas, los pacientes pueden tolerar solo un NNT de 5-10. La toma de decisiones compartida requiere una discusión transparente del NNT.

La visualización ayuda. Imagina 10 figuras de palo. Con NNT = 2, dos figuras se iluminan (beneficio logrado). Con NNT = 50, solo una figura de cada 50 se ilumina. Esta claridad visual trasciende los porcentajes. La comunicación sanitaria moderna utiliza cada vez más estas figuras para mejorar la comprensión.

Los diagramas de bosque en los metaanálisis a veces muestran el NNT directamente. Al evaluar resúmenes de evidencia, busca informes explícitos del NNT. Si están ausentes, puedes calcularlo a partir de las cifras de riesgo absoluto proporcionadas.

Vota y ayúdanos a mejorar con tus comentarios

Fuentes & referencias

  1. Kraemer HC et al. (2015) The numbers needed to treat and harm (NNT, NNH) statistics: what they tell us and what they do not The Journal of Clinical Psychiatry PMID: 25830454
  2. Nurmohamed MT et al. (2017) Number needed to treat (NNT) in clinical literature: an appraisal Arthritis Research & Therapy PMID: 28571585
  3. Godoy P et al. (2013) A critical evaluation of in vitro cell culture models for high-throughput drug screening and toxicity Journal of Internal Medicine PMID: 22252140
  4. Rennert K et al. (2015) Overview of in vitro cell culture technologies and pharmaco-toxicological applications Tissue Engineering Part B Reviews PMID: 20654357
  5. Viennois E et al. (2021) The gut microbiome of laboratory mice: considerations and best practices for translational research Mammalian Genome PMID: 33689000
Estándar Editorial
Every entry is grounded in peer-reviewed research and reviewed for accuracy. Cómo escribimos →