一套罕见疾病模型跑了很久，参数也不再乱跳，能放心拿它决定谁该转诊吗？未必。真正患病的人仍可能太少，模型只是“算得出来”，阈值附近的判断却没有足够证据。Foo 与 Chang 提出序贯认证：在预先规定的检查时点反复评估，并用同时覆盖校正控制多次查看带来的误判，再判断还要积累多少真实事件。
关键是只盯住可能被转诊的人，而不是让庞大的低风险人群稀释问题。在美国出生与婴儿死亡关联数据的应用中，面向全体人群的规则已经停止收集，但超过一半与转诊相关的个体特征仍无法明确分类；新规则即使观察到 30 万次出生、模型的时间验证表现稳定，也没有给出认证。作者据此强调：正则化能让稀有事件的 Logistic 回归——一种把多项因素合成为风险概率的模型——稳定估计，却不能替代真实事件提供的信息。结论仍以设定的模型、有限检查日程及其正则条件成立为前提。