想判断药物剂量增加后，康复是否真的改善，不能只比较吃得多和吃得少的人：病情既会影响剂量，也会影响康复，容易把病情差异误当成药效。问题在于，病情指标一多，数据在高维空间里就变得稀疏，很难找到足够相似的人作比较。
Chak Fung Choi、Yin Tang 和 Bing Li 提出先做非线性充分降维：把许多混杂变量压成少数综合特征，同时保留消除混杂所需的信息。随后再用逆概率加权、结果回归或增强逆概率加权估计剂量—反应曲线——也就是剂量变化时，平均结果如何变化。最值得注意的是，论文的理论结果称，相比直接使用全部变量，降维后的估计可以更快收敛；增强逆概率加权还能在不增加渐近方差的情况下，放宽对中间模型估计精度的要求。作者的模拟实验也显示，原始变量维度较高时，有限样本表现改善更明显；这些效果目前来自论文自述。