“La plupart des gens ont perdu le sens de l’émerveillement. Pour eux, tout va de soi. Réfugiés dans la sécurité de cet état d’esprit, ils perdent la liberté et l’étonnement perpétuel de l’incertitude.”
J. Krishnamurti.
“Significatif : qui est le signe, la preuve de quelque chose ; qui révèle quelque chose.”
CNRTL/Ortolang.
“Chaque échec me rapproche statistiquement d’un succès.”
Une Bel-o-Kanienne laborieuse.
La recherche de « la preuve » en médecine et en sciences plus généralement, se répand. Elle répond à des impératifs économiques (prouver que l’argent investit est bien employé), de consommation (ce que j’achète va me rendre service) ou moraux (je ne vous vole pas…), entre autres.
Le domaine de l’audioprothèse n’échappe pas à cette demande de preuves, et la découvre de façon très rapide et très aigüe ces dernières années. Nous sommes passés d’un « constat de bon fonctionnement » à une demande de preuve d’efficacité dans le bruit en une dizaine d’année. Les fabricants d’aides auditives nous promettent en effet de manière de plus en plus explicite « moins d’efforts », « plus de différenciation du signal par rapport au bruit », et même, soyons fous, « plus d’intelligibilité dans le bruit ».
Le malentendant est peut être prêt à investir dans une nouvelle aide auditive performante ou à renouveler son ancien équipement, mais à condition qu’on lui prouve par « A + B » que les résultats obtenus sont significatifs.
Est-il souhaitable de tout prouver ? c’est un débat philosophique…
Est-il possible de tout prouver ? c’est un débat (un peu) mathématique, qu’il est possible d’appliquer au monde de l’audioprothèse.
Car finalement, l’audiométrie vocale se résume à un pari qui se reproduit à chaque phrase, chaque mot, chaque phonème, etc. : pari perdu (non répété) ou pari gagné (répété). Et le monde des paris est régit par des lois de probabilité qui peuvent nous aider à prendre une décision à la suite d’un test. Mieux après qu’avant ? Mieux avec que sans ? Mieux avec le modèle A ou le modèle B ? Avec le réglage X ou Y ?
Nous allons voir qu’il est possible d’étayer notre prise de décision après un test d’audiométrie vocale dans le calme ou dans le bruit avec quelques rappels mathématiques (de mon petit niveau, rassurez-vous !).
Nous devons être alertés par le côté très “aléatoire” de certaines audiométries vocales; aléatoire dans le sens où il est quasiment impossible d’affirmer mathématiquement qu’il existe une différence sans/avec appareils ou implant(s).
Par exemple, le dernier CERFA ORL de 2017 demandé par les MDPH exige une audiométrie vocale avec listes de Fournier. Nous verrons l’aberration statistique d’une telle demande; les fonctionnaires qui ont pondu ça devaient être absents lors de leur UE de statistique…
Comme vous peut-être, je veux être capable, au terme d’une audiométrie vocale dans le bruit, de dire à mon patient “C’est significativement mieux”, “Le programme 2 est statistiquement plus efficace dans le bruit que le programme 1”, “Le changement d’appareil ne vous apporte rien en terme d’intelligibilité dans le bruit” (si, si !!).
Je voulais donc tenter de donner quelques éléments d’aide à la décision statistique, au audiométrie vocale dans le calme, ce qui est assez simple, mais aussi après un test dans le bruit (HINT, FRAMATRIX, etc.), ce qui est possible, mais plus complexe mathématiquement.
Et pour les plus aventureux, quelques lignes de code (fournies gratuitement !) avec R peuvent permettre de construire la “courbe de normalité dans le bruit” de votre cabine afin de connaître l’écart de RSB (Rapport Signal/Bruit) significatif entre deux conditions de test.
To be continued…
Le kiffe !
Maxi !
Vivement la suite
Excellent !
On attend la suite avec impatience