Кількість, яку потрібно скринувати (NNS) — Метрики економіки охорони здоров'я

NNS — це кількість людей, яких треба обстежити скринінгом, а не лише лікувати, щоб запобігти одному несприятливому результату за визначений період спостереження, з огляду на базовий ризик популяції та відносне зменшення ризику, якого досягають раннє виявлення й лікування. Це аналог NNT на рівні програми скринінгу: NNT питає, скількох треба лікувати, щоб запобігти одному результату; NNS питає, скільки людей мусять пройти весь шлях скринінг-а-потім-лікування, щоб до цього дійти.

Чому це важливо

Rembold запровадив NNS у 1998 році саме для того, щоб програми скринінгу можна було порівнювати на тій самій основі, що й лікування, бо заголовкове відносне зменшення ризику скринінгового тесту приховує дві речі, яких не приховує таке для лікування: базовий ризик у популяції, яку фактично запрошують на скринінг, і те, що всі обстежені несуть витрати тесту й тягар хибнопозитивних результатів, а не лише меншість, яка згодом отримує користь. Бар'єр ефективності витрат британського National Screening Committee (див. економіку скринінгу) побудований саме на цьому розрізненні — програма скринінгу з вражаючим відносним зменшенням ризику в популяції з низьким базовим ризиком усе ж може мати NNS у тисячах, і тоді реальним питанням стають витрати програми на запобіганий результат.

Математика

NNS = 1 / (базовий_ризик × відносне_зменшення_ризику)

базовий_ризик             = ймовірність результату в обстежуваній популяції
                            протягом періоду спостереження (0–1)
відносне_зменшення_ризику = пропорційне зменшення ризику, якого досягає
                            раннє лікування, можливе завдяки скринінгу (0–1)

Витрати програми на запобіганий результат = NNS × витрати_на_скринінг

Порівняйте безпосередньо з NNT: NNS згортає ефективність усієї воронки скринінг → діагноз → лікування в одне число, тоді як NNT уже припускає, що пацієнта діагностовано й він починає лікування.

Розібраний приклад

Цільова популяція програми скринінгу має базовий ризик події 2% за період дослідження (базовий_ризик = 0,02), а раннє виявлення дає відносне зменшення ризику 25% (відносне_зменшення_ризику = 0,25):

NNS = 1 / (0,02 × 0,25) = 1 / 0,005 = 200

200 людей треба обстежити скринінгом, щоб запобігти одному результату.

За £50 за скринінг:
Витрати програми на запобіганий результат = 200 × £50 = £10 000

Ці £10 000 — число, яке слід зважити проти вартості самого результату й QALY, яких він коштував би, — те саме порівняння, що його робить економіка профілактики для профілактичних програм загалом.

Зв'язок з інженерією програмного забезпечення

NNS — це «скільки користувачів, подій чи запитів мусить пройти через потік виявлення чи тріажу, щоб піймати один справжній позитив, вартий реагування», — безпосередньо стосується систем моніторингу й тріажу на основі сповіщень, де цільовий стан із низькою поширеністю роздуває NNS так само, як обвалює позитивну прогностичну цінність (див. економіку скринінгу та клінічну оцінку ШІ). Правило моніторингу, що мусить обробити 200 подій на один справжній улов, варте запуску лише тоді, коли улов вартий щонайменше у 200 разів більше за витрати тріажу на подію, — рівно та сама арифметика, що й у наведеному вище прикладі з охорони здоров'я.

Підводні камені

Ігнорування залежності від базового ризику: той самий скринінговий тест чи програма мають зовсім інший NNS — і ефективність витрат — у популяції високого ризику, ніж у популяції низького ризику. Ніколи не наводьте NNS, не вказавши популяцію, для якої його обчислено.
Підрахунок хибного знаменника: NNS рахує обстежених людей, а не тих, хто дав позитивний результат чи почав лікування, — він уже вбирає ефективність усієї воронки, тож його ніколи не слід порівнювати з показником, підрахованим лише за позитивними.
Порівняння між різними періодами спостереження: коротший період спостереження зазвичай роздуває NNS, бо у вікні спостерігають менше подій. Значення NNS порівнянні лише тоді, коли обчислені за однакової тривалості спостереження.

Джерела

Rembold CM. «Number needed to screen: development of a statistic for disease screening.» BMJ. 1998;317(7154):307-12.