有点像给病人估算一项没做的检查：你知道病程至少走了这么久，却不知道准确走到哪一步。若仍要给出预测区间——未来或未测结果可能落入的范围——区间太短会漏掉真实值，太长又几乎没有信息。Han 等人研究的正是这种“右删失协变量”：关键事件在随访结束前尚未发生，因此事件时间只知道下界。
他们没有直接靠样本残差决定区间宽度，而是把“半宽该取多少”改写成半参数估计问题：部分关系用模型描述，其余分布保持灵活，并利用结局、事件时间和删失模型携带的分布信息。作者证明，半宽估计可达到理论上的最小方差；事件时间模型或删失模型只要有一个设对，估计仍保持一致。在一项删失率达 77.2% 的 Huntington disease 研究中，作者称该方法能维持可靠覆盖和稳定区间长度，而对比的 conformal prediction（用样本规律校准覆盖的预测方法）要么持续覆盖不足，要么区间宽得难以提供信息。