临床试验像一次分组考试：即使随机分班，两班的年龄、基线病情也可能略有差别。协变量调整就是利用这些治疗前信息，减少差异带来的随机噪声。但现实中，每换一种效果指标，往往就要换一套统计办法，实施成本不低。
Irish、Zubizarreta 和 Luedtke提出用稳定平衡权重统一处理：给每位受试者一个分析权重，让治疗组和对照组的基线特征更接近，同时避免少数人的权重过大、反而放大噪声。最实用的一点是，权重只依赖基线信息和分组，可在揭晓结局前预先计算；此后同一套权重可直接用于平均治疗效应、相对风险、Mann–Whitney估计目标（随机各抽一人时谁的结果更好）和生存比等指标。只要原有分析软件支持观察权重，基本仍能沿用未调整分析的操作方式。
作者证明，在其理论条件下，这种方法的渐近精度不会低于未调整估计，并可用常见的非参数 bootstrap——反复重抽样——构造置信区间。它的价值不是发明新指标，而是让一次简单、可预先写入方案的平衡，服务多种估计目标；具体收益仍取决于样本量、基线变量与结局的关系。