چکیده. داده‌های گم‌شده مشکلی رایج در پژوهش‌های مبتنی بر آمارگیری است. بسته‌های بسیاری وجود دارند که داده‌های گم‌شده را جبران می‌کنند اما تعداد کمی می‌توانند به‌راحتی اطلاعات طولی گم‌شده را جبران کنند. WinBUGS داده‌های گم‌شده را با استفاده از جانهی چندگانه جبران می‌کند و قادر است ساختار طولی را با استفاده از اثرات تصادفی یکپارچه کند. ما برتری جانهی طولی بر جانهی مقطعی را با استفاده از WinBUGS نشان می‌دهیم. ما از اطلاعات مثالی مربوط به مطالعه‌ی طولی استرالیا درباره‌ی سلامت زنان استفاده می‌کنیم. همچنین نتایج نرم افزار SAS را ارائه می‌دهیم که از WinBUGS برای تحلیل مدل‌های طولی با اطلاعات گم‌شده‌ی متغیر کمکی استفاده می‌کند و استفاده از آن را در مطالعه‌ی طولی بیماران سرطانی لاعلاج و پرستاران آن‌ها نشان می‌دهیم.