Introduzione - Cronologia

Gianni il 19:29, 16 gen 2026

2026-01-16T19:29:18Z

← Versione meno recente		Versione delle 19:29, 16 gen 2026
Riga 15:		Riga 15:



			<onlyinclude>
	== '''Abstract''' ==		== '''Abstract''' ==

Gianni il 19:28, 16 gen 2026

2026-01-16T19:28:48Z

← Versione meno recente		Versione delle 19:28, 16 gen 2026
Riga 15:		Riga 15:



	~~<onlyinclude>~~
	== '''Abstract''' ==		== '''Abstract''' ==

Gianni il 09:51, 29 dic 2025

2025-12-29T09:51:47Z

← Versione meno recente		Versione delle 09:51, 29 dic 2025
Riga 16:		Riga 16:


			<onlyinclude>
	== '''Abstract''' ==		== '''Abstract''' ==
	Il sistema masticatorio, che comprende denti, occlusione, muscoli, articolazioni e sistema nervoso centrale e periferico, è sempre più compreso come un sistema complesso piuttosto che come un semplice meccanismo biomeccanico. Questo cambiamento di prospettiva si allinea alle fasi dei cambiamenti di paradigma di Thomas Kuhn, dove le anomalie nei modelli tradizionali innescano la ricerca di nuovi paradigmi. Nel contesto di Masticationpedia, emerge un nuovo approccio interdisciplinare alla diagnosi e al trattamento della malocclusione, concentrandosi su "Dismorfismi Occlusali" piuttosto che su "Malocclusioni". Recenti progressi nei test elettrofisiologici, come i potenziali evocati motori e i riflessi mandibolari, rivelano una simmetria funzionale nel sistema masticatorio, anche in pazienti con discrepanze occlusali. Questa scoperta sfida la comprensione tradizionale della malocclusione, suggerendo che le dinamiche neuromuscolari giocano un ruolo cruciale nel mantenimento della funzione masticatoria. Di conseguenza, sono necessarie diagnosi interdisciplinari che considerino sia i fattori occlusali che quelli neuromuscolari per una diagnosi accurata e un trattamento efficace.

	Questo cambiamento di paradigma ha implicazioni per le attuali terapie riabilitative, tra cui ortodonzia e protesi, che si sono tradizionalmente concentrate sul raggiungimento della stabilità occlusale. Tuttavia, considerare il sistema masticatorio come un sistema complesso richiede un approccio integrativo che incorpora sia fattori estetici che neurofisiologici per prevenire le recidive ed ottenere una stabilità funzionale a lungo termine. Il campo emergente dei trattamenti OrthoNeuroGnathodontici esemplifica questo approccio interdisciplinare, offrendo strategie innovative per affrontare i disturbi masticatori.

	~~Guardando il~~ sistema masticatorio ~~attraverso la lente della scienza della complessità~~, ~~il campo dell~~'~~odontoiatria può ampliare la propria comprensione della stabilità~~ e ~~della disfunzione occlusale~~, ~~portando infine a nuovi paradigmi di trattamento~~ che ~~migliorano i risultati per i pazienti. Questo nuovo modello~~ non ~~sostituisce i trattamenti~~ tradizionali, ~~ma cerca~~ di ~~arricchirli con una prospettiva interdisciplinare più ampia, in linea con l'evoluzione della scienza della riabilitazione masticatoria~~.		Il sistema masticatorio (denti, occlusione, muscoli, articolazioni, controllo nervoso centrale e periferico) va compreso come '''sistema complesso''' e non come semplice meccanismo biomeccanico. In questa cornice, le anomalie che non rientrano nei modelli tradizionali funzionano come “segnali di crisi” (Kuhn), spingendo verso un cambio di paradigma diagnostico e terapeutico.

	~~<div class="mw-collapsible mw-collapsed" style="border: 2px solid #4a90e2; padding: 15px; background: #eef5ff; font-size: 95%; border-radius: 10px; box-shadow: 0 2px 6px rgba~~(0,0,~~0,0~~.~~1);">~~		In Masticationpedia questo passaggio si traduce in un approccio interdisciplinare che sposta il focus da “'''Malocclusioni'''” a “'''Dismorfismi Occlusali'''”, perché la morfologia non basta a predire la funzione. I test elettrofisiologici (potenziali evocati motori, riflessi mandibolari, periodo silente) mostrano che una '''simmetria neuromuscolare funzionale''' può essere presente anche in pazienti con discrepanze occlusali evidenti. Questo dato contraddice l’idea che l’asimmetria morfologica equivalga automaticamente a disfunzione e suggerisce che il sistema nervoso abbia un ruolo cruciale nel mantenere l’equilibrio funzionale.
	~~<b style="font-size: 110%; color: #004080;">🚀 Call for Authors – <span style="color:#c43db7;">Esplodi la tua genialità intellettuale!</span></b><br>~~
	~~<span style="color: #666;">(Clicca per scoprire gli argomenti suggeriti per pubblicare su <b>Masticationpedia</b>)</span>~~

	~~<div class="mw-collapsible-content" style="margin-top~~:~~10px; padding-top:10px;">~~		Ne deriva una conseguenza clinica: la riabilitazione (ortodonzia, protesi, chirurgia) non può più mirare solo alla “stabilità occlusale” intesa in senso statico, ma deve integrare criteri neurofisiologici per prevenire recidive e ottenere stabilità funzionale a lungo termine. In questa direzione si collocano i trattamenti OrthoNeuroGnathodontici, come modello operativo coerente con la medicina dei sistemi complessi.
	~~<p style="margin-bottom: 8px;">L'enciclopedia clinica dedicata~~ alla ~~<b>riabilitazione masticatoria</b> ti invita~~ a ~~proporre articoli sui seguenti temi chiave per rimanere aderente alla 'Mission' filosofico scientifica di Masticationpedia:</p>~~

	* sistema masticatorio		'''Tre domande guida del capitolo'''
	* nuovo paradigma		# '''Che cosa''': in che senso il sistema masticatorio è un sistema complesso (e non solo biomeccanico)?
	* dinamiche neuromuscolari		# '''Perché''': perché “malocclusione” è spesso una categoria insufficiente sul piano funzionale e diagnostico?
	* recidive		# '''Come''': come i test elettrofisiologici cambiano la diagnosi e la strategia terapeutica (dalla forma alla funzione)?
	* scienza della complessità
	* Casi clinici complessi

	~~👨‍⚕️ Se sei un clinico o ricercatore visionario inizia da <b>[[For Authors\|qui]]~~</~~b> la tua pubblicazione<br~~>		</onlyinclude>

	~~</div>~~
	~~</div>~~

	==Ab ovo {{Tooltip\|<sup>[1]</sup>\|<ref><small>Latino per 'sin dall'inizio'</small></ref>\|<small>Latino per 'sin dall'inizio'</small>\|}}==		==Ab ovo {{Tooltip\|<sup>[1]</sup>\|<ref><small>Latino per 'sin dall'inizio'</small></ref>\|<small>Latino per 'sin dall'inizio'</small>\|}}==
Riga 340:		Riga 330:

	{{apm}}[[Category:Introduzione]]		{{apm}}[[Category:Introduzione]]
	~~<onlyinclude></onlyinclude>~~

Gianni il 08:01, 14 set 2025

2025-09-14T08:01:09Z

← Versione meno recente		Versione delle 08:01, 14 set 2025
Riga 168:		Riga 168:
	}}</ref>\|<small>🧠 Alcuni di voi, esplorando questo numero speciale di The American Statistician, potrebbero chiedersi se si tratti di una ramanzina da parte di statistici pedanti intenti a farvi la morale su cosa non fare con i p-value, senza però offrire reali soluzioni al difficile problema di separare il segnale dal rumore nei dati e prendere decisioni in condizioni di incertezza. Non temete.In questo numero, grazie a 43 articoli innovativi e stimolanti scritti da statistici lungimiranti, arriva l’aiuto di cui abbiamo bisogno.</small>\|}} Il volume propone nuove modalità di rappresentazione dell’incertezza e invita a superare la dipendenza dal P-value come unica metrica della verità scientifica.		}}</ref>\|<small>🧠 Alcuni di voi, esplorando questo numero speciale di The American Statistician, potrebbero chiedersi se si tratti di una ramanzina da parte di statistici pedanti intenti a farvi la morale su cosa non fare con i p-value, senza però offrire reali soluzioni al difficile problema di separare il segnale dal rumore nei dati e prendere decisioni in condizioni di incertezza. Non temete.In questo numero, grazie a 43 articoli innovativi e stimolanti scritti da statistici lungimiranti, arriva l’aiuto di cui abbiamo bisogno.</small>\|}} Il volume propone nuove modalità di rappresentazione dell’incertezza e invita a superare la dipendenza dal P-value come unica metrica della verità scientifica.

			<span id="Interdisciplinarità"></span>
	== Interdisciplinarità ==		== Interdisciplinarità ==
	Una visione superficiale potrebbe suggerire un conflitto tra la rigidità disciplinare del ''<nowiki/>'Paradigma Fisico della Scienza''<nowiki/>' {{Tooltip\|\|2=Il "Paradigma Fisico della Scienza" descrive un approccio epistemologico prevalente nelle scienze fisiche, incentrato su modelli deterministici e metodologie sperimentali rigorose. Questo paradigma si basa su osservazioni empiriche e sul metodo scientifico per cercare leggi universali che governano i fenomeni naturali.''' Caratteristiche chiave'''1. Determinismo: Assume che i fenomeni naturali seguano leggi fisse, permettendo previsioni accurate basate su condizioni iniziali. 2. ''Misurabilità e riproducibilità'': Sottolinea misurazioni quantitative ed esperimenti riproducibili per confermare risultati in diversi contesti. 3. ''Isolamento delle variabili'': Si concentra sull'analisi di effetti specifici isolando le variabili, spesso idealizzando sistemi in condizioni controllate. Sebbene efficace nelle scienze naturali classiche, il paradigma fisico ha limitazioni in campi complessi come la neurofisiologia, dove le interazioni dinamiche e la variabilità sfidano i modelli deterministici. '''Applicazione nella Neurofisiologia Masticatoria''': Nella neurofisiologia masticatoria, il paradigma fisico aiuta a sviluppare modelli di base, ma non riesce a spiegare i comportamenti emergenti, come il reclutamento delle unità motorie in risposta a stimoli complessi. '''Verso un Paradigma Integrato''': Emergente è un "Paradigma Ingegneristico della Scienza", che offre un approccio più adattivo che considera la complessità, permettendo modelli predittivi più flessibili che tengono conto delle interazioni non lineari nei sistemi biologici}} e l’apertura sistemica del Paradigma Ingegneristico della Scienza {{Tooltip\|\|2=Il '''Paradigma Ingegneristico della Scienza''' enfatizza le applicazioni pratiche, la collaborazione interdisciplinare e la comprensione dei sistemi complessi. Contrasta con i modelli deterministici tradizionali, concentrandosi invece sulla risoluzione di problemi del mondo reale, particolarmente in campi come biologia, medicina e scienze sociali.''' Caratteristiche chiave''' ''Orientamento alla Risoluzione dei Problemi'': Prioritizza soluzioni a questioni complesse rispetto a modelli puramente teorici. ''Collaborazione Interdisciplinare'': Incoraggia l'integrazione della conoscenza proveniente da varie discipline, migliorando la comprensione attraverso esperienze condivise. ''Focus sui Sistemi Complessi'': Riconosce il comportamento emergente e l'interconnettività dei componenti del sistema, riconoscendo che i risultati possono essere imprevedibili e non lineari. ''Processo Iterativo'': Abbraccia un approccio adattivo, affinando i modelli in base ai dati empirici e al feedback per migliorare la reattività.'''Integrazione Tecnologica''': Applica principi ingegneristici per migliorare la progettazione della ricerca e l'analisi dei dati, utilizzando simulazioni e modellazione computazionale. '''Applicazione nella Neurofisiologia Masticatoria''' Nella neurofisiologia masticatoria, questo paradigma promuove strumenti diagnostici e approcci terapeutici innovativi. Integrando neurofisiologia, biomeccanica e scienza dei materiali, fornisce una visione completa della funzione e disfunzione della mandibola. Il Paradigma Ingegneristico della Scienza promuove collaborazione e innovazione, portando infine a progressi che migliorano la nostra comprensione dei sistemi complessi e migliorano i risultati pratici in vari campi.}}		Una visione superficiale potrebbe suggerire un conflitto tra la rigidità disciplinare del ''<nowiki/>'Paradigma Fisico della Scienza''<nowiki/>' {{Tooltip\|\|2=Il "Paradigma Fisico della Scienza" descrive un approccio epistemologico prevalente nelle scienze fisiche, incentrato su modelli deterministici e metodologie sperimentali rigorose. Questo paradigma si basa su osservazioni empiriche e sul metodo scientifico per cercare leggi universali che governano i fenomeni naturali.''' Caratteristiche chiave'''1. Determinismo: Assume che i fenomeni naturali seguano leggi fisse, permettendo previsioni accurate basate su condizioni iniziali. 2. ''Misurabilità e riproducibilità'': Sottolinea misurazioni quantitative ed esperimenti riproducibili per confermare risultati in diversi contesti. 3. ''Isolamento delle variabili'': Si concentra sull'analisi di effetti specifici isolando le variabili, spesso idealizzando sistemi in condizioni controllate. Sebbene efficace nelle scienze naturali classiche, il paradigma fisico ha limitazioni in campi complessi come la neurofisiologia, dove le interazioni dinamiche e la variabilità sfidano i modelli deterministici. '''Applicazione nella Neurofisiologia Masticatoria''': Nella neurofisiologia masticatoria, il paradigma fisico aiuta a sviluppare modelli di base, ma non riesce a spiegare i comportamenti emergenti, come il reclutamento delle unità motorie in risposta a stimoli complessi. '''Verso un Paradigma Integrato''': Emergente è un "Paradigma Ingegneristico della Scienza", che offre un approccio più adattivo che considera la complessità, permettendo modelli predittivi più flessibili che tengono conto delle interazioni non lineari nei sistemi biologici}} e l’apertura sistemica del Paradigma Ingegneristico della Scienza {{Tooltip\|\|2=Il '''Paradigma Ingegneristico della Scienza''' enfatizza le applicazioni pratiche, la collaborazione interdisciplinare e la comprensione dei sistemi complessi. Contrasta con i modelli deterministici tradizionali, concentrandosi invece sulla risoluzione di problemi del mondo reale, particolarmente in campi come biologia, medicina e scienze sociali.''' Caratteristiche chiave''' ''Orientamento alla Risoluzione dei Problemi'': Prioritizza soluzioni a questioni complesse rispetto a modelli puramente teorici. ''Collaborazione Interdisciplinare'': Incoraggia l'integrazione della conoscenza proveniente da varie discipline, migliorando la comprensione attraverso esperienze condivise. ''Focus sui Sistemi Complessi'': Riconosce il comportamento emergente e l'interconnettività dei componenti del sistema, riconoscendo che i risultati possono essere imprevedibili e non lineari. ''Processo Iterativo'': Abbraccia un approccio adattivo, affinando i modelli in base ai dati empirici e al feedback per migliorare la reattività.'''Integrazione Tecnologica''': Applica principi ingegneristici per migliorare la progettazione della ricerca e l'analisi dei dati, utilizzando simulazioni e modellazione computazionale. '''Applicazione nella Neurofisiologia Masticatoria''' Nella neurofisiologia masticatoria, questo paradigma promuove strumenti diagnostici e approcci terapeutici innovativi. Integrando neurofisiologia, biomeccanica e scienza dei materiali, fornisce una visione completa della funzione e disfunzione della mandibola. Il Paradigma Ingegneristico della Scienza promuove collaborazione e innovazione, portando infine a progressi che migliorano la nostra comprensione dei sistemi complessi e migliorano i risultati pratici in vari campi.}}

Gianni il 07:59, 14 set 2025

2025-09-14T07:59:03Z

← Versione meno recente		Versione delle 07:59, 14 set 2025
Riga 168:		Riga 168:
	}}</ref>\|<small>🧠 Alcuni di voi, esplorando questo numero speciale di The American Statistician, potrebbero chiedersi se si tratti di una ramanzina da parte di statistici pedanti intenti a farvi la morale su cosa non fare con i p-value, senza però offrire reali soluzioni al difficile problema di separare il segnale dal rumore nei dati e prendere decisioni in condizioni di incertezza. Non temete.In questo numero, grazie a 43 articoli innovativi e stimolanti scritti da statistici lungimiranti, arriva l’aiuto di cui abbiamo bisogno.</small>\|}} Il volume propone nuove modalità di rappresentazione dell’incertezza e invita a superare la dipendenza dal P-value come unica metrica della verità scientifica.		}}</ref>\|<small>🧠 Alcuni di voi, esplorando questo numero speciale di The American Statistician, potrebbero chiedersi se si tratti di una ramanzina da parte di statistici pedanti intenti a farvi la morale su cosa non fare con i p-value, senza però offrire reali soluzioni al difficile problema di separare il segnale dal rumore nei dati e prendere decisioni in condizioni di incertezza. Non temete.In questo numero, grazie a 43 articoli innovativi e stimolanti scritti da statistici lungimiranti, arriva l’aiuto di cui abbiamo bisogno.</small>\|}} Il volume propone nuove modalità di rappresentazione dell’incertezza e invita a superare la dipendenza dal P-value come unica metrica della verità scientifica.

	==~~<span id="Interdisciplinarity"></span>~~==		== Interdisciplinarità ==
	Una visione superficiale potrebbe suggerire un conflitto tra la rigidità disciplinare del ''<nowiki/>'Paradigma Fisico della Scienza''<nowiki/>' {{Tooltip\|\|2=Il "Paradigma Fisico della Scienza" descrive un approccio epistemologico prevalente nelle scienze fisiche, incentrato su modelli deterministici e metodologie sperimentali rigorose. Questo paradigma si basa su osservazioni empiriche e sul metodo scientifico per cercare leggi universali che governano i fenomeni naturali.''' Caratteristiche chiave'''1. Determinismo: Assume che i fenomeni naturali seguano leggi fisse, permettendo previsioni accurate basate su condizioni iniziali. 2. ''Misurabilità e riproducibilità'': Sottolinea misurazioni quantitative ed esperimenti riproducibili per confermare risultati in diversi contesti. 3. ''Isolamento delle variabili'': Si concentra sull'analisi di effetti specifici isolando le variabili, spesso idealizzando sistemi in condizioni controllate. Sebbene efficace nelle scienze naturali classiche, il paradigma fisico ha limitazioni in campi complessi come la neurofisiologia, dove le interazioni dinamiche e la variabilità sfidano i modelli deterministici. '''Applicazione nella Neurofisiologia Masticatoria''': Nella neurofisiologia masticatoria, il paradigma fisico aiuta a sviluppare modelli di base, ma non riesce a spiegare i comportamenti emergenti, come il reclutamento delle unità motorie in risposta a stimoli complessi. '''Verso un Paradigma Integrato''': Emergente è un "Paradigma Ingegneristico della Scienza", che offre un approccio più adattivo che considera la complessità, permettendo modelli predittivi più flessibili che tengono conto delle interazioni non lineari nei sistemi biologici}} e l’apertura sistemica del Paradigma Ingegneristico della Scienza {{Tooltip\|\|2=Il '''Paradigma Ingegneristico della Scienza''' enfatizza le applicazioni pratiche, la collaborazione interdisciplinare e la comprensione dei sistemi complessi. Contrasta con i modelli deterministici tradizionali, concentrandosi invece sulla risoluzione di problemi del mondo reale, particolarmente in campi come biologia, medicina e scienze sociali.''' Caratteristiche chiave''' ''Orientamento alla Risoluzione dei Problemi'': Prioritizza soluzioni a questioni complesse rispetto a modelli puramente teorici. ''Collaborazione Interdisciplinare'': Incoraggia l'integrazione della conoscenza proveniente da varie discipline, migliorando la comprensione attraverso esperienze condivise. ''Focus sui Sistemi Complessi'': Riconosce il comportamento emergente e l'interconnettività dei componenti del sistema, riconoscendo che i risultati possono essere imprevedibili e non lineari. ''Processo Iterativo'': Abbraccia un approccio adattivo, affinando i modelli in base ai dati empirici e al feedback per migliorare la reattività.'''Integrazione Tecnologica''': Applica principi ingegneristici per migliorare la progettazione della ricerca e l'analisi dei dati, utilizzando simulazioni e modellazione computazionale. '''Applicazione nella Neurofisiologia Masticatoria''' Nella neurofisiologia masticatoria, questo paradigma promuove strumenti diagnostici e approcci terapeutici innovativi. Integrando neurofisiologia, biomeccanica e scienza dei materiali, fornisce una visione completa della funzione e disfunzione della mandibola. Il Paradigma Ingegneristico della Scienza promuove collaborazione e innovazione, portando infine a progressi che migliorano la nostra comprensione dei sistemi complessi e migliorano i risultati pratici in vari campi.}}		Una visione superficiale potrebbe suggerire un conflitto tra la rigidità disciplinare del ''<nowiki/>'Paradigma Fisico della Scienza''<nowiki/>' {{Tooltip\|\|2=Il "Paradigma Fisico della Scienza" descrive un approccio epistemologico prevalente nelle scienze fisiche, incentrato su modelli deterministici e metodologie sperimentali rigorose. Questo paradigma si basa su osservazioni empiriche e sul metodo scientifico per cercare leggi universali che governano i fenomeni naturali.''' Caratteristiche chiave'''1. Determinismo: Assume che i fenomeni naturali seguano leggi fisse, permettendo previsioni accurate basate su condizioni iniziali. 2. ''Misurabilità e riproducibilità'': Sottolinea misurazioni quantitative ed esperimenti riproducibili per confermare risultati in diversi contesti. 3. ''Isolamento delle variabili'': Si concentra sull'analisi di effetti specifici isolando le variabili, spesso idealizzando sistemi in condizioni controllate. Sebbene efficace nelle scienze naturali classiche, il paradigma fisico ha limitazioni in campi complessi come la neurofisiologia, dove le interazioni dinamiche e la variabilità sfidano i modelli deterministici. '''Applicazione nella Neurofisiologia Masticatoria''': Nella neurofisiologia masticatoria, il paradigma fisico aiuta a sviluppare modelli di base, ma non riesce a spiegare i comportamenti emergenti, come il reclutamento delle unità motorie in risposta a stimoli complessi. '''Verso un Paradigma Integrato''': Emergente è un "Paradigma Ingegneristico della Scienza", che offre un approccio più adattivo che considera la complessità, permettendo modelli predittivi più flessibili che tengono conto delle interazioni non lineari nei sistemi biologici}} e l’apertura sistemica del Paradigma Ingegneristico della Scienza {{Tooltip\|\|2=Il '''Paradigma Ingegneristico della Scienza''' enfatizza le applicazioni pratiche, la collaborazione interdisciplinare e la comprensione dei sistemi complessi. Contrasta con i modelli deterministici tradizionali, concentrandosi invece sulla risoluzione di problemi del mondo reale, particolarmente in campi come biologia, medicina e scienze sociali.''' Caratteristiche chiave''' ''Orientamento alla Risoluzione dei Problemi'': Prioritizza soluzioni a questioni complesse rispetto a modelli puramente teorici. ''Collaborazione Interdisciplinare'': Incoraggia l'integrazione della conoscenza proveniente da varie discipline, migliorando la comprensione attraverso esperienze condivise. ''Focus sui Sistemi Complessi'': Riconosce il comportamento emergente e l'interconnettività dei componenti del sistema, riconoscendo che i risultati possono essere imprevedibili e non lineari. ''Processo Iterativo'': Abbraccia un approccio adattivo, affinando i modelli in base ai dati empirici e al feedback per migliorare la reattività.'''Integrazione Tecnologica''': Applica principi ingegneristici per migliorare la progettazione della ricerca e l'analisi dei dati, utilizzando simulazioni e modellazione computazionale. '''Applicazione nella Neurofisiologia Masticatoria''' Nella neurofisiologia masticatoria, questo paradigma promuove strumenti diagnostici e approcci terapeutici innovativi. Integrando neurofisiologia, biomeccanica e scienza dei materiali, fornisce una visione completa della funzione e disfunzione della mandibola. Il Paradigma Ingegneristico della Scienza promuove collaborazione e innovazione, portando infine a progressi che migliorano la nostra comprensione dei sistemi complessi e migliorano i risultati pratici in vari campi.}}

Gianni il 07:55, 14 set 2025

2025-09-14T07:55:04Z

← Versione meno recente		Versione delle 07:55, 14 set 2025
Riga 168:		Riga 168:
	}}</ref>\|<small>🧠 Alcuni di voi, esplorando questo numero speciale di The American Statistician, potrebbero chiedersi se si tratti di una ramanzina da parte di statistici pedanti intenti a farvi la morale su cosa non fare con i p-value, senza però offrire reali soluzioni al difficile problema di separare il segnale dal rumore nei dati e prendere decisioni in condizioni di incertezza. Non temete.In questo numero, grazie a 43 articoli innovativi e stimolanti scritti da statistici lungimiranti, arriva l’aiuto di cui abbiamo bisogno.</small>\|}} Il volume propone nuove modalità di rappresentazione dell’incertezza e invita a superare la dipendenza dal P-value come unica metrica della verità scientifica.		}}</ref>\|<small>🧠 Alcuni di voi, esplorando questo numero speciale di The American Statistician, potrebbero chiedersi se si tratti di una ramanzina da parte di statistici pedanti intenti a farvi la morale su cosa non fare con i p-value, senza però offrire reali soluzioni al difficile problema di separare il segnale dal rumore nei dati e prendere decisioni in condizioni di incertezza. Non temete.In questo numero, grazie a 43 articoli innovativi e stimolanti scritti da statistici lungimiranti, arriva l’aiuto di cui abbiamo bisogno.</small>\|}} Il volume propone nuove modalità di rappresentazione dell’incertezza e invita a superare la dipendenza dal P-value come unica metrica della verità scientifica.

	==<span id="~~Interdisciplinarità~~"></span>==		==<span id="Interdisciplinarity"></span>==
	Una visione superficiale potrebbe suggerire un conflitto tra la rigidità disciplinare del ''<nowiki/>'Paradigma Fisico della Scienza''<nowiki/>' {{Tooltip\|\|2=Il "Paradigma Fisico della Scienza" descrive un approccio epistemologico prevalente nelle scienze fisiche, incentrato su modelli deterministici e metodologie sperimentali rigorose. Questo paradigma si basa su osservazioni empiriche e sul metodo scientifico per cercare leggi universali che governano i fenomeni naturali.''' Caratteristiche chiave'''1. Determinismo: Assume che i fenomeni naturali seguano leggi fisse, permettendo previsioni accurate basate su condizioni iniziali. 2. ''Misurabilità e riproducibilità'': Sottolinea misurazioni quantitative ed esperimenti riproducibili per confermare risultati in diversi contesti. 3. ''Isolamento delle variabili'': Si concentra sull'analisi di effetti specifici isolando le variabili, spesso idealizzando sistemi in condizioni controllate. Sebbene efficace nelle scienze naturali classiche, il paradigma fisico ha limitazioni in campi complessi come la neurofisiologia, dove le interazioni dinamiche e la variabilità sfidano i modelli deterministici. '''Applicazione nella Neurofisiologia Masticatoria''': Nella neurofisiologia masticatoria, il paradigma fisico aiuta a sviluppare modelli di base, ma non riesce a spiegare i comportamenti emergenti, come il reclutamento delle unità motorie in risposta a stimoli complessi. '''Verso un Paradigma Integrato''': Emergente è un "Paradigma Ingegneristico della Scienza", che offre un approccio più adattivo che considera la complessità, permettendo modelli predittivi più flessibili che tengono conto delle interazioni non lineari nei sistemi biologici}} e l’apertura sistemica del Paradigma Ingegneristico della Scienza {{Tooltip\|\|2=Il '''Paradigma Ingegneristico della Scienza''' enfatizza le applicazioni pratiche, la collaborazione interdisciplinare e la comprensione dei sistemi complessi. Contrasta con i modelli deterministici tradizionali, concentrandosi invece sulla risoluzione di problemi del mondo reale, particolarmente in campi come biologia, medicina e scienze sociali.''' Caratteristiche chiave''' ''Orientamento alla Risoluzione dei Problemi'': Prioritizza soluzioni a questioni complesse rispetto a modelli puramente teorici. ''Collaborazione Interdisciplinare'': Incoraggia l'integrazione della conoscenza proveniente da varie discipline, migliorando la comprensione attraverso esperienze condivise. ''Focus sui Sistemi Complessi'': Riconosce il comportamento emergente e l'interconnettività dei componenti del sistema, riconoscendo che i risultati possono essere imprevedibili e non lineari. ''Processo Iterativo'': Abbraccia un approccio adattivo, affinando i modelli in base ai dati empirici e al feedback per migliorare la reattività.'''Integrazione Tecnologica''': Applica principi ingegneristici per migliorare la progettazione della ricerca e l'analisi dei dati, utilizzando simulazioni e modellazione computazionale. '''Applicazione nella Neurofisiologia Masticatoria''' Nella neurofisiologia masticatoria, questo paradigma promuove strumenti diagnostici e approcci terapeutici innovativi. Integrando neurofisiologia, biomeccanica e scienza dei materiali, fornisce una visione completa della funzione e disfunzione della mandibola. Il Paradigma Ingegneristico della Scienza promuove collaborazione e innovazione, portando infine a progressi che migliorano la nostra comprensione dei sistemi complessi e migliorano i risultati pratici in vari campi.}}		Una visione superficiale potrebbe suggerire un conflitto tra la rigidità disciplinare del ''<nowiki/>'Paradigma Fisico della Scienza''<nowiki/>' {{Tooltip\|\|2=Il "Paradigma Fisico della Scienza" descrive un approccio epistemologico prevalente nelle scienze fisiche, incentrato su modelli deterministici e metodologie sperimentali rigorose. Questo paradigma si basa su osservazioni empiriche e sul metodo scientifico per cercare leggi universali che governano i fenomeni naturali.''' Caratteristiche chiave'''1. Determinismo: Assume che i fenomeni naturali seguano leggi fisse, permettendo previsioni accurate basate su condizioni iniziali. 2. ''Misurabilità e riproducibilità'': Sottolinea misurazioni quantitative ed esperimenti riproducibili per confermare risultati in diversi contesti. 3. ''Isolamento delle variabili'': Si concentra sull'analisi di effetti specifici isolando le variabili, spesso idealizzando sistemi in condizioni controllate. Sebbene efficace nelle scienze naturali classiche, il paradigma fisico ha limitazioni in campi complessi come la neurofisiologia, dove le interazioni dinamiche e la variabilità sfidano i modelli deterministici. '''Applicazione nella Neurofisiologia Masticatoria''': Nella neurofisiologia masticatoria, il paradigma fisico aiuta a sviluppare modelli di base, ma non riesce a spiegare i comportamenti emergenti, come il reclutamento delle unità motorie in risposta a stimoli complessi. '''Verso un Paradigma Integrato''': Emergente è un "Paradigma Ingegneristico della Scienza", che offre un approccio più adattivo che considera la complessità, permettendo modelli predittivi più flessibili che tengono conto delle interazioni non lineari nei sistemi biologici}} e l’apertura sistemica del Paradigma Ingegneristico della Scienza {{Tooltip\|\|2=Il '''Paradigma Ingegneristico della Scienza''' enfatizza le applicazioni pratiche, la collaborazione interdisciplinare e la comprensione dei sistemi complessi. Contrasta con i modelli deterministici tradizionali, concentrandosi invece sulla risoluzione di problemi del mondo reale, particolarmente in campi come biologia, medicina e scienze sociali.''' Caratteristiche chiave''' ''Orientamento alla Risoluzione dei Problemi'': Prioritizza soluzioni a questioni complesse rispetto a modelli puramente teorici. ''Collaborazione Interdisciplinare'': Incoraggia l'integrazione della conoscenza proveniente da varie discipline, migliorando la comprensione attraverso esperienze condivise. ''Focus sui Sistemi Complessi'': Riconosce il comportamento emergente e l'interconnettività dei componenti del sistema, riconoscendo che i risultati possono essere imprevedibili e non lineari. ''Processo Iterativo'': Abbraccia un approccio adattivo, affinando i modelli in base ai dati empirici e al feedback per migliorare la reattività.'''Integrazione Tecnologica''': Applica principi ingegneristici per migliorare la progettazione della ricerca e l'analisi dei dati, utilizzando simulazioni e modellazione computazionale. '''Applicazione nella Neurofisiologia Masticatoria''' Nella neurofisiologia masticatoria, questo paradigma promuove strumenti diagnostici e approcci terapeutici innovativi. Integrando neurofisiologia, biomeccanica e scienza dei materiali, fornisce una visione completa della funzione e disfunzione della mandibola. Il Paradigma Ingegneristico della Scienza promuove collaborazione e innovazione, portando infine a progressi che migliorano la nostra comprensione dei sistemi complessi e migliorano i risultati pratici in vari campi.}}

Gianni il 07:53, 14 set 2025

2025-09-14T07:53:21Z

← Versione meno recente		Versione delle 07:53, 14 set 2025
Riga 168:		Riga 168:
	}}</ref>\|<small>🧠 Alcuni di voi, esplorando questo numero speciale di The American Statistician, potrebbero chiedersi se si tratti di una ramanzina da parte di statistici pedanti intenti a farvi la morale su cosa non fare con i p-value, senza però offrire reali soluzioni al difficile problema di separare il segnale dal rumore nei dati e prendere decisioni in condizioni di incertezza. Non temete.In questo numero, grazie a 43 articoli innovativi e stimolanti scritti da statistici lungimiranti, arriva l’aiuto di cui abbiamo bisogno.</small>\|}} Il volume propone nuove modalità di rappresentazione dell’incertezza e invita a superare la dipendenza dal P-value come unica metrica della verità scientifica.		}}</ref>\|<small>🧠 Alcuni di voi, esplorando questo numero speciale di The American Statistician, potrebbero chiedersi se si tratti di una ramanzina da parte di statistici pedanti intenti a farvi la morale su cosa non fare con i p-value, senza però offrire reali soluzioni al difficile problema di separare il segnale dal rumore nei dati e prendere decisioni in condizioni di incertezza. Non temete.In questo numero, grazie a 43 articoli innovativi e stimolanti scritti da statistici lungimiranti, arriva l’aiuto di cui abbiamo bisogno.</small>\|}} Il volume propone nuove modalità di rappresentazione dell’incertezza e invita a superare la dipendenza dal P-value come unica metrica della verità scientifica.

	==Interdisciplinarità==		==<span id="Interdisciplinarità"></span>==
	Una visione superficiale potrebbe suggerire un conflitto tra la rigidità disciplinare del ''<nowiki/>'Paradigma Fisico della Scienza''<nowiki/>' {{Tooltip\|\|2=Il "Paradigma Fisico della Scienza" descrive un approccio epistemologico prevalente nelle scienze fisiche, incentrato su modelli deterministici e metodologie sperimentali rigorose. Questo paradigma si basa su osservazioni empiriche e sul metodo scientifico per cercare leggi universali che governano i fenomeni naturali.''' Caratteristiche chiave'''1. Determinismo: Assume che i fenomeni naturali seguano leggi fisse, permettendo previsioni accurate basate su condizioni iniziali. 2. ''Misurabilità e riproducibilità'': Sottolinea misurazioni quantitative ed esperimenti riproducibili per confermare risultati in diversi contesti. 3. ''Isolamento delle variabili'': Si concentra sull'analisi di effetti specifici isolando le variabili, spesso idealizzando sistemi in condizioni controllate. Sebbene efficace nelle scienze naturali classiche, il paradigma fisico ha limitazioni in campi complessi come la neurofisiologia, dove le interazioni dinamiche e la variabilità sfidano i modelli deterministici. '''Applicazione nella Neurofisiologia Masticatoria''': Nella neurofisiologia masticatoria, il paradigma fisico aiuta a sviluppare modelli di base, ma non riesce a spiegare i comportamenti emergenti, come il reclutamento delle unità motorie in risposta a stimoli complessi. '''Verso un Paradigma Integrato''': Emergente è un "Paradigma Ingegneristico della Scienza", che offre un approccio più adattivo che considera la complessità, permettendo modelli predittivi più flessibili che tengono conto delle interazioni non lineari nei sistemi biologici}} e l’apertura sistemica del Paradigma Ingegneristico della Scienza {{Tooltip\|\|2=Il '''Paradigma Ingegneristico della Scienza''' enfatizza le applicazioni pratiche, la collaborazione interdisciplinare e la comprensione dei sistemi complessi. Contrasta con i modelli deterministici tradizionali, concentrandosi invece sulla risoluzione di problemi del mondo reale, particolarmente in campi come biologia, medicina e scienze sociali.''' Caratteristiche chiave''' ''Orientamento alla Risoluzione dei Problemi'': Prioritizza soluzioni a questioni complesse rispetto a modelli puramente teorici. ''Collaborazione Interdisciplinare'': Incoraggia l'integrazione della conoscenza proveniente da varie discipline, migliorando la comprensione attraverso esperienze condivise. ''Focus sui Sistemi Complessi'': Riconosce il comportamento emergente e l'interconnettività dei componenti del sistema, riconoscendo che i risultati possono essere imprevedibili e non lineari. ''Processo Iterativo'': Abbraccia un approccio adattivo, affinando i modelli in base ai dati empirici e al feedback per migliorare la reattività.'''Integrazione Tecnologica''': Applica principi ingegneristici per migliorare la progettazione della ricerca e l'analisi dei dati, utilizzando simulazioni e modellazione computazionale. '''Applicazione nella Neurofisiologia Masticatoria''' Nella neurofisiologia masticatoria, questo paradigma promuove strumenti diagnostici e approcci terapeutici innovativi. Integrando neurofisiologia, biomeccanica e scienza dei materiali, fornisce una visione completa della funzione e disfunzione della mandibola. Il Paradigma Ingegneristico della Scienza promuove collaborazione e innovazione, portando infine a progressi che migliorano la nostra comprensione dei sistemi complessi e migliorano i risultati pratici in vari campi.}}		Una visione superficiale potrebbe suggerire un conflitto tra la rigidità disciplinare del ''<nowiki/>'Paradigma Fisico della Scienza''<nowiki/>' {{Tooltip\|\|2=Il "Paradigma Fisico della Scienza" descrive un approccio epistemologico prevalente nelle scienze fisiche, incentrato su modelli deterministici e metodologie sperimentali rigorose. Questo paradigma si basa su osservazioni empiriche e sul metodo scientifico per cercare leggi universali che governano i fenomeni naturali.''' Caratteristiche chiave'''1. Determinismo: Assume che i fenomeni naturali seguano leggi fisse, permettendo previsioni accurate basate su condizioni iniziali. 2. ''Misurabilità e riproducibilità'': Sottolinea misurazioni quantitative ed esperimenti riproducibili per confermare risultati in diversi contesti. 3. ''Isolamento delle variabili'': Si concentra sull'analisi di effetti specifici isolando le variabili, spesso idealizzando sistemi in condizioni controllate. Sebbene efficace nelle scienze naturali classiche, il paradigma fisico ha limitazioni in campi complessi come la neurofisiologia, dove le interazioni dinamiche e la variabilità sfidano i modelli deterministici. '''Applicazione nella Neurofisiologia Masticatoria''': Nella neurofisiologia masticatoria, il paradigma fisico aiuta a sviluppare modelli di base, ma non riesce a spiegare i comportamenti emergenti, come il reclutamento delle unità motorie in risposta a stimoli complessi. '''Verso un Paradigma Integrato''': Emergente è un "Paradigma Ingegneristico della Scienza", che offre un approccio più adattivo che considera la complessità, permettendo modelli predittivi più flessibili che tengono conto delle interazioni non lineari nei sistemi biologici}} e l’apertura sistemica del Paradigma Ingegneristico della Scienza {{Tooltip\|\|2=Il '''Paradigma Ingegneristico della Scienza''' enfatizza le applicazioni pratiche, la collaborazione interdisciplinare e la comprensione dei sistemi complessi. Contrasta con i modelli deterministici tradizionali, concentrandosi invece sulla risoluzione di problemi del mondo reale, particolarmente in campi come biologia, medicina e scienze sociali.''' Caratteristiche chiave''' ''Orientamento alla Risoluzione dei Problemi'': Prioritizza soluzioni a questioni complesse rispetto a modelli puramente teorici. ''Collaborazione Interdisciplinare'': Incoraggia l'integrazione della conoscenza proveniente da varie discipline, migliorando la comprensione attraverso esperienze condivise. ''Focus sui Sistemi Complessi'': Riconosce il comportamento emergente e l'interconnettività dei componenti del sistema, riconoscendo che i risultati possono essere imprevedibili e non lineari. ''Processo Iterativo'': Abbraccia un approccio adattivo, affinando i modelli in base ai dati empirici e al feedback per migliorare la reattività.'''Integrazione Tecnologica''': Applica principi ingegneristici per migliorare la progettazione della ricerca e l'analisi dei dati, utilizzando simulazioni e modellazione computazionale. '''Applicazione nella Neurofisiologia Masticatoria''' Nella neurofisiologia masticatoria, questo paradigma promuove strumenti diagnostici e approcci terapeutici innovativi. Integrando neurofisiologia, biomeccanica e scienza dei materiali, fornisce una visione completa della funzione e disfunzione della mandibola. Il Paradigma Ingegneristico della Scienza promuove collaborazione e innovazione, portando infine a progressi che migliorano la nostra comprensione dei sistemi complessi e migliorano i risultati pratici in vari campi.}}

Gianni il 22:46, 2 mag 2025

2025-05-02T22:46:44Z

← Versione meno recente		Versione delle 22:46, 2 mag 2025
Riga 142:		Riga 142:
	}}</ref>\|<small>📌 Nell’edizione di marzo di Nature, oltre 800 scienziati hanno sottoscritto un commento in cui si chiede il ritiro del termine “significatività statistica” [1]. Gli argomenti principali degli autori riguardano il fatto che la letteratura scientifica è piena di interpretazioni errate e potenzialmente dannose di associazioni basate su una classificazione arbitraria e binaria, fondata su un valore di p pari a 0,05. Gli autori illustrano le criticità di questo approccio, fornendo esempi concreti in cui ha portato a conclusioni errate all'interno e tra diversi studi. 🧠 Inoltre, analizzando 791 articoli pubblicati in cinque riviste accademiche, hanno rilevato che il 51% di essi ha interpretato erroneamente un risultato statisticamente non significativo come indicazione dell’assenza di un effetto.</small>}} Questa "rivoluzione silenziosa" nel campo dell'inferenza statistica promuove un approccio più riflessivo, contestuale e scientificamente onesto. Tra le voci più autorevoli in questo dibattito troviamo:		}}</ref>\|<small>📌 Nell’edizione di marzo di Nature, oltre 800 scienziati hanno sottoscritto un commento in cui si chiede il ritiro del termine “significatività statistica” [1]. Gli argomenti principali degli autori riguardano il fatto che la letteratura scientifica è piena di interpretazioni errate e potenzialmente dannose di associazioni basate su una classificazione arbitraria e binaria, fondata su un valore di p pari a 0,05. Gli autori illustrano le criticità di questo approccio, fornendo esempi concreti in cui ha portato a conclusioni errate all'interno e tra diversi studi. 🧠 Inoltre, analizzando 791 articoli pubblicati in cinque riviste accademiche, hanno rilevato che il 51% di essi ha interpretato erroneamente un risultato statisticamente non significativo come indicazione dell’assenza di un effetto.</small>}} Questa "rivoluzione silenziosa" nel campo dell'inferenza statistica promuove un approccio più riflessivo, contestuale e scientificamente onesto. Tra le voci più autorevoli in questo dibattito troviamo:

	* Rodgers JL – che parla di una “rivoluzione metodologica silenziosa”{{Tooltip\|<sup>[10]</sup>\|<ref>{{cita libro\|autore=Rodgers JL\|titolo=The epistemology of mathematical and statistical modeling: a quiet methodological revolution\|url=https://www.ncbi.nlm.nih.gov/pubmed/20063905\|opera=Am Psychol\|anno=2010\|DOI=10.1037/a0018326</ref>\|<small>📌 Negli ultimi decenni si è verificata, quasi senza discussione, una silenziosa rivoluzione metodologica: una rivoluzione della modellizzazione. Al contrario, il XX secolo si è concluso con vivaci dibattiti sull’utilità del test di significatività dell'ipotesi nulla (NHST). Tuttavia, tale controversia potrebbe essere stata almeno in parte irrilevante, poiché in diversi modi la rivoluzione della modellizzazione ha reso superfluo il dibattito sull’NHST. Inizio presentando una storia dell’NHST e della modellizzazione, e delle relazioni tra i due. Successivamente, definisco e illustro i principi che guidano lo sviluppo e la valutazione dei modelli matematici. Segue una discussione sulla differenza tra l’uso di procedure statistiche in un quadro basato su regole e la costruzione di modelli matematici all'interno di un'epistemologia scientifica. 🧠 Nella formazione post-laurea in psicologia viene trattato con attenzione quasi esclusivamente il primo approccio, basato sulle regole. Vengono quindi descritte le implicazioni pedagogiche di questo squilibrio e la necessità di una didattica rivista per tener conto della rivoluzione della modellizzazione. Infine, si discute di come l'attenzione alla modellizzazione comporti un'evoluzione della pratica statistica in direzioni più progressiste. La base epistemologica della statistica si è spostata: da un insieme di procedure applicate in modo meccanico alla costruzione e valutazione di modelli statistici e scientifici.</small>\|}}		* Rodgers JL – che parla di una “rivoluzione metodologica silenziosa”{{Tooltip\|<sup>[10]</sup>\|<ref>{{cita libro\|autore=Rodgers JL\|titolo=The epistemology of mathematical and statistical modeling: a quiet methodological revolution\|url=https://www.ncbi.nlm.nih.gov/pubmed/20063905\|opera=Am Psychol\|anno=2010\|DOI=10.1037/a0018326}}</ref>\|<small>📌 Negli ultimi decenni si è verificata, quasi senza discussione, una silenziosa rivoluzione metodologica: una rivoluzione della modellizzazione. Al contrario, il XX secolo si è concluso con vivaci dibattiti sull’utilità del test di significatività dell'ipotesi nulla (NHST). Tuttavia, tale controversia potrebbe essere stata almeno in parte irrilevante, poiché in diversi modi la rivoluzione della modellizzazione ha reso superfluo il dibattito sull’NHST. Inizio presentando una storia dell’NHST e della modellizzazione, e delle relazioni tra i due. Successivamente, definisco e illustro i principi che guidano lo sviluppo e la valutazione dei modelli matematici. Segue una discussione sulla differenza tra l’uso di procedure statistiche in un quadro basato su regole e la costruzione di modelli matematici all'interno di un'epistemologia scientifica. 🧠 Nella formazione post-laurea in psicologia viene trattato con attenzione quasi esclusivamente il primo approccio, basato sulle regole. Vengono quindi descritte le implicazioni pedagogiche di questo squilibrio e la necessità di una didattica rivista per tener conto della rivoluzione della modellizzazione. Infine, si discute di come l'attenzione alla modellizzazione comporti un'evoluzione della pratica statistica in direzioni più progressiste. La base epistemologica della statistica si è spostata: da un insieme di procedure applicate in modo meccanico alla costruzione e valutazione di modelli statistici e scientifici.</small>\|}}

	* Meehl P – che suggerisce di sostituire i test di significatività con 'intervalli di confidenza' e 'predizioni numeriche verificabili'{{Tooltip\|<sup>[11]</sup>\|<ref>{{cita libro		* Meehl P – che suggerisce di sostituire i test di significatività con 'intervalli di confidenza' e 'predizioni numeriche verificabili'{{Tooltip\|<sup>[11]</sup>\|<ref>{{cita libro
	\| autore = Meehl P		\| autore = Meehl P
	\| titolo = The problem is epistemology, not statistics: replace significance tests by confidence intervals and quantify accuracy of risky numerical predictions		\| titolo = The problem is epistemology, not statistics: replace significance tests by confidence intervals and quantify accuracy of risky numerical predictions
	\| anno = 1997		\| anno = 1997}}</ref>\|<small>📌 I test di significatività hanno un ruolo nella ricerca nelle scienze sociali, ma il loro uso diffuso nella valutazione delle teorie è spesso dannoso. La causa di ciò non risiede nella matematica in sé, bensì nella scarsa comprensione, da parte degli scienziati sociali, della relazione logica tra teoria e fatti, cioè in una mancanza di chiarezza metodologica o epistemologica.🧭 Le teorie implicano osservazioni, ma non vale il contrario. Sebbene il successo di una teoria nel derivare un fatto tenda a corroborarla, questa conferma è debole a meno che il fatto non abbia una probabilità a priori molto bassa e vi siano poche teorie alternative plausibili. 🧭 Il rilevamento di una differenza o correlazione diversa da zero — come avviene respingendo l'ipotesi nulla — non ha generalmente una probabilità a priori molto bassa, poiché nelle scienze sociali praticamente tutto è correlato con tutto il resto, indipendentemente dalla teoria. 🎯 Nel "forte" utilizzo dei test di significatività, la teoria predice un valore numerico puntuale, o un intervallo molto ristretto, per cui il test pone la teoria di fronte a un serio rischio di falsificazione se essa fosse oggettivamente scorretta. In generale, è preferibile costruire un intervallo di confidenza, che fornisce informazioni più ricche e implica comunque la confutazione dell'ipotesi nulla se una differenza cade al di fuori dell'intervallo. 🧠 I test di significatività risultano di solito più giustificabili in contesti tecnologici (ad esempio nella valutazione di un intervento) piuttosto che nella valutazione di teorie. Sarebbe utile disporre di un indice quantitativo che misuri quanto accuratamente una teoria riesca a prevedere un fatto rischioso, e viene proposto un esempio di tale indice. Diversamente dalle pratiche attuali più diffuse, i manuali e i corsi di statistica dovrebbero chiarire e sottolineare il grande divario semantico (logico) che separa una teoria sostanziale (causale, composizionale) da un'ipotesi statistica.</small>\|}}
	</ref>\|<small>📌 I test di significatività hanno un ruolo nella ricerca nelle scienze sociali, ma il loro uso diffuso nella valutazione delle teorie è spesso dannoso. La causa di ciò non risiede nella matematica in sé, bensì nella scarsa comprensione, da parte degli scienziati sociali, della relazione logica tra teoria e fatti, cioè in una mancanza di chiarezza metodologica o epistemologica.🧭 Le teorie implicano osservazioni, ma non vale il contrario. Sebbene il successo di una teoria nel derivare un fatto tenda a corroborarla, questa conferma è debole a meno che il fatto non abbia una probabilità a priori molto bassa e vi siano poche teorie alternative plausibili. 🧭 Il rilevamento di una differenza o correlazione diversa da zero — come avviene respingendo l'ipotesi nulla — non ha generalmente una probabilità a priori molto bassa, poiché nelle scienze sociali praticamente tutto è correlato con tutto il resto, indipendentemente dalla teoria. 🎯 Nel "forte" utilizzo dei test di significatività, la teoria predice un valore numerico puntuale, o un intervallo molto ristretto, per cui il test pone la teoria di fronte a un serio rischio di falsificazione se essa fosse oggettivamente scorretta. In generale, è preferibile costruire un intervallo di confidenza, che fornisce informazioni più ricche e implica comunque la confutazione dell'ipotesi nulla se una differenza cade al di fuori dell'intervallo. 🧠 I test di significatività risultano di solito più giustificabili in contesti tecnologici (ad esempio nella valutazione di un intervento) piuttosto che nella valutazione di teorie. Sarebbe utile disporre di un indice quantitativo che misuri quanto accuratamente una teoria riesca a prevedere un fatto rischioso, e viene proposto un esempio di tale indice. Diversamente dalle pratiche attuali più diffuse, i manuali e i corsi di statistica dovrebbero chiarire e sottolineare il grande divario semantico (logico) che separa una teoria sostanziale (causale, composizionale) da un'ipotesi statistica.</small>\|}}

	* Sprenger & Hartmann – promotori della 'filosofia Bayesiana della scienza'{{Tooltip\|<sup>[12]</sup>\|<ref>{{cita libro		* Sprenger & Hartmann – promotori della 'filosofia Bayesiana della scienza'{{Tooltip\|<sup>[12]</sup>\|<ref>{{cita libro

Gianni: /* 📌 Premessa epistemologica: il linguaggio prima dei sistemi complessi */

2025-05-02T22:40:57Z

📌 Premessa epistemologica: il linguaggio prima dei sistemi complessi

← Versione meno recente		Versione delle 22:40, 2 mag 2025
Riga 331:		Riga 331:
	Analogamente, '''Eric Cassell''' ha mostrato che il concetto di malattia non può essere ridotto né a una disfunzione biologica né a una mera deviazione statistica: è piuttosto il risultato di una negoziazione semantica tra paziente, clinico e contesto culturale.{{Tooltip\|<sup>[31]</sup>\|<ref>Cassell EJ. "The Nature of Suffering and the Goals of Medicine." ''The New England Journal of Medicine'', 1982. doi:10.1056/NEJM198203183061204.</ref>\|<small>🧠 La questione della sofferenza e la sua relazione con le malattie organiche sono state raramente affrontate nella letteratura medica. Questo articolo offre una descrizione della natura e delle cause della sofferenza nei pazienti sottoposti a trattamento medico. Viene fatta una distinzione, basata su osservazioni cliniche, tra sofferenza e disagio fisico. La sofferenza è sperimentata dalle persone, non solo dai corpi, e ha origine da sfide che minacciano l'integrità della persona come entità sociale e psicologica complessa. La sofferenza può includere il dolore fisico, ma non si limita a esso. Il sollievo dalla sofferenza e la cura della malattia devono essere considerati come due doveri complementari di una professione medica che si dedica veramente alla cura del malato. L'incapacità dei medici di comprendere la natura della sofferenza può portare a un intervento medico che (sebbene tecnicamente adeguato) non solo non riesce ad alleviare la sofferenza, ma diventa esso stesso fonte di sofferenza</small>}}		Analogamente, '''Eric Cassell''' ha mostrato che il concetto di malattia non può essere ridotto né a una disfunzione biologica né a una mera deviazione statistica: è piuttosto il risultato di una negoziazione semantica tra paziente, clinico e contesto culturale.{{Tooltip\|<sup>[31]</sup>\|<ref>Cassell EJ. "The Nature of Suffering and the Goals of Medicine." ''The New England Journal of Medicine'', 1982. doi:10.1056/NEJM198203183061204.</ref>\|<small>🧠 La questione della sofferenza e la sua relazione con le malattie organiche sono state raramente affrontate nella letteratura medica. Questo articolo offre una descrizione della natura e delle cause della sofferenza nei pazienti sottoposti a trattamento medico. Viene fatta una distinzione, basata su osservazioni cliniche, tra sofferenza e disagio fisico. La sofferenza è sperimentata dalle persone, non solo dai corpi, e ha origine da sfide che minacciano l'integrità della persona come entità sociale e psicologica complessa. La sofferenza può includere il dolore fisico, ma non si limita a esso. Il sollievo dalla sofferenza e la cura della malattia devono essere considerati come due doveri complementari di una professione medica che si dedica veramente alla cura del malato. L'incapacità dei medici di comprendere la natura della sofferenza può portare a un intervento medico che (sebbene tecnicamente adeguato) non solo non riesce ad alleviare la sofferenza, ma diventa esso stesso fonte di sofferenza</small>}}

	Infine, il modello biopsicosociale di '''George Engel''' propone di interpretare ogni evento clinico all’interno di una rete multilivello di significati—biologici, psicologici, sociali e semantici—anticipando quella visione sistemica e complessa oggi al centro della medicina contemporanea.{{Tooltip\|<sup>[32]>/Sup>\|<ref>Engel GL. "The need for a new medical model: a challenge for biomedicine." ''Science'', 1977;196(4286):129–136. doi:10.1126/science.847460.</ref>\|<Small> Il modello dominante di malattia oggi è biomedico e non lascia spazio alle dimensioni sociali, psicologiche e comportamentali della malattia. Viene proposto un modello biopsicosociale che fornisce un modello per la ricerca, un quadro di riferimento per la didattica e un modello di intervento nel mondo reale dell'assistenza sanitaria.</Small>}}		Infine, il modello biopsicosociale di '''George Engel''' propone di interpretare ogni evento clinico all’interno di una rete multilivello di significati—biologici, psicologici, sociali e semantici—anticipando quella visione sistemica e complessa oggi al centro della medicina contemporanea.{{Tooltip\|<sup>[32]</Sup>\|<ref>Engel GL. "The need for a new medical model: a challenge for biomedicine." ''Science'', 1977;196(4286):129–136. doi:10.1126/science.847460.</ref>\|<Small> Il modello dominante di malattia oggi è biomedico e non lascia spazio alle dimensioni sociali, psicologiche e comportamentali della malattia. Viene proposto un modello biopsicosociale che fornisce un modello per la ricerca, un quadro di riferimento per la didattica e un modello di intervento nel mondo reale dell'assistenza sanitaria.</Small>}}

	{{q2\|Dunque, solo dopo aver chiarito la natura ''meta-linguistica'' e ''meta-concettuale'' dei termini che utilizziamo, potremo affrontare in modo coerente e produttivo la sfida teorica e clinica dei sistemi complessi in medicina.}}		{{q2\|Dunque, solo dopo aver chiarito la natura ''meta-linguistica'' e ''meta-concettuale'' dei termini che utilizziamo, potremo affrontare in modo coerente e produttivo la sfida teorica e clinica dei sistemi complessi in medicina.}}

Gianni: /* 📌 Premessa epistemologica: il linguaggio prima dei sistemi complessi */

2025-05-02T22:40:09Z

📌 Premessa epistemologica: il linguaggio prima dei sistemi complessi

← Versione meno recente		Versione delle 22:40, 2 mag 2025
Riga 331:		Riga 331:
	Analogamente, '''Eric Cassell''' ha mostrato che il concetto di malattia non può essere ridotto né a una disfunzione biologica né a una mera deviazione statistica: è piuttosto il risultato di una negoziazione semantica tra paziente, clinico e contesto culturale.{{Tooltip\|<sup>[31]</sup>\|<ref>Cassell EJ. "The Nature of Suffering and the Goals of Medicine." ''The New England Journal of Medicine'', 1982. doi:10.1056/NEJM198203183061204.</ref>\|<small>🧠 La questione della sofferenza e la sua relazione con le malattie organiche sono state raramente affrontate nella letteratura medica. Questo articolo offre una descrizione della natura e delle cause della sofferenza nei pazienti sottoposti a trattamento medico. Viene fatta una distinzione, basata su osservazioni cliniche, tra sofferenza e disagio fisico. La sofferenza è sperimentata dalle persone, non solo dai corpi, e ha origine da sfide che minacciano l'integrità della persona come entità sociale e psicologica complessa. La sofferenza può includere il dolore fisico, ma non si limita a esso. Il sollievo dalla sofferenza e la cura della malattia devono essere considerati come due doveri complementari di una professione medica che si dedica veramente alla cura del malato. L'incapacità dei medici di comprendere la natura della sofferenza può portare a un intervento medico che (sebbene tecnicamente adeguato) non solo non riesce ad alleviare la sofferenza, ma diventa esso stesso fonte di sofferenza</small>}}		Analogamente, '''Eric Cassell''' ha mostrato che il concetto di malattia non può essere ridotto né a una disfunzione biologica né a una mera deviazione statistica: è piuttosto il risultato di una negoziazione semantica tra paziente, clinico e contesto culturale.{{Tooltip\|<sup>[31]</sup>\|<ref>Cassell EJ. "The Nature of Suffering and the Goals of Medicine." ''The New England Journal of Medicine'', 1982. doi:10.1056/NEJM198203183061204.</ref>\|<small>🧠 La questione della sofferenza e la sua relazione con le malattie organiche sono state raramente affrontate nella letteratura medica. Questo articolo offre una descrizione della natura e delle cause della sofferenza nei pazienti sottoposti a trattamento medico. Viene fatta una distinzione, basata su osservazioni cliniche, tra sofferenza e disagio fisico. La sofferenza è sperimentata dalle persone, non solo dai corpi, e ha origine da sfide che minacciano l'integrità della persona come entità sociale e psicologica complessa. La sofferenza può includere il dolore fisico, ma non si limita a esso. Il sollievo dalla sofferenza e la cura della malattia devono essere considerati come due doveri complementari di una professione medica che si dedica veramente alla cura del malato. L'incapacità dei medici di comprendere la natura della sofferenza può portare a un intervento medico che (sebbene tecnicamente adeguato) non solo non riesce ad alleviare la sofferenza, ma diventa esso stesso fonte di sofferenza</small>}}

	Infine, il modello biopsicosociale di '''George Engel''' propone di interpretare ogni evento clinico all’interno di una rete multilivello di significati—biologici, psicologici, sociali e semantici—anticipando quella visione sistemica e complessa oggi al centro della medicina contemporanea.{{Tooltip\|<sup>[32]\|<ref>Engel GL. "The need for a new medical model: a challenge for biomedicine." ''Science'', 1977;196(4286):129–136. doi:10.1126/science.847460.</ref>\|<Small> Il modello dominante di malattia oggi è biomedico e non lascia spazio alle dimensioni sociali, psicologiche e comportamentali della malattia. Viene proposto un modello biopsicosociale che fornisce un modello per la ricerca, un quadro di riferimento per la didattica e un modello di intervento nel mondo reale dell'assistenza sanitaria.</Small>}}		Infine, il modello biopsicosociale di '''George Engel''' propone di interpretare ogni evento clinico all’interno di una rete multilivello di significati—biologici, psicologici, sociali e semantici—anticipando quella visione sistemica e complessa oggi al centro della medicina contemporanea.{{Tooltip\|<sup>[32]>/Sup>\|<ref>Engel GL. "The need for a new medical model: a challenge for biomedicine." ''Science'', 1977;196(4286):129–136. doi:10.1126/science.847460.</ref>\|<Small> Il modello dominante di malattia oggi è biomedico e non lascia spazio alle dimensioni sociali, psicologiche e comportamentali della malattia. Viene proposto un modello biopsicosociale che fornisce un modello per la ricerca, un quadro di riferimento per la didattica e un modello di intervento nel mondo reale dell'assistenza sanitaria.</Small>}}

	{{q2\|Dunque, solo dopo aver chiarito la natura ''meta-linguistica'' e ''meta-concettuale'' dei termini che utilizziamo, potremo affrontare in modo coerente e produttivo la sfida teorica e clinica dei sistemi complessi in medicina.}}		{{q2\|Dunque, solo dopo aver chiarito la natura ''meta-linguistica'' e ''meta-concettuale'' dei termini che utilizziamo, potremo affrontare in modo coerente e produttivo la sfida teorica e clinica dei sistemi complessi in medicina.}}

← Versione meno recente		Versione delle 22:46, 2 mag 2025
Riga 142:		Riga 142:
	}}</ref>\|<small>📌 Nell’edizione di marzo di Nature, oltre 800 scienziati hanno sottoscritto un commento in cui si chiede il ritiro del termine “significatività statistica” [1]. Gli argomenti principali degli autori riguardano il fatto che la letteratura scientifica è piena di interpretazioni errate e potenzialmente dannose di associazioni basate su una classificazione arbitraria e binaria, fondata su un valore di p pari a 0,05. Gli autori illustrano le criticità di questo approccio, fornendo esempi concreti in cui ha portato a conclusioni errate all'interno e tra diversi studi. 🧠 Inoltre, analizzando 791 articoli pubblicati in cinque riviste accademiche, hanno rilevato che il 51% di essi ha interpretato erroneamente un risultato statisticamente non significativo come indicazione dell’assenza di un effetto.</small>}} Questa "rivoluzione silenziosa" nel campo dell'inferenza statistica promuove un approccio più riflessivo, contestuale e scientificamente onesto. Tra le voci più autorevoli in questo dibattito troviamo:		}}</ref>\|<small>📌 Nell’edizione di marzo di Nature, oltre 800 scienziati hanno sottoscritto un commento in cui si chiede il ritiro del termine “significatività statistica” [1]. Gli argomenti principali degli autori riguardano il fatto che la letteratura scientifica è piena di interpretazioni errate e potenzialmente dannose di associazioni basate su una classificazione arbitraria e binaria, fondata su un valore di p pari a 0,05. Gli autori illustrano le criticità di questo approccio, fornendo esempi concreti in cui ha portato a conclusioni errate all'interno e tra diversi studi. 🧠 Inoltre, analizzando 791 articoli pubblicati in cinque riviste accademiche, hanno rilevato che il 51% di essi ha interpretato erroneamente un risultato statisticamente non significativo come indicazione dell’assenza di un effetto.</small>}} Questa "rivoluzione silenziosa" nel campo dell'inferenza statistica promuove un approccio più riflessivo, contestuale e scientificamente onesto. Tra le voci più autorevoli in questo dibattito troviamo:

	* Rodgers JL – che parla di una “rivoluzione metodologica silenziosa”{{Tooltip\|<sup>[10]</sup>\|<ref>{{cita libro\|autore=Rodgers JL\|titolo=The epistemology of mathematical and statistical modeling: a quiet methodological revolution\|url=https://www.ncbi.nlm.nih.gov/pubmed/20063905\|opera=Am Psychol\|anno=2010\|DOI=10.1037/a0018326</ref>\|<small>📌 Negli ultimi decenni si è verificata, quasi senza discussione, una silenziosa rivoluzione metodologica: una rivoluzione della modellizzazione. Al contrario, il XX secolo si è concluso con vivaci dibattiti sull’utilità del test di significatività dell'ipotesi nulla (NHST). Tuttavia, tale controversia potrebbe essere stata almeno in parte irrilevante, poiché in diversi modi la rivoluzione della modellizzazione ha reso superfluo il dibattito sull’NHST. Inizio presentando una storia dell’NHST e della modellizzazione, e delle relazioni tra i due. Successivamente, definisco e illustro i principi che guidano lo sviluppo e la valutazione dei modelli matematici. Segue una discussione sulla differenza tra l’uso di procedure statistiche in un quadro basato su regole e la costruzione di modelli matematici all'interno di un'epistemologia scientifica. 🧠 Nella formazione post-laurea in psicologia viene trattato con attenzione quasi esclusivamente il primo approccio, basato sulle regole. Vengono quindi descritte le implicazioni pedagogiche di questo squilibrio e la necessità di una didattica rivista per tener conto della rivoluzione della modellizzazione. Infine, si discute di come l'attenzione alla modellizzazione comporti un'evoluzione della pratica statistica in direzioni più progressiste. La base epistemologica della statistica si è spostata: da un insieme di procedure applicate in modo meccanico alla costruzione e valutazione di modelli statistici e scientifici.</small>\|}}		* Rodgers JL – che parla di una “rivoluzione metodologica silenziosa”{{Tooltip\|<sup>[10]</sup>\|<ref>{{cita libro\|autore=Rodgers JL\|titolo=The epistemology of mathematical and statistical modeling: a quiet methodological revolution\|url=https://www.ncbi.nlm.nih.gov/pubmed/20063905\|opera=Am Psychol\|anno=2010\|DOI=10.1037/a0018326}}</ref>\|<small>📌 Negli ultimi decenni si è verificata, quasi senza discussione, una silenziosa rivoluzione metodologica: una rivoluzione della modellizzazione. Al contrario, il XX secolo si è concluso con vivaci dibattiti sull’utilità del test di significatività dell'ipotesi nulla (NHST). Tuttavia, tale controversia potrebbe essere stata almeno in parte irrilevante, poiché in diversi modi la rivoluzione della modellizzazione ha reso superfluo il dibattito sull’NHST. Inizio presentando una storia dell’NHST e della modellizzazione, e delle relazioni tra i due. Successivamente, definisco e illustro i principi che guidano lo sviluppo e la valutazione dei modelli matematici. Segue una discussione sulla differenza tra l’uso di procedure statistiche in un quadro basato su regole e la costruzione di modelli matematici all'interno di un'epistemologia scientifica. 🧠 Nella formazione post-laurea in psicologia viene trattato con attenzione quasi esclusivamente il primo approccio, basato sulle regole. Vengono quindi descritte le implicazioni pedagogiche di questo squilibrio e la necessità di una didattica rivista per tener conto della rivoluzione della modellizzazione. Infine, si discute di come l'attenzione alla modellizzazione comporti un'evoluzione della pratica statistica in direzioni più progressiste. La base epistemologica della statistica si è spostata: da un insieme di procedure applicate in modo meccanico alla costruzione e valutazione di modelli statistici e scientifici.</small>\|}}

	* Meehl P – che suggerisce di sostituire i test di significatività con 'intervalli di confidenza' e 'predizioni numeriche verificabili'{{Tooltip\|<sup>[11]</sup>\|<ref>{{cita libro		* Meehl P – che suggerisce di sostituire i test di significatività con 'intervalli di confidenza' e 'predizioni numeriche verificabili'{{Tooltip\|<sup>[11]</sup>\|<ref>{{cita libro
	\| autore = Meehl P		\| autore = Meehl P
	\| titolo = The problem is epistemology, not statistics: replace significance tests by confidence intervals and quantify accuracy of risky numerical predictions		\| titolo = The problem is epistemology, not statistics: replace significance tests by confidence intervals and quantify accuracy of risky numerical predictions
	\| anno = 1997		\| anno = 1997}}</ref>\|<small>📌 I test di significatività hanno un ruolo nella ricerca nelle scienze sociali, ma il loro uso diffuso nella valutazione delle teorie è spesso dannoso. La causa di ciò non risiede nella matematica in sé, bensì nella scarsa comprensione, da parte degli scienziati sociali, della relazione logica tra teoria e fatti, cioè in una mancanza di chiarezza metodologica o epistemologica.🧭 Le teorie implicano osservazioni, ma non vale il contrario. Sebbene il successo di una teoria nel derivare un fatto tenda a corroborarla, questa conferma è debole a meno che il fatto non abbia una probabilità a priori molto bassa e vi siano poche teorie alternative plausibili. 🧭 Il rilevamento di una differenza o correlazione diversa da zero — come avviene respingendo l'ipotesi nulla — non ha generalmente una probabilità a priori molto bassa, poiché nelle scienze sociali praticamente tutto è correlato con tutto il resto, indipendentemente dalla teoria. 🎯 Nel "forte" utilizzo dei test di significatività, la teoria predice un valore numerico puntuale, o un intervallo molto ristretto, per cui il test pone la teoria di fronte a un serio rischio di falsificazione se essa fosse oggettivamente scorretta. In generale, è preferibile costruire un intervallo di confidenza, che fornisce informazioni più ricche e implica comunque la confutazione dell'ipotesi nulla se una differenza cade al di fuori dell'intervallo. 🧠 I test di significatività risultano di solito più giustificabili in contesti tecnologici (ad esempio nella valutazione di un intervento) piuttosto che nella valutazione di teorie. Sarebbe utile disporre di un indice quantitativo che misuri quanto accuratamente una teoria riesca a prevedere un fatto rischioso, e viene proposto un esempio di tale indice. Diversamente dalle pratiche attuali più diffuse, i manuali e i corsi di statistica dovrebbero chiarire e sottolineare il grande divario semantico (logico) che separa una teoria sostanziale (causale, composizionale) da un'ipotesi statistica.</small>\|}}
	</ref>\|<small>📌 I test di significatività hanno un ruolo nella ricerca nelle scienze sociali, ma il loro uso diffuso nella valutazione delle teorie è spesso dannoso. La causa di ciò non risiede nella matematica in sé, bensì nella scarsa comprensione, da parte degli scienziati sociali, della relazione logica tra teoria e fatti, cioè in una mancanza di chiarezza metodologica o epistemologica.🧭 Le teorie implicano osservazioni, ma non vale il contrario. Sebbene il successo di una teoria nel derivare un fatto tenda a corroborarla, questa conferma è debole a meno che il fatto non abbia una probabilità a priori molto bassa e vi siano poche teorie alternative plausibili. 🧭 Il rilevamento di una differenza o correlazione diversa da zero — come avviene respingendo l'ipotesi nulla — non ha generalmente una probabilità a priori molto bassa, poiché nelle scienze sociali praticamente tutto è correlato con tutto il resto, indipendentemente dalla teoria. 🎯 Nel "forte" utilizzo dei test di significatività, la teoria predice un valore numerico puntuale, o un intervallo molto ristretto, per cui il test pone la teoria di fronte a un serio rischio di falsificazione se essa fosse oggettivamente scorretta. In generale, è preferibile costruire un intervallo di confidenza, che fornisce informazioni più ricche e implica comunque la confutazione dell'ipotesi nulla se una differenza cade al di fuori dell'intervallo. 🧠 I test di significatività risultano di solito più giustificabili in contesti tecnologici (ad esempio nella valutazione di un intervento) piuttosto che nella valutazione di teorie. Sarebbe utile disporre di un indice quantitativo che misuri quanto accuratamente una teoria riesca a prevedere un fatto rischioso, e viene proposto un esempio di tale indice. Diversamente dalle pratiche attuali più diffuse, i manuali e i corsi di statistica dovrebbero chiarire e sottolineare il grande divario semantico (logico) che separa una teoria sostanziale (causale, composizionale) da un'ipotesi statistica.</small>\|}}

	* Sprenger & Hartmann – promotori della 'filosofia Bayesiana della scienza'{{Tooltip\|<sup>[12]</sup>\|<ref>{{cita libro		* Sprenger & Hartmann – promotori della 'filosofia Bayesiana della scienza'{{Tooltip\|<sup>[12]</sup>\|<ref>{{cita libro

← Versione meno recente		Versione delle 22:40, 2 mag 2025
Riga 331:		Riga 331:
	Analogamente, '''Eric Cassell''' ha mostrato che il concetto di malattia non può essere ridotto né a una disfunzione biologica né a una mera deviazione statistica: è piuttosto il risultato di una negoziazione semantica tra paziente, clinico e contesto culturale.{{Tooltip\|<sup>[31]</sup>\|<ref>Cassell EJ. "The Nature of Suffering and the Goals of Medicine." ''The New England Journal of Medicine'', 1982. doi:10.1056/NEJM198203183061204.</ref>\|<small>🧠 La questione della sofferenza e la sua relazione con le malattie organiche sono state raramente affrontate nella letteratura medica. Questo articolo offre una descrizione della natura e delle cause della sofferenza nei pazienti sottoposti a trattamento medico. Viene fatta una distinzione, basata su osservazioni cliniche, tra sofferenza e disagio fisico. La sofferenza è sperimentata dalle persone, non solo dai corpi, e ha origine da sfide che minacciano l'integrità della persona come entità sociale e psicologica complessa. La sofferenza può includere il dolore fisico, ma non si limita a esso. Il sollievo dalla sofferenza e la cura della malattia devono essere considerati come due doveri complementari di una professione medica che si dedica veramente alla cura del malato. L'incapacità dei medici di comprendere la natura della sofferenza può portare a un intervento medico che (sebbene tecnicamente adeguato) non solo non riesce ad alleviare la sofferenza, ma diventa esso stesso fonte di sofferenza</small>}}		Analogamente, '''Eric Cassell''' ha mostrato che il concetto di malattia non può essere ridotto né a una disfunzione biologica né a una mera deviazione statistica: è piuttosto il risultato di una negoziazione semantica tra paziente, clinico e contesto culturale.{{Tooltip\|<sup>[31]</sup>\|<ref>Cassell EJ. "The Nature of Suffering and the Goals of Medicine." ''The New England Journal of Medicine'', 1982. doi:10.1056/NEJM198203183061204.</ref>\|<small>🧠 La questione della sofferenza e la sua relazione con le malattie organiche sono state raramente affrontate nella letteratura medica. Questo articolo offre una descrizione della natura e delle cause della sofferenza nei pazienti sottoposti a trattamento medico. Viene fatta una distinzione, basata su osservazioni cliniche, tra sofferenza e disagio fisico. La sofferenza è sperimentata dalle persone, non solo dai corpi, e ha origine da sfide che minacciano l'integrità della persona come entità sociale e psicologica complessa. La sofferenza può includere il dolore fisico, ma non si limita a esso. Il sollievo dalla sofferenza e la cura della malattia devono essere considerati come due doveri complementari di una professione medica che si dedica veramente alla cura del malato. L'incapacità dei medici di comprendere la natura della sofferenza può portare a un intervento medico che (sebbene tecnicamente adeguato) non solo non riesce ad alleviare la sofferenza, ma diventa esso stesso fonte di sofferenza</small>}}

	Infine, il modello biopsicosociale di '''George Engel''' propone di interpretare ogni evento clinico all’interno di una rete multilivello di significati—biologici, psicologici, sociali e semantici—anticipando quella visione sistemica e complessa oggi al centro della medicina contemporanea.{{Tooltip\|<sup>[32]>/Sup>\|<ref>Engel GL. "The need for a new medical model: a challenge for biomedicine." ''Science'', 1977;196(4286):129–136. doi:10.1126/science.847460.</ref>\|<Small> Il modello dominante di malattia oggi è biomedico e non lascia spazio alle dimensioni sociali, psicologiche e comportamentali della malattia. Viene proposto un modello biopsicosociale che fornisce un modello per la ricerca, un quadro di riferimento per la didattica e un modello di intervento nel mondo reale dell'assistenza sanitaria.</Small>}}		Infine, il modello biopsicosociale di '''George Engel''' propone di interpretare ogni evento clinico all’interno di una rete multilivello di significati—biologici, psicologici, sociali e semantici—anticipando quella visione sistemica e complessa oggi al centro della medicina contemporanea.{{Tooltip\|<sup>[32]</Sup>\|<ref>Engel GL. "The need for a new medical model: a challenge for biomedicine." ''Science'', 1977;196(4286):129–136. doi:10.1126/science.847460.</ref>\|<Small> Il modello dominante di malattia oggi è biomedico e non lascia spazio alle dimensioni sociali, psicologiche e comportamentali della malattia. Viene proposto un modello biopsicosociale che fornisce un modello per la ricerca, un quadro di riferimento per la didattica e un modello di intervento nel mondo reale dell'assistenza sanitaria.</Small>}}

	{{q2\|Dunque, solo dopo aver chiarito la natura ''meta-linguistica'' e ''meta-concettuale'' dei termini che utilizziamo, potremo affrontare in modo coerente e produttivo la sfida teorica e clinica dei sistemi complessi in medicina.}}		{{q2\|Dunque, solo dopo aver chiarito la natura ''meta-linguistica'' e ''meta-concettuale'' dei termini che utilizziamo, potremo affrontare in modo coerente e produttivo la sfida teorica e clinica dei sistemi complessi in medicina.}}

← Versione meno recente		Versione delle 22:40, 2 mag 2025
Riga 331:		Riga 331:
	Analogamente, '''Eric Cassell''' ha mostrato che il concetto di malattia non può essere ridotto né a una disfunzione biologica né a una mera deviazione statistica: è piuttosto il risultato di una negoziazione semantica tra paziente, clinico e contesto culturale.{{Tooltip\|<sup>[31]</sup>\|<ref>Cassell EJ. "The Nature of Suffering and the Goals of Medicine." ''The New England Journal of Medicine'', 1982. doi:10.1056/NEJM198203183061204.</ref>\|<small>🧠 La questione della sofferenza e la sua relazione con le malattie organiche sono state raramente affrontate nella letteratura medica. Questo articolo offre una descrizione della natura e delle cause della sofferenza nei pazienti sottoposti a trattamento medico. Viene fatta una distinzione, basata su osservazioni cliniche, tra sofferenza e disagio fisico. La sofferenza è sperimentata dalle persone, non solo dai corpi, e ha origine da sfide che minacciano l'integrità della persona come entità sociale e psicologica complessa. La sofferenza può includere il dolore fisico, ma non si limita a esso. Il sollievo dalla sofferenza e la cura della malattia devono essere considerati come due doveri complementari di una professione medica che si dedica veramente alla cura del malato. L'incapacità dei medici di comprendere la natura della sofferenza può portare a un intervento medico che (sebbene tecnicamente adeguato) non solo non riesce ad alleviare la sofferenza, ma diventa esso stesso fonte di sofferenza</small>}}		Analogamente, '''Eric Cassell''' ha mostrato che il concetto di malattia non può essere ridotto né a una disfunzione biologica né a una mera deviazione statistica: è piuttosto il risultato di una negoziazione semantica tra paziente, clinico e contesto culturale.{{Tooltip\|<sup>[31]</sup>\|<ref>Cassell EJ. "The Nature of Suffering and the Goals of Medicine." ''The New England Journal of Medicine'', 1982. doi:10.1056/NEJM198203183061204.</ref>\|<small>🧠 La questione della sofferenza e la sua relazione con le malattie organiche sono state raramente affrontate nella letteratura medica. Questo articolo offre una descrizione della natura e delle cause della sofferenza nei pazienti sottoposti a trattamento medico. Viene fatta una distinzione, basata su osservazioni cliniche, tra sofferenza e disagio fisico. La sofferenza è sperimentata dalle persone, non solo dai corpi, e ha origine da sfide che minacciano l'integrità della persona come entità sociale e psicologica complessa. La sofferenza può includere il dolore fisico, ma non si limita a esso. Il sollievo dalla sofferenza e la cura della malattia devono essere considerati come due doveri complementari di una professione medica che si dedica veramente alla cura del malato. L'incapacità dei medici di comprendere la natura della sofferenza può portare a un intervento medico che (sebbene tecnicamente adeguato) non solo non riesce ad alleviare la sofferenza, ma diventa esso stesso fonte di sofferenza</small>}}

	Infine, il modello biopsicosociale di '''George Engel''' propone di interpretare ogni evento clinico all’interno di una rete multilivello di significati—biologici, psicologici, sociali e semantici—anticipando quella visione sistemica e complessa oggi al centro della medicina contemporanea.{{Tooltip\|<sup>[32]\|<ref>Engel GL. "The need for a new medical model: a challenge for biomedicine." ''Science'', 1977;196(4286):129–136. doi:10.1126/science.847460.</ref>\|<Small> Il modello dominante di malattia oggi è biomedico e non lascia spazio alle dimensioni sociali, psicologiche e comportamentali della malattia. Viene proposto un modello biopsicosociale che fornisce un modello per la ricerca, un quadro di riferimento per la didattica e un modello di intervento nel mondo reale dell'assistenza sanitaria.</Small>}}		Infine, il modello biopsicosociale di '''George Engel''' propone di interpretare ogni evento clinico all’interno di una rete multilivello di significati—biologici, psicologici, sociali e semantici—anticipando quella visione sistemica e complessa oggi al centro della medicina contemporanea.{{Tooltip\|<sup>[32]>/Sup>\|<ref>Engel GL. "The need for a new medical model: a challenge for biomedicine." ''Science'', 1977;196(4286):129–136. doi:10.1126/science.847460.</ref>\|<Small> Il modello dominante di malattia oggi è biomedico e non lascia spazio alle dimensioni sociali, psicologiche e comportamentali della malattia. Viene proposto un modello biopsicosociale che fornisce un modello per la ricerca, un quadro di riferimento per la didattica e un modello di intervento nel mondo reale dell'assistenza sanitaria.</Small>}}

	{{q2\|Dunque, solo dopo aver chiarito la natura ''meta-linguistica'' e ''meta-concettuale'' dei termini che utilizziamo, potremo affrontare in modo coerente e produttivo la sfida teorica e clinica dei sistemi complessi in medicina.}}		{{q2\|Dunque, solo dopo aver chiarito la natura ''meta-linguistica'' e ''meta-concettuale'' dei termini che utilizziamo, potremo affrontare in modo coerente e produttivo la sfida teorica e clinica dei sistemi complessi in medicina.}}