|
|
| (4 versioni intermedie di uno stesso utente non sono mostrate) |
| Riga 1: |
Riga 1: |
| {{main menu it | | {{main menu it |
| |link to German= Hauptseite | | |link to German= Hauptseite |
| |link to Spanish= Pàgina Principal | | |link to Spanish= Página Principal |
| |link to French= Page d'accueil | | |link to French= Page d'accueil |
| |link to Italian= Introduzione | | |link to Italian= Introduzione |
| |link to English= Introduction | | |link to English= Introduction |
| }} | | }} |
| <div class="chapter-content">
| |
|
| |
| {{ArtBy|||autore=Gianni Frisardi|autore2=Giorgio Cruccu|autore3=Luca Fontana|autore4=Cesare Iani|autore5=|autore6=Diego Centonze|autore7=Manuel Luci|autore8=Flavio Frisardi|autore9=}}
| |
|
| |
| ==Introduzione==
| |
| Abbiamo raggiunto la conclusione della sezione sulla 'Scienza Normale', che equivale fondamentalmente alla fase 2 dei 'Paradigmi di Kuhn', dove è stato presentato lo status quo del paradigma nel campo del Dolore Orofacciale (OP) e dei Disordini Temporomandibolari (TMD). Allo stesso tempo, sono stati evidenziati una serie di problemi diagnostici che non sono ancora classificabili come 'Anomalie' ma piuttosto come elementi critici da valutare nel contesto del capitolo.
| |
|
| |
| Le condizioni croniche di 'OP' possono essere particolarmente difficili da diagnosticare e trattare a causa della loro complessità e della limitata comprensione dei meccanismi alla base della loro eziologia e patogenesi.<ref>[https://www.ncbi.nlm.nih.gov/books/NBK555057/ NASEM Temporomandibular Disorders: Priorities for Research and Care] The National Academies Press, Washington, DC (2020), 10.17226/25652</ref><ref>B.J. Sessle. [https://www.ncbi.nlm.nih.gov/pmc/articles/pmid/34281164/ Chronic orofacial pain: models, mechanisms, and genetic and related environmental influences]. Int J. Mol. Sci., 22 (2021), p. 7112, 10.3390/ijms22137112</ref> Una caratteristica frequente dell' 'OP' è la natura multifattoriale della patologia, che complica ulteriormente la diagnosi. I TMD, ad esempio, noti come Disordini Temporo-Mandibolari (TMD), Dolore Cranio-Facciale (CFP) e Disfunzione dell'Articolazione Temporo-Mandibolare (disfunzione TMJ) nei paesi anglosassoni, a volte presentano sfide diagnostiche. Il dolore orofacciale causato dai TMD spesso si sovrappone a sintomi e segni clinici simili ad altri disturbi dolorosi, che possono essere manifestazioni di altre malattie neurologiche sistemiche. Questo scenario clinico può rendere difficile la diagnosi differenziale, specialmente nelle fasi iniziali della malattia.<ref>Sollecito T.P., Richardson R.M., Quinn P.D., Cohen G.S.: Intracranial schwannoma as atypical facial pain. Case report. Oral Surg Oral Med Oral Pathol. 1993;76:153-6</ref><ref>Shankland W.E.: Trigeminal neuralgia: typical or atypical? Cranio. 1993;11:108-12.</ref><ref>Graff-Radford S.B., Solberg W.K.: Is atypical odontalgia a psychological problem? Oral Surg Oral Med Oral Pathol. 1993;75:579-82.</ref><ref>Ruelle A., Datti R., Andrioli G.: Cerebellopontine angle osteoma causing trigeminal neuralgia: case report. Neurosurgery. 1994;35:1135-7.</ref> In una percentuale di pazienti con disturbi funzionali dell'apparato stomatognatico, sono stati identificati alcuni fattori di rischio periferici, cioè occlusali<ref>B.C. Cooper Temporomandibular disorders: a position paper of the International College of Cranio-Mandibular Orthopedics (ICCMO) Cranio, 29 (2011), pp. 237-244, 10.1179/crn.2011.034</ref><ref>M.S. Nguyen, T. Jagomägi, T. Nguyen, M.Saag, Ü. Voog-Oras Occlusal support and temporomandibular disorders among elderly Vietnamese Int J. Prosthodont, 30 (2017), pp. 465-470, 10.11607/ijp.5216</ref><ref>M.S. Nguyen, M. Saag, T. Jagomägi, Q.H.Nguyen, Ü. Voog-Oras The impact of occlusal support on temporomandibular disorders: a literature review Proc. Singap. Healthc., 31 (2021), pp. 1-12, 10.1177/2010105821102</ref><ref>T.R. Walton, D.M. Layton Mediotrusive occlusal contacts: best evidence consensus statement J. Prosthodont, 30 (S1) (2021), pp. 43-51, 10.1111/jopr.13328</ref><ref>A. Kucukguven, M.D. Demiryurek, I.Vargel Temporomandibular joint innervation: anatomical study and clinical implications Ann. Anat., 240 (2022), Article 151882, 10.1016/j.aanat.2021.151882</ref><ref>E. Tervahauta, L. Närhi, P. Pirttiniemi, K.Sipilä, R. Näpänkangas, M. Tolvanen, V.Vuollo, A.S. Silvola Prevalence of sagittal molar and canine relationships, asymmetries and midline shift in relation to temporomandibular disorders (TMD) in a Finnish adult population Acta Odontol. Scand., 80 (2022), pp. 1-11, 10.1080/00016357.2022.2036364</ref> così come una serie di fattori di rischio biopsicosociali centrali riguardanti le disfunzioni del Sistema Nervoso Centrale.<ref>R.B. Fillingim, R. Ohrbach, J.D.Greenspan, C. Knott, R. Dubner, E. Bair, C. Baraian, G.D. Slade, W. Maixner [https://www.ncbi.nlm.nih.gov/pmc/articles/pmid/22074752/ Potential psychosocial risk factors for chronic TMD: descriptive data and empirically identified domains from the OPPERA case-control study] J. Pain., 12 (11 Suppl) (2011), pp. T46-T60, 10.1016/j.jpain.2011.08.007</ref><ref>G.D. Slade, R. Ohrbachm, J.D.Greenspan, R.B. Fillingim, E. Bair, A.E.Sanders, R. Dubner, L. Diatchenko, C.B.Meloto, S. Smith, W. Maixner [https://pubmed.ncbi.nlm.nih.gov/27339423/ Painful temporomandibular disorder: decade of discovery from OPPERA studies] J. Dent. Res, 95 (10) (2016), pp. 1084-1092, 10.1177/0022034516653743</ref><ref>G.D. Slade, R. Ohrbach, J.D. Greenspan, R.B. Fillingim, E. Bair, A.E. Sanders, R.Dubner, L. Diatchenko, C.B. Meloto, S.Smith, W. Maixner [https://www.ncbi.nlm.nih.gov/pmc/articles/pmid/27339423/ Painful temporomandibular disorder: decade of discovery from OPPERA studies] J. Dent. Res, 95 (2016), pp. 1084-1092, 10.1177/0022034516653743</ref> Tuttavia, questi studi non hanno fornito nuove informazioni sulle cause principali dei TMD e sulle loro implicazioni per la gestione di questi pazienti<ref>P. Svensson, F. Exposto Commentary 2: further evidence for overlaps among chronic pain conditions-but no news about causal relationships J. Oral. Facial Pain. Headache, 34(Suppl) (2020), pp. s6-s8, 10.11607/ofph.2020.suppl.c2</ref> e di conseguenza, sono stati proposti una vasta gamma di trattamenti per lo più conservativi<ref>C.S. Stohler, G.A. Zarb On the management of temporomandibular disorders: a plea for a low-tech, high-prudence therapeutic approach J. Orofac. Pain., 13 (1999), pp. 255-261</ref><ref>J. Feng, M. Luo, J. Ma, Y. Tian, X. Han, D.Bai [https://www.ncbi.nlm.nih.gov/pmc/articles/pmid/31725647/ The treatment modalities of masticatory muscle pain a network meta-analysis] Med. (Baltim. ), 98 (2019), Article e17934, 10.1097/MD.0000000000017934</ref><ref>Z. Al-Ani Occlusion and temporomandibular disorders: a long-standing controversy in dentistry Prim. Dent. J., 9 (2020), pp. 43-48, 10.1177/2050168420911029</ref><ref>C. Penlington, C. Bowes, G. Taylor, A.A.Otemade, P. Waterhouse, J. Durham, R.Ohrbach [https://www.ncbi.nlm.nih.gov/pmc/articles/pmid/35951347/ Psychological therapies for temporomandibular disorders (TMDs)] Cochrane Database Syst. Rev., Issue 8(2022), Article CD013515, 10.1002/14651858.CD013515.pub2</ref> ma la mancanza di evidenze cliniche ha permesso di contestare il ruolo dell'occlusione nei TMD<ref>P. Alanen Occlusion and temporomandibular disorders (TMD): still unsolved question? J. Dent. Res, 81 (2002), pp. 518-519, 10.1177/154405910208100803</ref> sebbene non vi siano prove scientifiche che contraddicano un ruolo causale dell'occlusione nei disturbi funzionali.<ref>P. Kirveskari, T. Jamsa, P. Alanen Occlusal adjustment and the incidence of demand for temporomandibular disorder treatment J. Prosthet. Dent., 79 (1998), pp. 433-438, 10.1016/s0022-3913(98)70158-1</ref><ref>T. de Abreu, C. Bahia, T. Foscaldo, P.Senna, H. de Souza, R. Fischer, P.Kirveskari Effect of occlusal equilibration on masticatory muscle activity in females with sleep bruxism: a double-blind randomised controlled trial J. Sleep. Res., 14 (2023), Article e13879, 10.1111/jsr.13879</ref>
| |
|
| |
| In conclusione, un ostacolo critico nella comprensione dei TMD e quindi nella diagnosi differenziale con 'OP' è stata la perdita di criteri diagnostici standardizzati per definire i sottotipi di TMD, e per questo motivo sono stati condotti numerosi studi per creare un metodo di valutazione diagnostica standardizzata chiamato Research Diagnostic Criteria (RDC) e firmato in RDC. Per ulteriori informazioni sul tema RDC segui il [[Research Diagnostic Criteria (RDC)|capitolo specifico]].
| |
|
| |
| Il fatto è che nei capitoli precedenti abbiamo evidenziato questioni critiche da non sottovalutare sia per il ritardo nella diagnosi sia per il pericolo di errori diagnostici che possono compromettere la salute dei pazienti, come ben documentato nella presentazione dei casi clinici. Lo studio clinico prospettico, che presenteremo in questo capitolo, costituirà la base di un nuovo paradigma diagnostico che vedremo realizzato alla fine della stesura editoriale di Masticationpedia e precisamente nella sezione 'Scienza Straordinaria'. Data la complessità, delicatezza e criticità del tema, lo studio clinico prospettico è durato 5 anni durante i quali i soggetti coinvolti sono stati studiati, seguiti e riesaminati in tre tempi diversi: in un momento '''<math>t_0=</math>''' Fase diagnostica preliminare; un tempo '''<math>t_n=</math>''' Fase diagnostica avanzata e infine un tempo '''<math>t_{n+1}=</math>''' Fase diagnostica definitiva che chiuderà il progetto da cui sarà modellato un protocollo chiamato 'Indice <math>|\Psi\rangle</math>', letto come 'Indice ket Psi'.
| |
|
| |
| L'accuratezza dei dati derivati dallo studio prospettico in vari tempi di valutazione è stata correlata con il modello bayesiano, motivo per cui è necessario richiamarlo brevemente.
| |
|
| |
| ===Teorema di Bayes===
| |
| Il teorema di Bayes è un principio importante della teoria della probabilità che ci permette di aggiornare le credenze o le probabilità su un evento alla luce di nuove evidenze o informazioni. In altre parole, ci consente di ricalcolare la probabilità di un'ipotesi, data l'osservazione di alcuni dati.
| |
|
| |
| La formula per il teorema di Bayes è:
| |
|
| |
| <math>P(A|B) = \frac{P(B|A) \cdot P(A)}{P(B)}</math>
| |
|
| |
| dove:
| |
|
| |
| *<math>P(A|B)</math> - Probabilità che A si verifichi dopo aver osservato B,
| |
| *<math>P(B|A)</math> - Probabilità di osservare B se A è vero,
| |
| *<math>P(A)</math> - Probabilità iniziale di A,
| |
| *<math>P(B)</math> - Probabilità totale.
| |
|
| |
| <math>P(B)</math> è cruciale per comprendere la discussione che segue. Viene spesso chiamata la 'Formula della Probabilità Totale'.
| |
|
| |
| In termini semplici, il teorema di Bayes ci dice come aggiornare la nostra credenza su un'ipotesi (evento A) alla luce di nuove evidenze (evento B). Praticamente, può essere utile quando abbiamo una conoscenza preliminare sulla probabilità di un evento <math>P(A)</math> e otteniamo nuove informazioni che potrebbero influenzare questa probabilità <math>P(B|A)</math>. Il teorema di Bayes ci consente di calcolare la probabilità aggiornata dell'evento <math>A</math> alla luce di queste nuove informazioni. Un esempio comune è il test diagnostico in medicina. Supponiamo di avere una malattia rara, con una probabilità dell'1% di colpire la popolazione. Il test per questa malattia ha una sensibilità dell'80% e una specificità del 90%. Se otteniamo un risultato positivo al test, come dovremmo interpretarlo?
| |
|
| |
| Utilizzando il teorema di Bayes, possiamo calcolare la probabilità che una persona abbia effettivamente la malattia data la positività del test. Ciò comporta il calcolo delle probabilità condizionate della malattia data un risultato positivo al test, utilizzando le informazioni sulla sensibilità e specificità del test insieme alla prevalenza della malattia nella popolazione.
| |
|
| |
| In breve, il teorema di Bayes fornisce un modo potente per aggiornare le nostre credenze o probabilità basate su nuove evidenze o informazioni, rendendolo uno strumento fondamentale in molti campi, dalla statistica alla medicina, all'intelligenza artificiale.
| |
|
| |
| A questo punto, possiamo trasferire i risultati del test RDC in Bayes e quantificare le probabilità di positività e/o negatività clinica. Iniziamo con i dati derivanti dalla prima analisi del campione basata sul modello RDC classico e chiamata Indice <math>\Psi</math> al tempo <math>t_0</math>.
| |
|
| |
| [[File:Table 1 CNSS.jpg|thumb|'''Tabella 1:''' rappresentazione dei dati in output dal test RDC in 40 soggetti di cui 30 asintomatici e 10 sintomatici. Per il modello RDC, ci sono 9 soggetti affetti da TMD e 1 soggetto sintomatico considerato sano, ma che nel follow-up si renderà conto che soffriva di una grave patologia tumorale, quindi i dati di accuratezza varieranno leggermente a seconda che il soggetto falso positivo sia considerato o falso negativo, la sostanza concettuale non cambia in questo contesto. Per il modello emergente dal 'Gruppo di Esperti', invece, i soggetti affetti da TMD erano 2, i soggetti affetti da altre patologie (noTMDs) erano 7 e anche per questo modello il soggetto n° 40 è stato considerato non malato (sano)]]
| |
|
| |
| ===Indice <math>\Psi</math> al tempo <math>t_0</math>===
| |
| Iniziamo con una panoramica dei risultati ottenuti dal modello RDC applicato a un campione di 30 soggetti asintomatici e 10 sintomatici, analizzando la sensibilità e la specificità del test e, di conseguenza, la probabilità totale calcolata tramite il teorema di Bayes. Questo teorema è fondamentale per valutare la probabilità che un paziente con un test positivo sia effettivamente affetto dalla malattia.
| |
|
| |
| Il modello ha identificato 9 soggetti sintomatici affetti da TMD che soddisfavano i criteri clinici RDC e un soggetto sano tra i sintomatici, con una prevalenza della malattia del 9%<ref>?</ref> nella popolazione esaminata. (Tabella 1) Procediamo ora ad applicare il teorema di Bayes ai dati statistici.
| |
|
| |
| Basandoci sui risultati del test RDC per i nostri 40 soggetti, di cui 9 sono stati considerati affetti da TMD e 1 come falso negativo, procediamo come segue:
| |
|
| |
| *Prevalenza (<math>P(A)</math>): 9%,
| |
| *Sensibilità (<math>P(B|A)</math>): 90%,
| |
| *Specificità (<math>P(\neg B|\neg A)</math>): 100%, quindi <math>P(B|\neg A) = 0</math>.
| |
|
| |
| '''Calcolo della Formula della Probabilità Totale <math>P(B)</math>'''
| |
|
| |
| <math>P(B) = P(B|A) \cdot P(A) + P(B|\neg A) \cdot (1 - P(A)) = 0.081</math>
| |
|
| |
| Questo calcolo è essenziale per affrontare i concetti che seguiranno.
| |
|
| |
| '''Calcolo di''' <math>P(A|B)</math>
| |
|
| |
| <math>P(A|B) = \frac{0.90 \cdot 0.09}{0.081} = 1.00</math>
| |
|
| |
| Pertanto, <math>P(A|B)</math> rappresenta la probabilità che il paziente sia affetto da TMD dato che il risultato del test è positivo. Questo risultato, che indica una certezza del 100% nella diagnosi dopo un test RDC positivo per i TMD, solleva preoccupazioni sul valore elevato di certezza probabilistica e sulla possibile presenza di altre patologie gravi che potrebbero manifestare sintomi simili ai TMD in una fase iniziale.
| |
|
| |
| Martina K. Shephard e Gary Heir<ref>Martina K. Shephard & Gary Heir.Orofacial Pain in the Medically Complex Patient. Contemporary Oral Medicine, 26 January 2019</ref> illustrano nel loro articolo scientifico che varie condizioni patologiche possono confondere la diagnosi di Dolore Orofacciale, come i TMD, includendo malattie cardiovascolari, disturbi muscoloscheletrici e condizioni neurologiche.
| |
|
| |
| Per questo motivo, abbiamo sottoposto i soggetti sintomatici a ulteriori valutazioni da parte di un team multidisciplinare. Il follow-up, conclusosi dopo due anni, ha fornito risposte significative ai dubbi espressi, dimostrando la complessità delle diagnosi mediche e l'importanza di un approccio olistico nella valutazione dei sintomi. Infatti, i dati aggiornati sono stati ricalcolati contemporaneamente a una serie di impostazioni statistiche alternative. Questo secondo passaggio è stato chiamato, appropriatamente, 'Indice <math>\Psi</math>' al tempo <math>t_n</math>
| |
| [[File:Accuratezza RDC.jpg|left|thumb|'''Tabella 2:''' Risultati riguardanti l'accuratezza del test RDC]]
| |
|
| |
| ==Indice <math>\Psi</math> al tempo <math>t_n</math>==
| |
|
| |
| Il follow-up di due anni ha rivelato che molti dei 10 soggetti sintomatici erano affetti da gravi malattie neurologiche e sistemiche, come meningiomi, cavernomi pineali, sclerodermia e spasmi emimasticatori. Queste condizioni sono già state descritte nei capitoli della sezione "Scienza Normale". La scoperta di tali gravi patologie tra i soggetti esaminati ha suscitato notevole preoccupazione, rivelando un alto rischio per la vita di alcuni individui. Questo risultato deve essere interpretato come un'anomalia epistemologica che trascende i dogmi delle scuole di pensiero consolidate.
| |
|
| |
| La mentalità prevalente in medicina è basata su un formalismo deterministico, secondo cui variabili, eventi e dati sono commutabili, e invertire i dati di output non altera il risultato. Tuttavia, nella pratica clinica, emerge una variabile critica: il tempo. Il tempo stabilisce un ordine sia nella manifestazione del danno organico sia nei sintomi di dolore orofacciale e/o bruxismo. Questa considerazione, apparentemente logica e banale, introduce una questione epistemologica profonda, in quanto segna il passaggio da un modello statistico classico e deterministico a un modello quantistico e indeterminato.
| |
|
| |
| Consideriamo il caso clinico di un paziente affetto da bruxismo, descritto nel capitolo "Bruxismo". Il paziente ha riferito bruxismo notturno e diurno già dal 2000 ai suoi colleghi odontoiatri, che sono intervenuti con il trattamento del biteplane. In quel contesto, la diagnosi era di TMD, formulata attraverso il modello RDC già nel 2000. I colleghi hanno continuato a seguire il paziente fino al 2014, anno in cui si è presentato al nostro Centro di Neurognatologia. Durante la prima fase della ricerca sperimentale, chiamata "Indice <math>\Psi</math> al tempo <math>t_0</math>", la diagnosi di bruxismo, secondo il modello RDC, è stata confermata poiché il paziente soddisfaceva i requisiti specifici del modello. Tuttavia, successivamente, al tempo <math>t_n</math> (come descritto in precedenza), la diagnosi è cambiata in "Cavernoma Pineale".
| |
|
| |
| Supponiamo che nel 2000 i colleghi odontoiatri avessero eseguito un'EMG interferenziale dei masseteri (Figura 1) e, non rilevando anomalie neuromotorie (simmetria delle ampiezze e frequenza di scarica delle unità motorie), avessero concluso, naturalmente, che il paziente fosse sano nonostante episodi sporadici di bruxismo. Tuttavia, con l'intervento del 2014, quando abbiamo eseguito il Ciclo di Recupero del Riflesso Inibitorio del Massetere (Figura 2), abbiamo rivelato una grave ipereccitabilità neuromotoria trigeminale organica, portando alla diagnosi definitiva di "Cavernoma Pineale". Questo dimostra come, già dal 2000, il danno organico potesse essere presente ma la diagnosi è cambiata solo nel 2014, illustrando l'importanza dell'ordine delle informazioni e la non commutabilità dei dati.
| |
|
| |
| In questa esplorazione, senza entrare in dettagli eccessivamente tecnici, introduciamo il concetto di variabili non commutative e il loro impatto sulla pratica medica.
| |
| <center>
| |
| <gallery heights="240" mode="slideshow">
| |
| File:Leonardo4 modificata.jpg|'''Figura 1:''' EMG interferenziale eseguita nell'anno 2000. Traccia successivamente considerata come operatore quantistico '''<math>\hat{E}</math>'''
| |
| File:Recovery cycle.jpeg|'''Figura 2:''' Ciclo di Recupero del Riflesso Inibitorio del Massetere (rcIMR) eseguito nell'anno 2014. Traccia successivamente considerata come operatore quantistico '''<math>\hat{P}</math>'''
| |
| </gallery>
| |
| </center>
| |
|
| |
| ===Variabili non commutative===
| |
|
| |
| ===='''Modello di Bayes'''====
| |
| Come accennato in precedenza, il modello di Bayes serve ad aggiornare le probabilità di diagnosi alla luce di nuove evidenze. Riportiamo il formalismo matematico per seguire meglio le differenze tra i modelli:
| |
|
| |
| <math>P(A|B) = \frac{P(B|A) \cdot P(A)}{P(B)}</math> e solo il termine <math>P(B)</math> che è cruciale per comprendere la discussione che segue. Questo, lo ripetiamo, è spesso chiamato la 'Formula della Probabilità Totale'.
| |
|
| |
| ====Modello Quantistico====
| |
| Il modello quantistico impiega operatori matematici che possono essere non commutativi, dimostrando come l'ordine di applicazione degli operatori possa influenzare il risultato.
| |
|
| |
| Infatti, la proprietà:
| |
|
| |
| :<math>\hat{A}\hat{B} \neq \hat{B}\hat{A}</math>
| |
|
| |
| non trova un analogo diretto nel modello bayesiano, che non considera l'effetto dell'ordine dei test.
| |
|
| |
| A differenza dei modelli classici, i modelli quantistici possono incorporare effetti di sovrapposizione e interferenza tra stati, che sono assenti nella teoria della probabilità classica.
| |
|
| |
| =====Limiti del Modello di Bayes=====
| |
|
| |
| Il modello di Bayes non tiene conto dell'ordine dei test; semplicemente somma le evidenze senza considerare come l'ordine possa influenzare i risultati. Le probabilità nel modello di Bayes sono interpretate come misure di incertezza basate sulle informazioni disponibili, mentre nella meccanica quantistica, le probabilità emergono anche dai principi di sovrapposizione e non-località. Per distinguerlo dal noto Teorema di Bayes ma al contempo differenziarlo dai modelli di tipo quantistico, potremmo chiamare questo approccio 'QBism'.
| |
|
| |
| ===Quantum Bayesianism ‘QBism’===
| |
|
| |
| I modelli non classici come Bayes forniscono una prospettiva basata sui principi della meccanica quantistica, illustrando come l'ordine dei test diagnostici possa influenzare i risultati della diagnosi, sfruttando la non commutatività degli operatori quantistici.
| |
|
| |
| '''Non commutatività dei Dati'''
| |
|
| |
| Ogni test diagnostico è modellato come un operatore quantistico che agisce su uno spazio di stato, rappresentando le diverse condizioni di salute del paziente.
| |
|
| |
| *'''Operatore EMG <math>\hat{E}</math>''' (vedi figura 1)
| |
| **Poco efficace per rilevare l'ipereccitabilità neuromotoria trigeminale.
| |
| **Matrice dell'operatore:
| |
|
| |
|
| :<math>\hat{E} = \begin{pmatrix} 0.95 & 0.05 \\ 0.05 & 0.95 \end{pmatrix}</math>
| |
|
| |
| *'''Operatore <sub>rc</sub>IMR <math>\hat{P}</math>''' (vedi figura 2)
| |
| **Molto efficace per rilevare l'ipereccitabilità neuromotoria trigeminale.
| |
| **Matrice dell'operatore:
| |
|
| |
| :<math>\hat{P} = \begin{pmatrix} 0.1 & 0.9 \\ 0.9 & 0.1 \end{pmatrix}</math>
| |
|
| |
| '''Stato Iniziale del Paziente'''
| |
|
| |
| *Il vettore di stato iniziale del paziente è:
| |
|
| |
| :<math>\psi=\begin{pmatrix} 1 \\ 0 \end{pmatrix}</math> Questo indica che il paziente è inizialmente considerato sano.
| |
|
| |
| ====Simulazione dei Risultati====
| |
|
| |
| *'''Scenario 1:''' EMG nel 2000 seguito dal test <sub>rc</sub>IMR nel 2014
| |
| **Risultato dopo l'EMG:
| |
|
| |
| :<math>\hat{E} \begin{pmatrix} 1 \\ 0 \end{pmatrix} = \begin{pmatrix} 0.95 \\ 0.05 \end{pmatrix}</math>
| |
|
| |
| Questo indica che, dopo l'applicazione dell'EMG, il vettore di stato mostra una probabilità del 95% che il paziente sia sano e solo una probabilità del 5% di malattia, evidenziando la scarsa sensibilità dell'EMG per la patologia in questione (Cavernoma Pineale).
| |
|
| |
| *Risultato dopo <sub>rc</sub>IMR nel 2014:
| |
|
| |
| :<math>\hat{P} \begin{pmatrix} 0.95 \\ 0.05 \end{pmatrix} = \begin{pmatrix} 0.14 \\ 0.86 \end{pmatrix}</math>
| |
| :Questo conferma che, numericamente, l'applicazione della matrice ha trasformato lo stato in modo che la probabilità di rilevare la malattia sia aumentata significativamente (dal 5% all'86%), evidenziando la malattia che l'EMG non aveva rilevato.
| |
|
| |
| *'''Scenario 2: <sub>rc</sub>IMR''' eseguito nel 2000
| |
| **Risultato immediato:
| |
|
| |
| :<math>\hat{P} \begin{pmatrix} 1 \\ 0 \end{pmatrix} = \begin{pmatrix} 0.1 \\ 0.9 \end{pmatrix}</math> Avrebbe rivelato la malattia già nel 2000.
| |
|
| |
| La simulazione mostra chiaramente che l'uso del test 'Ciclo di Recupero del Riflesso Inibitorio del Massetere' (<sub>rc</sub>IMR) come test iniziale nel 2000 avrebbe potuto rivelare il Cavernoma Pineale immediatamente, offrendo la possibilità di una diagnosi e un intervento 14 anni prima. Questo sottolinea l'importanza critica dell'ordine in cui vengono eseguiti i test diagnostici e l'impatto potenziale sulla gestione del paziente. La non commutatività degli operatori (test diagnostici) in medicina può avere implicazioni reali e significative per la diagnosi e il trattamento delle condizioni mediche.
| |
|
| |
| ==Probabilità Classica ''vs'' Probabilità Quantistica==
| |
|
| |
| La probabilità classica (CP) è un modello formalizzato matematicamente da Kolmogorov nel 1933<ref name=":0">Kolmogorov A.N. Grundbegriffe Der Wahrscheinlichkeitsrechnung Springer-Verlag, Berlin (1933)</ref> ed è basata sul calcolo delle misure di probabilità, dove a ciascun evento viene assegnato un peso non negativo <math>p(A)</math>. La caratteristica fondamentale della CP è la sua additività: se due eventi <math>\alpha</math> e <math>\beta</math> sono '''disgiunti''', la probabilità della loro unione è uguale alla somma delle loro probabilità individuali:
| |
|
| |
| <math>P(\alpha \cup \beta) = P(\alpha) + P(\beta)</math>
| |
|
| |
| Nella CP, la '''formula della probabilità totale (FTP)''' è derivata utilizzando l'additività della probabilità e la '''formula di Bayes''', per definire la probabilità condizionata:
| |
|
| |
| <math>P(B = \beta) = \sum_\alpha P(A = \alpha) P(B = \beta \mid A = \alpha)</math>
| |
|
| |
| La probabilità quantistica (QP), invece, opera con '''ampiezze di probabilità complesse''' piuttosto che semplici misure di probabilità. La QP è considerata un modello vettoriale di ragionamento probabilistico, dove ciascuna ampiezza complessa determina la probabilità secondo la '''regola di Born''':
| |
|
| |
| <math>P = |\psi|^2</math>, dove <math>|\psi|^2</math> è il quadrato del modulo dell'ampiezza complessa.
| |
|
| |
| A differenza della CP, la QP consente la violazione delle leggi fondamentali della CP a causa delle ampiezze di probabilità complesse.
| |
|
| |
| Nella QP, la versione classica della FTP è modificata dal termine di interferenza. Per gli osservabili quantistici <math>A</math> e <math>B</math>, rappresentati da operatori hermitiani <math>\hat{A}</math> e <math>\hat{B}</math>, la versione quantistica della FTP appare come segue (la formula è stata divisa in due parti per motivi di spazio e descrizione):
| |
| <center>
| |
| {|
| |
| |-
| |
| |Parte 1:
| |
| | colspan="4" |<math>\longrightarrow</math>
| |
| | colspan="5" |<math>P(B = \beta) = \sum_\alpha P(A = \alpha_1) P(B = \beta \mid A = \alpha_1) </math>
| |
| | rowspan="3" |<math>Eq.1</math>
| |
| |-
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |<math> + </math>
| |
| |
| |
| |
| |
| |-
| |
| |Parte 2:
| |
| | colspan="4" |<math>\longrightarrow</math>
| |
| | colspan="5" |<math> 2\sum_{\alpha_1 < \alpha_2} \cos\theta_{\alpha_1 \alpha_2} \sqrt{P(A = \alpha_1) P(B = \beta \mid A = \alpha_1) P(A = \alpha_2) P(B = \beta \mid A = \alpha_2)}</math>
| |
| |}
| |
| </center>
| |
|
| |
| Questa equazione evidenzia come la QP differisca significativamente dalla CP, soprattutto nella modulazione indotta dall'interferenza dei dati, offrendo una nuova prospettiva su come l'ordine dei test diagnostici possa influenzare i risultati.
| |
|
| |
| <br />
| |
|
| |
| ==Dati derivati dal follow-up al tempo <math>t_n</math>==
| |
|
| |
| Consideriamo una vista clinica più pratica di ciò che accade ai nostri cari dati che escono dalla tabella:
| |
|
| |
| *'''Popolazione Totale:''' 40 individui
| |
| *'''Totale Sintomatici:''' 10 individui
| |
| *'''Con TMD effettivi:''' 9 (numero di soggetti sintomatici diagnosticati dal modello RDC)
| |
| *'''Con Altre Patologie Gravi (non-TMD):''' 7 (durante il follow-up al tempo <math>t_n</math> da parte del gruppo di esperti, è stato verificato che tra i 10 soggetti sintomatici, 7 erano affetti da gravi patologie non-TMD)
| |
| *'''Falso Negativo (malato ma considerato sano):''' 1 (tra i 10 soggetti sani rimasti come falso negativo sia nel test RDC che nella verifica del gruppo di esperti al tempo <math>t_n</math> il solito soggetto N° 40)
| |
|
| |
| Dati di test dalla tabella 2 che rappresentano l'analisi statistica e Bayes al tempo <math>t_0</math> abbiamo:<blockquote>
| |
| *'''Sensibilità (SE):''' <math>90%\longrightarrow 0.9</math>
| |
| *'''Specificità (SP):''' <math>100%\longrightarrow1</math>
| |
|
| |
| *'''Prevalenza dei TMD tra i Sintomatici:''' <math>P(A=\alpha_1) = \frac{9}{10} = 0.9</math>. Questo indica che 9 su 10 individui sintomatici sono stati diagnosticati come TMD tramite il modello RDC. Questo corrisponde a una prevalenza del <math>90%\longrightarrow 0.9</math> in termini matematici, nel gruppo dei sintomatici. Questo calcolo riflette correttamente la proporzione di soggetti affetti da TMD rispetto al numero totale di sintomatici
| |
| *'''Probabilità dei TMD:''' <math>P(B = \beta \mid A = \alpha_1) = 0.9</math> — Probabilità di essere diagnosticati correttamente come TMD se si ha un TMD (alta sensibilità del test).
| |
| *'''Prevalenza di Altre Patologie Gravi tra i Sintomatici:''' <math>P(A=\alpha_2) = \frac{7}{10} = 0.7</math>. Questo indica che 7 su 10 individui sintomatici sono stati identificati con patologie gravi diverse dai TMD durante il follow-up al tempo <math>t_n</math>. Questo rappresenta una prevalenza del <math>70%\longrightarrow0.7</math> in termini matematici, nel gruppo di sintomatici classificati come non-TMD.
| |
| *'''Probabilità di non-TMD:''' <math>P(B = \beta \mid A = \alpha_2)</math> — Probabilità di essere erroneamente diagnosticati come TMD quando si ha una patologia non-TMD
| |
| *'''Angolo <math>\theta = \frac{\pi}{1.5}</math>''': L'angolo <math>\theta </math> assume un'importanza significativa in questo contesto, cioè una differenza tra i dati che escono dall'esperimento tra i soggetti classificati come pazienti affetti da TMD tramite il test RDC (quantità 9 su 10) e quelli diagnosticati al tempo <math>t_n</math> dal gruppo di esperti considerati malati con gravi patologie non-TMD (7 su 10). Questo rapporto è quindi quantificato come '''<math>\frac{\pi}{1.5}</math>''' in radianti che, convertito in gradi, corrisponde a un angolo '''<math>\theta =120^\circ </math>'''. L'angolo <math>\theta</math> rappresenta un concetto matematico che in questo contesto specifico viene utilizzato per quantificare la discrepanza tra due categorie diagnostiche all'interno dello stesso gruppo di pazienti sintomatici: pazienti con TMD e quelli con altre patologie gravi (non-TMD). La scelta di rappresentare questa discrepanza attraverso un angolo e il suo coseno può essere vista come un tentativo di applicare principi di geometria o fisica (come l'interferenza delle onde) per interpretare la complessità delle diagnosi mediche. Ecco come questo concetto può influenzare la pratica clinica:
| |
| **'''Differenziazione Diagnostica''': L'angolo <math>\theta = 120^\circ</math> e il valore del coseno di <math>\theta</math> (<math>-0.5</math>) indicano una separazione distinta tra i due gruppi diagnostici nel contesto del modello di analisi. Un angolo di 120°, che è relativamente ampio, suggerisce che le caratteristiche dei pazienti con TMD sono sostanzialmente diverse da quelle dei pazienti con altre patologie gravi. Questo può aiutare i clinici a considerare l'importanza di non sovrapporre trattamenti e affinare gli strumenti diagnostici per mirare meglio le terapie.
| |
| **'''Implicazioni per Diagnosi e Trattamento''': L'interpretazione dell'angolo e del coseno può essere utilizzata per valutare quanto bene un test diagnostico distingue tra queste due condizioni. Se il coseno fosse vicino a 1 (o <math>\theta</math> vicino a 0°), indicherebbe che i test non stanno facendo una buona distinzione tra le condizioni. Al contrario, un valore di coseno negativo indica una distinzione marcata, che è cruciale per evitare trattamenti inappropriati o inefficaci.
| |
| **'''Sviluppo di Protocolli Specifici''': Comprendere la natura di <math>\theta</math> può portare allo sviluppo di protocolli diagnostici e terapeutici più specializzati, migliorando l'efficacia del trattamento per ciascun gruppo di patologie. Questo approccio è particolarmente rilevante nel campo medico dove la precisione della diagnosi influisce direttamente sul successo del trattamento.
| |
|
| |
| *'''Coseno dell'angolo <math>\theta\longrightarrow </math>''' <math>\cos(\theta) = -0.5</math>: Pertanto, possiamo interpretare '''<math>\theta =120^\circ </math>''' come l'angolo che rappresenta questa proporzione, il cui <math>\cos(\theta) = -0.5</math>. In questo contesto, il coseno di <math>\theta </math> può essere considerato come una misura della discrepanza tra <math>\alpha_1 </math> e <math>\alpha_2 </math>, dove valori più alti di <math>\cos\theta </math> indicano una maggiore differenza tra soggetti sintomatici malati di TMD e quelli non-TMD
| |
| </blockquote>
| |
|
| |
| ===Calcolo della Probabilità di un Vero Positivo===
| |
| La probabilità di un vero positivo nel test RDC e quindi affetto da TMD senza considerare l'interferenza con altre patologie diagnosticate al tempo <math>t_n</math> è calcolata come:
| |
|
| |
| <math>P(B=\text{TMDs} | A=\alpha_1) = 0.9 \times 0.9 = 0.81\longrightarrow 81%</math> e per seguire il concetto di probabilità quantistica più agevolmente nell'equazione 1, la prima parte dell'equazione sarà completata come segue:
| |
|
| |
| <math>P(B = \beta) = \sum_\alpha P(A = \alpha_1) P(B = \beta \mid A = \alpha_1 )
| |
| \longrightarrow
| |
| P(B=\text{TMDs} | A=\alpha_1) = 0.9 \times 0.9 = 0.81\longrightarrow 81% </math>
| |
|
| |
| ===Calcolo dell'Interferenza===
| |
| L'interferenza è calcolata utilizzando la formula:
| |
|
| |
| <math>\text{Interference} = 2 \times \cos(\theta) \times \sqrt{P(A=\alpha_1) \times P(B=\text{TMDs} | A=\alpha_1)} \times \sqrt{P(A=\alpha_2)}\rightarrow</math><math> 2 \times (-0.5) \times \sqrt{0.9 \times 0.81} \times \sqrt{0.7} \approx -0.7144</math>
| |
|
| |
| L'efficacia del test, aggiustata per l'interferenza, è <math>P(B=\text{TMDs} | A=\alpha_{\text{TMDs}}) + \text{Interference}</math>
| |
|
| |
| Questo risultato indica una drastica riduzione dell'efficacia del test diagnostico quando si considera l'interferenza causata dalla coesistenza di altre patologie.
| |
|
| |
| Riassumiamo sinteticamente riportando la formula delle probabilità quantistiche <math>Eq.1</math>, i dati numerici per comprendere meglio il significato delle procedure matematiche e il significato clinico diagnostico derivato come segue:
| |
|
| |
| <br />
| |
|
| |
| {|
| |
| |Part 1:
| |
| |
| |
| |Part 2:
| |
| |
| |
| |
| |
| |
| |
| |-
| |
| |<math>P(B = \beta) = \sum_\alpha
| |
| ( 0.9 \times 0.9)
| |
| </math>
| |
| |<math>+</math>
| |
| |<math>
| |
|
| |
| 2 \times (-0.5) \times \sqrt{0.9 \times 0.81} \times \sqrt{0.7} 6 % </math>
| |
| |
| |
| |
| |
| |<math>Eq.2</math>
| |
| |-
| |
| |<math>
| |
|
| |
| \sum_\alpha
| |
| ( 0.81)
| |
| </math>
| |
| |<math>+</math>
| |
| |<math>
| |
| (-1) \times (0.853) \times (0.836)= 0.0956\rightarrow 9.56 % </math>
| |
| |
| |
| |
| |
| |<math>Eq.3</math>
| |
| |}
| |
| ==Conclusione==
| |
| La diagnosi dei Disturbi Temporomandibolari (TMD) attraverso il modello RDC e l'uso del Teorema di Bayes rappresenta un approccio robusto che integra dati clinici con principi statistici avanzati. Tuttavia, la complessità di una tale diagnosi risiede non solo nella variabilità dei sintomi ma anche nell'interferenza di altre patologie che possono imitare o aggravare i sintomi dei TMD. La specificità e la sensibilità del test diagnostico, sebbene elevate, non escludono il rischio di falsi positivi o negativi, anche quelli non rappresentati nel modello RDC, evidenziando la necessità di un approccio diagnostico più olistico e multidisciplinare.
| |
|
| |
| La probabilità di un vero positivo calcolata come <math>P(B=\text{TMDs} | A=\alpha_1) = 0.9 \times 0.9 = 0.81\longrightarrow 81%</math> mostra un'alta probabilità che il paziente sia effettivamente affetto da TMD quando il test è positivo secondo il modello RDC. Tuttavia, l'introduzione dell'angolo <math>\theta = \frac{\pi}{1.5}</math> che misura la discrepanza tra i pazienti con TMD e quelli con altre gravi patologie non-TMD condotte nel follow-up dal gruppo di esperti, sottolinea la complessità dell'utilizzo di un singolo parametro diagnostico per differenziare le varie condizioni cliniche.
| |
|
| |
| L'interferenza calcolata, che riduce drasticamente l'efficacia del test a <math>9.56%</math>, solleva seri dubbi sulla sua utilità senza un'adeguata considerazione delle condizioni concomitanti. Questo sottolinea l'importanza di un follow-up dettagliato e di una valutazione clinica che non si basi esclusivamente su risultati quantitativi.
| |
|
| |
| Il modello di Bayes, sebbene sia uno strumento potente nella riformulazione delle probabilità diagnostiche, mostra i suoi limiti nel campo dei TMD a causa della complessa eziologia e presentazione clinica di questi disturbi. La discussione sul modello quantistico, che considera la non commutatività dei dati, apre nuove prospettive sulla gestione dei dati diagnostici, suggerendo che l'ordine in cui vengono eseguiti i test può alterare significativamente l'interpretazione dei risultati. Questo modello offre un approccio innovativo che potrebbe migliorare l'accuratezza diagnostica, specialmente in scenari clinici complessi dove molteplici interazioni tra vari test e sintomi possono alterare le probabilità diagnostiche.
| |
|
| |
| In futuro, integrare modelli quantistici insieme ai metodi diagnostici consolidati potrebbe non solo affinare le nostre capacità diagnostiche per i TMD, ma anche offrire una comprensione più profonda delle interdipendenze tra vari sintomi e condizioni. Ciò richiederebbe ulteriori studi e validazioni per garantire che tali metodi non siano solo teoricamente validi ma anche praticamente applicabili nel contesto clinico.
| |
|
| |
| In sintesi, mentre il modello di Bayes continua a essere un pilastro fondamentale nell'analisi probabilistica in medicina, l'adozione di approcci basati sulla meccanica quantistica potrebbe rivoluzionare il modo in cui comprendiamo e gestiamo malattie complesse come i TMD. Questo sottolinea l'importanza di un approccio diagnostico che sia al contempo rigoroso e flessibile, capace di adattarsi e integrare nuove scoperte scientifiche e tecnologiche.{{q2|Siamo ancora sicuri di sapere tutto?|}}
| |
|
| |
|
| |
|
| |
| <br />
| |
|
| |
| {{main menu it
| |
| |link to German= Hauptseite
| |
| |link to Spanish= Pàgina Principal
| |
| |link to French= Page d'accueil
| |
| |link to Italian= Introduzione
| |
| |link to English= Introduction
| |
| }}
| |
| <div class="chapter-content"> | | <div class="chapter-content"> |
|
| |
|
| {{ArtBy|||autore=Gianni Frisardi|autore2=Giorgio Cruccu|autore3=Luca Fontana|autore4=Cesare Iani|autore5=|autore6=Diego Centonze|autore7=Manuel Luci|autore8=Flavio Frisardi|autore9=}} | | {{ArtBy|||autore=Gianni Frisardi|autore2=Giorgio Cruccu|autore3=Luca Fontana|autore4=Cesare Iani|autore5=|autore6=Diego Centonze|autore7=Manuel Luci|autore8=Flavio Frisardi|autore9=}} |
|
| |
|
| ==Introduzione== | | = Epilogo della Normal Science = |
| Abbiamo raggiunto la conclusione della sezione sulla 'Scienza Normale', che equivale fondamentalmente alla fase 2 dei 'Paradigmi di Kuhn', dove è stato presentato lo status quo del paradigma nel campo del Dolore Orofacciale (OP) e dei Disordini Temporomandibolari (TMD). Allo stesso tempo, sono stati evidenziati una serie di problemi diagnostici che non sono ancora classificabili come 'Anomalie' ma piuttosto come elementi critici da valutare nel contesto del capitolo.
| | <small>Dove il paradigma mostra i suoi limiti</small> |
| | |
| Le condizioni croniche di 'OP' possono essere particolarmente difficili da diagnosticare e trattare a causa della loro complessità e della limitata comprensione dei meccanismi alla base della loro eziologia e patogenesi.<ref>[https://www.ncbi.nlm.nih.gov/books/NBK555057/ NASEM Temporomandibular Disorders: Priorities for Research and Care] The National Academies Press, Washington, DC (2020), 10.17226/25652</ref><ref>B.J. Sessle. [https://www.ncbi.nlm.nih.gov/pmc/articles/pmid/34281164/ Chronic orofacial pain: models, mechanisms, and genetic and related environmental influences]. Int J. Mol. Sci., 22 (2021), p. 7112, 10.3390/ijms22137112</ref>
| |
|
| |
|
| Una caratteristica frequente dell' 'OP' è la natura multifattoriale della patologia, che complica ulteriormente la diagnosi. Il dolore orofacciale causato dai TMD spesso si sovrappone a sintomi e segni clinici simili ad altri disturbi dolorosi, che possono essere manifestazioni di altre malattie neurologiche sistemiche. Questo scenario clinico può rendere difficile la diagnosi differenziale, specialmente nelle fasi iniziali della malattia.<ref>Sollecito T.P., Richardson R.M., Quinn P.D., Cohen G.S.: Intracranial schwannoma as atypical facial pain. Case report. Oral Surg Oral Med Oral Pathol. 1993;76:153-6</ref><ref>Shankland W.E.: Trigeminal neuralgia: typical or atypical? Cranio. 1993;11:108-12.</ref><ref>Graff-Radford S.B., Solberg W.K.: Is atypical odontalgia a psychological problem? Oral Surg Oral Med Oral Pathol. 1993;75:579-82.</ref><ref>Ruelle A., Datti R., Andrioli G.: Cerebellopontine angle osteoma causing trigeminal neuralgia: case report. Neurosurgery. 1994;35:1135-7.</ref>
| | == Chiusura epistemologica == |
| | Nel corso della sezione ''Normal Science'' sono stati presentati i modelli diagnostici attualmente condivisi nel campo del dolore orofacciale (Orofacial Pain, OP) e dei disordini temporomandibolari (TMD), insieme alle loro applicazioni cliniche, ai criteri operativi e alle principali evidenze disponibili. |
|
| |
|
| In una percentuale di pazienti con disturbi funzionali dell'apparato stomatognatico, sono stati identificati alcuni fattori di rischio periferici, cioè occlusali<ref>B.C. Cooper Temporomandibular disorders: a position paper of the International College of Cranio-Mandibular Orthopedics (ICCMO) Cranio, 29 (2011), pp. 237-244, 10.1179/crn.2011.034</ref><ref>M.S. Nguyen, T. Jagomägi, T. Nguyen, M.Saag, Ü. Voog-Oras Occlusal support and temporomandibular disorders among elderly Vietnamese Int J. Prosthodont, 30 (2017), pp. 465-470, 10.11607/ijp.5216</ref><ref>M.S. Nguyen, M. Saag, T. Jagomägi, Q.H.Nguyen, Ü. Voog-Oras The impact of occlusal support on temporomandibular disorders: a literature review Proc. Singap. Healthc., 31 (2021), pp. 1-12, 10.1177/2010105821102</ref><ref>T.R. Walton, D.M. Layton Mediotrusive occlusal contacts: best evidence consensus statement J. Prosthodont, 30 (S1) (2021), pp. 43-51, 10.1111/jopr.13328</ref><ref>A. Kucukguven, M.D. Demiryurek, I.Vargel Temporomandibular joint innervation: anatomical study and clinical implications Ann. Anat., 240 (2022), Article 151882, 10.1016/j.aanat.2021.151882</ref><ref>E. Tervahauta, L. Närhi, P. Pirttiniemi, K.Sipilä, R. Näpänkangas, M. Tolvanen, V.Vuollo, A.S. Silvola Prevalence of sagittal molar and canine relationships, asymmetries and midline shift in relation to temporomandibular disorders (TMD) in a Finnish adult population Acta Odontol. Scand., 80 (2022), pp. 1-11, 10.1080/00016357.2022.2036364</ref> così come una serie di fattori di rischio biopsicosociali centrali riguardanti le disfunzioni del Sistema Nervoso Centrale.<ref>R.B. Fillingim, R. Ohrbach, J.D.Greenspan, C. Knott, R. Dubner, E. Bair, C. Baraian, G.D. Slade, W. Maixner [https://www.ncbi.nlm.nih.gov/pmc/articles/pmid/22074752/ Potential psychosocial risk factors for chronic TMD: descriptive data and empirically identified domains from the OPPERA case-control study] J. Pain., 12 (11 Suppl) (2011), pp. T46-T60, 10.1016/j.jpain.2011.08.007</ref><ref>G.D. Slade, R. Ohrbachm, J.D.Greenspan, R.B. Fillingim, E. Bair, A.E.Sanders, R. Dubner, L. Diatchenko, C.B.Meloto, S. Smith, W. Maixner [https://pubmed.ncbi.nlm.nih.gov/27339423/ Painful temporomandibular disorder: decade of discovery from OPPERA studies] J. Dent. Res, 95 (10) (2016), pp. 1084-1092, 10.1177/0022034516653743</ref>
| | Questa sezione ha assolto al suo compito: descrivere **lo stato dell’arte**, ovvero l’insieme delle conoscenze, delle pratiche e delle convinzioni che costituiscono il paradigma dominante nella comunità clinica di riferimento. |
|
| |
|
| Tuttavia, questi studi non hanno fornito nuove informazioni sulle cause principali dei TMD e sulle loro implicazioni per la gestione di questi pazienti.<ref>P. Svensson, F. Exposto Commentary 2: further evidence for overlaps among chronic pain conditions-but no news about causal relationships J. Oral. Facial Pain. Headache, 34(Suppl) (2020), pp. s6-s8, 10.11607/ofph.2020.suppl.c2</ref> | | Tuttavia, proprio l’analisi rigorosa della Normal Science ha messo in luce un limite strutturale: |
| | la difficoltà, in alcuni casi critica, di distinguere condizioni cliniche profondamente diverse quando esse condividono sintomi simili, soprattutto nelle fasi iniziali della malattia. |
|
| |
|
| In conclusione, un ostacolo critico nella comprensione dei TMD e quindi nella diagnosi differenziale con 'OP' è stata la perdita di criteri diagnostici standardizzati per definire i sottotipi di TMD. Per questo motivo sono stati condotti numerosi studi per creare un metodo di valutazione diagnostica standardizzata chiamato Research Diagnostic Criteria (RDC). Per ulteriori informazioni sul tema RDC segui il [[Research Diagnostic Criteria (RDC)|capitolo specifico]].
| | == Quando il dato non basta == |
| | I capitoli precedenti hanno mostrato come dolore, bruxismo, disfunzioni masticatorie e alterazioni funzionali possano rappresentare: |
| | * espressioni di disordini funzionali benigni, |
| | * oppure segnali precoci di patologie neurologiche o sistemiche gravi. |
|
| |
|
| Lo studio clinico prospettico che presentiamo in questo capitolo costituirà la base del passaggio verso un nuovo paradigma diagnostico che verrà sviluppato nella sezione 'Scienza Straordinaria'.
| | All’interno del paradigma classico, questi quadri vengono trattati come **varianti dello stesso fenomeno**, valutabili tramite criteri diagnostici standardizzati e strumenti statistici deterministici. |
| Lo studio è stato condotto in più tempi: <math>t_0</math> (fase diagnostica preliminare), <math>t_n</math> (fase diagnostica avanzata) e <math>t_{n+1}</math> (fase definitiva). Da questo percorso sarà modellato un protocollo chiamato 'Indice <math>|\Psi\rangle</math>' (Indice ket Psi).
| | In molti casi ciò è sufficiente. In altri, come documentato, non lo è. |
|
| |
|
| ===Teorema di Bayes===
| | Il problema non risiede in un singolo test o in una singola scuola di pensiero, ma nel fatto che: |
| [[File:Table 1 CNSS.jpg|thumb|'''Tabella 1:''' output del test RDC in 40 soggetti (30 asintomatici e 10 sintomatici).]]Il teorema di Bayes consente di aggiornare la probabilità di un’ipotesi diagnostica alla luce di nuove evidenze.
| | > **il dato clinico, quando isolato dal suo contesto temporale e osservativo, può risultare strutturalmente ambiguo.** |
|
| |
|
| <math>P(A|B) = \frac{P(B|A) \cdot P(A)}{P(B)}</math>
| | == Il punto di rottura == |
| | La Normal Science non “fallisce” perché è sbagliata, ma perché **non è progettata per descrivere sistemi complessi dinamici**, in cui: |
| | * il tempo gioca un ruolo strutturante, |
| | * l’ordine delle osservazioni può influenzare l’esito, |
| | * la stessa informazione clinica può assumere significati diversi a seconda del percorso diagnostico. |
|
| |
|
| dove:
| | Questo non rappresenta un errore metodologico, bensì il naturale limite di un paradigma costruito su assunzioni di tipo deterministico e commutativo. |
| * <math>P(A|B)</math> = probabilità dell’ipotesi <math>A</math> dopo aver osservato <math>B</math>
| |
| * <math>P(B|A)</math> = probabilità di osservare <math>B</math> se <math>A</math> è vera
| |
| * <math>P(A)</math> = probabilità iniziale dell’ipotesi <math>A</math>
| |
| * <math>P(B)</math> = probabilità totale dell’osservazione <math>B</math>
| |
|
| |
|
| A questo punto, trasferiamo i risultati del test RDC nel formalismo di Bayes.
| | == Dal paradigma al problema == |
| | La conclusione di questa sezione non è una risposta, ma una constatazione: |
|
| |
|
| ===Indice <math>\Psi</math> al tempo <math>t_0</math>===
| | > esistono configurazioni cliniche in cui la probabilità diagnostica cambia nel tempo, |
| | > non per un errore di misura, |
| | > ma per un cambiamento dello stato informativo del sistema osservato. |
|
| |
|
| Il modello RDC applicato al campione ha prodotto i seguenti conteggi (derivati dalla Tabella 1):
| | È da questo punto che nasce la necessità di un nuovo linguaggio descrittivo. |
|
| |
|
| | == Rimando alla sezione successiva == |
| | Il capitolo che conclude operativamente questa riflessione — basato su uno studio clinico prospettico pluriennale e sull’analisi formale dei dati diagnostici — **non è più collocato nella sezione Normal Science**. |
|
| |
|
| * True positives <math>a=9</math> | | Per coerenza epistemologica e continuità concettuale, esso costituisce ora **l’atto di fondazione della sezione successiva**, dedicata alla costruzione di un nuovo modello interpretativo. |
| * False positives <math>b=0</math> | |
| * False negatives <math>c=1</math> | |
| * True negatives <math>d=30</math> | |
|
| |
|
| Da questi valori:
| | 👉 Il lettore è quindi invitato a proseguire nel capitolo: |
|
| |
|
| * Sensibilità: <math>SE = \frac{a}{a+c} = \frac{9}{10} = 0.9</math>
| | '''[[Quando la Normal Science fallisce: una anomalia clinica che apre il problema]]''' |
| * Specificità: <math>SP = \frac{d}{b+d} = \frac{30}{30} = 1</math>
| |
| * Prevalenza nel campione: <math>P(A)=\frac{a+c}{a+b+c+d}=\frac{10}{40}=0.25</math>
| |
|
| |
|
| | che costituisce l’atto di fondazione della sezione ''Indice Ψ''. |
|
| |
|
| Poiché <math>b=0</math>, si ha <math>P(B|\neg A)=0</math>.
| |
| Quindi:
| |
|
| |
| <math>P(B)=P(B|A)\cdot P(A)+P(B|\neg A)\cdot (1-P(A))=0.9\cdot 0.225=0.2025</math>
| |
|
| |
| e:
| |
|
| |
| <math>P(A|B)=\frac{0.9\cdot 0.225}{0.2025}=1</math>
| |
|
| |
| [[File:Accuratezza RDC.jpg|thumb|'''Tabella 2:''' accuratezza del test RDC (sensibilità, specificità, PPV, NPV).]]
| |
|
| |
| Questa “certezza” è **contestuale**: è vera all’interno del modello RDC e dei suoi confini definitori, ma non garantisce che l’ipotesi TMD esaurisca tutte le possibili cause cliniche dei sintomi.
| |
|
| |
| Martina K. Shephard e Gary Heir<ref>Martina K. Shephard & Gary Heir. Orofacial Pain in the Medically Complex Patient. Contemporary Oral Medicine, 26 January 2019</ref> mostrano che varie condizioni patologiche possono confondere la diagnosi di dolore orofacciale e mimare un quadro TMD.
| |
|
| |
| Per questo motivo, i soggetti sintomatici sono stati sottoposti a ulteriori valutazioni in un follow-up. Il secondo passaggio viene chiamato 'Indice <math>\Psi</math>' al tempo <math>t_n</math>.
| |
|
| |
| ---
| |
|
| |
| ==Indice <math>\Psi</math> al tempo <math>t_n</math>==
| |
|
| |
| Il follow-up clinico a distanza di alcuni anni ha rivelato che una quota significativa dei soggetti inizialmente classificati come affetti da TMD, sulla base dei criteri RDC, presentava in realtà patologie neurologiche o sistemiche gravi, tra cui meningiomi, cavernomi pineali, sclerodermia e spasmi emimasticatori.
| |
| Queste condizioni sono state descritte nei capitoli della sezione ''Scienza Normale'', dove viene mostrato come alcune di esse emergano solo nel tempo clinico e non siano immediatamente riconoscibili nelle fasi iniziali.
| |
|
| |
| La presenza di patologie potenzialmente letali in soggetti inizialmente inquadrati come TMD costituisce un’anomalia epistemologica che non può essere liquidata come semplice errore diagnostico. Essa indica piuttosto un limite strutturale dei modelli diagnostici classici, fondati su una concezione statica, atemporale e commutativa dell’informazione clinica.
| |
|
| |
| ===Il tempo come variabile strutturante della diagnosi===
| |
| Nella pratica clinica, il tempo non è una variabile accessoria ma una dimensione strutturante dell’osservazione.
| |
| L’ordine con cui i test vengono eseguiti determina quali aspetti del sistema biologico diventano osservabili e quali rimangono latenti.
| |
|
| |
| Ne consegue che due sequenze diagnostiche diverse, applicate allo stesso paziente e allo stesso stato biologico sottostante, possono produrre esiti clinici differenti.
| |
| L’informazione clinica non è quindi semplicemente accumulativa, ma **dipendente dal percorso osservativo**.
| |
|
| |
| ===Caso clinico emblematico: bruxismo e cavernoma pineale===
| |
| Un paziente riferiva bruxismo notturno e diurno fin dall’anno 2000. Sulla base dei criteri RDC e delle valutazioni cliniche allora disponibili, venne formulata diagnosi di TMD e intrapreso trattamento con bite-plane.
| |
|
| |
| Il paziente è stato seguito fino al 2014, quando si è presentato presso il nostro Centro di Neurognatologia. In questa fase temporale (<math>t_{n+1}</math>) è stato eseguito il Ciclo di Recupero del Riflesso Inibitorio del Massetere (rcIMR), che ha evidenziato una marcata '''ipereccitabilità neuromotoria trigeminale organica''', conducendo alla diagnosi di ''cavernoma pineale''.
| |
|
| |
| È plausibile ritenere che il danno organico fosse già presente nel 2000, ma non osservabile attraverso i test allora utilizzati. La diagnosi iniziale non era quindi “falsa”, ma incompleta rispetto allo stato reale del sistema.
| |
|
| |
| <center>
| |
| <gallery heights="240" mode="slideshow">
| |
| File:Leonardo4 modificata.jpg|'''Figura 1:''' EMG interferenziale dei masseteri eseguita nel 2000. Traccia modellizzata come operatore informazionale <math>\hat{E}</math>.
| |
| File:Recovery cycle.jpeg|'''Figura 2:''' Ciclo di Recupero del Riflesso Inibitorio del Massetere (rcIMR) eseguito nel 2014. Traccia modellizzata come operatore informazionale <math>\hat{P}</math>.
| |
| </gallery>
| |
| </center>
| |
|
| |
| ===Non-commutatività informazionale e modellizzazione===
| |
| In questo contesto, i test diagnostici vengono trattati come '''operatori informazionali''' che agiscono sullo stato clinico del paziente.
| |
| Tale formalizzazione non implica l’esistenza di operatori quantistici fisici reali, ma rappresenta un '''modello matematico esplorativo''' volto a descrivere la dipendenza della diagnosi dall’ordine delle osservazioni.
| |
|
| |
| La proprietà fondamentale introdotta è la '''non-commutatività informazionale''':
| |
|
| |
| :<math>\hat{E}\hat{P} \neq \hat{P}\hat{E}</math>
| |
|
| |
| dove <math>\hat{E}</math> rappresenta un test a bassa sensibilità per l’ipereccitabilità centrale (EMG interferenziale) e <math>\hat{P}</math> un test ad alta sensibilità (rcIMR).
| |
|
| |
| ===Formalizzazione esplorativa degli operatori (spiegazione intuitiva)===
| |
| Per rendere comprensibile il significato clinico della modellizzazione, utilizziamo una rappresentazione volutamente semplice.
| |
|
| |
| ====1) Due ipotesi cliniche====
| |
| * '''Stato 1''': quadro clinico interpretato come funzionale / non organico
| |
| * '''Stato 2''': presenza di una patologia organica rilevante
| |
|
| |
| ====2) Stato informazionale iniziale====
| |
| :<math>\psi_0 = \begin{pmatrix} 1 \\ 0 \end{pmatrix}</math>
| |
|
| |
| ====3) I test come trasformatori di informazione====
| |
| *'''Operatore EMG <math>\hat{E}</math>'''
| |
| :<math>\hat{E} = \begin{pmatrix} 0.95 & 0.05 \\ 0.05 & 0.95 \end{pmatrix}</math>
| |
|
| |
| *'''Operatore rcIMR <math>\hat{P}</math>'''
| |
| :<math>\hat{P} = \begin{pmatrix} 0.1 & 0.9 \\ 0.9 & 0.1 \end{pmatrix}</math>
| |
|
| |
| I valori sono da intendersi come '''pesi informazionali esplorativi'''.
| |
|
| |
| ===Come si calcola: moltiplicazione matrice × vettore (spiegazione per medici)===
| |
|
| |
| Qui non stiamo “facendo fisica quantistica”: stiamo solo usando una forma compatta per descrivere come un test diagnostico può spostare l’interpretazione clinica da una ipotesi all’altra.
| |
|
| |
| ====1) Il significato del vettore di stato====
| |
| Lo stato iniziale del paziente è:
| |
|
| |
| :<math>\psi_0=\begin{pmatrix}1\\0\end{pmatrix}</math>
| |
|
| |
| Lettura clinica:
| |
| * prima componente (1) = “tutto ciò che vedo è compatibile con quadro funzionale”
| |
| * seconda componente (0) = “non ho ancora evidenza utile per patologia organica rilevante”
| |
|
| |
| ====2) Il significato della matrice del test====
| |
| Un test è rappresentato da una matrice 2×2 (due righe, due colonne).
| |
| Le colonne indicano “da quale stato si parte”, le righe indicano “verso quale stato si va”.
| |
|
| |
| Esempio: per l’EMG interferenziale:
| |
|
| |
| :<math>\hat{E}=\begin{pmatrix}0.95 & 0.05\\ 0.05 & 0.95\end{pmatrix}</math>
| |
|
| |
| Interpretazione clinica essenziale:
| |
| * <math>0.95</math> in alto a sinistra: se il quadro è funzionale, l’EMG tende a confermarlo
| |
| * <math>0.05</math> in basso a sinistra: una piccola quota di informazione può comunque “spostare” verso l’ipotesi organica
| |
| * gli altri valori descrivono lo stesso meccanismo nell’altro verso (sono pesi informazionali esplorativi)
| |
|
| |
| ====3) La regola di calcolo (semplice)====
| |
| Quando fai:
| |
|
| |
| :<math>\psi'=\hat{E}\psi_0</math>
| |
|
| |
| stai dicendo: “applico il test EMG allo stato iniziale”.
| |
|
| |
| La moltiplicazione si fa così:
| |
|
| |
| * prima componente (riga 1):
| |
| :<math>\psi'_1=(0.95\times 1)+(0.05\times 0)=0.95</math>
| |
|
| |
| * seconda componente (riga 2):
| |
| :<math>\psi'_2=(0.05\times 1)+(0.95\times 0)=0.05</math>
| |
|
| |
| Quindi:
| |
|
| |
| :<math>\hat{E}\psi_0=\begin{pmatrix}0.95\\0.05\end{pmatrix}</math>
| |
|
| |
| Lettura clinica: dopo EMG, il paziente appare ancora quasi del tutto “funzionale”; la componente organica resta quasi invisibile.
| |
|
| |
| ====4) Cosa cambia con un test più sensibile (rcIMR)====
| |
| Per rcIMR:
| |
|
| |
| :<math>\hat{P}=\begin{pmatrix}0.1 & 0.9\\ 0.9 & 0.1\end{pmatrix}</math>
| |
|
| |
| Applicandolo allo stato iniziale:
| |
|
| |
| * prima componente:
| |
| :<math>\psi'_1=(0.1\times 1)+(0.9\times 0)=0.1</math>
| |
|
| |
| * seconda componente:
| |
| :<math>\psi'_2=(0.9\times 1)+(0.1\times 0)=0.9</math>
| |
|
| |
| Quindi:
| |
|
| |
| :<math>\hat{P}\psi_0=\begin{pmatrix}0.1\\0.9\end{pmatrix}</math>
| |
|
| |
| Lettura clinica: rcIMR “sposta” subito l’interpretazione verso l’ipotesi organica.
| |
|
| |
| ====5) Messaggio chiave per il capitolo====
| |
| Questo passaggio serve a dimostrare concretamente (con una procedura replicabile) che:
| |
| * lo stesso paziente può produrre configurazioni informative diverse
| |
| * il risultato dipende dall’ordine con cui scegliamo i test
| |
| * la diagnosi non è solo “cosa misuro”, ma anche “quando e in che sequenza lo misuro”
| |
|
| |
| ===Simulazione del percorso diagnostico (spiegazione passo–passo)===
| |
|
| |
| Per comprendere il significato dei valori numerici utilizzati nella simulazione, è necessario chiarire che essi non rappresentano “probabilità vere” della malattia, ma **pesi informazionali**: indicano quanto ciascun test sposta l’interpretazione clinica verso una delle due ipotesi considerate.
| |
|
| |
| ====1) Le due ipotesi cliniche====
| |
|
| |
| Per semplicità, consideriamo solo due stati possibili:
| |
|
| |
| * '''Stato 1''': il quadro clinico è interpretato come funzionale / non organico
| |
| * '''Stato 2''': è presente una patologia organica rilevante (es. cavernoma pineale)
| |
|
| |
| ====2) Lo stato iniziale====
| |
|
| |
| All’inizio del percorso diagnostico (prima di test neurofisiologici specifici), il paziente viene generalmente considerato “sano” dal punto di vista neurologico centrale.
| |
| Questo viene rappresentato come:
| |
|
| |
| :<math>\psi_0 = \begin{pmatrix} 1 \\ 0 \end{pmatrix}</math>
| |
|
| |
| che significa:
| |
| * 100% fiducia nello stato funzionale
| |
| * 0% fiducia nello stato organico
| |
|
| |
| ====3) Cosa rappresentano le matrici====
| |
|
| |
| Le matrici associate ai test descrivono **quanto ciascun test è capace di spostare l’informazione clinica**.
| |
|
| |
| *'''EMG interferenziale (operatore <math>\hat{E}</math>)'''
| |
|
| |
| L’EMG interferenziale è molto affidabile nel confermare la normalità periferica, ma poco sensibile alle alterazioni centrali precoci.
| |
| Per questo motivo, nel modello assegniamo all’EMG una forte tendenza a mantenere il paziente nello stato “sano”:
| |
|
| |
| :<math>\hat{E} = \begin{pmatrix} 0.95 & 0.05 \\ 0.05 & 0.95 \end{pmatrix}</math>
| |
|
| |
| Interpretazione clinica:
| |
| * se il paziente è considerato sano → rimane quasi certamente sano
| |
| * se una patologia organica esiste → l’EMG ha alta probabilità di non rilevarla
| |
|
| |
| *'''rcIMR (operatore <math>\hat{P}</math>)'''
| |
|
| |
| Il Ciclo di Recupero del Riflesso Inibitorio del Massetere è altamente sensibile allo stato di eccitabilità centrale del sistema trigeminale.
| |
| Per questo motivo, nel modello assegniamo al rcIMR una forte capacità di far emergere lo stato patologico:
| |
|
| |
| :<math>\hat{P} = \begin{pmatrix} 0.1 & 0.9 \\ 0.9 & 0.1 \end{pmatrix}</math>
| |
|
| |
| Interpretazione clinica:
| |
| * se il paziente è sano → il test difficilmente suggerisce patologia
| |
| * se la patologia è presente → il test la rende evidente
| |
|
| |
| ====4) Scenario 1: EMG → rcIMR====
| |
|
| |
| Applichiamo prima l’EMG allo stato iniziale:
| |
|
| |
| :<math>\hat{E}\psi_0 =
| |
| \begin{pmatrix} 0.95 & 0.05 \\ 0.05 & 0.95 \end{pmatrix}
| |
| \begin{pmatrix} 1 \\ 0 \end{pmatrix}
| |
| =
| |
| \begin{pmatrix} 0.95 \\ 0.05 \end{pmatrix}</math>
| |
|
| |
| Dopo l’EMG:
| |
| * il paziente appare ancora quasi certamente sano
| |
| * la componente patologica resta latente
| |
|
| |
| Ora applichiamo il rcIMR:
| |
|
| |
| :<math>\hat{P}(\hat{E}\psi_0) =
| |
| \begin{pmatrix} 0.1 & 0.9 \\ 0.9 & 0.1 \end{pmatrix}
| |
| \begin{pmatrix} 0.95 \\ 0.05 \end{pmatrix}
| |
| =
| |
| \begin{pmatrix} 0.14 \\ 0.86 \end{pmatrix}</math>
| |
|
| |
| Interpretazione clinica:
| |
| * la patologia emerge chiaramente
| |
| * ma solo dopo un lungo percorso temporale
| |
|
| |
| ====5) Scenario 2: rcIMR come primo test====
| |
|
| |
| Applichiamo subito rcIMR allo stato iniziale:
| |
|
| |
| :<math>\hat{P}\psi_0 =
| |
| \begin{pmatrix} 0.1 & 0.9 \\ 0.9 & 0.1 \end{pmatrix}
| |
| \begin{pmatrix} 1 \\ 0 \end{pmatrix}
| |
| =
| |
| \begin{pmatrix} 0.1 \\ 0.9 \end{pmatrix}</math>
| |
|
| |
| Interpretazione clinica:
| |
| * l’informazione patologica emerge immediatamente
| |
| * il percorso diagnostico cambia radicalmente
| |
|
| |
| ====6) Significato clinico finale====
| |
|
| |
| I due risultati numerici non descrivono due pazienti diversi, ma **due percorsi osservativi diversi applicati allo stesso paziente**.
| |
| Questo dimostra che l’ordine delle osservazioni modifica l’informazione clinica disponibile e, di conseguenza, le decisioni diagnostiche e terapeutiche.
| |
|
| |
|
| |
| ===Simulazione del percorso diagnostico===
| |
| *'''Scenario 1:''' EMG → rcIMR
| |
| :<math>\hat{P}(\hat{E}\psi_0) = \begin{pmatrix} 0.14 \\ 0.86 \end{pmatrix}</math>
| |
|
| |
| *'''Scenario 2:''' rcIMR come primo test
| |
| :<math>\hat{P}\psi_0 = \begin{pmatrix} 0.1 \\ 0.9 \end{pmatrix}</math>
| |
|
| |
| I due risultati non descrivono pazienti diversi, ma **percorsi osservativi diversi applicati allo stesso paziente**.
| |
|
| |
| ===Dati clinici al follow-up <math>t_n</math>===
| |
| {| class="wikitable"
| |
| ! Popolazione totale !! Sintomatici !! TMD secondo RDC !! Patologie non-TMD gravi
| |
| |-
| |
| | 40 || 10 || 9 || 7
| |
| |}
| |
|
| |
| Questi dati non descrivono una semplice riclassificazione diagnostica, ma un cambiamento profondo del significato clinico dei sintomi osservati.
| |
| Al tempo <math>t_0</math>, dolore orofacciale, bruxismo e disfunzione mandibolare erano interpretati come segni sufficientemente specifici per i TMD.
| |
| Al tempo <math>t_n</math>, gli stessi sintomi risultano condivisi da patologie neurologiche e sistemiche di natura completamente diversa.
| |
|
| |
| In altre parole, il follow-up mostra che l’informazione clinica associata a un sintomo non è invariabile nel tempo: ciò che inizialmente appariva diagnostico diventa, con l’emergere di nuove evidenze, un segnale ambiguo.
| |
| Questo passaggio segna il punto di rottura del modello probabilistico classico.
| |
|
| |
| ===Dal Bayes classico al Bayes quantum-like===
| |
| Al tempo <math>t_0</math>, il modello RDC applicato al campione produce, tramite Bayes classico, una certezza condizionata <math>P(\text{TMD} \mid \text{test positivo}) = 1</math>, che è però una certezza '''contestuale'''.
| |
|
| |
| Al tempo <math>t_n</math>, l’emergere di patologie alternative introduce una competizione informazionale tra ipotesi diagnostiche diverse.
| |
| In questo scenario, la probabilità totale non è più descrivibile come somma di contributi indipendenti, ma richiede un termine di '''interferenza informazionale''':
| |
|
| |
| :<math>
| |
| P(B)=\sum_i P(B|A_i)P(A_i)
| |
| +
| |
| 2\cos\alpha\sqrt{P(B|A_1)P(A_1)P(B|A_2)P(A_2)}
| |
| </math>
| |
|
| |
| Il termine <math>\cos\alpha</math> non rappresenta un angolo fisico, ma una misura della sovrapposizione clinica tra ipotesi diagnostiche alternative.
| |
| Quando sintomi simili possono derivare da cause diverse, l’interferenza riduce la certezza diagnostica anche in presenza di test formalmente accurati.
| |
|
| |
| Per comprendere il significato clinico del termine <math>\cos\alpha</math>, è utile abbandonare temporaneamente il linguaggio matematico e tornare alla pratica medica.
| |
|
| |
| Il coseno <math>\alpha</math> misura quanto due ipotesi diagnostiche diverse “si assomigliano” dal punto di vista dei segni clinici osservabili.
| |
| Quando due patologie producono sintomi molto simili (ad esempio dolore, bruxismo, limitazione funzionale), il medico riceve informazioni che puntano simultaneamente verso più diagnosi possibili.
| |
|
| |
| In questo scenario:
| |
| * <math>\cos\alpha \approx 1</math> indica che le ipotesi sono quasi indistinguibili clinicamente;
| |
| * <math>\cos\alpha \approx 0</math> indica che le ipotesi sono indipendenti;
| |
| * <math>\cos\alpha < 0</math> indica che le ipotesi competono e si mascherano a vicenda.
| |
|
| |
| Nel nostro studio, il valore negativo del coseno riflette una competizione reale tra TMD e patologie non-TMD gravi, che condividono sintomi iniziali ma richiedono percorsi diagnostici e terapeutici radicalmente diversi.
| |
|
| |
| ----
| |
| Dal punto di vista clinico, l’interferenza informazionale descrive ciò che accade quando un sintomo perde il suo potere discriminante.
| |
| Il dolore orofacciale, ad esempio, non “indica” più una singola patologia, ma diventa un punto di sovrapposizione tra più condizioni.
| |
|
| |
| L’interferenza non significa che il test sia sbagliato, ma che il contesto diagnostico è diventato più complesso.
| |
| Il risultato è una riduzione della certezza diagnostica non per errore, ma per eccesso di informazione concorrente.
| |
|
| |
| ----
| |
|
| |
| In questo senso, il Bayes quantum-like non sostituisce il Bayes classico, ma ne estende la validità ai contesti clinici in cui i sintomi non sono più univoci.
| |
|
| |
| ==Conclusione==
| |
| L’Indice <math>\Psi</math> non è un parametro clinico definitivo, ma un indicatore della configurazione informazionale del sistema diagnostico in un dato istante temporale.
| |
| La sua evoluzione riflette l’emergere progressivo dell’informazione patologica e la dipendenza della diagnosi dal percorso osservativo.
| |
|
| |
| Questo capitolo non propone certezze, ma rende esplicita una frattura epistemologica verificabile: l’assunzione di commutatività dell’informazione clinica non è sempre valida.
| |
| È in questa frattura che si apre lo spazio della sperimentazione e della costruzione di un nuovo paradigma diagnostico.
| |
|
| |
|
| {{q2|Siamo ancora sicuri di sapere tutto?|}} | | {{q2|Siamo ancora sicuri di sapere tutto?|}} |
|
| |
| {{Bib}}
| |
|
| |
|
| </div> | | </div> |
|
| |
|
| |
|
| |
|
| |
| {{Bib}}
| |
