心血管転帰の治療に必要な数の計算と解釈試験：GLP-1 RAおよびSGLT-2i療法に関する視点

2型糖尿病における心血管転帰試験（CVOT）の最近の結果は、心血管（CV）の安全性、または2つの治療クラス、グルカゴン様ペプチド-1受容体アゴニスト（GLP-1 RA）とナトリウムグルコースの利点を明確に確立しています。Co-Transporter-2阻害剤（SGLT-2I）。これらの治療クラスの最新のCVOTの公開は、2019年にESCガイドラインとADA/EASDコンセンサスレポートの更新も行われました。確立された心血管疾患（CVD）またはアテローム性動脈硬化CVDのリスクが高い。これらのイベント研究の主な有益な結果は、心血管イベント（絶対リスク、絶対リスクの差、相対リスク、相対リスク、オッズスの比率、ハザード比に及ぼすGLP-1 RAまたはSGLT2Iの有効性を証明する従来の統計測定によって裏付けられています。）。さらに、臨床的意味がより簡単に見える別の尺度では、各薬物の臨床的有用性を推定するため、またはパワーランキングを確立しようとするために、CVOTの結果を議論する際に治療に必要な数（NNT）がよく言及されます。。尺度の価値は確かに関心を持っていますが、イベントまでの研究における計算の微妙さはほとんど知られていません。この記事では、ランダム化比較試験で、関心のあるイベントを説明するために利用可能な研究デザインの種類と変数に従って、その価値を推定するために使用する必要があるNNT計算方法に関する明確かつ実用的な説明を提供します。より具体的には、CVOTが一部の一部であるかの時間からイベントまでの研究に焦点が当てられており、最初にNNT計算の適切かつ調整された方法を詳細に説明し、GLP-1で伝達されたCVOTの例でNNTを適切に解釈するのに役立ちます。RAおよびSGLT-2i。特に、各研究に固有のいくつかの特定のパラメーターが考慮されていない場合、CVOTのNNT値の誤解のリスクと、研究全体のNNT間の誤った比較の次のリスクについて説明します。本論文は、CVOTからのNNTとその臨床的影響を正当に理解することの重要性と、薬物の有効性の全体像を得ることの重要性を強調しています。

The recent results of Cardiovascular Outcomes Trials (CVOTs) in type 2 diabetes have clearly established the cardiovascular (CV) safety or even the benefit of two therapeutic classes, Glucagon-Like Peptide-1 receptor agonists (GLP-1 RA) and Sodium-Glucose Co-Transporter-2 inhibitors (SGLT-2i). Publication of the latest CVOTs for these therapeutic classes also led to an update of ESC guidelines and ADA/EASD consensus report in 2019, which considers using GLP-1 RA or SGLT-2i with proven cardiovascular benefit early in the management of type 2 diabetic patient with established cardiovascular disease (CVD) or at high risk of atherosclerotic CVD. The main beneficial results of these time-to event studies are supported by conventional statistical measures attesting the effectiveness of GLP-1 RA or SGLT2i on cardiovascular events (absolute risk, absolute risk difference, relative risk, relative risk reduction, odds ratio, hazard ratio). In addition, another measure whose clinical meaning appears to be easier, the Number Needed to Treat (NNT), is often mentioned while discussing the results of CVOTs, in order to estimating the clinical utility of each drug or sometimes trying to establish a power ranking. While the value of the measure is admittedly of interest, the subtleties of its computation in time-to-event studies are little known. We provide in this article a clear and practical explanation on NNT computation methods that should be used in order to estimate its value, according to the type of study design and variables available to describe the event of interest, in any randomized controlled trial. More specifically, a focus is made on time-to-event studies of which CVOTs are part, first to describe in detail an appropriate and adjusted method of NNT computation and second to help properly interpreting NNTs with the example of CVOTs conducted with GLP-1 RA and SGLT-2i. We particularly discuss the risk of misunderstanding of NNT values in CVOTs when some specific parameters inherent in each study are not taken into account, and the following risk of erroneous comparison between NNTs across studies. The present paper highlights the importance of understanding rightfully NNTs from CVOTs and their clinical impact to get the full picture of a drug's effectiveness.