假设一份健康调查里，年龄已经填了，但后续化验值空着。完整案例分析会把这一整行删掉，连年龄这条有用信息也不要。Bolouri 的论文研究的正是这种代价：估计平均处理效应——处理对人群的平均影响——时，完整案例法究竟浪费了多少信息。
论文考察两个按顺序收集、且可能缺失的混杂变量。混杂变量会同时影响是否接受处理和最终结局，比如年龄既影响用药选择，也影响康复。作者在“缺失随机”（给定已观测信息后，缺失不再取决于未观测值本身）的框架下证明：若顺序缺失法与完整案例法都成立，后者的效率损失可精确写成一个非负量；只要中间变量在第二阶段缺失处仍提供额外信息，损失就严格大于零。也就是说，删掉半完整记录会扩大估计波动，并非只是少用几个人。
更关键的是，如果第二阶段是否缺失取决于这个中间变量，完整案例法可能不再只是精度较差，而会产生持续偏差。作者也提醒，理论上的效率优势未必直接变成有限样本中的更窄区间：其 Gaussian 压力测试出现明显区间覆盖不足，甚至反转了精度排序。