一种药可能先减缓病情恶化，再延长患者生存；但病情指标会反复变化，其他健康因素也会同时影响后续治疗和结局。此时若只比较一次测量，很难分清药物有多少作用直接抵达结局，又有多少经由病情改善传递。Denz 和 Timmesfeld 把时间依赖中介（随访中不断变化的传递环节）、时间依赖混杂因素，以及生存结局（事件何时发生，并包含随访结束仍未发生事件的删失信息）放进同一套因果分解评估中。
最有用的结论是：简单的 Difference method（用“含中介”和“不含中介”两个模型的效果差，估算间接作用）并非一概不可用，但边界很窄。模拟中，模型设定正确且不存在“治疗直接改变时间依赖混杂因素”时，基于 Aalen 加性风险模型的差值法可得到无偏估计；Cox 模型只在结局罕见时表现相近，结局常见时不行；AFT 模型则几乎在所有情景中都有偏。作为基准的参数化中介 g-formula 在全部模拟情景中无偏。论文也用 170 名患者的数据演示流程，但作者强调样本不足、部分识别假设可能不成立，不能据此生成新的临床证据。