但問題在於，細菌或病毒可不會招認自己傳染了幾個人，而我們也無法藉由觀察來確定，因此有效繁殖率還是來自於估計。雖然學者專家通常都是用最近7日的確診人數來估算，但估計結果卻往往是「因人因地因時因病毒因疫苗因樣本⋯⋯而異」。以Omicron變異株而言，雖然英文維基百科給出9.5這個數字，但只是引述1篇學術研究的結果，根本談不上正確或權威，例如美國審計總署（General Accounting Office）曾指出，新冠病毒的繁殖率估計值「從1到7都出現過」！
圖1顯示了另一組學者對全球、美國、和台灣的實時（real time）估計結果，避免了用單一樣本估計可能衍生的偏差。這組學者自行開發出數學模式和電腦程式，可以根據各國政府每天的疫情統計資料進行估算，隨後並建立一個專屬網站，提供給全世界需要取得繁殖率估計資料的人士，合計涵蓋了將近200個國家（地區），並保留從武漢株開始的資料。
以台灣在Omicron肆虐期間的資料而言，2月上旬的數字為1.03，而2個多月後就變成2.10，再過1個月又回到1.27，而這些數字全部都高於美國和全球的估計值，試問究竟應該選擇哪一個數字？況且，原作者還提供了估計值的65%和95%可信區間（credible interval），意指實際數字有65%或95%的機率是落在該區間之內，而且這些區間的高低點差距經常大於1.0。
既然有效繁殖率的估計誤差可能很大，那麼估算出來的HIT當然也有很大的誤差，因此前述的80%確實是在拼人品碰運氣，實際上沒什麼意義。這是群體免疫在實際應用上的最大困難，但該理論最大的問題還是在於不切實際的前提假設。為了簡化說明，本文只從4個方面來扼要討論。
群體免疫理論的主要缺陷
在推導出HIT＝1–(1/R)的過程中，其實隱含著「各項影響因素固定不變」的前提假設。但這些因素未必固定不變，於是實際的HIT隨時都可能改變。圖2扼要的列出4個方面的個影響因素，其箭頭旁的正負號代表影響方向，例如細菌或病毒傳染力呈現正號，代表傳染力愈強則HIT愈高。
在細菌或病毒因素方面，傳染力是用有效繁殖率來代表，對HIT的影響已如前述。突變速度是細菌或病毒繁殖時產生變化的速度，經常突變會導致既有的免疫機制迅速失效，從而造成有效繁殖率提高，因此突變愈快則HIT愈高。以新冠病毒而言，從武漢株開始的2年多以來，光是造成大規模流行的就還有Alpha、Delta、Omicron等病毒株，Omicron甚至在短短半年內就出現5種亞型，突變速度可說是非常快。
