اسکریننگ کے لیے درکار تعداد (NNS)

NNS ان لوگوں کی تعداد ہے جنہیں اسکرین کرنا پڑتا ہے (صرف علاج نہیں) تاکہ ایک مقررہ فالو اپ مدت میں ایک منفی نتیجہ روکا جا سکے، آبادی کے بنیادی خطرے اور ابتدائی شناخت اور علاج سے حاصل ہونے والی نسبتی خطرے کی کمی کو مدِنظر رکھتے ہوئے۔ یہ NNT کا اسکریننگ پروگرام کی سطح کا ہم منصب ہے: NNT پوچھتا ہے کہ ایک نتیجہ روکنے کے لیے کتنوں کا علاج کرنا پڑتا ہے؛ NNS پوچھتا ہے کہ وہاں تک پہنچنے کے لیے کتنے لوگوں کو پورے اسکریننگ پھر علاج کے راستے سے گزرنا پڑتا ہے۔

یہ کیوں اہم ہے

Rembold نے 1998 میں NNS اسی لیے متعارف کروایا کہ اسکریننگ پروگراموں کا موازنہ علاج کی طرح ایک ہی بنیاد پر کیا جا سکے، کیونکہ اسکریننگ ٹیسٹ کا عنوانی نسبتی خطرے کی کمی کا عدد دو چیزیں چھپاتا ہے جو علاج نہیں چھپاتا: اسکریننگ کے لیے حقیقتاً مدعو آبادی کا بنیادی خطرہ، اور یہ حقیقت کہ جسے بھی اسکرین کیا جاتا ہے وہ ٹیسٹ کی لاگت اور غلط مثبت کا بوجھ اٹھاتا ہے، صرف وہ اقلیت نہیں جو بعد میں مستفید ہوتی ہے۔ برطانیہ کی قومی اسکریننگ کمیٹی کا قیمت-تاثیر کا دروازہ (اسکریننگ کی معاشیات دیکھیں) اسی امتیاز پر قائم ہے — کم بنیادی خطرے والی آبادی میں متاثر کن نسبتی خطرے کی کمی والے اسکریننگ پروگرام کا NNS پھر بھی ہزاروں میں ہو سکتا ہے، اور تب روکے گئے نتیجے کی فی اکائی پروگرام کی لاگت اصل سوال بن جاتی ہے۔

ریاضی

NNS = 1 / (بنیادی_خطرہ × نسبتی_خطرے_کی_کمی)

بنیادی_خطرہ            = فالو اپ کی مدت میں اسکرین کی گئی آبادی میں نتیجے
                         کا احتمال (0–1)
نسبتی_خطرے_کی_کمی     = اسکریننگ سے ممکن ہونے والے ابتدائی علاج سے حاصل
                         ہونے والی تناسبی خطرے کی کمی (0–1)

روکے_گئے_نتیجے_فی_پروگرام_لاگت = NNS × فی_اسکریننگ_لاگت

براہِ راست NNT سے موازنہ کریں: NNS اسکریننگ ← تشخیص ← علاج کی پوری قیف کی تاثیر کو ایک عدد میں سمیٹتا ہے، جبکہ NNT فرض کرتا ہے کہ مریض کی تشخیص ہو چکی ہے اور علاج شروع ہو چکا ہے۔

حل شدہ مثال

ایک اسکریننگ پروگرام کی ہدف آبادی میں مطالعے کی مدت میں واقعے کا بنیادی خطرہ 2% ہے (بنیادی_خطرہ = 0.02) اور ابتدائی شناخت 25% نسبتی خطرے کی کمی حاصل کرتی ہے (نسبتی_خطرے_کی_کمی = 0.25):

NNS = 1 / (0.02 × 0.25) = 1 / 0.005 = 200

ایک نتیجہ روکنے کے لیے 200 لوگوں کو اسکرین کرنا ہوگا۔

فی اسکریننگ £50 پر:
روکے گئے نتیجے فی پروگرام لاگت = 200 × £50 = £10,000

اس £10,000 کو نتیجے کی اپنی لاگت اور اس QALY کے مقابل تولنا چاہیے جو اس کی قیمت ہوتا — وہی موازنہ جو روک تھام کی معاشیات عمومی طور پر روک تھام کے پروگراموں کے لیے کرتی ہے۔

سافٹ ویئر انجینئرنگ سے تعلق

NNS ہے "ایک قابلِ عمل حقیقی مثبت پکڑنے کے لیے کتنے صارفین، واقعات یا درخواستوں کو کھوج یا ٹرائیج کے ورک فلو سے گزرنا ہوگا" — الرٹ پر مبنی نگرانی اور ٹرائیج نظاموں کے لیے براہِ راست متعلقہ، جہاں ایک نایاب ہدفی حالت NNS کو اسی طرح پھلاتی ہے جیسے مثبت پیش گوئی کی قدر کو گراتی ہے (اسکریننگ کی معاشیات اور کلینیکل AI کی تشخیص دیکھیں)۔ جس نگرانی کے اصول کو ہر حقیقی پکڑ کے لیے 200 واقعات پروسیس کرنے پڑیں اسے چلانا تبھی مناسب ہے جب وہ پکڑ فی واقعہ ٹرائیج کی لاگت سے کم از کم 200 گنا قیمتی ہو — اوپر کی صحت کی مثال جیسی ہی ریاضی۔

عام غلطیاں

• بنیادی خطرے پر انحصار کو نظر انداز کرنا: وہی اسکریننگ ٹیسٹ یا پروگرام اعلیٰ خطرے اور کم خطرے والی آبادیوں میں بہت مختلف NNS — اور قیمت-تاثیر — رکھتا ہے۔ جس آبادی کے لیے حساب لگایا گیا اس کا نام لیے بغیر کبھی NNS پیش نہ کریں۔
• نسب نما کو غلط پڑھنا: NNS اسکرین کیے گئے لوگوں کو گنتا ہے، ان کو نہیں جو مثبت آئے یا علاج شروع کیا — اس میں پہلے سے پوری قیف کی تاثیر شامل ہے، اس لیے اس کا موازنہ کبھی ایسے پیمانے سے نہ کریں جو صرف مثبت لوگوں کو گنتا ہو۔
• فالو اپ کی مدتوں کے پار موازنہ: چھوٹی فالو اپ کی مدت عموماً NNS کو پھلا دیتی ہے کیونکہ اس کھڑکی میں کم واقعات دیکھے جاتے ہیں۔ NNS کے اعداد تبھی قابلِ موازنہ ہیں جب ایک ہی فالو اپ کی مدت کے لیے نکالے گئے ہوں۔

ذرائع

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