I komplexa sjukdomar, som cancer, förlitar sig forskarna på statistiska jämförelser av patienters sjukdomsfria överlevnad (DFS) mot matchade, friska kontrollgrupper. Detta logiskt rigorösa tillvägagångssätt likställer i princip obegränsad remission med bot. Jämförelsen görs vanligen med hjälp av Kaplan-Meier-skattningsmetoden.
Den enklaste modellen för botandefrekvens publicerades av Joseph Berkson och Robert P. Gage 1952. I denna modell är överlevnaden vid varje given tidpunkt lika med de som är botade plus de som inte är botade, men som ännu inte har dött eller, när det gäller sjukdomar som har asymtomatiska remissioner, ännu inte har utvecklat tecken och symtom på sjukdomen på nytt. När alla som inte har botats har dött eller åter utvecklat sjukdomen kommer endast de permanent botade medlemmarna av populationen att finnas kvar, och DFS-kurvan kommer att vara helt platt. Den tidigaste tidpunkt då kurvan blir platt är den tidpunkt då alla återstående sjukdomsfria överlevande förklaras vara permanent botade. Om kurvan aldrig blir platt anses sjukdomen formellt sett vara obotlig (med de befintliga behandlingarna).
Berksons och Gages ekvation är S ( t ) = p + {\displaystyle S(t)=p+}
där S ( t ) {\displaystyle S(t)}
är andelen människor som överlever vid en given tidpunkt, p {\displaystyle p}
är andelen som botas permanent, och S ∗ ( t ) {\displaystyle S^{*}(t)}
är en exponentiell kurva som representerar överlevnaden för de icke botade personerna.
Hälsningsfrekvenskurvor kan bestämmas genom en analys av data. Analysen gör det möjligt för statistikern att fastställa hur stor andel av personerna som permanent botas av en viss behandling, och även hur lång tid efter behandlingen det är nödvändigt att vänta innan man förklarar att en asymptomatisk individ är botad.
Det finns flera modeller för botningsfrekvens, t.ex. algoritmen för förväntningsmaximering och Markovkedjans Monte Carlo-modell. Det är möjligt att använda modeller för botningsgrad för att jämföra effekten av olika behandlingar. I allmänhet justeras överlevnadskurvorna för effekterna av normalt åldrande på dödligheten, särskilt när sjukdomar som drabbar äldre människor studeras.
Från patientens perspektiv, särskilt den som har fått en ny behandling, kan den statistiska modellen vara frustrerande. Det kan ta många år att samla tillräckligt med information för att avgöra vid vilken punkt DFS-kurvan planar ut (och därför förväntas inga fler återfall). Vissa sjukdomar kan upptäckas vara tekniskt obotliga, men också kräva behandling så sällan att de inte skiljer sig nämnvärt från ett botemedel. Andra sjukdomar kan visa sig ha flera platåer, så att det som en gång hyllades som ett ”botemedel” oväntat resulterar i mycket sena återfall. Följaktligen har patienter, föräldrar och psykologer utvecklat begreppet psykologisk bot, dvs. det ögonblick då patienten bestämmer sig för att behandlingen var tillräckligt sannolik för att vara en bot för att kunna kallas bot. En patient kan till exempel förklara sig vara ”botad” och bestämma sig för att leva sitt liv som om boendet var definitivt bekräftat, omedelbart efter behandlingen.
