NNT计算器 - Free Online Tool

从临床试验数据中计算治疗所需人数、绝对和相对风险指标以及置信区间

治疗所需人数（NNT）是循证医学中最重要和实用的统计数据之一。它告诉临床医生、研究人员和患者，平均需要多少人接受治疗，以防止与对照组相比的一个额外不良结果。例如，NNT为5意味着每治疗5名患者，就会有1名额外受益的患者，而在对照条件下不会受益。NNT由Laupacis、Sackett和Roberts于1988年引入，作为一种使研究结果的临床意义比传统统计指标（如p值或相对风险）更直观和可操作的方法。

理解治疗所需人数

NNT是一个治疗有效性的指标，表示必须有多少患者接受治疗才能防止一个额外的不良结果。它源于绝对风险降低（ARR），并提供了一个临床直观的指标，用于比较干预措施和向患者传达治疗益处。

NNT是如何计算的

NNT的计算公式为1除以绝对风险降低（ARR），其中ARR等于对照事件率（CER）减去实验事件率（EER）。CER是对照组中经历结果的患者比例，EER是治疗组中的比例。当治疗降低事件率（正ARR）时，结果就是NNT。当治疗增加事件率（负ARR）时，绝对ARR的倒数给出伤害所需人数（NNH）。NNT总是使用向上取整函数四舍五入到最接近的整数，因为你不能治疗一部分患者。

绝对风险降低与相对风险降低

相对风险降低（RRR）表示事件率的比例减少：（CER - EER）/ CER。虽然RRR对于理解治疗的生物效力很有用，但单独使用时可能会产生误导。50%的RRR听起来令人印象深刻，无论基线风险是40%还是0.4%，但在这些情况下NNT相差100倍（NNT为5与500）。ARR和NNT捕捉了治疗效果在实际患者人群中的临床规模，这就是为什么循证医学指南建议报告绝对和相对指标的原因。

置信区间和统计精度

来自有限临床试验的NNT估计存在统计不确定性。NNT的置信区间是从ARR的标准误差得出的，这取决于两个组中的事件率和样本量。该区间是通过计算ARR的置信区间然后反转其端点构建的。当ARR的置信区间包括零时，NNT的置信区间从某个正数跨越到无穷大再回到某个负数，表明治疗可能有帮助，可能没有效果，或可能有害。这种复杂的行为使得NNT的置信区间比简单比例置信区间更难以解释。

临床解释和注意事项

NNT为1意味着每位接受治疗的患者都受益（完美治疗），NNT为2-5非常有效，6-10有效，11-50中等有效，51-100低效，超过100则非常低效。然而，NNT必须始终结合研究的时间框架、患者人群和基线风险进行解释。同一治疗在高风险或低风险患者中应用时，NNT可能会有很大不同，因为对于给定的相对风险降低，NNT与基线风险呈反比关系。此外，不同研究的NNT不应直接汇总；相反，应该先汇总基础ARR值。

NNT Formulas

治疗所需人数（NNT）

NNT = ⌈1 / ARR⌉

The ceiling (rounded up) of the reciprocal of the Absolute Risk Reduction. Represents how many patients must be treated to prevent one additional adverse event.

绝对风险降低（ARR）

ARR = CER − EER

The difference between the Control Event Rate and the Experimental Event Rate. A positive ARR indicates the treatment reduces risk; a negative ARR indicates harm.

相对风险降低（RRR）

RRR = (CER − EER) / CER

The proportional reduction in event rate relative to the control group. Often expressed as a percentage. Can overstate clinical significance when baseline risk is low.

伤害所需人数（NNH）

NNH = ⌈1 / |ARI|⌉

When EER > CER, the Absolute Risk Increase (ARI = EER − CER) is positive, and NNH indicates how many patients treated before one additional patient is harmed.

NNT Reference Tables

NNT Interpretation Guide

General benchmarks for interpreting Number Needed to Treat values in clinical practice. Context (disease severity, side effects, cost) is always essential.

NNT Range	Effectiveness	临床解读
1	Perfect	Every treated patient benefits — exceptionally rare in practice
2–5	Very Effective	Comparable to the most effective interventions in medicine
6–10	Effective	Typical of many well-established medical therapies
11–20	中等	Absolute benefit is moderate; weigh against side effects and cost
21–50	低	Small absolute benefit per patient; value depends on outcome severity
51–100	Very Low	Clinically marginal unless preventing severe or irreversible outcomes
>100	极简	Very small absolute effect; treatment value is questionable for most patients

Landmark NNT Values from Major Clinical Trials

Selected NNTs from well-known clinical trials to provide benchmarks for interpreting calculated results.

Intervention	Outcome Prevented	NNT	Time Frame
Aspirin for secondary MI prevention	Cardiovascular death	67	2岁
Statins for secondary prevention (4S)	All-cause mortality	30	5.4 years
ACE inhibitors for heart failure (CONSENSUS)	All-cause mortality	7	6 months
Warfarin for atrial fibrillation stroke prevention	Stroke	25	1.5 years
Antibiotics for acute otitis media	Pain at 2–7 days	15	7 days
Oseltamivir for influenza	Symptom reduction ≥1 day	8	5 days

Worked Examples

Calculating NNT from raw trial data

A randomized controlled trial enrolls 200 patients in each group. In the control group, 40 out of 200 patients experience the primary endpoint. In the treatment group, 24 out of 200 patients experience the endpoint.

Calculate CER: 40 / 200 = 0.20 (20%)

Calculate EER: 24 / 200 = 0.12 (12%)

Calculate ARR: CER − EER = 0.20 − 0.12 = 0.08 (8%)

Calculate NNT: ⌈1 / 0.08⌉ = ⌈12.5⌉ = 13

Calculate RRR: (0.20 − 0.12) / 0.20 = 0.40 (40%)

NNT = 13 (moderate effectiveness). For every 13 patients treated, 1 additional patient avoids the adverse event. The 40% RRR sounds more impressive but the absolute benefit is 8 percentage points.

Understanding how baseline risk affects NNT

A treatment has a relative risk of 0.60 (40% RRR). Compare NNT in a high-risk population (CER = 30%) versus a low-risk population (CER = 5%).

High-risk population: EER = 0.30 × 0.60 = 0.18, ARR = 0.30 − 0.18 = 0.12, NNT = ⌈1/0.12⌉ = 9

Low-risk population: EER = 0.05 × 0.60 = 0.03, ARR = 0.05 − 0.03 = 0.02, NNT = ⌈1/0.02⌉ = 50

Same 40% RRR produces NNT 9 vs NNT 50 — a 5.5-fold difference based solely on baseline risk

The same treatment is 5.5× more efficient in the high-risk population (NNT 9) than in the low-risk population (NNT 50). This demonstrates why NNT is superior to RRR for clinical decision-making.

Converting an odds ratio to NNT

A meta-analysis reports an odds ratio (OR) of 0.65 for a new antiplatelet agent. The expected baseline event rate (PEER) in your patient population is 14%.

Apply the CEBM conversion: EER = (OR × PEER) / (1 − PEER + OR × PEER)

EER = (0.65 × 0.14) / (1 − 0.14 + 0.65 × 0.14) = 0.091 / (0.86 + 0.091) = 0.091 / 0.951 = 0.0957

ARR = PEER − EER = 0.14 − 0.0957 = 0.0443

NNT = ⌈1 / 0.0443⌉ = 23

NNT = 23. Treating 23 patients with the new antiplatelet agent prevents one additional event compared to control, given a 14% baseline event rate.

如何使用NNT计算器

选择您的输入模式

根据您临床试验或研究中可用的数据，从四种输入模式中选择。原始计数模式接受每组的事件和总患者数。百分比模式直接接受CER和EER作为百分比。患者年模式通过使用指数公式转换发生率来处理事件发生时间数据。赔率比模式使用CEBM转换方法将已发布的OR和基线事件率（PEER）转换为NNT。

输入您的临床数据

填写所选输入模式的所有必填字段。对于原始计数，使用2x2列联表布局输入对照组和治疗组中的事件数量和总患者数。对于百分比，输入CER和EER的值在0到100之间。对于患者年，输入事件计数和随访的总人时。对于赔率比模式，输入您的患者群体中的OR值和预期基线事件率。

调整高级选项（可选）

展开高级选项部分，将置信水平从默认的95%更改为80%、90%或99%。更高的置信水平会产生更宽的置信区间。95%的水平在大多数临床研究中是标准的，适合大多数用户。NNT的置信区间仅在样本量已知时可用（原始计数模式）。

审查结果并解释发现

计算后，审查NNT或NNH值、临床解释以及所有相关指标（CER、EER、ARR、RRR、RR、OR）。检查事件率条形图和风险分解甜甜圈图以获取可视化上下文。使用敏感性表了解在不同基线风险水平下NNT的变化。将结果导出为CSV或打印以纳入临床报告或演示文稿。

常见问题

什么是治疗所需人数（NNT），它为什么重要？

治疗所需人数（NNT）是一种临床统计数据，表示在特定时间段内，需要多少患者接受特定治疗，以防止与对照组相比的一个额外不良结果。它由Laupacis、Sackett和Roberts于1988年提出，以使临床试验结果对临床医生和患者更直观。NNT的重要性在于它将抽象的统计发现转化为一个具体的、以患者为中心的数字。与p值或相对风险单独相比，NNT直接传达了实现益处所需的临床努力。NNT为5比知道相对风险降低50%更具可操作性，因为NNT考虑了基线风险和绝对效应大小。

NNT和NNH之间有什么区别？

NNT（治疗所需人数）和NNH（伤害所需人数）是从同一公式得出的互补指标。当治疗相对于对照组降低事件率（正ARR）时，结果以NNT表示，意味着需要治疗的患者数量以防止一个额外的不良事件。当治疗增加事件率（负ARR）时，结果以NNH表示，意味着需要治疗的患者数量以使一个额外的患者受到伤害。两者的计算方法是1除以ARR的绝对值的上限。单一治疗可以对一个结果有NNT，对另一个结果有NNH，这就是为什么在临床决策中进行效益-伤害权衡分析至关重要的原因。

为什么NNT总是向上取整，而不是使用标准的四舍五入？

NNT总是使用数学上限函数向上取整到最接近的整数。这个惯例存在的原因是您不能治疗一部分患者。如果原始计算得出1/ARR = 6.2，报告NNT为6将夸大治疗的效率，因为这暗示每6名患者中就会有益处。向上取整到7提供了一个保守的、临床上诚实的估计。这确保了NNT不会夸大治疗效果。例如，如果ARR为0.07（7%），1/0.07约等于14.3，报告的NNT为15。计算器显示原始倒数和向上取整的NNT，以便您可以看到确切的数学关系。

我该如何解释NNT的置信区间？

NNT的置信区间是通过反转ARR的置信区间得出的。如果ARR的95%置信区间为0.02到0.12，则NNT的置信区间为1/0.12到1/0.02，约等于9到50。这意味着我们有95%的信心认为真实的NNT在9到50之间。然而，当ARR的置信区间穿过零时，NNT的置信区间变得复杂：它包括一系列正NNT，穿过无穷大，并继续通过负值（NNH）。这表明治疗效果在统计上并不显著。只有在已知组样本量时，才能计算置信区间，这就是为什么需要原始计数输入模式来计算置信区间。

为什么相同的治疗在不同患者群体中有不同的NNT？

NNT与基线风险密切相关。相同的相对风险降低会根据对照事件率（CER）产生截然不同的NNT。考虑一种相对风险为0.50的治疗：在未治疗患者中有40%经历结果的群体中，ARR为20%，NNT为5。在仅有4%经历结果的群体中，ARR为2%，NNT为50。治疗在相对意义上同样有效（50% RRR），但绝对益处差异十倍。这就是为什么此计算器中的敏感性表如此有价值：它显示了在观察到的相对风险下，NNT在一系列基线风险值之间的变化。

何时应使用赔率比输入模式而不是原始计数？

赔率比输入模式设计用于仅有已发布的赔率比可用的情况，而不是原始事件计数。这在报告汇总赔率比的病例对照研究、系统评价和荟萃分析中很常见。要将OR转换为NNT，您还需要患者预期事件率（PEER），即您在特定患者群体中预期的基线事件率。如果您的患者具有不同的风险特征，PEER可能与原始研究的对照率不同。转换公式来源于牛津循证医学中心：EER = (OR x PEER) / (1 - PEER + OR x PEER)，从中计算ARR和NNT。此模式是近似的，并假设OR是相对风险的合理近似。