Ces modèles pourraient utilisées dans la prise en compte des facteurs de confusion afin de croiser des données pour en retirer le nécessaire et être ainsi plus précis dans l’attribution des effets à telle ou telle autre cause par exemple. Pour le modèle de régression par exemple, une variable est visée et fixée et des variables explicatives sont en jeu. Les effets sont observés suite à une exposition et il faut pouvoir voir si ces deux faits sont liés. On peut avoir recours à la même démarche lorsqu’on traite des facteurs de confusion puisqu’on est amené à en tenir compte dans les diverses explications possibles.