免费NNT计算器

需治疗人数（NNT）计算器是评估医疗干预有效性的实用工具。它通过临床试验数据同时计算需治疗人数（NNT）和绝对风险降低（ARR），通常称为风险差。除基本计算外，本工具还解释了所得NNT的临床意义，帮助用户将统计数字转化为可操作的见解。无论您是在分析已发表的研究还是设计新试验，这款NNT医学计算器都能处理以百分比或患者-年报告的数据，使其成为一款多功能的ARR计算器和需害人数计算器。

选择您的数据类型

第一步是指定结果数据的格式。许多研究以简单百分比报告事件率。例如，对照组的标准化治疗可能显示20%的事件率，而实验组的新治疗显示40%的事件率。或者，研究者经常以患者-年提供数据，其中总随访时间（患者数乘以平均随访时间）与事件数一同给出。计算器接受这两种格式。

核心公式

绝对风险降低与需治疗人数之间的基本关系通过以下公式表达：

$$\text{ARR} = \text{CER} - \text{EER}$$ $$\text{NNT} = \frac{1}{\text{ARR}}$$

其中 CER（对照组事件率）和 EER（实验组事件率）代表各自组别中的事件概率。当使用百分比时，在计算前必须将这些值表示为小数（例如，2%变为0.02）。

对于患者-年数据，计算器首先计算每人-年的事件率（事件数除以总患者-年数）。假设事件率随时间恒定，通过指数生存函数估计风险：

$$R = 1 - e^{-\text{rate}}$$

ARR即为这些估计风险之间的差：

$$\text{ARR} = R_{\text{control}} - R_{\text{experimental}}$$

随后计算 $\text{NNT} = 1 / \text{ARR}$。

百分比示例

考虑一项旨在降低中风风险的饮食干预试验。假设在10年内，接受有益饮食的组别中风发生率为1%，而标准饮食组为2%。转换为小数后，EER = 0.01，CER = 0.02。

$$\text{ARR} = 0.02 - 0.01 = 0.01$$ $$\text{NNT} = \frac{1}{0.01} = 100$$

这意味着每100人采取饮食改变，就能预防一例中风。正向NNT表明干预降低了不良事件的可能性。

患者-年示例

假设一项研究跟踪200名患者2年，共400患者-年。对照组发生2例中风，实验组发生1例中风。发病率如下：

• 对照组率 = $2 / 400 = 0.005$ 事件/患者-年
• 实验组率 = $1 / 400 = 0.0025$ 事件/患者-年

估计风险：

$$R_{\text{control}} = 1 - e^{-0.005} \approx 0.004988$$ $$R_{\text{experimental}} = 1 - e^{-0.0025} \approx 0.002497$$

因此：

$$\text{ARR} = 0.004988 - 0.002497 = 0.002491$$ $$\text{NNT} = \frac{1}{0.002491} \approx 401.5$$

这意味着大约需要402名患者接受干预才能获得一个额外无中风的结局。

需害人数（NNH）

相同的数学原理适用于实验组不良事件率更高的情况；此时结果被解释为需害人数。例如，如果暴露于某种物质会增加癌症风险，NNH告诉你需要多少人暴露才会多发生一例癌症。只需输入实验组事件率超过对照组的数据，本工具即可充当需害人数计算器。

临床相关性

绝对风险降低直接衡量了治疗带来的获益，而NNT则将这种获益置于人群背景下。较低的NNT值意味着更有效的治疗。虽然NNT和ARR提供了宝贵的见解，但临床决策应结合患者特定因素和专业判断。本工具旨在用于教育和分析目的，不能替代临床医生的判断。