Libreng Calculator ng Editverse
NNT Advanced Calculator (Plot ng Cates)
Gawing numerong kailangan para magamot ang pagbawas ng panganib ng isang pagsubok at isang visual na Cates plot na may 100 katao — na may mga confidence interval at ang eksaktong utos na R sa likod ng resulta. Ang kumpletong gabay ay nasa ibaba. Na-validate laban sa R 4.3.3.
Sa Simpleng Salita
Ang bilang na kailangan para magamot (NNT) ay kung gaano karaming pasyente ang dapat gamutin para makinabang ang isang karagdagang tao; ito ang katumbas ng ganap na pagbawas ng panganib. Ang isang Cates plot (isang smiley-face o 100-person diagram) ay nagpapakita ng benepisyong iyon nang biswal: sa 100 taong ginamot, ilan sana ang nagkaroon ng ganitong pangyayari, ilan ang natulungan, at ilan ang walang natamo.
Mahalaga ang biswal dahil ang mga porsyento ay nakakapanlinlang. Ang isang "50% relatibong pagbawas" ay tila dramatiko ngunit maaaring katumbas ng pagtulong lamang sa isa o dalawang tao sa isang daan. Ang pag-plot ng ganap na epekto sa isang grid na may 100 katao ay nagbibigay sa mga pasyente at clinician ng isang tapat at madaling maunawaang ideya kung gaano kalaki ang talagang naidudulot ng isang paggamot.
Kailan Gagamitin ang isang NNT na may Cates Plot
Gumamit ng NNT at Cates plot kapag ipinapaalam ang laki ng benepisyo ng isang paggamot sa mga pasyente, sa pinagsasaluhang paggawa ng desisyon, o sa isang papel kung saan nais mong maging malinaw ang ganap na epekto sa halip na maitago sa likod ng isang relatibong sukat.
Palaging ilakip ang time horizon at ang 95% confidence interval — walang kahulugan ang isang NNT kung wala ang period na tinutukoy nito. Para sa pangunahing reciprocal calculation, gamitin ang aming NNT calculator ; para ihambing ang relative measures, tingnan ang odds ratio at relative risk tool. Hindi sigurado kung alin ang ipapakita? Makakatulong ang aming Test Selector .
e1 <- {e1}; n1 <- {n1}; e0 <- {e0}; n0 <- {n0} pt <- e1/n1; pc <- e0/n0 arr <- pc - pt se <- sqrt(pt*(1-pt)/n1 + pc*(1-pc)/n0) ci <- arr + c(-1, 1) * qnorm(0.975) * se c(ARR = arr, NNT = 1/arr) #reNT ang NRR (cid) 5/re hindi kasama ang 0)gabay sa paggamit
Kailan gagamitin. Iulat ang mga epekto ng paggamot bilang ganap na pagbawas ng panganib, relatibong panganib, odds ratio at bilang na kailangan para magamot, bawat isa ay may 95% CI, kasama ang isang Cates plot na nagpapakita kung ano ang nangyayari sa 100 taong ginamot.
Mga Pagpapalagay. Binaryong kinalabasan sa isang takdang follow-up; medyo malaking bilang para sa mga Wald interval.
Mga karaniwang pagkakamali. Kapag ang ARR interval ay may kasamang zero, ang NNT interval ay tumatakbo sa infinity (NNTB hanggang NNTH): huwag itong sipiin bilang isang simpleng saklaw. Ang NNT ay tiyak sa oras ng follow-up.
Nagtrabahong halimbawa
I-click ang Mag-load ng halimbawang datos sa itaas, pagkatapos ay ang Run Analysis upang makita ang ganap na resulta na may pigura, pormula, at interpretasyon para sa pagsusulit na ito.
Mga sanggunian
- Altman DG. Mga agwat ng kumpiyansa para sa bilang na kailangan upang gamutin. BMJ. 1998;317:1309-1312.
- Laupacis A, Sackett DL, Roberts RS. Isang pagtatasa ng mga klinikal na kapaki-pakinabang na sukatan ng mga kahihinatnan ng paggamot. N Engl J Med. 1988;318:1728-1733.
Mga Nagtrabahong Halimbawa
Halimbawa 1 — Mula sa pagbabawas ng panganib patungo sa isang larawan
Kung ang bilang ng mga kaso ay bababa mula 30% patungong 20%, ang ganap na pagbawas ng panganib ay 10% at ang NNT ay 10. Sa isang lote sa Cates na may 100 katao, humigit-kumulang 20 ang magkakaroon ng kaso sa kabila ng paggamot, humigit-kumulang 10 ang makakaligtas dito, at ang iba ay hindi kailanman magkakaroon ng kaso — na ginagawang nakikita ang katamtamang tunay na benepisyo.
Halimbawa 2 — Relatibo laban sa absolute
Ang pagbawas ng panganib sa paggamot mula 2% patungong 1% ay isang 50% relatibong pagbawas ngunit 1% absolutong pagbawas lamang, na nagbibigay ng NNT na 100. Ipinapakita ng Cates plot ang 99 sa 100 na hindi naapektuhan at isa ang nakatulong, na itinatama ang maling impresyon na nilikha ng headline na 50% na pigura.
Mga Pagpapalagay na Susuriin
Isang takdang panahon. Ang NNT ay nakadepende sa panahon ng pagsubaybay; ang NNT na 20 sa loob ng isang taon ay lubos na naiiba sa 20 sa loob ng isang dekada, kaya dapat palaging nakasaad ang panahon.
Maihahambing na baseline risk. Ang NNT ay naaangkop sa isang populasyon na may control event rate na ginamit; para sa mga pasyenteng may ibang-iba na baseline risk, ang NNT ay nagbabago at dapat muling kalkulahin.
Kinalabasang binary. Ang NNT at ang Cates plot ay para sa mga kaganapang oo/hindi. Sa halip, kailangan ng mga tuluy-tuloy na kinalabasan ang mean difference at effect size.
Karaniwang Pagkakamali
Pagsipi sa NNT nang walang time horizon
Walang saysay ang isang NNT kung wala ang panahong naaangkop ito. Palaging ilakip ang oras ng pagsubaybay.
Hayaang mag-isa ang isang relatibong pagbawas
Ang isang malaking relatibong pagbawas ng panganib ay maaaring magtago ng isang maliit na ganap na benepisyo. Ang Cates plot ay umiiral upang maiwasan ang maling pagbasa.
Hindi pinapansin ang confidence interval
Itinatago ng isang puntong NNT ang kawalan ng katiyakan; iulat ang 95% na agwat, na binabanggit na ang isang hindi makabuluhang epekto ay nagdudulot ng hindi pangkaraniwang agwat na sumasaklaw sa benepisyo at pinsala.
Paglalapat ng isang NNT sa lahat ng pasyente
Dahil ang NNT ay nakadepende sa baseline risk, ang isang numero ay hindi nalilipat sa mga populasyon na may ibang-iba na pinagbabatayang panganib.
Mga Madalas Itanong
Ano ang isang balangkas ni Cates?
Ito ay isang diagram na may 100 katao (madalas ay nakangiti) na nagpapakita kung gaano karaming tao sa bawat 100 ang natulungan, napinsala, o naapektuhan ng isang paggamot, na ginagawang biswal ang ganap na benepisyo.
Paano nauugnay ang NNT sa pagbawas ng panganib?
Ang NNT ay isa na hinati sa ganap na pagbawas ng panganib; ang ARR na 0.10 ay nagbibigay ng NNT na 10.
Bakit kailangan magpakita ng biswal sa halip na porsyento?
Ang mga porsyento, lalo na ang mga relatibo, ay karaniwang nagpapalabis sa benepisyo; ang isang larawan na may 100 katao ay madaling maipahayag ang tunay na ganap na epekto.
Tugma ba ang resulta sa R?
Oo. Gumagamit ang calculator ng karaniwang ARR at reciprocal formula at ipinapakita ang R command para ma-reproduce mo ang NNT at ang plot data.
Mga Kaugnay na Calculator
Mga sanggunian
- Veroniki AA, Bender R, Glasziou P, Straus SE, Tricco AC. Ang bilang na kailangan upang tratuhin sa pairwise at network meta-analysis at ang grapikong representasyon nito. J Clin Epidemiol. 2020; 122: 153-160. PMID 30905696.
- Citrome L, Ketter TA. Kailan nakakaapekto ang isang pagkakaiba? Interpretasyon ng bilang na kailangan para gamutin, bilang na kailangan para manakit, at posibilidad na matulungan o mapinsala. Int J Clin Pract. 2013;67(5):407–411. PMID 23574101.
- Cook RJ, Sackett DL. Ang bilang na kailangan upang gamutin: isang klinikal na kapaki-pakinabang na sukatan ng epekto ng paggamot. BMJ. 1995;310(6977):452–454.
Kailangan Mo Bang Gawin ang Pagsusuring Ito para sa Iyong Manuskrito?
Kinukuwenta ng aming mga PhD biostatistician ang mga sukat ng NNT, NNH, at absolute risk gamit ang mga confidence interval at naghahatid ng mga Cates plot na handa nang ilathala na may reproducible R output.