病人不会按整点就诊，传感器也可能只在异常时上报。可传统时间序列方法常把“上一条记录”当成固定时长：这一次相隔几分钟，下一次却可能隔了几小时，推断出的先后关系容易失真。
这项工作扩展了 PCMCI+——一种从多变量的统计关系与时间顺序中寻找候选因果结构的方法。关键改动很直观：不再比较“恰好 5 条记录之前”，而是寻找“约 5 分钟之前”的观测。作者给出两种配对方式：矩形窗口收纳指定时间段内的事件；Gaussian 窗口则按时间远近分配权重，越接近目标时刻，影响越大。原有的条件独立性检验基本不动，变化集中在如何按真实时间配对数据。
作者在已知因果结构的合成不规则事件流上测试，称该方法能稳定恢复因果图，并明显优于直接使用标准 PCMCI+；供稿未给出具体提升数字。它仍只能提出“谁可能影响谁”的候选结构，结论依赖无遗漏混杂等假设。