Cuando leemos un metaanálisis que reporta una d de Cohen de 0,65 para la terapia cognitivo-conductual en depresión, ¿qué significa eso para la decisión de ofrecerla a un paciente concreto? Los tamaños del efecto estandarizados son la moneda corriente de la investigación en psicoterapia, pero su interpretación clínica directa es poco intuitiva incluso para profesionales con formación en estadística. El Number Needed to Treat (NNT, “número necesario a tratar”) surgió en medicina como un puente entre el lenguaje estadístico y la toma de decisiones, y desde fines de los años noventa se propuso extenderlo a los resultados de investigación en salud mental.
La idea central del NNT es simple: expresa cuántas personas deberían recibir un tratamiento para que una de ellas obtenga un beneficio adicional, en comparación con no recibirlo o con recibir una alternativa. Un NNT de 4 significa que, en promedio, hace falta tratar a cuatro personas para que una se beneficie específicamente gracias a esa intervención. Cuanto más bajo el NNT, mayor la eficiencia aparente del tratamiento.
Este artículo revisa cómo se construyó la fórmula para convertir tamaños del efecto en NNT, qué críticas metodológicas recibió esa conversión y cómo conviene usar —y no usar— esta métrica al comunicar evidencia en la práctica clínica diaria.
¿Qué es el NNT y por qué importa en psicoterapia?
Origen del indicador
El NNT nació en el campo de la epidemiología clínica como una alternativa a los indicadores de riesgo relativo, que tienden a exagerar la magnitud percibida de un efecto cuando las tasas basales de evento son bajas. En psicoterapia, el desafío es distinto: los resultados suelen reportarse como diferencias de medias estandarizadas (d de Cohen) entre grupos, no como proporciones de personas que mejoran o no. Para poder hablar de NNT hace falta primero convertir esa diferencia continua en una probabilidad de “éxito” dicotómico, lo cual implica asumir un criterio de mejoría y una distribución subyacente.
Traducir el lenguaje estadístico al lenguaje clínico
La ventaja comunicacional del NNT es evidente: a un equipo de salud, a un paciente o a quien gestiona un servicio le resulta más fácil entender “hace falta tratar a cinco personas para lograr una mejoría adicional” que “el tamaño del efecto fue de 0,5 desviaciones estándar”. Por eso el NNT se volvió popular en guías de práctica clínica y en materiales de divulgación profesional, aunque su cálculo en psicoterapia conlleva supuestos que conviene conocer antes de usarlo como argumento de autoridad.
De la d de Cohen al NNT: la propuesta de Furukawa
La fórmula y sus supuestos
Furukawa (1999) propuso una fórmula para convertir el tamaño del efecto estandarizado en NNT, partiendo del supuesto de que los resultados del tratamiento siguen una distribución normal y de que existe una tasa de evento fija en el grupo control. Bajo estos supuestos, es posible estimar qué proporción de pacientes tratados superaría un determinado umbral de mejoría en comparación con el grupo control, y a partir de esa diferencia de proporciones derivar el NNT. La propuesta tuvo un atractivo inmediato porque permitía, con una sola fórmula, convertir cualquier d reportada en metaanálisis de psicoterapia en una cifra aparentemente concreta y accionable.
Críticas y refinamientos: el problema de la tasa basal
La publicación original generó comentarios críticos relevantes. Scholten, de Beurs y Bouter (1999) señalaron que fijar una tasa de evento control arbitraria —en lugar de usar la tasa basal real observada en cada estudio o contexto clínico— puede producir estimaciones de NNT engañosas, ya que el mismo tamaño del efecto puede traducirse en NNT muy distintos según cuál sea la probabilidad de mejoría espontánea o con tratamiento habitual. Por su parte, Fang, Sau y Chang (1999) cuestionaron los supuestos estadísticos de la fórmula original, advirtiendo que la conversión de una métrica continua a una dicotómica introduce una capa adicional de incertidumbre que no siempre se comunica con suficiente claridad en los reportes clínicos.
En conjunto, estos intercambios —publicados como cartas y comentarios metodológicos en una revista médica de alto impacto— dejan una lección importante: el NNT derivado de una d de Cohen no es un dato empírico directo, sino una estimación que depende de decisiones metodológicas (criterio de mejoría, tasa basal asumida, forma de la distribución) que pueden variar considerablemente entre estudios y poblaciones.
Aplicación práctica: el caso de la TCC para depresión
Un ejemplo útil para ilustrar el uso del NNT es el de la terapia cognitivo-conductual (TCC) para la depresión en adultos. El metaanálisis de Cuijpers et al. (2013) encontró tamaños del efecto moderados a grandes para la TCC en comparación con condiciones de control, y resultados comparables frente a otras psicoterapias y a la farmacoterapia. Estos valores de effect size son precisamente el insumo necesario para aplicar fórmulas de conversión a NNT y así comunicar, de forma aproximada, cuántas personas deberían recibir TCC para que una obtenga un beneficio adicional respecto de no recibir tratamiento.
Sin embargo, los propios autores de ese metaanálisis advierten limitaciones importantes: alta heterogeneidad entre los estudios incluidos, riesgo de sesgo de publicación y variabilidad en la calidad metodológica de los ensayos primarios. Estas limitaciones no desaparecen cuando el tamaño del efecto se convierte en NNT; al contrario, se heredan y en algunos casos se amplifican, porque la conversión agrega sus propios supuestos a los ya presentes en el dato original. Quien quiera profundizar en cómo la heterogeneidad afecta la interpretación de los resultados agregados puede revisar nuestro artículo sobre heterogeneidad del efecto de tratamiento en psicoterapia.
Cómo usar el NNT en la práctica clínica
El NNT puede ser una herramienta útil para comunicar evidencia a pacientes, equipos interdisciplinarios o financiadores, siempre que se use con las siguientes precauciones:
- Explicitar el criterio de mejoría utilizado para dicotomizar el resultado (por ejemplo, reducción del 50% en una escala de síntomas), ya que distintos criterios producen NNT distintos a partir del mismo estudio.
- Contextualizar la tasa basal de la población a la que se aplica el NNT: un valor calculado sobre una muestra de investigación controlada no necesariamente se traslada igual a la práctica clínica habitual.
- Acompañar el NNT con su intervalo de confianza cuando esté disponible, en lugar de presentarlo como un número fijo y preciso.
- Evitar comparaciones directas entre NNT de estudios distintos si no comparten población, criterio de mejoría y diseño metodológico similares.
- No usar el NNT como predictor individual: es una estimación poblacional y no permite anticipar si un paciente particular responderá o no al tratamiento.
Esta última precaución es especialmente relevante en salud mental, donde la variabilidad individual en la respuesta al tratamiento es considerable. Para quienes quieran profundizar en cómo evaluar el progreso de un paciente puntual más allá de los promedios grupales, puede resultar de interés nuestro artículo sobre RCI y diseños N-de-1.
Limitaciones del NNT en investigación psicológica
Más allá de las críticas específicas a la fórmula de conversión, el uso del NNT en psicoterapia enfrenta limitaciones estructurales que conviene tener presentes:
- La mayoría de los ensayos de psicoterapia se realizan en condiciones de eficacia (muestras seleccionadas, protocolos estandarizados), lo cual puede no reflejar la efectividad en la práctica clínica real. Este fenómeno se desarrolla con mayor detalle en nuestro artículo sobre la brecha entre eficacia y efectividad en psicoterapia.
- Las fórmulas de conversión de d a NNT fueron publicadas como comunicaciones breves, sin datos empíricos originales que las validen de forma independiente en distintos contextos clínicos.
- El NNT no informa sobre la magnitud del beneficio individual, solo sobre la proporción de personas que superarían un umbral dicotómico; dos tratamientos con el mismo NNT pueden diferir mucho en la intensidad del cambio logrado en quienes sí responden.
Conclusiones
El NNT ofrece una forma atractiva de traducir el lenguaje estadístico de los tamaños del efecto a una cifra más fácil de comunicar en contextos clínicos y de gestión. La propuesta original de Furukawa (1999) para convertir la d de Cohen en NNT fue un aporte metodológico valioso, pero los comentarios posteriores de Scholten et al. (1999) y de Fang et al. (1999) dejaron en claro que esa conversión depende de supuestos —tasa basal fija, distribución normal, criterio de dicotomización— que pueden alterar sustancialmente la estimación final.
En la práctica, esto significa que el NNT puede acompañar la lectura de evidencia (como la que ofrece el metaanálisis de Cuijpers et al. sobre TCC para depresión) pero no debería presentarse como un dato definitivo ni usarse para predecir la respuesta de un paciente individual. Usado con las salvedades metodológicas adecuadas, es una herramienta complementaria más —no un sustituto— del juicio clínico informado por la evidencia disponible.
Preguntas frecuentes
¿El NNT sirve para comparar distintos enfoques de psicoterapia entre sí?
Solo con mucha cautela. Para que la comparación sea válida, los estudios de los que se derivan los NNT deberían compartir población, criterio de mejoría y diseño metodológico. Comparar NNT calculados con fórmulas y supuestos distintos puede llevar a conclusiones erróneas sobre la superioridad de un enfoque sobre otro.
¿Un NNT bajo garantiza que un paciente concreto va a mejorar?
No. El NNT es una estimación poblacional basada en promedios de grupo; no predice la respuesta de una persona en particular. La heterogeneidad individual en la respuesta al tratamiento hace que el NNT deba interpretarse como una guía general y no como una garantía de resultado.
¿Es necesario calcular el NNT para interpretar un metaanálisis de psicoterapia?
No es imprescindible. El NNT es un recurso comunicacional adicional, útil cuando se necesita transmitir la evidencia de forma accesible a personas sin formación estadística, pero el tamaño del efecto y su intervalo de confianza siguen siendo las métricas primarias y más robustas para el análisis técnico.
Referencias
- Furukawa, T. A. (1999). From effect size into number needed to treat. The Lancet. https://doi.org/10.1016/s0140-6736(99)01163-0
- Scholten, R. J. P. M., de Beurs, E., & Bouter, L. M. (1999). From effect size into number needed to treat. The Lancet. https://doi.org/10.1016/s0140-6736(05)77952-6
- Fang, C.-T., Sau, W.-Y., & Chang, S.-C. (1999). From effect size into number needed to treat. The Lancet. https://doi.org/10.1016/s0140-6736(05)77951-4
- Cuijpers, P., Berking, M., Andersson, G., Quigley, L., Kleiboer, A., & Dobson, K. S. (2013). A meta-analysis of cognitive-behavioural therapy for adult depression, alone and in comparison with other treatments. Canadian Journal of Psychiatry. https://doi.org/10.1177/070674371305800702
