Cette analyse de la publication scientifique « Comparison of the accuracy of latent factor and sum scoring of the Hospital Anxiety and Depression Scale to screen for major depression: An individual participant data meta-analysis » a été réalisée par l’équipe scientifique de Docmeup.
Un débat qui traverse la psychométrie du dépistage
Le HADS (Hospital Anxiety and Depression Scale) est l’une des échelles les plus utilisées pour repérer une dépression chez des patients suivis pour une pathologie somatique. Depuis plusieurs années, une question technique agite les psychométriciens : faut il continuer à calculer un simple score somme sur la sous échelle dépression (HADS D), ou passer à des scores factoriels plus sophistiqués, issus de modèles statistiques qui pondèrent différemment chaque item ? Les seconds sont parfois présentés comme plus précis. Mais sont ils vraiment meilleurs pour repérer une dépression majeure, ou ce gain théorique reste il sans conséquence pratique pour le soignant qui utilise l’échelle au quotidien ?
Comparer scores sommes et scores factoriels sur 7982 patients
Pour trancher, les auteurs ont rassemblé les données individuelles de 42 études, soit 7982 participants adultes recrutés hors psychiatrie, non sélectionnés sur des symptômes dépressifs, en contexte majoritairement ambulatoire et hospitalier. Chaque participant avait bénéficié d’un entretien diagnostique structuré (le plus souvent un SCID) réalisé à moins de deux semaines du HADS, ce qui sert de référence pour juger de l’exactitude du dépistage.
Plusieurs méthodes de notation ont été comparées au score somme classique : un modèle à un facteur limité à la sous échelle dépression, un modèle à un facteur sur l’échelle totale, un modèle à deux facteurs, et un modèle bifactoriel intégrant un facteur de méthode lié aux items à formulation positive. Les auteurs ont utilisé une modélisation factorielle ordinale et une méta analyse bivariée sensibilité/spécificité, avec un seuil de pertinence clinique préfixé à 0,05 pour juger si une différence de performance était vraiment utile en pratique.
Des différences réelles, mais sans conséquence clinique
Les résultats sont nets. Les performances agrégées sont quasiment superposables entre méthodes : sensibilité entre 0,81 et 0,85, spécificité entre 0,77 et 0,79 selon le modèle. Les modèles les plus complexes, notamment le bifactoriel, obtiennent une aire sous la courbe légèrement supérieure (de l’ordre de 0,01 à 0,02 point), un écart statistiquement détectable mais très inférieur au seuil de pertinence clinique fixé à 0,05. Autrement dit, la différence existe sur le plan statistique, mais elle ne change rien à ce que le soignant peut réellement faire de l’outil.
Un point mérite d’être souligné avec honnêteté : les modèles complexes se sont aussi montrés plus fragiles à l’usage, avec des centaines d’itérations d’analyse factorielle non convergentes, exclues de l’étude. Un modèle qui échoue à converger dans une proportion notable des cas est difficile à déployer en routine, même si sa performance théorique est légèrement supérieure sur le papier.
Une base de données solide, mais qui a ses angles morts
La méta analyse sur données individuelles est un design exigeant, et celui ci a été mené avec rigueur : validation interne par séparations répétées, analyses de sensibilité, standard de référence diagnostique majoritairement robuste. C’est un vrai point fort qui distingue ce travail d’une simple comparaison de scores sur le papier.
Deux réserves méritent d’être gardées en tête. D’abord, l’échantillon ne regroupe que des études disposant des 14 items du HADS et d’un entretien diagnostique complet, avec une base arrêtée à 2018. Cela exclut potentiellement des contextes cliniques plus récents ou différents de ceux representés ici. Ensuite, l’absence d’imputation des données manquantes et de propagation complète de l’incertitude des scores factoriels invite à ne pas sur-interpréter les écarts les plus fins entre modèles. Le niveau de preuve global reste correct pour conclure à l’absence de bénéfice cliniquement pertinent des scores latents, avec une prudence accrue pour la généralisation à d’autres populations.
Ce que ça change au quotidien pour qui utilise le HADS
Le message pratique est presque un soulagement : il n’est pas nécessaire de complexifier un outil qui fonctionne déjà bien. Le score somme HADS D reste préférable dans des contextes comparables à ceux de l’étude, pour une raison simple: sa simplicité de calcul et sa robustesse opérationnelle ne sont pas pénalisées par un déficit de performance diagnostique. Plutôt que d’investir du temps dans l’implémentation d’algorithmes factoriels complexes et sujets à des non convergences, l’énergie clinique gagne à être redirigée vers l’organisation du parcours de confirmation diagnostique une fois un score au dessus du seuil identifié: consultation rapide, circuit de confirmation standardisé, alertes simples dans le dossier patient.
Pour les chercheurs en psychiatrie et en médecine somatique qui suivent de près la littérature sur les outils de repérage, cette étude illustre aussi une leçon plus générale sur les mesures cliniques: la sophistication statistique ne se traduit pas toujours par un gain concret pour le patient. Docmeup permet justement de repérer ce type de nuance rapidement, en distinguant un résultat statistiquement significatif d’un résultat cliniquement pertinent, sans avoir à dérouler l’intégralité d’une méta analyse méthodologiquement dense.
Synthétiser un document avec Docmeup
Référence : Jieting Zhang, Felix Fischer, Carl Falk, Yin Wu, Afra Alkan et al. Comparison of the accuracy of latent factor and sum scoring of the Hospital Anxiety and Depression Scale to screen for major depression: An individual participant data meta-analysis. Journal of affective disorders. mai 2026. DOI: 10.1016/j.jad.2026.122051. PMID: 42217642. Mots-clés : Depression screening, HADS-D, HADS-T, Individual participant data meta-analysis, Latent factor scoring.
