Abstract
Méthodes d'analyse d'audiogrammes en grand nombre
The analysis of large numbers of audiograms raises the question if and how we can reduce the amount of data without discarding essential information. The present paper compares two ways of data reduction: principal-component analysis and curve fitting. The methods are tested on the audiograms of a large family suffering from a dominant hereditary, progressive hearing loss, beginning in the high frequencies. It is shown that principal-component analysis rejects information on the shape of the audiogram, as do all methods generally referred to as factor analysis. The information concerned is essential for our under-standig of the patient's ability to discriminate speech. Curve-fitting procedures are shown to be effective in data reduction.
L'analyse de grands nombres d'audiogrammes pose la question de savoir si, et comment, on peut réduire la quantité de données sans rejeter de l'information importante. Cet article compare deux méthodes de réduction des données: l'analyse des composantes principales et l'ajustement de courbes. Ces méthodes sont éprouvées sur les audiogrammes d'une famille étendue souffrant de surdité progressive héréditaire à caractère dominant, commençant sur les aigus. Il apparaiˇt que l'analyse des composantes principales rejette l'information concernant la forme de la courbe audiométrique, ainsi que le font toutes les methodes reposant sur l'analyse factorielle. L'information ainsi affectée est celle qui est essentielle pour notre appréciation des possibilités du malade dans la compréhension de la parole. Les méthodes d'ajustement de courbes apparaissent efficaces dans la réduction des données.