Changes

280 bytes removed , 3 years ago

Updating to match new version of source page

Line 81: Line 81:

La casualidad indica la falta de una cierta conexión entre causa y efecto. La incertidumbre de una estrecha unión entre la fuente y el fenómeno es uno de los problemas más adversos para determinar un diagnóstico.

−

En un caso clínico, un fenómeno <math>A(x)</math> (como por ejemplo una maloclusión, una mordida cruzada, una mordida abierta, etc.) se asocia aleatoriamente con otro fenómeno <math>B(x)</math> (como la degeneración ósea de la ATM); cuando hay excepciones para las cuales la proposición lógica <math> A (x) \ rightarrow B (x) </math> no siempre es cierta (pero lo es la mayor parte del tiempo), diremos que la relación <math> A (x) \ rightarrow B (x) </math> no siempre es cierto pero es probable.

+

En un caso clínico, un fenómeno <math>A(x)</math> (como por ejemplo una maloclusión, una mordida cruzada, una mordida abierta, etc.) se asocia aleatoriamente con otro fenómeno <math>B(x)</math> (como la degeneración ósea de la ATM); cuando hay excepciones para las cuales la proposición lógica <math>A(x) \rightarrow B(x)</math> no siempre es cierta (pero lo es la mayor parte del tiempo), diremos que la relación <math>A(x) \rightarrow B(x)</math> no siempre es cierto pero es probable.

−

{{q2|~~Pasamos~~ de una condición determinista a una estocástica.|}}

+

{{q2|Estamos pasando de una condición determinista a una estocástica.|}}

==Probabilidad subjetiva y objetiva==

Line 100: Line 100:

|DOI=10.1007/978-94-007-2260-6

|OCLC=

−

}}.</ref>, ~~quienes abordan~~ el problema de la lógica del lenguaje médico, son retomados y remodelamos ~~su contenido~~ remitiéndolos a nuestro caso clínico de Mary Poppins, para acercar nuestra comprensión a los contextos dentales.

+

}}.</ref>, que aborda el problema de la lógica del lenguaje médico, son retomados y remodelamos sus contenidos remitiéndolos a nuestro caso clínico de Mary Poppins, para acercar nuestra comprensión a los contextos dentales.

Se dice que los sucesos aleatorios y subjetivamente inciertos son probables; en consecuencia, la casualidad y la incertidumbre se tratan como probabilidades cualitativas, comparativas o cuantitativas.

Line 107: Line 107:

#Mary Poppins probablemente sufre de TMD (término cualitativo).

−

#Mary Poppins tiene más probabilidades de tener TMD que OP neuropático (término comparativo: número de casos diagnosticados de TMD versus n OP.

+

#Mary Poppins tiene más probabilidades de tener TMD que OP neuropático (término comparativo: número de casos diagnosticados de TMD versus n OP.

#La probabilidad de que Mary Poppins tenga TMD es de 0,15 (término cuantitativo, relativo a la población).

===Probabilidad subjetiva===

−

En un contexto de incertidumbre subjetiva humana, los datos probabilísticos, cualitativos, comparativos y / o cuantitativos pueden ser interpretados por el médico como una medida de incertidumbre subjetiva, con el fin de hacer que los 'estados de convicción' sean numéricamente representables..

+

En un contexto de incertidumbre subjetiva humana, los datos probabilísticos, cualitativos, comparativos y/o cuantitativos pueden ser interpretados por el médico como una medida de incertidumbre subjetiva, con el fin de hacer que los 'estados de convicción' sean numéricamente representables..

Por ejemplo, decir que "la probabilidad de que Mary Poppins se vea afectada por TMD es de 0,15 de los casos" es lo mismo que decir "en la medida del 15%, creo que Mary Poppins está afectada por TMD"; lo que significa que el grado de convicción es el grado de probabilidad subjetiva.

Line 143: Line 143:

}}</ref> ([https://en.wikipedia.org/wiki/Deductive-nomological_model deductive-nomological model]<ref>''Modelo DN de explicación científica'', también conocido como ''Modelo de Hempel'', ''Hempel–Oppenheim model'', ''Popper–Hempel model'', o ''modelo de ley de cobertura''</ref>). Pero esto no es realista, ya que el conocimiento médico utilizado en la toma de decisiones clínicas difícilmente contiene leyes deterministas causales que permitan explicaciones causales y, por ende, formular diagnósticos clínicos, entre otras cosas en el contexto de especialistas. Intentemos analizar nuevamente el caso de nuestras Mary Poppins, esta vez con un enfoque probabilístico-causal.

−

Consideremos un número <math> n </math> de personas, incluidas las personas que informan de dolor orofacial que generalmente tienen degeneración ósea de la articulación temporomandibular. Sin embargo, también puede haber otras causas aparentemente no relacionadas. Debemos traducir matemáticamente la "relevancia" que tienen estas incertidumbres causales a la hora de determinar un diagnóstico.

+

Consideremos un número <math>n</math> de personas, incluidas las personas que informan de dolor orofacial que generalmente tienen degeneración ósea de la articulación temporomandibular. Sin embargo, también puede haber otras causas aparentemente no relacionadas. Debemos traducir matemáticamente la "relevancia" que tienen estas incertidumbres causales a la hora de determinar un diagnóstico.

===La relevancia casual===

Line 161: Line 161:

dónde

−

:<math>P(E_2 \mid E_1)</math> indica la probabilidad de que algunas personas (entre <math>n</math> consideradas) sufran dolor orofacial causado por la degeneración ósea de la articulación temporomandibular,

+

:<math>P(E_2 \mid E_1)</math> indica la probabilidad de que algunas personas (entre <math>n</math> consideradas) sufran dolor orofacial causado por la degeneración ósea de la articulación temporomandibular,

mientras

+

:<math>P(E_2 \mid E_3)</math> indica la probabilidad de que otras personas (siempre entre <math>n</math> consideradas) sufran de Dolor Orofacial condicionado por algo diferente a la degeneración ósea de la Articulación Temporomandibular.

−

Dado que toda probabilidad sugiere que <math>P(A \mid B)</math> es un valor entre <math>0 </math> ~~and~~ <math>, el parámetro <math>(cr)</math> será un número entre <math>-1 </math> ~~and~~ <math>1 </math>.

+

Dado que toda probabilidad sugiere que <math>P(A \mid B)</math> es un valor entre <math>0</math> y <math>1</math>, el parámetro <math>(cr)</math> será un número entre <math>-1</math> y <math>1</math>.

Los significados que podemos darle a este número son los siguientes:

Line 196: Line 198:

</gallery>

−

Sea entonces <math> P (D) </math> la probabilidad de encontrar, en la muestra de nuestras <math> n </math> personas, individuos que presenten los elementos pertenecientes al conjunto mencionado <math> D = \ {\ delta_1, \ delta_2, ..., \ delta_n \} </math>

+

Sea entonces <math>P(D)</math> la probabilidad de encontrar, en la muestra de nuestras <math>n</math> personas, individuos que presenten los elementos pertenecientes al conjunto mencionado <math>D=\{\delta_1,\delta_2,...,\delta_n\} </math>

Para aprovechar la información proporcionada por este conjunto de datos, se introduce el concepto de partición de relevancia causal.:

Line 202: Line 204:

====La partición de la relevancia causal====

−

:Sea siempre <math> n </math> la cantidad de personas sobre las que tenemos que realizar los análisis, si dividimos (según ciertas condiciones, como se explica a continuación) este grupo en <math> k </math> subconjuntos <math> C_i </math> con <math> i = 1,2, \ dots, k </math>, se crea un clúster que se denomina "conjunto de particiones" <math> \ pi </math>:

+

:Sea siempre <math>n</math> la cantidad de personas sobre las que tenemos que realizar los análisis, si dividimos (según ciertas condiciones, como se explica a continuación) este grupo en <math>k</math> subconjuntos <math>C_i</math> con <math>i=1,2,\dots,k</math>, se crea un clúster que se denomina "conjunto de particiones" <math>\pi</math>:

:<math>\pi = \{C_1, C_2,\dots,C_k \} \qquad \qquad \text{with} \qquad \qquad C_i \subset n , </math>

−

donde con el simbolismo <math> C_i \ subset n </math> indica que la subclase <math> C_i </math> está contenida en <math> n </math>.

+

donde con el simbolismo <math>C_i\subset n </math> indica que la subclase <math>C_i</math> está contenida en <math>n</math>.

−

La partición <math> \ pi </math>, para que se defina como una partición de relevancia causal, debe tener estas propiedades:

+

La partición <math>\pi</math>, para que se defina como una partición de relevancia causal, debe tener estas propiedades:

−

#Para cada subclase <math> C_i </math> se debe aplicar la condición <math> rc = P (D \ mid C_i) - P (D) \ neq 0, </math> es decir, la probabilidad de encontrar en el subgrupo <math > C_i </math> una persona que presenta los síntomas, signos clínicos y elementos pertenecientes al conjunto <math> D = \ {\ delta_1, \ delta_2, ..., \ delta_n \} </math>. Se dice que una partición causalmente relevante de este tipo es '' 'homogénea' ''.

+

#Para cada subclase <math>C_i</math> se debe aplicar la condición <math>rc=P(D \mid C_i)- P(D) \neq 0, </math> es decir, la probabilidad de encontrar en el subgrupo <math>C_i</math> una persona que presenta los síntomas, signos clínicos y elementos pertenecientes al conjunto <math>D=\{\delta_1,\delta_2,...,\delta_n\} </math>. Se dice que una partición causalmente relevante de este tipo es '' 'homogénea' ''.

−

#Cada subconjunto <math> C_i </math> debe ser 'elemental', es decir, no debe dividirse en otros subconjuntos, porque si estos existieran no tendrían relevancia causal..

+

#Cada subconjunto <math>C_i</math> debe ser 'elemental', es decir, no debe dividirse en otros subconjuntos, porque si estos existieran no tendrían relevancia causal..

−

Supongamos ahora, por ejemplo, que la muestra de población <math> n </math>, a la que pertenece nuestra buena paciente Mary Poppins, es una categoría de sujetos de 20 a 70 años. También suponemos que en esta población tenemos aquellos que presentan los elementos pertenecientes al conjunto de datos <math> D = \ {\ delta_1, ..... \ delta_n \} </math> que corresponden a las pruebas de laboratorio mencionadas anteriormente y precisan en '[[La lógica del clásico ~~idioma~~]]'.

+

Supongamos ahora, por ejemplo, que la muestra de población <math>n</math>, a la que pertenece nuestra buena paciente Mary Poppins, es una categoría de sujetos de 20 a 70 años. También suponemos que en esta población tenemos aquellos que presentan los elementos pertenecientes al conjunto de datos <math>D=\{\delta_1,.....\delta_n\}</math> que corresponden a las pruebas de laboratorio mencionadas anteriormente y precisan en '[[La lógica del lenguaje clásico]]'.

−

Supongamos que en una muestra de 10,000 sujetos de 20 a 70 tendremos una incidencia de 30 sujetos <math> p (D) = 0.003 </math> mostrando signos clínicos <math> \ delta_1 </math> y <math > \ delta_4

+

Supongamos que en una muestra de 10,000 sujetos de 20 a 70 tendremos una incidencia de 30 sujetos <math>p(D)=0.003</math> mostrando signos clínicos <math>\delta_1</math> y <math>\delta_4</math>. Preferimos utilizar estos informes para la demostración del proceso probabilístico porque en la literatura los datos sobre los signos y síntomas clínicos de los trastornos temporomandibulares tienen una variación demasiado amplia y una incidencia demasiado alta en nuestra opinión..<ref name=":2">{{Cite book

−

</math>. Preferimos utilizar estos informes para la demostración del proceso probabilístico porque en la literatura los datos sobre los signos y síntomas clínicos de los trastornos temporomandibulares tienen una variación demasiado amplia y una incidencia demasiado alta en nuestra opinión..<ref name=":2">{{Cite book

| autore = Pantoja LLQ

| autore2 = De Toledo IP

Line 376: Line 377:

====Situaciones clínicas====

−

Estas probabilidades condicionales demuestran que cada una de las cuatro subclases de la partición es causalmente relevante para los datos del paciente <math> D = \ {\ delta_1, ..... \ delta_n \} </math> en la muestra de población <math> PO </ math>. Dada la partición antes mencionada de la clase de referencia, tenemos las siguientes situaciones clínicas:

+

Estas probabilidades condicionales demuestran que cada una de las cuatro subclases de la partición es causalmente relevante para los datos del paciente <math>D=\{\delta_1,.....\delta_n\}</math> en la muestra de población <math>PO</math>. Dada la partición antes mencionada de la clase de referencia, tenemos las siguientes situaciones clínicas:

−

*Mary Poppins <math> \ in </math> degeneración de la articulación temporomandibular <math> \ cap </math> Trastornos temporomandibulares

+

*Mary Poppins <math>\in</math> degeneración de la articulación temporomandibular <math>\cap</math> Trastornos temporomandibulares

−

*Mary Poppins <math> \ in </math> degeneración de la articulación temporomandibular <math> \ cap </math> sin trastornos temporomandibulares

+

*Mary Poppins <math>\in</math> degeneración de la articulación temporomandibular <math>\cap</math> sin trastornos temporomandibulares

−

*Mary Poppins <math> \ in </math> sin degeneración de la articulación temporomandibular <math> \ cap </math> Trastornos temporomandibulares

+

*Mary Poppins <math>\in</math> sin degeneración de la articulación temporomandibular <math>\cap</math> Trastornos temporomandibulares

−

*Mary Poppins <math> \ in </math> sin degeneración de la articulación temporomandibular <math> \ cap </math> sin trastornos temporomandibulares

+

*Mary Poppins <math>\in</math> sin degeneración de la articulación temporomandibular <math>\cap</math> sin trastornos temporomandibulares

−

Para llegar al diagnóstico final anterior, realizamos un análisis probabilístico-causal del estado de salud de Mary Poppins, cuyos datos iniciales fueron <math> D = \ {\ delta_1, ..... \ delta_n \} </math>.

+

Para llegar al diagnóstico final anterior, realizamos un análisis probabilístico-causal del estado de salud de Mary Poppins, cuyos datos iniciales fueron <math>D=\{\delta_1,.....\delta_n\}</math>.

En general, podemos referirnos a un proceso lógico en el que examinamos los siguientes elementos:

Line 395: Line 396:

*una probabilidad base <math>P(D)=0,003</math>

−

En este punto deberíamos introducir argumentos demasiado especializados que desviarían al lector del tema pero que tienen una alta importancia epistémica por lo que intentaremos extraer el hilo lógico más descrito del concepto Analysandum / Analysans..

+

En este punto deberíamos introducir argumentos demasiado especializados que desviarían al lector del tema pero que tienen una alta importancia epistémica por lo que intentaremos extraer el hilo lógico más descrito del concepto Analysandum/Analysans..

−

El análisis probabilístico-causal de <math> D = \ {\ delta_1, ..... \ delta_n \} </math> es entonces un par de las siguientes formas lógicas (Analysandum / Analysans<ref>{{Cite book

+

El análisis probabilístico-causal de <math>D=\{\delta_1,.....\delta_n\}</math> es entonces un par de las siguientes formas lógicas (Analysandum / Analysans<ref>{{Cite book

| autore = Westmeyer H

| titolo = The diagnostic process as a statistical-causal analysis

Line 415: Line 416:

}}</ref>):

−

*'''Analysandum '' '<math> = \ {P (D), a \} </math>: es una forma lógica que contiene dos parámetros:' 'probabilidad' '<math> P (D) </math> ~~para~~ seleccionar una persona que tiene los síntomas y elementos pertenecientes al conjunto <math> D = \ {\ delta_1, \ delta_2, ..., \ delta_n \} </math>, y el '' individuo genérico '' <math> a </math> que es propenso a esos síntomas.

+

*'''Analysandum ''' <math> = \{P(D),a\}</math>: es una forma lógica que contiene dos parámetros: ''probabilidad'' <math>P(D)</math> de seleccionar una persona que tiene los síntomas y elementos pertenecientes al conjunto <math>D=\{\delta_1,\delta_2,...,\delta_n\}</math>, y el '' individuo genérico '' <math>a</math> que es propenso a esos síntomas.'''

−

*'''Analysan <math> = \ {\ pi, a, KB \} </math> '' ': es una forma lógica que contiene tres parámetros: la' 'partición' '<math> \ pi </math>, la' 'individuo genérico' '<math> a </math> perteneciente a la muestra de población <math> n </math> y' '<math> KB </math> (Knowledge Base)' 'que incluye un conjunto de <math~~> n </math>~~ > n> 1 </math> enunciados de probabilidad condicionada.

+

*'''Analysan <math>= \{\pi,a,KB\}</math>''': es una forma lógica que contiene tres parámetros: la ''partición'' <math>\pi</math>, la ''individuo genérico'' <math>a</math> perteneciente a la muestra de población <math>n</math> y ''<math>KB</math> (Knowledge Base)'' que incluye un conjunto de <math>n>1</math> enunciados de probabilidad condicionada.'''

Por ejemplo, se puede concluir que el diagnóstico definitivo es el siguiente:

Line 426: Line 427:

Tomamos un camino largo y tortuoso para comprender mejor la complejidad que encontró el colega que lucha con la gran responsabilidad ética de hacer un diagnóstico. Sin embargo, esta tarea se vuelve aún más compleja cuando necesitamos ser detallados y cuidadosos al realizar un diagnóstico diferencial..

−

Aquí nos adentramos en un tema delicado, que se vincula con los contenidos epistemológicos y que en primer lugar se relató en la "[[Introducción]]". ~~Nosotros estamos~~ hablando de:

+

Aquí nos adentramos en un tema delicado, que se vincula con los contenidos epistemológicos y que en primer lugar se relató en la "[[Introducción]]". Estamos hablando de:

−

*'''Interdisciplinariedad''': ''En política científica, generalmente se reconoce que la resolución de problemas basada en la ciencia requiere investigación interdisciplinaria ('' 'IDR' ''), como propone el proyecto de la UE denominado Horizonte 2020.<ref>European Union, ''[https://ec.europa.eu/programmes/horizon2020/en/h2020-section/societal-challenges Horizon 2020]''</ref>. En un estudio reciente, los autores se centran en la cuestión de por qué los investigadores tienen dificultades cognitivas y epistémicas para realizar la IDR. Se cree que la pérdida del interés filosófico en la epistemología de la investigación interdisciplinaria es causada por un paradigma filosófico de la ciencia llamado "Paradigma Físico de la Ciencia", que impide el reconocimiento de importantes cambios de IDR tanto en la filosofía de la ciencia como en la investigación.. El paradigma filosófico alternativo propuesto, denominado 'Paradigma de la Ingeniería de la Ciencia', hace supuestos filosóficos alternativos sobre aspectos como el propósito de la ciencia, el carácter del conocimiento, los criterios epistémicos y pragmáticos para la aceptación del conocimiento y el papel de las herramientas tecnológicas. En consecuencia, los investigadores científicos necesitan los llamados andamios metacognitivos para ayudarlos en el análisis y la reconstrucción de cómo se construye el 'conocimiento' en diferentes disciplinas.. En la investigación interdisciplinaria, los andamios metacognitivos ayudan a la comunicación interdisciplinaria a analizar y articular cómo la disciplina genera conocimiento.<ref name=":0">{{cita libro

+

*'''Interdisciplinariedad''': ''En política científica, generalmente se reconoce que la resolución de problemas basada en la ciencia requiere investigación interdisciplinaria ('''IDR'''), como propone el proyecto de la UE denominado Horizonte 2020.<ref>European Union, ''[https://ec.europa.eu/programmes/horizon2020/en/h2020-section/societal-challenges Horizon 2020]''</ref>. En un estudio reciente, los autores se centran en la cuestión de por qué los investigadores tienen dificultades cognitivas y epistémicas para realizar la IDR. Se cree que la pérdida del interés filosófico en la epistemología de la investigación interdisciplinaria es causada por un paradigma filosófico de la ciencia llamado "Paradigma Físico de la Ciencia", que impide el reconocimiento de importantes cambios de IDR tanto en la filosofía de la ciencia como en la investigación.. El paradigma filosófico alternativo propuesto, denominado 'Paradigma de la Ingeniería de la Ciencia', hace supuestos filosóficos alternativos sobre aspectos como el propósito de la ciencia, el carácter del conocimiento, los criterios epistémicos y pragmáticos para la aceptación del conocimiento y el papel de las herramientas tecnológicas. En consecuencia, los investigadores científicos necesitan los llamados andamios metacognitivos para ayudarlos en el análisis y la reconstrucción de cómo se construye el 'conocimiento' en diferentes disciplinas.. En la investigación interdisciplinaria, los andamios metacognitivos ayudan a la comunicación interdisciplinaria a analizar y articular cómo la disciplina genera conocimiento.<ref name=":0">{{cita libro

| autore = Boon M

| autore2 = Van Baalen S

Line 457: Line 458:

}}</ref>''

−

Este concepto está ligado al tema discutido anteriormente en el que el colega debe ser consciente de su propia 'Incertidumbre subjetiva' (debido a un lenguaje lógico clásico 'enfermo o sano') y de la 'Incertidumbre objetiva' (debido a un lenguaje lógico probabilístico ' probablemente enfermo o probablemente sano '). No es complicado probar esta afirmación: la incertidumbre de la que hablamos deriva del hecho de que los elementos, afirmaciones, datos, clases y subclases mencionados y que construyen el aparato de la lógica del lenguaje probabilístico: Analysandum <math> = \{P(D),a\}</math> y Analysan <math> = \{P(D),a\}</math> son elementos que existen en un mundo específico, y en este caso en un contexto dental en el que el elemento <math> KB </math> del proceso indica indiscutiblemente un "conocimiento básico" solo en un contexto dental específico.

+

Este concepto está ligado al tema discutido anteriormente en el que el colega debe ser consciente de su propia 'Incertidumbre subjetiva' (debido a un lenguaje lógico clásico 'enfermo o sano') y de la 'Incertidumbre objetiva' (debido a un lenguaje lógico probabilístico ' probablemente enfermo o probablemente sano '). No es complicado probar esta afirmación: la incertidumbre de la que hablamos deriva del hecho de que los elementos, afirmaciones, datos, clases y subclases mencionados y que construyen el aparato de la lógica del lenguaje probabilístico: Analysandum <math> = \{P(D),a\}</math> y Analysan <math> = \{P(D),a\}</math> son elementos que existen en un mundo específico, y en este caso en un contexto dental en el que el elemento <math>KB</math> del proceso indica indiscutiblemente un "conocimiento básico" solo en un contexto dental específico.

Esta conclusión confirmada por el dentista fue la siguiente:

Line 463: Line 464:

−

o mejor: Creo en un 95% que Mary Poppins se ve afectada por TMD ya que tiene una degeneración de la articulación temporomandibular además de la positividad de los datos <math> D = \ {\ delta_1, \ dots \ delta_n \} </math>

+

o mejor: Creo en un 95% que Mary Poppins se ve afectada por TMD ya que tiene una degeneración de la articulación temporomandibular además de la positividad de los datos <math>D=\{\delta_1,\dots\delta_n\}</math>

Pero sucede algo extraño porque de la nada, un investigador, que usa 'andamios metacognitivos'<ref>{{Cite book

Line 486: Line 487:

{{q4|...Existe otro mundo o contexto, paralelo al tuyo, en el que además de los datos D hay otros datos desconocidos para ti?|}}

−

y aumentar la dosis: somete a Mary Poppins a las siguientes pruebas electrofisiológicas del trigémino, etiquételas como lo hicimos anteriormente para los datos del conjunto <math> D = \ {\ delta_1, \ dots \ delta_n \} </math> generando otro conjunto que contenga un número <math> m </math> de datos desconocidos (que no pertenecen a la rama puramente dental) <math> C = \ {\ gamma_1, \ dots \ gamma_m \} </math> creando así un conjunto completamente nuevo que llamaremos <math> S_ {unknow} = D + C = \ {\ delta_1, \ dots, \ delta_n, \ gamma_1, \ dots, \ gamma_m \} </math> (llamado <math> S_ {unknown} </math> precisamente debido a la presencia de datos desconocidos para el contexto dental).

+

y aumentar la dosis: somete a Mary Poppins a las siguientes pruebas electrofisiológicas del trigémino, etiquételas como lo hicimos anteriormente para los datos del conjunto <math>D=\{\delta_1,\dots\delta_n\}</math> generando otro conjunto que contenga un número <math>m</math> de datos desconocidos (que no pertenecen a la rama puramente dental) <math>C=\{\gamma_1,\dots\gamma_m\}</math> creando así un conjunto completamente nuevo que llamaremos <math>S_{unknow}= D+C=\{\delta_1,\dots,\delta_n,\gamma_1,\dots,\gamma_m\}</math> (llamado <math>S_{unknown}</math> precisamente debido a la presencia de datos desconocidos para el contexto dental).

<math>\delta_1=</math> Informe radiológico positivo de la ATM en la Figura 2

FuzzyBot

2,041

edits

Changes

The logic of probabilistic language/es (view source)

Revision as of 05:38, 27 October 2021