计划再招一批患者时，名义上收了 100 份样本，不等于真能得到 100 份完整信息：病情较重的人可能更容易失访，关键指标也可能空着。若仍按“人人都有完整记录”估价，就可能高估这项研究值不值得做。EVSI（Expected Value of Sample Information，新增样本信息的期望价值）衡量新数据预计能改善多少决策，常被拿来和研究成本比较。
Benetti、Baio 和 Heath 的做法，是在模拟未来试验时，同时模拟三类缺失机制：完全随机缺失（MCAR）、与已观察信息有关的随机缺失（MAR），以及与未观察值有关的非随机缺失（MNAR）。随后用多重插补——生成多套合理的补全数据，以保留缺失带来的不确定性——再通过非参数回归计算 EVSI。
作者在两个卫生经济模型中报告，MAR 和 MNAR 会增加不确定性并压低 EVSI；若想追回“数据完整时”的信息价值，所需追加样本数还高于标准方法给出的结果。论文未在所给文本中披露具体增幅，但核心提醒很实在：研究价值应按真正能拿到的信息算，而不是按报名人数算。