on 07-Feb-2020 (Fri)

Let a discrete random variable \(X\) have \(k\) possible values \(\{ x_i \}_{i=1}^k\). The expectation of \(X\) denoted as \(\mathbb E[X]\) is given by,

\(\begin{align} \mathbb E[X] & \stackrel{\textrm{def}}{=} \sum_{i=1}^k \left[ x_i \cdot \textrm{Pr} \left( X = x_i \right) \right] \\ & = x_1 \cdot \textrm{Pr} \left( X = x_1 \right) + x_2 \cdot \textrm{Pr} \left( X = x_2 \right) + \cdots + x_k \cdot \textrm{Pr} \left( X = x_k \right) \end{align}\)

where \(\textrm{Pr} \left( X = x_i \right)\) is the probability that \(X\) has the value \(x_i\) according to the pmf. The expectation of a random variable is also called the mean, average or expected value and is frequently denoted with the letter \(\mu\) . The expectation is one of the most important statistics of a random variable.

In logistic regression, we still want to model \(y_i\) as a linear function of \(\mathbf x_i\), however, with a binary \(y_i\) this is not straightforward. The linear combination of features such as \(\mathbf w \mathbf x_i + b\) is a function that spans from minus infinity to plus infinity, while \(y_i\) has only two possible values.

At the time where the absence of computers required scientists to perform manual calculations, they were eager to find a linear classification model. They figured out that if we define a negative label as 0 and the positive label as 1, we would just need to find a simple continuous function whose codomain is (0 , 1). In such a case, if the value returned by the model for input \(\mathbf x\) is closer to 0, then we assign a negative label to \(\mathbf x\) ; otherwise, the example is labeled as positive. One function that has such a property is the standard logistic function (also known as the sigmoid function):

\(f(x) = \displaystyle \frac{1}{1 + e^{-x}}\),

where \(e\) is the base of the natural logarithm (also called Euler’s number; \(e^x\) is also known as the \(exp(x)\) function in programming languages). Its graph is depicted in Figure 3.

The logistic regression model looks like this:

\(f_{\mathbf w, b} (\mathbf x) \stackrel{\textrm{def}}{=} \displaystyle \frac{1}{1 + e^{-(\mathbf w \mathbf x + b)}} \quad (3)\)

You can see the familiar term \(\mathbf w \mathbf x + b\) from linear regression.

By looking at the graph of the standard logistic function, we can see how well it fits our classification purpose: if we optimize the values of \(\mathbf w\) and \(b\) appropriately, we could interpret the output of \(f( \mathbf x )\) as the probability of \(y_i\) being positive. For example, if it’s higher than or equal to the threshold 0.5 we would say that the class of \(\mathbf x\) is positive; otherwise, it’s negative. In practice, the choice of the threshold could be different depending on the problem. We return to this discussion in Chapter 5 when we talk about model performance assessment.

Now, how do we find optimal \(\mathbf w^\ast\) and \(b^\ast\)? In linear regression, we minimized the empirical risk which was defined as the average squared error loss, also known as the mean squared error or MSE.

To extend SVM to cases in which the data is not linearly separable, we introduce the hinge loss function: \(\max (0, 1 − y_i (\mathbf w \mathbf x_i − b))\).

The hinge loss function is zero if the constraints in 8 [i.e., \(\mathbf w \mathbf x_i − b \ge +1 \; \textrm{if} \; y_i = +1\) and \(\mathbf w \mathbf x_i − b \le -1 \; \textrm{if} \; y_i = -1\)] are satisfied; in other words, if \(\mathbf w \mathbf x_i\) lies on the correct side of the decision boundary. For data on the wrong side of the decision boundary, the function’s value is proportional to the distance from the decision boundary.

We then wish to minimize the following cost function,

\(C \left\Vert \mathbf w \right\Vert^2 + \frac{1}{N} \displaystyle \sum_{i=1}^N \max (0, 1 − y_i (\mathbf w \mathbf x_i − b)) \),

where the hyperparameter \(C\) determines the tradeoff between increasing the size of the decision boundary and ensuring that each \(\mathbf x_i\) lies on the correct side of the decision boundary. The value of \(C\) is usually chosen experimentally, just like ID3’s hyperparameters \(\epsilon\) and \(d\) . SVMs that optimize hinge loss are called soft-margin SVMs, while the original formulation is referred to as a hard-margin SVM.

As you can see, for sufficiently high values of \(C\), the second term in the cost function will become negligible, so the SVM algorithm will try to find the highest margin by completely ignoring misclassification. As we decrease the value of \(C\), making classification errors is becoming more costly, so the SVM algorithm tries to make fewer mistakes by sacrificing the margin size. As we have already discussed, a larger margin is better for generalization. Therefore, \(C\) regulates the tradeoff between classifying the training data well (minimizing empirical risk) and classifying future examples well (generalization).

SVM can be adapted to work with datasets that cannot be separated by a hyperplane in its original space. Indeed, if we manage to transform the original space into a space of higher dimensionality, we could hope that the examples will become linearly separable in this transformed space. In SVMs, using a function to implicitly transform the original space into a higher dimensional space during the cost function optimization is called the kernel trick.

The effect of applying the kernel trick is illustrated in Figure 6. As you can see, it’s possible to transform a two-dimensional non-linearly-separable data into a linearly-separable three-dimensional data using a specific mapping \(\phi: \mathbf x \mapsto \phi (\mathbf x)\), where \(\phi (\mathbf x)\) is a vector of higher dimensionality than \(\mathbf x\). For the example of 2D data in Figure 5 (right), the mapping \(\phi\) for that projects a 2D example \(\mathbf x = \left[ q, p \right]\) into a 3D space (Figure 6) would look like this: \(\phi \left( \left[ q, p \right] \right) \stackrel{\textrm{def}}{=} \left( q^2, \sqrt{2} qp, p^2\right)\), where \(\cdot^2\) means \(\cdot\) squared. You see now that the data becomes linearly separable in the transformed space.

However, we don’t know a priori which mapping \(\phi\) would work for our data. If we first transform all our input examples using some mapping into very high dimensional vectors and then apply SVM to this data, and we try all possible mapping functions, the computation could become very inefficient, and we would never solve our classification problem.

Fortunately, scientists figured out how to use kernel functions (or, simply, kernels ) to efficiently work in higher-dimensional spaces without doing this transformation explicitly. To understand how kernels work, we have to see first how the optimization algorithm for SVM finds the optimal values for \(\mathbf x\) and \(b\). The method traditionally used to solve the optimization problem in eq. 9 is the method of Lagrange multipliers. Instead of solving the original problem from eq. 9, it is convenient to solve an equivalent problem formulated like this:
\(\max_{\alpha_1 \ldots \alpha_N} \displaystyle \sum_{i=1}^N \alpha_i - \frac{1}{2} \sum_{i=1}^N \sum_{k=1}^N y_i \alpha_i (\mathbf x_i \mathbf x_k) y_k \alpha_k \; \textrm{subject to} \; \sum_{i=1}^N \alpha_i y_i \; \textrm{and} \; \alpha_i \ge 0, i = 1, \ldots, N,\)

where \(\alpha_i\) are called Lagrange multipliers. When formulated like this, the optimization problem becomes a convex quadratic optimization problem, efficiently solvable by quadratic programming algorithms.

Now, you could have noticed that in the above formulation, there is a term \(\mathbf x_i \mathbf x_k\) , and this is the only place where the feature vectors are used. If we want to transform our vector space into higher dimensional space, we need to transform \(\mathbf x_i\) into \(\phi ( \mathbf x_i )\) and \(\mathbf x_k\) into \(\phi ( \mathbf x_k )\) and then multiply \(\phi ( \mathbf x_i )\) and \(\phi ( \mathbf x_k )\). Doing so would be very costly.

On the other hand, we are only interested in the result of the dot-product \(\mathbf x_i \mathbf x_k\), which, as we know, is a real number. We don’t care how this number was obtained as long as it’s correct. By using the kernel trick, we can get rid of a costly transformation of original feature vectors into higher-dimensional vectors and avoid computing their dot-product. We replace that by a simple operation on the original feature vectors that gives the same result. For example, instead of transforming \(( q_1, p_1 )\) into \(( q_1^2, \sqrt{2} q_1 p_1, p_1^2 )\) and \(( q_2, p_2 )\) into \(( q_2^2, \sqrt{2} q_2 p_2, p_2^2 )\) and then computing the dot-product of \(( q_1^2, \sqrt{2} q_1 p_1, p_1^2 )\) and \(( q_2^2, \sqrt{2} q_2 p_2, p_2^2 )\) to obtain \(( q_1^2 q_2^2 + 2 q_1 q_2 p_1 p_2 + p_1^2 p_2^2 )\) we could find the dot-product between \(( q_1, p_1 )\) and \(( q_2, p_2 )\) to get \(( q_1 q_2 + p_1 p_2 )\) and then square it to get exactly the same result \(( q_1^2 q_2^2 + 2 q_1 q_2 p_1 p_2 + p_1^2 p_2^2 )\).

That was an example of the kernel trick, and we used the quadratic kernel \(k ( \mathbf x_i, \mathbf x_k ) \stackrel{\textrm{def}}{=} ( \mathbf x_i, \mathbf x_k )^2\). Multiple kernel functions exist, the most widely used of which is the RBF kernel:

\(k ( \mathbf x, \mathbf x' )= \exp \left( - \frac{\left\Ver

k-Nearest Neighbors (kNN) is a non-parametric learning algorithm. Contrary to other learning algorithms that allow discarding the training data after the model is built, kNN keeps all training examples in memory. Once a new, previously unseen example \(\mathbf x\) comes in, the kNN algorithm finds \(k\) training examples closest to \(\mathbf x\) and returns the majority label, in case of classification, or the average label, in case of regression.

The closeness of two examples is given by a distance function. For example, Euclidean distance seen above is frequently used in practice. Another popular choice of the distance function is the negative cosine similarity. Cosine similarity defined as,

\(s \left( \mathbf x_i, \mathbf x_k \right) \stackrel{\textrm{def}}{=} \cos \left( \angle \left( \mathbf x_i, \mathbf x_k \right) \right) = \frac{\sum_{j = 1}^D x_i^{(j)} x_k^{(j)}}{\sqrt{\sum_{j=1}^D \left( x_i^{(j)}\right)^2} \sqrt{\sum_{j=1}^D \left( x_k^{(j)}\right)^2}}\),

is a measure of similarity of the directions of two vectors. If the angle between two vectors is 0 degrees, then two vectors point to the same direction, and cosine similarity is equal to 1. If the vectors are orthogonal, the cosine similarity is 0. For vectors pointing in opposite directions, the cosine similarity is − 1. If we want to use cosine similarity as a distance metric, we need to multiply it by −1. Other popular distance metrics include Chebychev distance, Mahalanobis distance, and Hamming distance. The choice of the distance metric, as well as the value for \(k\), are the choices the analyst makes before running the algorithm. So these are hyperparameters. The distance metric could also be learned from data (as opposed to guessing it). We talk about that in Chapter 10.

Recall the linear regression objective:

\(\displaystyle \min_{\mathbf w, b} \frac{1}{N} \displaystyle \sum_{i=1}^N \left( f_{\mathbf w, b \left( \mathbf x_i \right)} - y_i \right)^2. \tag{2}\)

An L1-regularized objective looks like this:

\(\displaystyle \min_{\mathbf w, b} \left[ C \left\vert \mathbf w \right\vert + \frac{1}{N} \displaystyle \sum_{i=1}^N \left( f_{\mathbf w, b \left( \mathbf x_i \right)} - y_i \right)^2 \right], \tag{3}\)

where \(\left\vert \mathbf w \right\vert \stackrel{\textrm{def}}{=} \sum_{j=1}^D \left\vert w^{(j)} \right\vert\) and \(C\) is a hyperparameter that controls the importance of regularization. If we set \(C\) to zero, the model becomes a standard non-regularized linear regression model. On the other hand, if we set to \(C\) to a high value, the learning algorithm will try to set most \(w^{(j)}\) to a very small value or zero to minimize the objective, the model will become very simple which can lead to underfitting. Your role as the data analyst is to find such a value of the hyperparameter \(C\) that doesn’t increase the bias too much but reduces the variance to a level reasonable for the problem at hand.

In software development life cycle (SDLC), artifact usually refers to "things" that are produced by people involved in the process.

Examples of artifacts would be design documents, data models, workflow diagrams, test matrices and plans, setup scripts.

In software, like an archaeological site, any thing that is created could be an artifact.

• En cas d'échec de la photothérapie, on peut avoir recours à l'exsanguinotransfusion, dont les indications sont devenues rares.

• Des perfusions d'albumine peuvent être utilisées chez des enfants vulnérables (hypotrophie, prématurité, acidose, déshydratation, polymédication pouvant interférer avec la liaison bilirubine-albumine) ou dans l'attente de la réalisation d'une exsanguinotransfusion.

• Les immunoglobulines polyvalentes IV sont recommandées comme adjuvant à la photothérapie intensive en cas d'ictère lié à une incompatibilité maternofœtale rhésus ou ABO documentée

MIN

Examen clinique de l'enfant :

• Il s'attache notamment à apprécier les éléments suivants :
  • T°C rectale
  • Tension de la fontanelle, signes de déshydratation et/ou de dénutrition sévère
  • Aspect du siège, coloration des téguments, lividités, étendue de la rigidité
  • Traces cutanées et/ou muqueuses (éruptions cutanées, ecchymoses, hématomes, autres lésions traumatiques, cicatrices).

Cet examen clinique doit être le plus précoce possible et réalisé sur un enfant totalement déshabillé.

Il peut se faire en présence des parents s'ils le souhaitent

Trisomie 21 :

Dysmorphie craniofaciale :

• Microcéphalie modérée (autour de – 2 DS)
• Occiput plat, nuque courte et large (avec en période néonatale un excès de peau)
• Visage rond et plat
• Petites oreilles rondes mal ourlées
• Hypertélorisme (distance excessive entre les orbites)
• Fentes palpébrales obliques en haut et en dehors, avec un épicanthus (insertion de la paupière supérieure formant un repli recouvrant le canthus interne)
• Nez court par hypoplasie des os propres du nez, avec ensellure nasale plate (contribuant à l'épicanthus)
• Petite bouche, souvent tenue ouverte (du fait de l'hypotonie faciale)
• Langue protruse donnant une impression de macroglossie
• Mâchoire inférieure devenant prognathe avec l'âge

Mucoviscidose

Le lait ayant un apport protidique et sodé insuffisant, il est nécessaire d'apporter du sel de manière systématique chez le nourrisson avant la diversification (environ 2 mEq/kg par jour en plus du lait). L'apport adéquat peut être contrôlé par ionogramme urinaire

A few business rules can make developing corporate CRUD apps start feeling like a craft.

Sometimes business rules are only in the minds of senior business users and not documented formally.

La case de la rubrique « obstacle au don du corps » doit être cochée en cas :

• D'obstacle médico-légal à l'inhumation
  
• De maladie contagieuse.

La case de la rubrique « prélèvement en vue de rechercher la cause du décès » doit être cochée en cas de suspicion de maladie contagieuse faisant l'objet des rubriques « cercueil hermétique » et « cercueil simple », à la demande :

• Du médecin constatant le décès
• Du préfet

D'après la loi du 11 février 2005, pour l'égalité des droits et des chances, la participation et la citoyenneté des personnes handicapées, le terme de handicap est défini ainsi :

« Constitue un handicap toute limitation d'activité ou restriction de participation à la vie en société subie dans son environnement par une personne en raison d'une altération substantielle, durable ou définitive d'une ou plusieurs fonctions physiques, sensorielles, mentales, cognitives ou psychiques, d'un polyhandicap ou d'un trouble de santé invalidant »

Maison départementale des personnes handicapées (MDPH) :

• Elle offre un accès unique aux droits et prestations prévus pour les personnes handicapées.
• Elle informe et accompagne les personnes handicapées et leurs familles dès l'annonce du handicap et tout au long de son évolution.
• Elle assure l'organisation de la Commission des droits et de l'autonomie des personnes handicapées (CDAPH) et le suivi de la mise en œuvre de ses décisions, ainsi que la gestion du fonds départemental de compensation du handicap

Principes d'orientation de l'enfant handicapé

Un enfant reconnu handicapé doit pouvoir bénéficier d'une éducation spéciale, gratuite qui associe des actions médicales, paramédicales, sociales, pédagogiques et psychologiques

Le droit à la scolarité s'intègre dans le projet personnalisé de scolarisation (PPS) qui s'établit en lien avec :

• l'équipe éducative (au sein de laquelle le médecin scolaire doit avoir une place essentielle)
• les parents
• un enseignant référent de la MDPH
• les équipes de soins

Les parents sont étroitement associés à l'élaboration de ce projet personnalisé ainsi qu'à la décision d'orientation, prise en accord avec eux par la CDAPH

Les AVS sont des personnels non enseignants, mis à disposition des établissements pour intervenir auprès d'un enfant porteur d'un handicap.
Cette mesure est décidée sur étude de dossier par la commission des droits à l'autonomie de la MDPH.

Enfin, tous les examens et concours organisés par l'Éducation nationale offrent des possibilités d'aménagements étendus et renforcés pour les candidats handicapés (tiers temps supplémentaire, assistant de secrétariat…)

Au collège, les SEGPA (sections d'enseignement général et professionnel adapté) accueillent les élèves ayant des difficultés d'apprentissage graves et persistantes.
Il s'agit d'un enseignement adapté qui vise une qualification professionnelle.

• L'élève sera ensuite orienté, après la classe de 3ème , vers :
  • un lycée professionnel
  • un centre d'apprentis
  • un établissement régional d'enseignement adapté (EREA)

CAMSP

Pour les enfants âgés de 0 à 6 ans, les CAMSP (centres d'action médicosociale précoce) ont pour objet le dépistage, la cure ambulatoire et la rééducation des enfants ayant des déficits sensoriels, intellectuels ou moteurs, en vue d'une adaptation sociale et éducative dans leur milieu naturel et avec la participation de leurs familles

CAMSP

Ce type de prise en charge ne nécessite pas d'orientation par la MDPH ; l'accès y est direct à la demande de la famille ou de médecins

Autres services ne nécessitant pas d'orientation MDPH D'autres services peuvent également intervenir :

• Pour les enfants âgés de 3 à 18 ans ayant des troubles psychoaffectifs, psychomoteurs ou des troubles des apprentissages : les CMPP (centres médicopsychopédagogiques)
• Pour les enfants ayant des troubles psychiques : les CMP (centres médicopsychologiques) ayant un rôle essentiellement thérapeutique.

Services médicosociaux d'accompagnement nécessitant une orientation MDPH

• Pour les enfants âgés de 0 à 20 ans, différents services d'accompagnement existent.
  Ils se répartissent en plusieurs catégories selon le handicap :
  • SESSAD (services d'éducation spéciale et de soins à domicile) pour les enfants atteints de déficiences intellectuelles et motrices, de troubles du caractère et du comportement
  • SSAD (services d'aides et de soins à domicile) pour les enfants présentant un polyhandicap qui associe déficience motrice et déficience mentale sévère et profonde
    
    
  • SAFEP (services d'accompagnement familial et d'éducation précoce) pour les enfants âgés de 0 à 3 ans ayant une déficience auditive et visuelle
  • SSFIS (services de soutien à l'éducation familiale et à l'intégration scolaire) pour les enfants déficients auditifs âgés de plus de 3 ans
    
    
  • SAAIS (services d'aide à l'acquisition de l'autonomie et à l'intégration scolaire) pour les enfants déficients visuels âgés de plus de 3 ans

Si tout enfant handicapé peut être inscrit dans « l'école ou l'établissement du second degré de son quartier », il peut exister des limites à cette intégration.

Le pédiatre doit veiller à ce que l'enfant ne paye pas son adaptation scolaire à un prix méconnu : efforts incessants, sentiment de ne jamais en faire assez et devoir en faire toujours plus

Différentes structures proposent une prise en charge au long cours de la totalité ou d'une partie des besoins de l'enfant handicapé tant au niveau éducatif que rééducatif et psychologique.
L'accès se fait par l'intermédiaire de la CDAPH de la MDPH.

• Il s'agit principalement :
  • D'IME (instituts médico-éducatifs) pour les enfants âgés de 0 et 20 ans, en distinguant les établissements pour enfants ayant :
    • une déficience intellectuelle
    • de ceux pour enfants ayant une déficience motrice
    • de ceux pour enfants polyhandicapés
    • de ceux pour enfants ayant une déficience auditive grave
    • et de ceux pour enfants ayant une déficience visuelle grave ou cécité
      
      
  • D'IMPRO (instituts médico-professionnels) après l'âge de 14 ans afin de donner une formation professionnelle
    
    
  • D'IR (instituts de rééducation) pour des enfants ayant des difficultés scolaires sévères associées à des troubles du comportement
    
    
  • Des IEM (instituts d'éducation motrice) pour les enfants atteints de déficience motrice sévère

La prise en charge sociale repose avant tout sur la rédaction de certificats médicaux qui doivent être précis, clairs, synthétiques et contenir des éléments pertinents (certificat MDPH et ALD [affections longue durée]).

Ces certificats sont soumis au secret médical.

Les enfants handicapés bénéficient d'une exonération du ticket modérateur, avec prise en charge à 100 % des frais de santé. Il faut être assuré social, ou ayant droit (conjoint, enfants à charge)

L'attribution de l'allocation d'éducation de l'enfant handicapé (AEEH) et de ses compléments repose sur les conditions suivantes :

• toute personne qui assure la charge d'un enfant handicapé âgé de moins de 20 ans
• si l'incapacité de l'enfant est au moins égale à 80 % (perte de l'autonomie pour la plupart des actes de la vie quotidienne)
• ou entre 50 et 80 % s'il est placé en externat ou en semi-internat dans un établissement spécialisé ou pris en charge par un SESSAD.

Seule l'AEEH permet l'exonération du forfait hospitalier

La carte d'invalidité est attribuée lorsque le taux d'incapacité est égal ou supérieur à 80 %.

• Les avantages obtenus sont divers :
  • Macaron GIC,
  • Exonération de la redevance TV,
  • Frais d'aide à domicile,
  • Gratuité des transports pour l'accompagnant.

Elle relève de la compétence de la MDPH

L'allocation journalière de présence parentale (AJPP) est attribuée lorsque l'enfant est atteint d'une maladie, d'un handicap, ou victime d'un accident rendant indispensable une présence parentale soutenue et des soins contraignants.

Le congé est d'une durée de 310 jours à prendre sur 3 ans en fonction des besoins d'accompagnement de l'enfant.

L'obtention du congé n'est pas cumulable avec le complément d'éducation spéciale perçu pour le même enfant.
L'AJPP est par contre cumulable avec l'AEEH simple

La survenue d'un handicap ou d'une maladie chronique chez l'enfant est une situation fréquente en France :

• La paralysie cérébrale est la première cause de handicap moteur.
  La paralysie cérébrale est liée à une lésion du cerveau survenue dans la période anténatale ou périnatale.
  Le facteur de risque principal de paralysie cérébrale est la prématurité
  
  
• La trisomie 21 et le syndrome d'alcoolisation fœtale (SAF) sont la première cause de retard mental, respectivement héréditaire et non héréditaire
  
  
• La dyslexie-dysorthographie est la première cause des troubles spécifiques des apprentissages
  
  
• Les troubles envahissants du développement sont la première cause de handicap d'origine psychiatrique

Le sur-handicap est l'ajout de déficiences secondaires ou de troubles du comportement à un handicap préexistant.

En effet, le handicap de départ peut provoquer des difficultés relationnelles ou des difficultés d'apprentissage et conduire ainsi à une aggravation du handicap

Toutefois, une prise en charge rééducative peut démarrer avant de connaître précisément le diagnostic étiologique d'une affection chronique.

De même un diagnostic peut être reconsidéré devant une évolution clinique inhabituelle.
Par exemple, l'aggravation clinique d'un tableau de diplégie spastique en contexte de paralysie cérébrale doit faire rechercher une pathologie évolutive dégénérative autre

La Haute Autorité de santé (HAS) en 2012 a émis les recommandations suivantes pour l'amélioration du passage de l'enfant à l'adulte :

• Domaine du soin : transformer progressivement le jeune en interlocuteur principal ; éducation à la santé et à ses besoins médicaux spécifiques
• Cadre administratif : bilan social et accès au guide des démarches administratives avant la majorité
• Participation sociale : relais entre projets scolaires et professionnels, choix du lieu de vie, associations de personnes handicapées
• Cadre médico-social : interlocuteur référent et programme de transition écrit

Moteur :

• Scolarité ordinaire ± rééducation en libéral
  OU
• ± CAMPS puis SESSD IEM
  OU
• IME si scolarisation ordinaire impossible

Cognitif

• Scolarité ordinaire ± aide humaine et matérielle CLIS puis ULIS ou SEGPA si classe ordinaire impossible
• IME si scolarisation ordinaire impossible

Psychiatrique

• Scolarité ordinaire ± CMP
  OU
• CMPP IME si scolarisation ordinaire impossible

Sensoriel

• Scolarité ordinaire ± aide humaine et matérielle IES ou certains EREA

Polyhandicap

• IME ou IEM

Les aides financières pour la compensation du handicap sont l'allocation d'éducation de l'enfant handicapé (AEEH) et la prestation de compensation du handicap (PCH).

Les parents peuvent augmenter leur temps de présence parentale en demandant un congé de présence parentale ou une allocation journalière de présence parentale (AJPP).

L'exonération du ticket modérateur et la carte d'invalidité sont deux demandes à remplir par le médecin

La pars tensa, semi-transparente, présente un relief principal : le manche du marteau.

La pars flaccida est au-dessus de la pars tensa, séparée par les ligaments tympanomalléaires antérieurs et postérieurs

L'oreille externe est constituée par le pavillon et le conduit auditif externe (CAE).

Ses fonctions principales sont :

• La protection mécanique du système tympano-ossiculaire par l'angulation anatomique conduit cartilagineux-conduit osseux
• L'amplification des fréquences conversationnelles (surtout entre 2 et 4 kHz) liée à la résonance dans le CAE
• La localisation sonore (surtout verticale, liée aux reliefs du pavillon)

Une pathologie de l'oreille externe et/ou moyenne, si elle est responsable d'une surdité, donnera une surdité de transmission : les niveaux auditifs sont alors meilleurs en conduction osseuse qu'en conduction aérienne (à la base des épreuves acoumétriques de Rinne et de Weber).

En cas d'atteinte de l'oreille interne ou du nerf cochléaire, on aura une surdité de perception (ou surdité neurosensorielle) : les niveaux auditifs en conduction osseuse et en conduction aérienne seront les mêmes, il s'agit d'une surdité de perception pure.

• Perte entre 0 et 20 dB : audition normale ou subnormale
  
  
• Perte entre 20 et 40 dB : perte légère
  • La parole est comprise à un niveau normal mais difficultés pour la voix faible
    
    
• Perte entre 40 et 70 dB : perte moyenne
  • La parole est perçue si elle est forte
    
    
• Perte entre 70 et 90 dB : perte sévère
  • La parole n'est perçue qu'à des niveaux très forts
  • La lecture labiale est un complément nécessaire
    
    
• Perte supérieure à 90 dB : perte profonde
  • Compréhension de la parole presque impossible
  • Troubles importants d'acquisition du langage pour le jeune enfant

Épreuve de Weber

• L'épreuve de Weber consiste à poser un diapason en vibration sur le crâne à équidistance des deux oreilles (front ou vertex) :
  
  • Si le patient entend le son dans les deux oreilles ou de manière diffuse, le Weber est dit indifférent
  • Si le patient entend le son dans une oreille, on parle de Weber latéralisé vers l'oreille où le son est perçu :
    
    • Le Weber est latéralisé vers l'oreille sourde en cas de surdité de transmission
    • Le Weber est latéralisé vers l'oreille saine en cas de surdité de perception

Épreuve de Rinne

L'épreuve de Rinne consiste à comparer l'intensité du son perçu par le patient d'un diapason en vibration devant le pavillon (conduction aérienne, CA) et posé sur la mastoïde (conduction osseuse, CO) :

• Rinne = CA – CO.
• On commence par appliquer le diapason sur la mastoïde puis, quand le patient ne perçoit plus le son, on place le diapason devant le pavillon :
  • En l'absence de pathologie de la transmission, le patient doit continuer à percevoir le son plus longtemps par voie aérienne que par voie osseuse, on parle de Rinne acoumétrique positif (CA – CO > 0)
  • Si le patient ne perçoit plus le son, on parle de Rinne acoumétrique négatif (CA – CO < 0).
    
    
• En cas d'audition normale ou de surdité de perception, le Rinne sera positif.
• En cas de surdité de transmission, le Rinne sera négatif.

On teste les deux oreilles séparément

Audiométrie tonale

• Son principe repose sur une stimulation sonore par des sons purs de fréquence (Hz) et d'intensités variées (dB) avec détermination du seuil subjectif liminaire d'audition par voie aérienne (casque) et voie osseuse (vibrateur mastoïdien) :
  • Si l'audition est normale ou s'il existe une surdité de perception, les courbes en conduction osseuse et aérienne sont superposées.
    Le Rinne est dit positif par analogie avec l'acoumétrie
    
    
  • En cas de surdité de transmission, la conduction osseuse est meilleure que la conduction aérienne : le Rinne est négatif.

Audiométrie vocale

• Elle utilise la stimulation sonore par des sons complexes le plus souvent signifiants (mots monosyllabiques ou bisyllabiques, phrases), quelquefois non signifiants (logatomes : voyelle- consonne-voyelle).
• L'utilisation de listes de mots bisyllabiques est la plus utilisée en pratique clinique

L'impédancemétrie est la mesure de l'impédance de l'oreille moyenne et de ses modifications sous l'influence d'une surpression ou d'une dépression créée dans le conduit auditif externe.

• Elle ne peut être réalisée qu'en absence de perforation tympanique.
• Elle fournit de façon objective des renseignements sur la valeur fonctionnelle de la trompe d'Eustache et du système tympano-ossiculaire

Courbes d'impédancemétrie tympanique

• Trouble de la ventilation de l'oreille moyenne
  • Courbe de type C le pic de compliance est décalé vers les pressions négatives, il existe donc une dépression dans la caisse du tympan
    
    
• Présence d'un épanchement liquidien dans la caisse du tympan
  • Courbe de type B
    
    
• Caractères physiques du système tympano-ossiculaire :
  • Atteinte ossiculaire
    • Courbe en « Tour Eiffel » : pic ample et pointu par rupture de la chaîne ossiculaire