Słownik metodologiczny · Wielkość efektu

NNT – liczba osób, które trzeba leczyć: wzór, przedział ufności i interpretacja

NNT przekłada różnicę ryzyka na liczbę osób, które trzeba objąć interwencją, by jedna dodatkowa osoba skorzystała. Pokazujemy wzór, NNH, przedział ufności policzony w R i pułapkę nieistotnej różnicy ryzyka.

W skrócie: NNT to odwrotność bezwzględnej redukcji ryzyka: mówi, ile osób trzeba objąć interwencją przez określony czas, aby jedna dodatkowa uniknęła zdarzenia. Podawaj je z horyzontem czasowym i 95% przedziałem ufności, a przy nieistotnej różnicy ryzyka – w zapisie z NNTB i NNTH.

Co to jest NNT?

NNT (ang. number needed to treat) to liczba osób, które trzeba objąć interwencją przez określony czas, aby u jednej dodatkowej osoby uniknąć niekorzystnego zdarzenia w porównaniu z grupą kontrolną. Cook i Sackett (1995) opisują NNT jako odwrotność bezwzględnej redukcji ryzyka i miarę bardziej użyteczną w decyzjach klinicznych niż miary względne. W psychologii klinicznej NNT podaje się przy odsetkach osób z nawrotem, remisją albo odpowiedzią na terapię.

Wzór i NNH

NNT = 1 / ARR,   ARR = ryzyko w grupie kontrolnej − ryzyko w grupie interwencji

ARR (ang. absolute risk reduction) to różnica odsetków, a nie ich iloraz jak w ryzyku względnym. NNT zwykle zaokrągla się w górę. Szkody opisuje NNH (ang. number needed to harm) = 1 / ARI, gdzie ARI to bezwzględny wzrost ryzyka działania niepożądanego: przy 9% wobec 3% NNH = 1 / 0.06 = 16.7, czyli około 17 osób. Przedział ufności dla NNT tworzą odwrotności granic przedziału dla ARR (Altman, 1998).

Przykład

W badaniu z losowym przydziałem (dane symulowane) studenci korzystali z internetowego programu profilaktyki lęku albo trafiali do grupy kontrolnej, po 150 osób. Nasilone objawy lęku po 12 miesiącach wystąpiły u 16 osób z grupy programu (10.7%) i u 31 z grupy kontrolnej (20.7%). ARR = 10.0 punktu procentowego, 95% CI [1.9, 18.1], więc NNT = 1 / 0.100 = 10.0, 95% CI [5.5, 54.0]: programem trzeba objąć 10 studentów, by u jednego uniknąć nasilonych objawów w ciągu roku. Szeroki przedział oznacza, że dane są zgodne zarówno z dużą, jak i ze skromną korzyścią.

Jak zapisać w pracy

Nasilone objawy lęku po 12 miesiącach wystąpiły u 16 ze 150 osób w grupie programu (10.7%) i u 31 ze 150 osób w grupie kontrolnej (20.7%); bezwzględna redukcja ryzyka wyniosła 10.0 punktu procentowego, 95% CI [1.9, 18.1], co odpowiada NNT = 10.0, 95% CI [5.5, 54.0].

Zawsze podaj horyzont czasowy i rodzaj grupy kontrolnej. CONSORT 2025 traktuje NNT jako pomocny dodatek do miary względnej i bezwzględnej z przedziałami ufności (Hopewell i in., 2025). Czytanie NNT w badaniach klinicznych omawia poradnik statystyka dla lekarza, a raportowanie – statystyka w publikacji medycznej.

Na co uważać

  • NNT przy nieistotnej różnicy ryzyka. W pilotażu z 30 osobami w grupie (5 wobec 10 osób z nasilonymi objawami) ARR = 16.7 punktu procentowego, 95% CI [−4.8, 38.2]. Przedział obejmuje zero, więc przedział dla NNT przechodzi przez nieskończoność: NNTB 6.0 (NNTH 20.7 do ∞ do NNTB 2.6). Taki zapis, z oznaczeniem korzyści (NNTB) i szkody (NNTH), proponuje Altman (1998). Samo „NNT = 6” ukrywa, że dane są zgodne także ze szkodą.
  • NNT przeniesione na inną populację. Przy stałej względnej redukcji ryzyka NNT można przeliczyć dla osób o innym ryzyku wyjściowym (Cook i Sackett, 1995): przy RR = 0.52 i ryzyku 5% zamiast 20.7% wzrosłoby z 10.0 do 41.3.
  • Dowolny próg przy wyniku ciągłym. Jeśli NNT liczysz z odsetka osób z poprawą, ustal próg z góry, np. jako minimalną istotną klinicznie różnicę.
Przykład reprodukowalny

NNT z przedziałem ufności w R

Funkcja liczy ARR z 95% przedziałem ufności (metoda Walda) i NNT z granicami będącymi odwrotnościami granic ARR. Kod tworzy dane badania głównego i pilotażu z przykładu. Liczby w tekście pochodzą z tego kodu.

ARR i NNT w badaniu głównym i w pilotażu

Dane wejściowe: liczby osób z nasilonymi objawami lęku po 12 miesiącach w grupie programu i w grupie kontrolnej: badanie główne 2 × 150 osób, pilotaż 2 × 30 osób (dane symulowane, set.seed(870)).

Co odczytać: ARR z granicami 95% CI (dolna, gorna) oraz NNT z granicami NNT_dolna i NNT_gorna. Ujemna granica w pilotażu (−20.675) oznacza szkodę: NNTH = 20.7.

R
nnt <- function(x1, n1, x0, n0) {            # x1, x0 – osoby ze zdarzeniem w grupie programu i kontrolnej
  arr <- x0 / n0 - x1 / n1                    # bezwzględna redukcja ryzyka (ARR)
  se <- sqrt(x0 / n0 * (1 - x0 / n0) / n0 + x1 / n1 * (1 - x1 / n1) / n1)
  ci <- arr + c(-1, 1) * qnorm(0.975) * se    # 95% CI dla ARR; granice CI dla NNT to ich odwrotności
  round(c(program = x1, kontrola = x0, ARR = arr, dolna = ci[1], gorna = ci[2],
          NNT = 1 / arr, NNT_dolna = 1 / ci[2], NNT_gorna = 1 / ci[1]), 3)
}
set.seed(870)
program <- rbinom(2, c(150, 30), 0.12); kontrola <- rbinom(2, c(150, 30), 0.22)   # badanie główne, pilotaż
rbind(glowne = nnt(program[1], 150, kontrola[1], 150), pilotaz = nnt(program[2], 30, kontrola[2], 30))
Wynik w R
        program kontrola   ARR  dolna gorna NNT NNT_dolna NNT_gorna
glowne       16       31 0.100  0.019 0.181  10      5.51    53.999
pilotaz       5       10 0.167 -0.048 0.382   6      2.62   -20.675

Bibliografia oprogramowania

Wyniki na tej stronie pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (pakiet stats). W pracy podaj wersję R i pakietów faktycznie użytych (sessionInfo()).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/

Najczęstsze pytania

Jak interpretować NNT = 10?

Dziesięć osób trzeba objąć interwencją przez okres badania, aby u jednej dodatkowej osoby uniknąć zdarzenia w porównaniu z grupą kontrolną. Bez horyzontu czasowego i 95% przedziału ufności ta liczba niewiele mówi.

Co oznacza przedział ufności NNT przechodzący przez nieskończoność?

Przedział ufności dla różnicy ryzyka obejmuje zero, więc dane są zgodne i z korzyścią, i ze szkodą. Zapisz go z oznaczeniami NNTB i NNTH, np. NNTB 6.0 (NNTH 20.7 do ∞ do NNTB 2.6).

Czym różni się NNT od NNH?

NNT dotyczy korzyści: ile osób trzeba leczyć, aby jedna uniknęła zdarzenia. NNH dotyczy szkody: ile osób trzeba leczyć, aby u jednej wystąpiło działanie niepożądane. Oba są odwrotnością różnicy ryzyka.

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Altman, D. G. (1998). Confidence intervals for the number needed to treat. BMJ, 317(7168), 1309–1312. https://doi.org/10.1136/bmj.317.7168.1309 ● Otwarty dostęp: pełny tekst
  2. Cook, R. J., & Sackett, D. L. (1995). The number needed to treat: A clinically useful measure of treatment effect. BMJ, 310(6977), 452–454. https://doi.org/10.1136/bmj.310.6977.452 ● Otwarty dostęp: pełny tekst
  3. Hopewell, S., Chan, A.-W., Collins, G. S., Hróbjartsson, A., Moher, D., Schulz, K. F., Tunn, R., Aggarwal, R., Berkwits, M., Berlin, J. A., Bhandari, N., Butcher, N. J., Campbell, M. K., Chidebe, R. C. W., Elbourne, D., Farmer, A., Fergusson, D. A., Golub, R. M., Goodman, S. N., . . . Boutron, I. (2025). CONSORT 2025 explanation and elaboration: Updated guideline for reporting randomised trials. BMJ, 389, Article e081124. https://doi.org/10.1136/bmj-2024-081124 ● Otwarty dostęp

Cytowania BibTeX

@article{altman1998confidence, author={Altman, Douglas G.}, title={{Confidence intervals for the number needed to treat}}, journal={BMJ}, year={1998}, volume={317}, number={7168}, pages={1309--1312}, doi={10.1136/bmj.317.7168.1309}}
@article{cook1995number, author={Cook, Richard J. and Sackett, David L.}, title={{The number needed to treat: A clinically useful measure of treatment effect}}, journal={BMJ}, year={1995}, volume={310}, number={6977}, pages={452--454}, doi={10.1136/bmj.310.6977.452}}
@article{hopewell2025consort, author={Hopewell, Sally and Chan, An-Wen and Collins, Gary S. and Hróbjartsson, Asbjørn and Moher, David and Schulz, Kenneth F. and Tunn, Ruth and Aggarwal, Rakesh and Berkwits, Michael and Berlin, Jesse A. and Bhandari, Nita and Butcher, Nancy J. and Campbell, Marion K. and Chidebe, Runcie C. W. and Elbourne, Diana and Farmer, Andrew and Fergusson, Dean A. and Golub, Robert M. and Goodman, Steven N. and Hoffmann, Tammy C. and Ioannidis, John P. A. and Kahan, Brennan C. and Knowles, Rachel L. and Lamb, Sarah E. and Lewis, Steff and Loder, Elizabeth and Offringa, Martin and Ravaud, Philippe and Richards, Dawn P. and Rockhold, Frank W. and Schriger, David L. and Siegfried, Nandi L. and Staniszewska, Sophie and Taylor, Rod S. and Thabane, Lehana and Torgerson, David and Vohra, Sunita and White, Ian R. and Boutron, Isabelle}, title={{CONSORT 2025 explanation and elaboration: Updated guideline for reporting randomised trials}}, journal={BMJ}, year={2025}, volume={389}, eid={e081124}, doi={10.1136/bmj-2024-081124}}
R