在临床试验研究中,复发事件指的是特定个体反复经历某些事件。这些事件可能属于同一类型也可能不是同一类型。比如说,很多慢性心血管疾病患者会由于心力衰竭（复发事件1）或心肌梗死（复发事件2）等而反复住院。为了衡量药物的治疗效果,传统的仅考虑第一次事件发生时间的方法由于忽略了之后的复发事件会造成一定的偏差。考虑到复发事件之间以及复发事件和死亡之间存在相关性,本文首先建立了多元联合脆弱模型,通过估计回归系数,方差和相关系数等来衡量药物治疗的效果。但是,因为实际的临床研究中更希望使用一个综合的表达式来衡量药物治疗效果,本文又建立了数据驱动的加权模型。相较于多元联合脆弱模型,数据驱动的加权模型因为将所有的复发事件以及死亡都考虑到一个表达式内,更便于进行临床试验的检验。为了验证方法的有效性,本文将这两种方法应用于一项临床试验研究中,该试验主要研究某创新药对于心血管疾病的有效性和安全性,结果显示,药物治疗对于各种类型的住院风险和死亡风险都有一定的减少作用,这说明药物治疗是有效的。此外,本文建立的数据驱动的加权复合模型相比较之前的主观确定权重的方法也有更好的效果。