Meskipun ada kemajuan dalam deteksi patogen ini, pengukuran aliran udara, dan pemodelan penyakit telah berdampak besar pada pengertian tentang penyebaran penyakit, contohnya seperti penyakit Ebola, dan mengubah pandangan kita tentang penyakit yang lebih dulu dikenal manusia, seperti contohnya tuberkulosis dan campak. Meskipun begitu, beberapa pertanyaan masih harus ditangani. Contohnya, meskipun mikrobiologi molekuler sudah membisakan kita untuk mengidentifikasi agen infeksi sebelumnya dan pada konsentrasi yang jauh lebih rendah, tidak jelas apakah dosis ini relevan secara klinis, bagaimana relevansi dimodifikasi oleh macam populasi (dewasa versus anak-anak, imunokompeten versus terkompromi, rawat jalan versus rawat inap di senden, dan kehidupan individual versus kehidupan kelompok) dan yang paling penting, berapa banyak organisme ini yang hidup.

Demikian pula, tindakan pengambilan sampel udara bisa menimbulkan abab / aerosol serta merusak organisme yang ditangkap. Yang penting, pembelajaran mesin (machine learning) pakai komputer bergantung pada kumpulan data dalam jumlah yang besar dan terperinci guna mendapatkan akurasi. Sehingga, bila penelitian dari lapangan tidak dapat menangkap semua komponen yang dibutuhkan, maka model ini jadi tidak mencerminkan skenario kehidupan nyata.

Dengan demikian, setiap penelitian tentang ciri abab harus pakai metode penangkapan abab yang divalidasi dengan baik, menggabungkan kontrol positif dan negatif yang sesuai, agar membisakan standarisasi muatan mikroba, dan cukup diberdayakan guna mengurangi ''kebisingan'' yang ditimbulkan oleh perilaku acak partikel abab. Yang paling penting, penelitian harus kuantitatif, karena dosis patogen adalah elemen penting dari infektivitas. Seperti yang akan kita lihat dalam beberapa bagian berikutnya, banyak dari apa yang kala ini kita ketahui tentang abab denta  berada jauh dari prinsip-prinsip paling dasar dari kekakuan dan reproduksibilitas kawidyan.