假设一些试验比较 A 与 B，另一些比较 B 与 C。网络荟萃分析会借共同对照 B，间接判断 A 与 C 谁更好。问题在于，两批试验面对的病人可能并不相似。若影响疗效的关键因素分布不同，这条“借路比较”就未必公平。
Boughdiri 等人提出，别先想着怎样汇总研究，而要先写清因果估计目标——比较哪两种治疗、针对什么人群、观察什么结果。作者把目标人群定义为具有临床意义的人群，例如参与试验所代表的平均人群，再处理治疗效果修饰因素和研究中心差异带来的异质性。由此推导出的不是传统的“对比层面”汇总，而是“治疗组层面”汇总：分别整合各试验中每个治疗组的信息。作者强调，这不是任选一种统计模型，而是由因果问题本身推出来的；在网络场景中，治疗效果的识别也不依赖治疗网络这条比较路径。
数值研究中，两类方法常给出相近估计，但在部分设定下会分开。论文没有把重点放在宣布一种通用赢家，而是提醒读者：多治疗排序背后真正需要检查的，是不同研究人群能否被当作可交换、可公平比较。