Het aandeel van ontbrekende gegevens in een studie evalueren is belangrijk om de resultaten te interpreteren. Vooral elke asymmetrie tussen de behandelingsarmen moet aansporen tot voorzichtigheid. Om het effect van deze ontbrekende gegevens te corrigeren kan men statistische technieken gebruiken die beter uitgewerkt zijn dan LOCF. Deze technieken situeren zich op het niveau van sensitiviteitsanalyses.