Changes

dove  

dove  

:<math>P(E_2 \mid E_1)</math> indicates the probability that some people (among <math>n</math> taken into consideration) suffer from Orofacial Pain caused by bone degeneration of the Temporomandibular Joint,  

 

:<math>P(E_2 \mid E_1)</math> indica la probabilità che alcune persona (fra le <math>n</math>persone in considerazione)soffrono di Dolore Orofacciale causato da degenerazione dell'Articolazione Temporomandibolare,

mentre  

mentre  

Since all probability suggest that <math>P(A \mid B)</math> is a value between <math>0 </math> and <math>1 </math>, the parameter <math>(cr)</math> will be a number that is between <math>-1 </math> and <math>1 </math>.

:<math>P(E_2 \mid E_3)</math> indica la probabilità che altre persone (sempre tra gli <math>n</math> presi in considerazione) soffrano di Dolore Orofacciale condizionato da qualcosa differente dalla degenerazione ossea dell'Articolazione Temporomandibolare..

*we have the extreme cases (which in reality never occur) which are:

I significati che possiamo dare a questo numero sono i seguenti:  

* abbiamo i casi estremi (che nella realtà non si verificano mai) che sono:

:*<math>cr=-1</math> which indicates that the cause of orofacial pain is never bone degeneration of the TMJ but is something else,

:*<math>cr=0</math> indicating that the probability that orofacial pain is caused by bone degeneration of the TMJ or otherwise is exactly the same,

*and the intermediate cases (which are the realistic ones)

:*<math>cr=1</math> che indica che l'unica causa del dolore orofacciale è la degenerazione ossea dell'ATM,,

:*<math>cr>0</math> indicating that the cause of orofacial pain is more likely to be bone degeneration of the TMJ,

:*<math>cr<0</math> which indicates that the cause of orofacial pain is more likely not bone degeneration of the TMJ.

 

:*<math>cr>0</math> che indica che è più probabile che la causa del dolore orofacciale sia la degenerazione ossea dell'ATM,,

:*<math>cr<0</math> che indica che è più probabile che la causa del dolore orofacciale non sia la degenerazione ossea dell'ATM..

<center>

<center>

===Second Clinical Approach===

===Secondo approccio clinico===

''(hover over the images)''

''(passa il mouse sulle immagini)''

</center>

</center>

<gallery mode="packed-hover" widths="250" heights="182" perrow="3">

<gallery mode="packed-hover" widths="250" heights="182" perrow="3">

File:Spasmo emimasticatorio.jpg|'''Figura 1:''' Patient reporting "Orofacial pain in the right hemilateral"

File:Spasmo emimasticatorio.jpg|'''Figura 1:''' Paziente che riporta 'Dolore orofaccialenell'emilato destro'

File:Spasmo emimasticatorio ATM.jpg|'''Figura 2:''' Patient's TMJ Stratigraphy showing signs of condylar flattening and osteophyte

File:Spasmo emimasticatorio ATM.jpg|'''Figura 2:''' Stratigrafia dell'ATM del paziente che mostra segni di appiattimento consolare ed osteofita

File:Atm1 sclerodermia.jpg|'''Figura 3:''' Computed Tomography of the TMJ

File:Atm1 sclerodermia.jpg|'''Figura 3:''' Tomografia Computerizzata della ATM

File:Spasmo emimasticatorio assiografia.jpg|'''Figura 4:''' Axiography of the patient showing a flattening of the chewing pattern on the right condyle

File:Spasmo emimasticatorio assiografia.jpg|'''Figura 4:''' Assiografia consolare del paziente che mostra un appiattimento dei pattern masticatori del condilo destro

File:EMG2.jpg|'''Figura 5:''' EMG Interferential Pattern. Overlapping upper traces corresponding to the right masseter, lower to the left masseter.

File:EMG2.jpg|'''Figura. 5:''' Pattern Interferenziale EMG. La sovrapposizione delle tracce superiori corrispondono al massetere destro, le inferiori al massetere sinistro dei masseteri.

</gallery>

</gallery>

<br />So be it then <math>P(D)</math> the probability of finding, in the sample of our <math>n</math> people, individuals who present the elements belonging to the aforementioned set <math>D=\{\delta_1,\delta_2,...,\delta_n\}</math>

<br />Sia allora <math>P(D)</math> la probabilità di trovare, nel campione delle nostre <math>n</math> persone, individui che presentano gli elementi appartenenti al suddetto set <math>D=\{\delta_1,\delta_2,...,\delta_n\}</math>

In order to take advantage of the information provided by this dataset, the concept of partition of causal relevance is introduced:

Per poter usufruire delle informazioni fornite da questo set di dati s'introduce il concetto di partizione della rilevanza causale::

====The partition of causal relevance====

====La partizione della rilevanza casuale====

:Always be <math>n</math> the number of people we have to conduct the analyses upon, if we divide (based on certain conditions as explained below) this group into <math>k</math> subsets <math>C_i</math> with <math>i=1,2,\dots,k</math>, a cluster is created that is called a "partition set" <math>\pi</math>:

:Sia sempre <math>n</math> il numero delle persone che abbiamo per condurre le analisi, se si divide (in base a determinate condizioni spiegate nel seguito) questo gruppo in <math>k</math> sottoinsiemi <math>C_i</math> con <math>i=1,2,\dots,k</math>, si crea quello che viene definito un set di partizione <math>\pi</math>:

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

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

where with the symbolism <math>C_i \subset n </math> it indicates that the subclass <math>C_i</math> is contained in <math>n</math>.

dove con il simbolismo <math>C_i \subset n </math> si indica che la sottoclasse  <math>C_i</math> è contenuta in <math>C_i</math> è contenuta in <math>n</math>.

 

The partition <math>\pi</math>, in order for it to be defined as a partition of causal relevance, must have these properties:

#Per ogni sottoclasse<math>C_i</math>  deve valere la condizione <math>rc=P(D \mid C_i)- P(D )\neq 0, </math> ovvero la probabilità di trovare nel sottogruppo <math>C_i</math>  

#For each subclass <math>C_i</math> the condition must apply <math>rc=P(D \mid C_i)- P(D )\neq 0, </math> ie the probability of finding in the subgroup <math>C_i</math> a person who has the symptoms, clinical signs and elements belonging to the set <math>D=\{\delta_1,\delta_2,...,\delta_n\}</math>. A causally relevant partition of this type is said to be '''homogeneous'''.

una persona che abbia i sintomi e gli elementi appartenenti al set <math>D=\{\delta_1,\delta_2,...,\delta_n\}</math>. non può essere identica a quella che si avrebbe nel trovarla "pescando" in tutto il campione <math>n</math>

#Each subset <math>C_i</math> must be 'elementary', i.e. it must not be further divided into other subsets, because if these existed they would have no causal relevance.

Una partizione causalmente rilevante di questo tipo si dice 'omogenea'..

#Ogni sottoinsieme <math>C_i</math> deve essere "elementare", cioè non deve essere ulteriormente diviso in altri sottoinsiemi, perché se questi esistessero non avrebbero alcuna rilevanza causale.

Now let us assume, for example, that the population sample <math>n</math>, to which our good patient Mary Poppins belongs, is a category of subjects aged 20 to 70. We also assume that in this population we have those who present the elements belonging to the data set <math>D=\{\delta_1,.....\delta_n\}</math> which correspond to the laboratory tests mentioned above and precisa in '[[The logic of classical language]]'.

Ora supponiamo, per esempio, che il campione di popolazione <math>n</math>, a cui appartiene la nostra buona paziente Mary Poppins, sia una categoria di soggetti dai 20 ai 70 anni. Supponiamo anche che in questa popolazione abbiamo coloro che presentano gli elementi appartenenti all'insieme di dati <math>D=\{\delta_1,.....\delta_n\}</math> che corrispondono ai test di laboratorio menzionati sopra e presentata in '[[La logica del linguaggio classico]]'.

Let us suppose that in a sample of 10,000 subjects from 20 to 70 we will have an incidence of 30 subjects <math>p(D)=0.003</math> showing clinical signs <math>\delta_1</math> and <math>\delta_4

Let us suppose that in a sample of 10,000 subjects from 20 to 70 we will have an incidence of 30 subjects <math>p(D)=0.003</math> showing clinical signs <math>\delta_1</math> and <math>\delta_4

  }}</ref>):

  }}</ref>):

*'''Analysandum''' <math>  = \{P(D),a\}</math>: is a logical form that contains two parameters: ''probability'' <math>P(D)</math> to select a person who has the symptoms and elements belonging to the set <math>D=\{\delta_1,\delta_2,...,\delta_n\}</math>, and the ''generic individual'' <math>a</math> who is prone to those symptoms.

*'''Analysandum''' <math>  = \{P(D),a\}</math>: is a logical form that contains two parameters: ''probability'' <math>P(D)</math> to select a person who has the symptoms and elements belonging to the set <math>D=\{\delta_1,\delta_2,...,\delta_n\}</math>, and the ''generic individual'' <math>a</math> who is prone to those symptoms.'''

*'''Analysan <math>= \{\pi,a,KB\}</math>''': is a logical form that contains three parameters: the ''partition'' <math>\pi</math>, the ''generic individual'' <math>a</math> belonging to the population sample <math>n</math> and ''<math>KB</math> (Knowledge Base)'' which includes a set of <math>n>1</math> statements of conditioned probability.

*'''Analysan <math>= \{\pi,a,KB\}</math>''': is a logical form that contains three parameters: the ''partition'' <math>\pi</math>, the ''generic individual'' <math>a</math> belonging to the population sample <math>n</math> and ''<math>KB</math> (Knowledge Base)'' which includes a set of <math>n>1</math> statements of conditioned probability.'''

For example, it can be concluded that the definitive diagnosis is the following:

For example, it can be concluded that the definitive diagnosis is the following: