想判断一种治疗“如果患者一直照方案执行，会怎样”，不能只留下坚持治疗的人来比较：偏离方案或失访往往不是随机的，直接删除会带来选择偏差。序贯目标试验——在多个时间点反复模拟理想随机试验——还会让同一个人在不同基线多次入组，校正更难。传统方法把每轮依从和留存概率连续相乘，随访越长，权重越容易变得极端，估计也可能摇摆。
作者提出 STTE–MDR：先用纵向模型生成目标治疗策略下的风险人群，再训练概率分类器，直接估计这群人与现实中仍依从、仍被观察者之间的“边际密度比”——也就是两种人群状态分布的相对可能性。它绕开了逐轮概率连乘。论文证明，在总体层面，这种比率的方差不高于使用完整历史的比率；但作者也明确提醒，这不保证有限样本中的治疗效果估计一定更稳定。模拟研究表现有利，不过方法仍依赖目标人群生成正确、关键状态信息充分，以及两类人群有足够重叠。