治疗的获益因人而异!COPD治疗需算清“个人受益账”,NNT是关键
发布时间:2026-08-02   


一、核心主张:摒弃相对风险,采用绝对获益指标


慢性阻塞性肺疾病(COPD)作为全球第三大死亡原因,影响着超过3.8亿人,其主要的发病与死亡风险多发生于急性加重期,且通常需强化治疗。因此,无论是美国食品和药物管理局(FDA)等监管机构在审批COPD新药时,还是临床医生在实际治疗决策中,都将“减少急性加重”视为关键的评价指标。



然而,在评估治疗效果时,临床试验通常报告的是“相对风险(RR)”降低,这一指标在患者基线风险较低时容易夸大药物的感知益处,从而对临床决策产生误导。为解决这一问题,绝对获益指标——绝对风险降低(ARR) 及其衍生的需治疗人数(NNT),被认为是更实用和直观的衡量标准。其中,ARR不仅能更真实地反映治疗带来的绝对获益,还具备更优的统计特性,便于进行不确定性区间的估算与报告。



尽管如此,在针对像急性加重这样的重复性结局进行个体化治疗评估时,ARR与NNT的计算和解读仍面临挑战。



二、关键概念:两种NNT的定义与区别


在评估COPD治疗获益时,“需治疗人数”(NNT)的计算方式存在关键区别(表1)。基于患者的NNT源于绝对风险降低(ARR),其定义为“预防一例急性加重事件的发生需要治疗的平均患者数”。与之相对,基于事件的NNT则基于绝对率差值,其含义转变为“为预防一次急性加重事件所需治疗的人-年数”。这两者的根本差异在于:前者只关注患者的“首发事件”,将多次加重者视为与仅有一次加重的患者无异;而后者则统计了随访期内所有的急性加重事件。



这种计算上的差异直接导致了数值和解读上的不同。通常情况下,基于事件的NNT会显著小于基于患者的NNT。以BOREAS研究为例,使用度普利尤单抗治疗一年,基于患者的NNT为17(即需治疗17名患者才能使其中一人免于急性加重),而基于事件的NNT仅为4(即治疗4个患者年就能预防一次急性加重事件)。



两者都是有效指标,但它们作为决策辅助的有用性取决于决策场景和视角。对于临床医生和患者而言,基于患者的NNT通常更具直观吸引力,因为它与“保持无加重状态”的个人治疗目标一致,且患者更易理解概率而非比率。然而,它的缺陷在于完全忽略了治疗对减少第二次及后续急性加重的影响。相反,对于医院管理者或公共卫生规划者,基于事件的NNT则更为直观,因为它能全面反映干预措施对降低整体医疗资源消耗(与事件总数相关)的效果,而不局限于受累患者的人数。因此,两种NNT本身并无绝对优劣之分,选择哪一种应服务于具体的决策需求。



表1. 基于患者的NNT与基于事件的NNT的区别


图片

三、决策核心:个体化NNT高度依赖基线风险


在计算需治疗人数(NNT)时,无论是基于患者还是基于事件的方法,一个核心且常被忽视的要素是患者的个体化基线风险——即患者在未来发生急性加重的具体概率。目前,临床实践中普遍依赖指南建议的“过去一年是否≥2次急性加重”这一定性标准来粗略划分“频繁加重者”,但这将连续的风险谱强行归入仅有的两个类别,无法精确反映患者的真实风险。


 

为克服这一局限,应借助多变量风险预测模型(如ACCEPT工具)进行定量评估。此类模型能综合多种个体特征,计算出从低到高的连续风险值,从而揭示患者群体内部实际存在的广泛风险差异。应用这种个体化风险评估对NNT计算影响巨大:当基线风险不同时,同一治疗带来的绝对风险降低(ARR)及由此衍生的NNT值也会发生显著变化。这意味着,对于高风险患者,NNT会更低,表明治疗获益更大、效率更高;而对于低风险患者,同样的治疗其NNT则会更高,获益相对有限(图1)。



图片

图1A:在ECLIPSE队列中,通过ACCEPT模型生成的预测风险分布(蓝色阴影区域)与仅基于急性加重史划分的风险(两条红色竖线)之间对比。图1B与1C:在整个基线风险或急性加重率范围内(该范围参照BOREAS研究安慰剂组报告值的±50%波动),基于患者的NNT(左侧-蓝色)与基于事件的NNT(右侧-红色)的变化趋势。



尽管这类模型在实施上更具挑战性,但随着电子病历的普及,它们正变得日益可行。这类似于在骨质疏松症和心血管疾病预防领域已常规使用的FRAX评分和汇总队列方程。因此,将ACCEPT等COPD个体化风险计算器整合进临床决策,能够像上述成熟工具一样,为精准部署预防性治疗提供关键依据,确保治疗资源优先用于获益最大的患者。



四、实践应用:对研究、临床与沟通的建议


对临床试验报告的建议:


➤应同时报告基于首次事件的分析(用于计算基于患者的NNT)和基于所有事件的分析(用于计算基于事件的NNT)。



➤应描述研究人群的基线风险分布,以便外推至不同风险的患者。



对医患沟通与决策的建议:


➤使用绝对风险:优先使用绝对风险降低(ARR)和基于患者的NNT进行沟通,避免使用相对风险降低。



➤使用具体数字:用具体的概率数字(如“100人中有X人获益”)而非“低风险”等模糊术语。



➤借助视觉辅助:使用象形图、图表等视觉辅助工具,极大帮助患者理解风险与获益。



➤考虑共同分母:有时使用“每1000名患者”等共同分母来呈现数据,可以减少误解。




五、未来方向:迈向真正的精准医学


实现个体化决策还需进一步探索治疗效果的异质性(例如,药物的相对效果是否因性别、种族等因素不同)以及如何向患者有效传达风险和获益估计中的不确定性。这标志着COPD的管理正从粗放式的群体指南,向着基于个体精准预测的决策模式转变。



图片
文末小调研
图片

图片




参考文献:Sin DD, Rezaeianzadeh R, Sadatsafavi M. Absolute benefit measures are essential for guiding therapies in COPD in an era of precision medicine: a viewpoint on "number needed to treat".Eur Respir J. 2025;66(5):2501165. Published 2025 Nov 6. doi:10.1183/13993003.01165-2025



图片

(本网站所有内容,凡注明来源为"医脉通",版权均归医脉通所有,未经授权,任何媒体、网站或个人不得转载,否则将追究法律责任,授权转载时须注明"来源:医脉通"。本网注明来源为其他媒体的内容为转载,转载仅作观点分享,版权归原作者所有,如有侵犯版权,请及时联系我们。)
0
收藏
添加表情
全部评论
我要投稿
发表评论
扫码分享

微信扫码分享

回到顶部