Dica do autor: NNT (Número Necessário a Tratar) é a métrica prática que diz quantas pessoas precisam receber uma intervenção para evitar um evento adverso adicional num dado período. O pulo do gato é lembrar que NNT se baseia na redução absoluta do risco (ARR), não na redução relativa. ARR = risco no grupo controle − risco no grupo tratado. Depois basta inverter a ARR (1/ARR) e sempre arredondar para cima, porque não existe "fração de pessoa". No contexto de rastreamento para câncer de mama, quando o desfecho avaliado é mortalidade por câncer (e não detecção), o impacto é medido exatamente por essa diferença absoluta nas taxas de óbito ao longo do tempo de seguimento. Importante também ter em mente que o NNT vale para o período observado (aqui, dez anos) e depende do tamanho da coorte e do risco basal da população; pequenas diferenças absolutas em eventos raros resultam em NNT grandes.

Alternativa A: CORRETA. Cálculo: risco no grupo com mamografia = 4/1000 = 0,004; risco no grupo sem mamografia = 6/1000 = 0,006. ARR = 0,006 − 0,004 = 0,002. NNT = 1/ARR = 1/0,002 = 500. Em termos práticos: é preciso rastrear 500 mulheres por dez anos, naquelas condições do estudo, para evitar um óbito por câncer de mama. Note que a redução relativa aqui é de ~33,3% (0,002/0,006), mas o que conta para o NNT é a redução absoluta.

Alternativa B: INCORRETA. Valor 1000 estaria correto apenas se a ARR fosse 0,001 (1 evento prevenido por 1000), já que NNT = 1/0,001 = 1000. Aqui, a diferença observada foi de 2 óbitos a menos em 1000 mulheres (6 − 4 = 2), ou seja 2/1000 = 0,002 de ARR, não 0,001. Outra forma de ver: 1000/2 = 500, não 1000.

Alternativa C: INCORRETA. Valor 50 implicaria uma ARR de 0,02 (2% absoluto), ou 20 eventos prevenidos por 1000, o que não é o caso. Nosso estudo mostra apenas 2 eventos prevenidos por 1000, não 20. Assim, 50 está longe da ordem de grandeza correta — corresponde a um benefício muito maior do que o observado.

Alternativa D: INCORRETA. Valor 100 corresponderia a ARR = 0,01 (1% absoluto), ou 10 eventos prevenidos por 1000. Novamente, o estudo documentou apenas 2 eventos prevenidos por 1000, logo 100 é um superestimativa do efeito da intervenção neste conjunto de dados.

Resposta: Alternativa A