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.