多数患者住院时间不长，少数人却住了很久：这类数据会拖出一条长尾。临床试验若反复测量同一患者，常用重复测量混合模型（MMRM——同时比较治疗组，并处理同一人多次测量之间关联的模型），但传统做法通常假定数据近似正态分布。偏态明显时，平均数容易被少数极端值拉动，治疗效果也可能因此变得难解释。
这篇预印本提出 BCMVR。它先用 Box–Cox 变换——通过参数把偏态数据调得更对称——再允许这个参数随治疗组和时间点变化。关键就在这里：此前的 BCMMRM 通常要求所有组、所有时间共用一个参数；如果两组的分布形状不同，论文模拟显示旧方法可能产生偏差，而 BCMVR 的估计接近无偏。
除了比较变回原始尺度后的中位数，作者还给出一种更直观的指标：从两组各随机抽一名患者，其中一组结果更好的概率。它能把分布形状和长尾也纳入比较，而不只盯着一个中心值。论文同时提供 R 包 bcmvr；不过稿件尚在同行评审，材料也未给出模拟偏差的具体数值。