El presente trabajo proporciona una colección de macros elaboradas sobre el sistema SAS para Windows, capaces de ajustar modelos condicionales en presencia de patrones de pérdidas intermitentes para datos recolectados de tipo longitudinal. El ajuste se basa en el supuesto de Mecanismo de Pérdidas Aleatorio o Completamente Aleatorio y en la llamada condición de separabilidad. Se ofrece además una aplicación práctica donde se define y ajusta un modelo del tipo descrito a los datos de un ensayo clínico que evaluó el efecto de un producto cubano en una enfermedad del sistema respiratorio. Se propone un modelo inicial de transición de orden 8, enriquecido con un efecto aleatorio y un error de medición, para los datos del ensayo clínico. Se detectó una alta dependencia del valor actual de la variable primaria, índice de oxigenación, en valores previos alcanzados una hora, tres horas y siete horas antes. El tiempo se distinguió como covariable significativa: puede afirmarse que el índice de oxigenación tiende a elevar sus valores con el paso del tiempo. Esta conclusión implica un mejoramiento gradual del paciente durante las 72 horas de tratamiento.