Objective: Researchers in public health are often interested in examining the effect of several exposures on the incidence of a recurrent event. The aim of the present study is to assess how well the common baseline hazard models perform to estimate the effect of multiple exposures on the hazard of presenting an episode of a recurrent event, in presence of event dependence and when the history of prior-episodes is unknown or is not taken into account. Methods: Through a comprehensive simulation study, using specific-baseline hazard models as the reference, we evaluate the performance of common-baseline hazard models by means of several criteria: bias, mean squared error, coverage, confidence intervals mean length and compliance with the assumption of proportional hazards. Results: Results indicate that the bias worsen as event dependence increases, leading to a considerable overestimation of the exposure effect; coverage levels and compliance with the proportional hazards assumption are low or extremely low, worsening with increasing event dependence, effects to be estimated, and sample sizes. Conclusions: Common-baseline hazard models cannot be recommended when we analyse recurrent events in the presence of event dependence. It is important to have access to the history of prior-episodes per subject, it can permit to obtain better estimations of the effects of the exposures (C) 2016 SESPAS. Published by Elsevier Espatia, S.L.U.Objetivo: Los investigadores en salud pública a menudo están interesados en examinar el efecto de varias exposiciones sobre la incidencia de un evento recurrente. El objetivo del presente estudio es evaluar qué tan bien funcionan los modelos de riesgo de línea de base comunes para estimar el efecto de exposiciones múltiples sobre el riesgo de presentar un episodio de un evento recurrente, en presencia de dependencia del evento y cuando el historial de episodios anteriores es desconocido o no se tiene en cuenta. Métodos: A través de un estudio de simulación integral, utilizando modelos de riesgo de línea de base específicos como referencia, evaluamos el rendimiento de los modelos de riesgo de línea de base común por medio de varios criterios: sesgo, error cuadrático medio, cobertura, longitud media de los intervalos de confianza y cumplimiento de los suposición de riesgos proporcionales. Resultados: Los resultados indican que el sesgo empeora a medida que aumenta la dependencia de eventos, lo que lleva a una sobreestimación considerable del efecto de exposición; los niveles de cobertura y el cumplimiento del supuesto de riesgos proporcionales son bajos o extremadamente bajos, empeorando con el aumento de la dependencia de eventos, los efectos a estimar y los tamaños de muestra. Conclusiones: Los modelos de riesgo de línea de base común no pueden recomendarse cuando analizamos eventos recurrentes en presencia de dependencia de eventos. Es importante tener acceso al historial de episodios previos por sujeto, puede permitir obtener mejores estimaciones de los efectos de las exposiciones (C) 2016 SESPAS. Publicado por Elsevier Espatia, SLU