लॉन्गीट्यूडिनल फॉलो-अप अध्ययनों में, टर्मिनल इवेंट के साथ रिकरेंट इवेंट डेटा अक्सर सामने आता है। कुछ स्थितियों में, कुछ प्रतिभागी अध्ययन में दोबारा लौटने से पहले विभिन्न कारणों से कुछ समय के लिए अध्ययन से बाहर हो जाते हैं और ऐसा एक से अधिक बार हो सकता है। इन अंतरालों की अनदेखी करने और डेटा को एक नियमित रिकरेंट इवेंट डेटासेट के रूप में मानने से पक्षपातपूर्ण अनुमान और संभावित रूप से भ्रामक निष्कर्ष निकल सकते हैं। इस शोधपत्र में, हम टर्मिनल इवेंट और कई आंतरायिक अंतरालों वाले रिकरेंट इवेंट डेटा के विश्लेषण के लिए एक लचीला एडिटिव-मल्टीप्लिकेटिव रेट्स मॉडल प्रस्तावित करते हैं। यह मॉडल कोवेरिएट्स के एडिटिव और मल्टीप्लिकेटिव दोनों प्रभावों की अनुमति देता है, जबकि रिकरेंट और टर्मिनल इवेंट्स के बीच निर्भरता संरचना को अनिर्दिष्ट छोड़ देता है। प्रस्तावित मॉडल में रुचि के मापदंडों का अनुमान लगाने के लिए, हम निष्पक्ष अनुमान समीकरणों का निर्माण करते हैं और परिणामी अनुमानकों के स्पर्शोन्मुख गुणों को स्थापित करते हैं। सिमुलेशन अध्ययन प्रदर्शित करते हैं कि आंतरायिक अंतरालों पर विचार करने से सामान्य (नेइव) विधि की तुलना में सीमित नमूनों में अधिक सटीक अनुमान प्राप्त होते हैं। उदाहरण के रूप में क्रोनिक हार्ट फेलियर के एक चिकित्सा लागत अध्ययन में इसका अनुप्रयोग प्रदान किया गया है।
Cui et al. (Thu,) ने इस प्रश्न का अध्ययन किया।