《物理评论快报》发表研究指出，神经数据中常用的临界性特征可能由时间自相关与有限采样共同“伪造”。研究团队提出更稳健的检验框架，并在136名受试者静息态全脑fMRI数据中发现：群体层面的大脑动力学接近临界点但仍低于阈值。

康奈尔大学统计与数据科学副教授丹·科瓦尔提出“基于丰度的约束（ABCs）”方法，称其可在估计总体效应的同时识别亚群体差异，并避免常见参考组设定带来的偏差与统计精度下降。

巴西圣保罗大学与国家空间研究院团队在《Scientific Reports》发表研究，称以正态分布为基础的“高斯AHP”可在不增加变量的情况下，提高对滑坡易感区的识别准确度，并在圣塞巴斯蒂昂2023年暴雨滑坡事件中完成验证。