Les données issues des dossiers médicaux électroniques fournissent de précieuses informations longitudinales, mais elles peuvent produire des estimations biaisées lorsque le moment de la consultation et l'enregistrement des résultats sont tous deux informatifs. Le moment de la consultation peut dépendre du résultat actuel mais non observé, ce qui crée une évaluation non aléatoire (ANAR), et la valeur réelle de certains résultats peut ne pas être enregistrée, ce qui produit un enregistrement manquant non aléatoire (MNAR). Nous proposons une analyse de sensibilité unifiée qui répond à ces deux mécanismes à l'aide d'un estimateur à double pondération qui utilise un biais exponentiel dans un premier temps lors du processus de visite, puis lors de l'observation des résultats. Comme alternative à la spécification MNAR dans le même cadre, nous envisageons également d'associer la pondération ANAR à l'ajustement delta additif couramment utilisé. Des études de simulation comparant ces deux variantes montrent qu'elles corrigent toutes deux efficacement le biais induit par MNAR, ce qui confirme la robustesse de notre approche.