病情更差的人更容易失访时，研究者看到的数据就会偏向病情较轻者。此时，常规保形预测——用历史预测误差为新个体划定区间——原本承诺的覆盖率可能失效。Lee、Dobriban 与 Tchetgen Tchetgen 研究了能否用工具变量补救：它会影响结果是否被观察，却不能通过其他路径直接影响结果，例如受访者被分配到哪位访员，可能影响其是否接受检测，但不应改变其本身的 HIV 状态。
论文最关键的结论是：有工具变量也不一定够。作者提出“识别指数”，衡量不同工具变量取值提供的信息合起来，能覆盖多少结果分布。若它低于目标覆盖率，任何有效的无分布假设方法，其预测区间平均都必须无限宽，等于无法提供有用判断；只有高于目标覆盖率，信息才足以构造有限区间。针对后一种情况，作者给出一种具有“双重稳健性”的方法——两个辅助模型中只要一个估计得足够可靠，覆盖率仍有保障。模拟及 FES 工资、NHANES III 自报身高数据实验中，作者称区间通常达到或超过目标覆盖率；这些结果仍建立在工具变量确实有效这一前提上。