違いが違いを生むのはいつですか？治療に必要な数の解釈、危害を加えるために必要な数、および支援または害を受ける可能性

ある介入と別の介入の統計的優位性を示すために臨床試験で多大な努力が払われていますが、観察された結果の臨床的関連または臨床的意義に関して不十分な注意が払われています。効果サイズが常に報告されるとは限りません。利用可能な絶対効果サイズの測定には、コーエンのD、曲線下面積、成功率の差、帰属リスク、および治療に必要な数（NNT）が含まれます。これらのすべての測定のうち、NNTは間違いなく最も臨床的に直感的であり、効果の違いを臨床診療の現実世界の懸念に関連付けるのに役立ちます。この解説では、NNTの式をレビューし、医学文献の例を使用して、NNTとその類似体の許容値（NNH）（NNH）を提案します。NNHとNNTの比率として計算される支援または被害を受ける可能性の概念は、利益と危害の間のトレードオフを説明するために使用されます。NNTの解釈における追加の考慮事項については、許容可能な応答を定義することの重要性、関心のある不利な結果、時間の影響、個々のベースライン特性の重要性など、追加の考慮事項が議論されています。

Although great effort is made in clinical trials to demonstrate statistical superiority of one intervention vs. another, insufficient attention is paid regarding the clinical relevance or clinical significance of the observed outcomes. Effect sizes are not always reported. Available absolute effect size measures include Cohen's d, area under the curve, success rate difference, attributable risk and number needed to treat (NNT). Of all of these measures, NNT is arguably the most clinically intuitive and helps relate effect size difference back to real-world concerns of clinical practice. This commentary reviews the formula for NNT, and proposes acceptable values for NNT and its analogue, number needed to harm (NNH), using examples from the medical literature. The concept of likelihood to be helped or harmed (LHH), calculated as the ratio of NNH to NNT, is used to illustrate trade-offs between benefits and harms. Additional considerations in interpreting NNT are discussed, including the importance of defining acceptable response, adverse outcomes of interest, the effect of time, and the importance of individual baseline characteristics.