一个人交替试两种治疗，十天里有几天好转，看起来只要数“成功”次数就行。可把多位患者的 N-of-1 试验汇总时，简单二项模型会默认每天成功概率相同、每次结果互不影响。现实中，同一患者或同一治疗周期里的结果往往更相似，未记录的状态变化也会带来额外波动。忽略这些因素，误差条就可能算得过窄，让结论显得过于确定。
这篇论文给出两种频率学派的汇总方法。第一种用 beta-binomial 分布处理“过度离散”——实际波动大于简单模型的预期，并以 quasi-likelihood（不必完整指定数据分布的估计框架）计算总体成功比例，再用 Jackknife（逐次删去一个研究、观察估计如何变化）评估方差。第二种更进一步，同时加入随机效应，显式表示患者内和治疗周期内的层级聚类。值得注意的不是又多了一个复杂模型，而是提醒研究者：重复测量并不等于获得了同样多份彼此独立的新证据。