一套模型平均看来“值得用”，不等于每个人都占便宜。比如同一次漏诊或误治，对不同人群的后果可能并不相同；把他们合在一起算平均数，一组的收益就可能抵消另一组的损失。这篇论文提醒，模型上线前常用的决策曲线分析（DCA）——把正确干预的收益与错误干预的代价合成“净收益”——可能因此给出误导性结论。
作者推导出一个“不一致区域”：在某些亚组净收益组合下，总体净收益与总体效用会偏向相反的策略。最值得留意的信号，是不同亚组的净收益变化一正一负。风险在人群规模越接近、各组“真阳性相对漏诊的增量效用”差异越大时越明显，因为此时总体指标实际上混合了不同的效用尺度。
说白了，总体曲线为正，只能说明平均有利。作者建议同时查看亚组决策曲线，并评估结论对效用差异是否稳健；论文还以真实案例展示了这一问题，但所给材料未披露案例数字。