L’utilisation du score global d’une échelle d’évaluation suppose l’unidimensionnalité de l’instrument, avantage censé permettre une plus grande puissance des tests statistiques. Classiquement, la vérification de cette propriété reposait sur l’isolement par l’analyse factorielle d’un facteur général, en rapport avec le pourcentage de variance extraite, mais aucun critère de choix du nombre de facteurs n’a été universellement accepté. De plus, les résultats d’une analyse donnée sont très dépendants des caractéristiques de l’échantillon, et non généralisables. Les récentes théories du trait latent, dont la plus connue est le modèle de Rasch (1960) preséntent l’avantage d’estimer la position des items sur une dimension (Fig. 1) indépendamment des caractéristiques (par exemple, diagnostiques) de l’échantillon et de procurer un test d’ajustement du modèle donnant un indice d’unidimensionnalité. La revue des analyses factorielles de l’échelle de dépression de Hamilton (HDS, 1960) montre qu’aucune étude n’a permis d’isoler un facteur général de dépression, qui autoriserait l’usage du score global de la HDS comme mesure de l’intensité de la dépression. Plus grave, les structures factorielles sont apparues comme généralement instables. En utilisant le modèle de Rasch, Bech a pu constater que 6 items extraits de la HDS remplissaient les critères d’unidimensionnalité, mais non l’échelle totale. Ces 6 items composent dorénavant une partie de la Bech-Rafaelsen Melancholia Scale (BRMES), dont l’unidimensionnalité a été récemment vérifiée par Maier & Philipp (1985), au sens du modèle de Rasch. L’analyse factorielle et le modèle de Rasch convergent donc vers la conclusion que l’utilisation du score global de la HDS ne se justifie plus, mais le modèle de Rasch semble appuyer la validite de la note globale de la BRMES comme mesure stable de la sévérité de la dépression.

The use of a rating scale global score assumes the unidimensionality of the instrument, with the theoretical benefit of increased power for the statistical tests. Classically, this property was checked by means of factor analysis: if a single general factor was appearing, depending on the proportion of extracted variance, it was generally considered as synonymous of unidimensionality, but no criterion for the choice of the number of factors has yet been universally accepted. Moreover, the results of a given analysis depend closely on the characteristics of the sample, and thus are not generalisable. The recent theories of Latent Trait, the most famous of these being the Rasch model (1960), share the advantage of yielding estimations of item parameters along the dimension (Fig. 1) independently from the characteristics (for instance, diagnostical) of the sample; furthermore, the goodness-of-fit test of the model provides an index of unidimensionality. A review of the main factor analyses carried out with the Hamilton Depression Scale (HDS, 1960) shows that no single replicable general factor has ever been found, which, if present, would have justified the use of the HDS global score as a valid assessment of depression severity. More worrying, the HDS factor structures have generally appeared to be unstable. By means of a Rasch model, Bech found that 6 items extracted from the HDS fullfilled the criteria of unidimensionality, but not the whole scale. These 6 items currently constitute a part of the Bech-Rafaelsen Melancholia Scale (BRMES), the unidimensionality of which has recently been verified by Maier & Philip (1985), with a Rasch model. Factor analyses and Rasch models indicate that the use of HDS global score is no longer justified, although the Rasch model seems to support the validity of the BRMES global score as a good assessment of depression severity.