This page is a translated version of the page The logic of probabilistic language and the translation is 100% complete.
Emblem-notice-alternate.svg
Wiki.png
 Book Index
Source Chapter

Introduction


Bruxism

  • Status quo and Criticity
  • 2rd Clinical Case: Pineal Cavernoma
  • Conclusions

Occlusion and Posture

  • Status quo and Criticity
  • 3th Clinical Case: Meningioma
  • Conclusions

Orofacial Pain

  • Status quo and Criticity
  • 4th Clinical Case: Eaton Lambert myasthenia
  • 5th Clinical Case: Postpoly syndrome
  • 6th Clinical Case: Temporomandibular disorders
  • Conclusions

Are we really sure to know everything?

  • Status quo and Criticity
  • 7th Clinical Case: glioblastoma of the cranial base
  • Conclusions

Connectivity and Complex Systems

  • Definition of the Fundamental Unit
  • Structural and functional connectivity Separation
  • Understanding of "Emergent Behavior"
  • Connectivity measurement

System Inference vs Symptom Inference

  • System Stochasticity
  • Markov chains
  • Inference of nonlinear Markov processes
  • Understanding of Network nodes

Neurophysiology and network nodes

  • Center of the Masticatory Pattern
  • Mesencephalic mechanisms
  • Trigeminal Motor nucleus

Sensory network nodes

  • Proprioceptive mechanisms
    • Neuromuscular spindles
    • Sensory mechanisms from the depressor muscles
    • Golgi Tendon Organs
  • Role of impulses from the neck muscles
  • Periodontal and Oral Sensory Factors
  • Pharyngeal sensory factors
  • Reflex of mandibular closure
  • Sensory factors of the TMJ

Conclusions to the Source Chapter

  • information transferred over time
  • System Coherence Recovery
  • 8th Clinical Case: Coherence Recovery in ort Orthognathic


Crisis of the Paradigm

Research Diagnostic Criteria (RDC)

  • Sensitivity, Specificity and Predictive Values
  • Advantages and limitations of the RDC


Masticatory cycles

  • Jaw opening width
  • Speed of mandibular movement
  • Complexity of chewing kinematics


Temporomandibular Joint

  • Computerized Tomography of the TMJ
  • Magnetic resonance imaging of the TMJM


Mandibular kinematic replicator

  • Advantages and limits of pantography
    • Pantographic Reproducibility Index
  • Advantages and limits of axiography
  • Advantages and limits of the electrognatography


Transcutaneous Electric Nerve Stimulation

  • Free way space before stimulation
  • Free way space after stimulation
  • Closing trajectory from TENS


Electromyography(EMG)

  • Interferential EMG
  • EMG at rest position
  • Quantitative analysis of the EMG
    • Fourier transform
    • Wavelett


Extraordinary Science

Overall view of the Masticatory System

  • Trigeminal electrophysiology
    • Electric Motors Evoked Potentials
    • Magnetic Motors Evoked Potentials
    • Jaw jerk reflex
    • M-wave
    • Masseteric Mechanical Silent Period
    • Masseteric Electric Silent Period
    • Masseteric Laser Silent Period
    • Recovery Cycle of Masseteric Inhibitory reflex


Trigeminal System Connectivity

  • Definition of the Fundamental Unit
  • Separation of structural and functional connectivity
    • Organic vs Functional Symmetry
      • Functional Neuro Gnathological Index "NGF"
  • New paradigm in masticatory rehabilitations
    • Prosthetics
    • Implantoprosthetics
    • Orthodontics
    • Orthognatics
Other languages:

Neste capítulo, discutiremos a lógica da linguagem juntamente com a probabilidade matemática. Vimos que lógica clássica por si só é insuficiente para determinar diagnósticos precisos; portanto, uma visão geral conceitual e formal é dada sobre por que a probabilidade pode ser muito útil. Fornecendo ilustrações de casos de casos clínicos, veremos como a lógica da linguagem probabilística é capaz de nos fornecer um diagnóstico diferencial de uma forma "boa o suficiente".

Conclui-se que é possível demonstrar que, mesmo somando-se apenas o raciocínio probabilístico, não é possível determinar diagnósticos exatos, de modo que outros enriquecimentos estão sendo buscados para nossa linguagem..

Lógica da linguagem probabilística na medicina

Toda ideia científica (seja na medicina, arquitetura, engenharia, química ou qualquer outro assunto), quando colocada em prática, está sujeita a pequenos erros e incertezas. A matemática - por meio da teoria da probabilidade e inferência estatística - ajuda a controlar com precisão e, assim, conter essas incertezas. Sempre deve ser considerado que em todos os casos práticos "os resultados também dependem de muitos outros fatores externos à teoria", sejam eles condições iniciais e ambientais, erros experimentais ou qualquer outra coisa.

Todas as incertezas sobre esses fatores tornam a relação teoria-observação probabilística. Na abordagem médica, existem dois tipos de incerteza que pesam mais nos diagnósticos: incerteza subjetiva e casualidade.[1][2]

Torna-se essencial, portanto, neste cenário distinguir entre essas duas incertezas e mostrar que o conceito de probabilidade tem significados diferentes nesses dois contextos..

Tentaremos expor esses conceitos vinculando cada etapa crucial à abordagem clínica relatada nos capítulos anteriores e, em particular, a abordagem no contexto dentário e neurológico na luta pela primazia do diagnóstico para nossa querida Mary Poppins.

Incerteza subjetiva e casualidade

Imaginemos perguntar a Mary Poppins qual dos dois colegas médicos - o dentista ou o neurologista - está certo.

A pergunta criaria uma espécie de agitação baseada na incerteza interior; portanto, as noções de certeza e incerteza referem-se a estados epistêmicos subjetivos dos seres humanos e não a estados do mundo externo, porque não há certeza ou incerteza naquele mundo. Nesse sentido, como já mencionamos, existe um mundo interno e um mundo externo a nós que ambos não respondem aos cânones da incerteza, mas sim da probabilidade.

Mary Poppins pode estar subjetivamente certa ou incerta se está sofrendo de DTMs ou de uma forma neuropática ou neuromuscular de OP: isso porque "incerteza" é um estado subjetivo epistêmico abaixo do limiar de conhecimento e crença; daí o termo.

Incerteza subjetiva

Sem dúvida, o termo "subjetivo" assusta muitos, especialmente aqueles que pretendem praticar a ciência perseguindo o ideal saudável de "objetividade", visto que este termo é percebido pelo senso comum. É, portanto, adequado fazer alguns esclarecimentos sobre a utilização deste termo neste contexto.:

  • ‘Subjetivo’ indica que a avaliação de probabilidade depende do status da informação do indivíduo que a realiza.
  • ‘Subjetivo’ não significa arbitrário.

A chamada "objetividade", conforme percebida por aqueles que estão fora da pesquisa científica, é definida quando uma comunidade de seres racionais compartilha o mesmo estado de informação. Mas, mesmo neste caso, deve-se falar mais apropriadamente de "intersubjetividade" (ou seja, o compartilhamento, por um grupo, de opiniões subjetivas).

Em casos clínicos - precisamente porque os pacientes raramente possuem noções avançadas de medicina - a incerteza subjetiva deve ser considerada. Viver com a incerteza exige que usemos uma abordagem probabilística.

Casualidade

A casualidade indica a falta de uma certa conexão entre causa e efeito. A incerteza de uma união estreita entre a fonte e o fenômeno está entre os problemas mais adversos na determinação de um diagnóstico.

Em um caso clínico, um fenômeno (como, por exemplo, uma má oclusão, uma mordida cruzada, uma mordida aberta, etc ...) está aleatoriamente associado a outro fenômeno (como degeneração óssea da ATM); quando há exceções para as quais a proposição lógica nem sempre é verdadeira (mas é na maioria das vezes), diremos que a relação nem sempre é verdade, mas é provável.

«Estamos passando de uma condição determinística para uma condição estocástica.»

Probabilidade subjetiva e objetiva

Neste capítulo, alguns tópicos já tratados no fantástico livro de Kazem Sadegh-Zadeh[3], que aborda o problema da lógica da linguagem médica, são retomados e reformulamos seu conteúdo, remetendo-os ao nosso caso clínico de Mary Poppins, para manter nosso entendimento mais próximo dos contextos odontológicos.

Eventos aleatórios e subjetivamente incertos são considerados prováveis; consequentemente, a casualidade e a incerteza são tratadas como probabilidades qualitativas, comparativas ou quantitativas.

Para esclarecer esse conceito, vamos voltar ao exemplo de Mary Poppins. Um médico, ao ouvir seus sintomas, poderá dizer que:

  1. Mary Poppins provavelmente está sofrendo de DTMs (termo qualitativo).
  2. Mary Poppins tem mais probabilidade de ter DTMs do que OP neuropática (termo comparativo: número de casos diagnosticados de TMDs versus nOP.
  3. A probabilidade de Mary Poppins ter TMDs é 0,15 (termo quantitativo, relativo à população).

Probabilidade subjetiva

Em um contexto de incerteza subjetiva humana, os dados probabilísticos, qualitativos, comparativos e / ou quantitativos podem ser interpretados como uma medida de incerteza subjetiva pelo clínico, a fim de tornar os 'estados de convicção' numericamente representáveis.

Por exemplo, dizer que "a probabilidade de Mary Poppins ser afetada por DTM é de 0,15 dos casos" é o mesmo que dizer "na medida de 15%, acredito que Mary Poppins seja afetada por DTM"; o que significa que o grau de convicção é o grau de probabilidade subjetiva.

Probabilidade objetiva

Por outro lado, eventos e processos aleatórios não podem ser descritos por processos determinísticos na forma 'se A, então B'. As estatísticas são usadas para quantificar a frequência de associação entre A e B e para representar as relações entre eles como um grau de probabilidade que introduz o grau de probabilidade objetiva.

Na esteira da crescente probabilização da incerteza e aleatoriedade na medicina desde o século XVIII, o termo "probabilidade" tornou-se um elemento respeitado da linguagem, metodologia e epistemologia médica.

Infelizmente, os dois tipos de probabilidade, a probabilidade subjetiva e a objetiva, não são diferenciados com precisão na medicina, e o mesmo ocorre em outras disciplinas. O fato fundamental permanece que o significado mais importante que a teoria da probabilidade gerou na medicina, particularmente nos conceitos de probabilidade em etiologia, epidemiologia, diagnóstico e terapia, é sua contribuição para a nossa compreensão e representação da casualidade biológica.

Análise probabilística-causal

A partir dessas premissas, fica claro que o diagnóstico clínico é feito por meio do chamado método hipotético-dedutivo denominado DN.[4] (deductive-nomological model[5]). Mas isso não é realista, uma vez que o conhecimento médico utilizado na tomada de decisão clínica dificilmente contém leis determinísticas causais que permitam explicações causais e, portanto, formular diagnósticos clínicos, entre outras coisas no contexto especializado. Tentemos analisar novamente o caso de nossa Mary Poppins, desta vez tentando uma abordagem probabilística-causal.

Vamos considerar um número de indivíduos, incluindo pessoas que relatam dor orofacial que geralmente têm degeneração óssea da articulação temporomandibular. No entanto, também pode haver outras causas aparentemente não relacionadas. Devemos traduzir matematicamente a 'relevância' que essas incertezas causais têm na determinação de um diagnóstico.

A relevância casual

Para fazer isso, consideramos o grau de relevância causal de um evento em relação a um evento onde:

  • = pacientes com degeneração óssea da articulação temporomandibular.
  • = pacientes relatando dor orofacial.
  • = pacientes sem degeneração óssea da articulação temporomandibular.

Usaremos a probabilidade condicional , que é a probabilidade de que o evento ocorra somente após o evento ter já ocorreu.

Com essas premissas, a relevância causal da amostra de pacientes é:

Onde

indica a probabilidade de que algumas pessoas (entre os considerados) sofram de Dor Orofacial causada por degeneração óssea da Articulação Temporomandibular,

enquanto

indica a probabilidade de que outras pessoas (sempre entre os levados em consideração) sofram de Dor Orofacial condicionada por algo diferente da degeneração óssea da Articulação Temporomandibular.

Uma vez que todas as probabilidades sugerem que é um valor entre e , o parâmetro será um número entre e .

Os significados que podemos atribuir a este número são os seguintes:

  • temos os casos extremos (que na realidade nunca ocorrem) que são:
  • indicando que a única causa da dor orofacial é a degeneração óssea da ATM,
  • que indica que a causa da dor orofacial nunca é a degeneração óssea da ATM, mas é outra coisa,
  •  indicando que a probabilidade de que a dor orofacial seja causada por degeneração óssea da ATM ou de outra forma é exatamente a mesma,
  • e os casos intermediários (que são os realistas)
  • indicando que a causa da dor orofacial é mais provável que seja degeneração óssea da ATM,
  • o que indica que a causa da dor orofacial é mais provavelmente não degeneração óssea da ATM.


Segunda Abordagem Clínica

(passe o mouse sobre as imagens)


Assim seja então a probabilidade de encontrar, na amostra das nossas pessoas, indivíduos que apresentem os elementos pertencentes ao referido conjunto

A fim de tirar proveito das informações fornecidas por este conjunto de dados, o conceito de partição de relevância causal é introduzido:

A partição de relevância causal

Sempre seja o número de pessoas sobre as quais devemos conduzir as análises, se dividirmos (com base em certas condições, conforme explicado abaixo) este grupo em subconjuntos com , é criado um cluster denominado "conjunto de partição" :

onde com o simbolismo indica que a subclasse está contida em .

A partição , para que seja definida como uma partição de relevância causal, deve ter essas propriedades:

  1. Para cada subclasse a condição deve ser aplicada ou seja, a probabilidade de encontrar no subgrupo uma pessoa que apresenta os sintomas, sinais clínicos e elementos pertencentes ao conjunto . Uma partição causalmente relevante deste tipo é considerada 'homogênea' .
  2. Cada subconjunto deve ser 'elementar', ou seja, não deve ser dividido em outros subconjuntos, porque se eles existissem não teriam relevância causal.

Agora, vamos supor, por exemplo, que a amostra populacional , à qual pertence nossa boa paciente Mary Poppins, seja uma categoria de indivíduos com idade entre 20 e 70 anos. Também presumimos que nesta população temos aqueles que apresentam os elementos pertencentes ao conjunto de dados que correspondem aos testes de laboratório mencionados acima e precisa em 'A lógica dos clássicos língua'.

Vamos supor que em uma amostra de 10.000 indivíduos de 20 a 70 teremos uma incidência de 30 indivíduos apresentando sinais clínicos and . Preferimos usar esses relatórios para a demonstração do processo probabilístico porque na literatura os dados sobre sinais e sintomas clínicos para Disfunções Temporomandibulares apresentam uma variação muito ampla e uma incidência muito alta em nossa opinião.[6][7][8][9][10][11]


Um exemplo de partição com probabilidade presumida em que a degeneração da ATM (Deg.TMJ) ocorre em conjunto com as Desordens Temporomandibulares (DTMs) seria o seguinte:

Onde
Onde
Onde
Onde
«Uma partição homogênea fornece o que costumamos chamar de Diagnóstico Diferencial.»


Situações clínicas

Essas probabilidades condicionais demonstram que cada uma das quatro subclasses da partição é causalmente relevante para os dados do paciente na amostra populacional . Dada a partição da classe de referência acima mencionada, temos as seguintes situações clínicas:

  • Mary Poppins degeneração da articulação temporomandibular Desordens Temporomandibulares
  • Mary Poppins degeneração da articulação temporomandibular sem doenças temporomandibulares
  • Mary Poppins sem degeneração da articulação temporomandibular Desordens Temporomandibulares
  • Mary Poppins sem degeneração da articulação temporomandibular sem doenças temporomandibulares

Para chegar ao diagnóstico final acima, conduzimos uma análise probabilística-causal do estado de saúde de Mary Poppins, cujos dados iniciais eram .

Em geral, podemos nos referir a um processo lógico no qual examinamos os seguintes elementos:

  • um indivíduo:
  • seu conjunto de dados inicial
  • uma amostra da população ao qual pertence,
  • uma probabilidade básica

Neste ponto, devemos introduzir argumentos muito especializados que levariam o leitor para fora do tópico, mas que têm uma grande importância epistêmica para a qual tentaremos extrair o fio lógico mais descrito do conceito Analysandum / Analysans..

A análise probabilística-causal de é então um par das seguintes formas lógicas (Analysandum / Analysans[12]):

  • Analysandum ': é uma forma lógica que contém dois parâmetros:' 'probabilidade' ' para selecionar uma pessoa que tem os sintomas e elementos pertencentes ao conjunto , e o indivíduo genérico quem é propenso a esses sintomas.
  • Analysan ': é uma forma lógica que contém três parâmetros: a' 'partição' ', a' 'indivíduo genérico' ' pertencente à amostra populacional e' ' (Base de Conhecimento)' 'que inclui um conjunto de declarações de probabilidade condicionada.

Por exemplo, pode-se concluir que o diagnóstico definitivo é o seguinte:

- isso significa que nossa Mary Poppins está 95% afetada por DTMs, pois ela tem uma degeneração da Articulação Temporomandibular além dos dados positivos

Final considerations

Percorremos um caminho longo e tortuoso para compreender melhor a complexidade encontrada pelo colega que luta contra a pesada responsabilidade ética de fazer um diagnóstico. No entanto, essa tarefa se torna ainda mais complexa quando precisamos ser detalhados e cuidadosos ao fazer um diagnóstico diferencial.

Aqui, entramos em um tema delicado, que está relacionado com os conteúdos epistemológicos e que antes de tudo foi relatado na "Introdução". Nós estamos falando sobre:

  • Interdisciplinaridade:
    Na política científica, é geralmente reconhecido que a resolução de problemas com base na ciência requer pesquisa interdisciplinar ( 'IDR' ), conforme proposto pelo projeto da UE denominado Horizonte 2020[13]. Em um estudo recente, os autores enfocam a questão de por que os pesquisadores têm dificuldades cognitivas e epistêmicas na condução de IDR. Acredita-se que a perda do interesse filosófico na epistemologia da pesquisa interdisciplinar se deva a um paradigma filosófico da ciência denominado "Paradigma Físico da Ciência", que impede o reconhecimento de mudanças importantes de IDR tanto na filosofia da ciência quanto na pesquisa..
    O paradigma filosófico alternativo proposto, denominado "
    Paradigma da Engenharia da Ciência ", faz suposições filosóficas alternativas sobre aspectos como o propósito da ciência, o caráter do conhecimento, os critérios epistêmicos e pragmáticos para a aceitação do conhecimento e o papel da ferramentas tecnológicas. Consequentemente, os pesquisadores científicos precisam dos chamados andaimes metacognitivos para auxiliá-los na análise e reconstrução de como o "conhecimento" é construído em diferentes disciplinas..
    Na pesquisa interdisciplinar, os andaimes metacognitivos ajudam a comunicação interdisciplinar a analisar e articular como a disciplina constrói conhecimento[14][15]

Este conceito está vinculado ao tópico discutido anteriormente em que o colega deve estar ciente de sua própria 'Incerteza Subjetiva' (devido a uma linguagem lógica clássica 'doente ou saudável') e da 'Incerteza Objetiva' (devido a uma linguagem lógica probabilística ' provavelmente doente ou provavelmente saudável '). Não é complicado provar esta assertiva: a incerteza de que estamos falando deriva do fato de que os elementos, assertivas, dados, classes e subclasses mencionados e que constroem o aparato da lógica da linguagem probabilística: Analysandum e Analysan são elementos que existem em um mundo específico, e neste caso em um contexto odontológico em que o elemento do processo indica indiscutivelmente um "conhecimento básico" apenas em um contexto odontológico específico.

Esta conclusão confirmada pelo dentista foi a seguinte:

ou melhor: é minha convicção de 95% que Mary Poppins é afetada por DTMs, pois ela tem uma degeneração da articulação temporomandibular, além da positividade dos dados

Mas algo estranho acontece porque do nada, um pesquisador, que usa 'andaimes metacognitivos'[16] para uma implementação na análise e reconstrução de como o 'conhecimento' é construído em diferentes disciplinas, exige do dentista uma resposta à seguinte questão:

Question 2.jpg
«...Existe outro mundo ou contexto, paralelo ao seu, em que além dos dados D existem outros dados desconhecidos para você?»

e aumentar a dose: submeta Mary Poppins aos seguintes testes eletrofisiológicos do trigêmeo, rotule-os como fizemos anteriormente para os dados do conjunto gerando outro conjunto contendo um número de dados desconhecidos (não pertencentes ao ramo puramente dentário) criando assim um conjunto inteiramente novo que chamaremos de (chamado de precisamente devido ao presença de dados desconhecidos para o contexto odontológico).

 Laudo radiológico positivo da ATM na Figura 2

Relatório de TC positivo da ATM na Figura 3

Relatório axiográfico positivo dos traços condilares na Figura 4

Padrão de interferência EMG assimétrico na Figura 5

Jaw jerk in Figure 6

Período de silêncio mecânico na Figura 7

TC do músculo masseter direito na Figura 8


Terceira Abordagem Clínica

(passe o mouse sobre as imagens)



Desta forma, foi demonstrado que, inevitavelmente,

«a lógica da linguagem médica é mais ou menos baseada em dados que derivam de um determinado mundo ou contexto, ou melhor, um contexto especializado em que o perímetro que delimita esse conhecimento não nos permite projetar em contextos paralelos»


Explorando esta linha de perímetro do contexto especialista, criaremos uma área próxima a ela que chamaremos de 'zona fuzzy' ou 'lógica fuzzy' que discutiremos no próximo capítulo.


Question 2.jpg
«... pelo que parece nem mesmo com uma lógica de linguagem probabilística poderemos definir um diagnóstico exato.»
(de fato, por esta razão devemos considerar também Linguagem lógica difusa)
Bibliography & references
  1. Vázquez-Delgado E, Cascos-Romero J, Gay-Escoda C, «Myofascial pain associated to trigger points: a literature review. Part 2: differential diagnosis and treatment», in Med Oral Patol Oral Cir Bucal, 2007.
    PMID:20173729
    DOI:10.4317/medoral.15.e639 
  2. Thoppay J, Desai B, «Oral burning: local and systemic connection for a patient-centric approach», in EPMA J, 2019.
    PMID:30984309 - PMCID:PMC6459460
    DOI:10.1007/s13167-018-0157-3 
  3. Sadegh-Zadeh Kazem, «Handbook of Analytic Philosophy of Medicine», Springer, 2012, Dordrecht.
    ISBN: 978-94-007-2259-0
    DOI:10.1007/978-94-007-2260-6 
    .
  4. Sarkar S, «Nagel on Reduction», in Stud Hist Philos Sci, 2015.
    PMID:26386529
    DOI:10.1016/j.shpsa.2015.05.006 
  5. Modelo DN de explicação científica, também conhecido como Modelo de Hempel, Hempel–Oppenheim model, Popper–Hempel model, ou cobrindo modelo de lei
  6. Pantoja LLQ, De Toledo IP, Pupo YM, Porporatti AL, De Luca Canto G, Zwir LF, Guerra ENS, «Prevalence of degenerative joint disease of the temporomandibular joint: a systematic review», in Clin Oral Investig, 2019.
    PMID:30311063
    DOI:10.1007/s00784-018-2664-y 
  7. De Toledo IP, Stefani FM, Porporatti AL, Mezzomo LA, Peres MA, Flores-Mir C, De Luca Canto G, «Prevalence of otologic signs and symptoms in adult patients with temporomandibular disorders: a systematic review and meta-analysis», in Clin Oral Investig, 2017.
    PMID:27511214
    DOI:10.1007/s00784-016-1926-9 
  8. Bonotto D, Penteado CA, Namba EL, Cunali PA, Rached RN, Azevedo-Alanis LR, «Prevalence of temporomandibular disorders in rugby players», in Gen Dent.
    PMID:31355769 
  9. da Silva CG, Pachêco-Pereira C, Porporatti AL, Savi MG, Peres MA, Flores-Mir C, De Luca Canto G, «Prevalence of clinical signs of intra-articular temporomandibular disorders in children and adolescents: A systematic review and meta-analysis», in Am Dent Assoc, 2016. - PMCID:26552334
    DOI:10.1016/j.adaj.2015.07.017 
  10. Gauer RL, Semidey MJ, «Diagnosis and treatment of temporomandibular disorders», in Am Fam Physician, 2015.
    PMID:25822556 
  11. Kohlmann T, «Epidemiology of orofacial pain», in Schmerz, 2002.
    PMID:12235497
    DOI:10.1007/s004820200000 
  12. Westmeyer H, «The diagnostic process as a statistical-causal analysis», in APA, 1975.
    DOI:10.1007/BF00139821
    Open Access logo green alt2.svg
    This is an Open Access resource!
     
  13. European Union, Horizon 2020
  14. Boon M, Van Baalen S, «Epistemology for interdisciplinary research - shifting philosophical paradigms of science», in Eur J Philos Sci, 2019.
    DOI:10.1007/s13194-018-0242-4 
    9(1):16.
  15. Boon M, «An engineering paradigm in the biomedical sciences: Knowledge as epistemic tool», in Prog Biophys Mol Biol, 2017.
    DOI:10.1016/j.pbiomolbio.2017.04.001 
  16. Boon M, Van Baalen S, «Epistemology for interdisciplinary research - shifting philosophical paradigms of science», in Eur J Philos Sci, 2019.
    PMID:30873248 - PMCID:PMC6383598
    DOI:10.1007/s13194-018-0242-4
    Open Access logo green alt2.svg
    This is an Open Access resource!
     
Wiki.png