一项治疗后，有些患者只是随访期内没有复发，有些人则可能永远不会复发。两者看起来一样，含义却完全不同：前者属于“删失”——只知道复发时间晚于观察期；后者才是治愈模型要识别的人群。若想进一步判断治疗究竟提高了治愈比例，还是只延缓了未治愈者的复发，分析就更难了。
Torrini 等人提出一套贝叶斯因果治愈模型。贝叶斯方法会先描述各种参数的可能取值，再用数据更新，并保留不确定性。这个框架把治愈状态、未治愈者的生存时间和治疗的因果效应放进同一套推断中，同时仍能对应传统混合治愈模型——即把人群视为“不会发生终点事件者”与“仍可能发生者”的混合体。论文最具体的新意，是除估计治愈比例及“无论接受哪种治疗都不会治愈者”的生存效应外，还提出一个新指标，用来衡量更广泛的“并非在两种治疗下都治愈”人群的生存效应。作者称模拟结果显示该方法相较现有方法表现稳健且有竞争力，并以一项术后低氧性呼吸衰竭随机试验作示范；材料未披露具体效果数字。