Échelle de sévérité de la cybercondrie

1. Résumé / Abstract

L’Échelle de sévérité de la cybercondrie (Cyberchondria Severity Scale, CSS) est un instrument d’évaluation psychométrique standardisé conçu pour mesurer de manière quantitative et multidimensionnelle l’anxiété liée à la santé exacerbée par la recherche compulsive d’informations médicales sur Internet. Développée en 2014 par les psychologues et chercheurs Eoin McElroy et Mark Shevlin à l’Université d’Ulster, cette échelle répond à l’essor des technologies numériques et à l’impact iatrogène potentiel de l’auto-diagnostic en ligne sur le fonctionnement psychologique et comportemental des individus.

L’instrument a été initialement élaboré à partir d’un ensemble de 43 items soumis à une démarche d’analyse factorielle exploratoire combinée à une analyse parallèle rigoureuse. La structure finale validée comprend 33 items mesurant cinq dimensions interdépendantes du construit : la Compulsion (la pulsion irrépressible d’effectuer des recherches en ligne et la perte de contrôle associée), la Détresse (l’expérience affective négative, incluant la panique et la terreur déclenchées par les résultats trouvés), le Caractère excessif (le volume temporel disproportionné et la nature répétitive des requêtes), la Recherche de réassurance (la tentative paradoxale d’apaiser ses craintes par la navigation continue ou la consultation médicale) et la Méfiance envers le corps médical (le scepticisme accru à l’égard des diagnostics professionnels induit par les données en ligne). Les items sont évalués au moyen d’une échelle de Likert en 5 points allant de 1 (« Jamais ») à 5 (« Toujours »).

Les propriétés psychométriques de la CSS démontrent une excellente cohérence interne (coefficients alpha de Cronbach généralement supérieurs à 0,80 pour l’ensemble des sous-échelles) ainsi qu’une validité convergente et discriminante robuste, établie notamment par des corrélations différentielles significatives avec les échelles de dépression, d’anxiété et de stress du DASS-21. La CSS constitue aujourd’hui un outil de référence international incontournable pour les cliniciens et les chercheurs en psychologie clinique, en psychiatrie et en santé publique, facilitant l’identification précoce des comportements de cybercondrie et l’élaboration de protocoles thérapeutiques cognitivo-comportementaux ciblés.

2. Mots-clés / Keywords

Cybercondrie, Anxiété liée à la santé, Recherche d’informations médicales en ligne, Évaluation psychométrique, Échelle de sévérité de la cybercondrie, Hypocondrie numérique, Modèle cognitivo-comportemental, Psychométrie clinique, DASS-21, Auto-diagnostic en ligne, Biais cognitifs, Comportements de sécurité.

3. Auteurs / Authors

L’Échelle de sévérité de la cybercondrie a été conçue et validée par une équipe de chercheurs spécialistes en modélisation psychométrique et en psychopathologie quantitative rattachés à la Faculté des sciences de la vie et de la santé de l’Université d’Ulster :

• Dr Eoin McElroy — School of Psychology, Faculty of Life and Health Sciences, University of Ulster, Coleraine, Royaume-Uni. Courriel : [email protected].
• Pr Mark Shevlin — Professor of Psychology, School of Psychology, Faculty of Life and Health Sciences, University of Ulster, Magee Campus, Derry/Londonderry, Royaume-Uni. Courriel : [email protected].

4. Objectif / Purpose

L’objectif fondamental qui a présidé à la création de la Cyberchondria Severity Scale était de combler un vide méthodologique et psychométrique majeur dans l’étude des comportements de santé numériques. Dès le début des années 2000, l’avènement du Web 2.0 et la prolifération des moteurs de recherche et des portails médicaux ont transformé les habitudes d’accès à l’information sanitaire. Si la démocratisation des connaissances médicales visait l’autonomisation (empowerment) des patients, la littérature clinique a rapidement mis en évidence un phénomène paradoxal et délétère : chez une proportion notable d’utilisateurs, la recherche d’informations sur des symptômes bénins provoquait une escalade anxiogène majeure, un phénomène baptisé « cybercondrie » par White et Horvitz (2009).

Avant la publication des travaux de McElroy et Shevlin en 2014, l’investigation empirique de la cybercondrie reposait quasi exclusivement sur des questionnaires ad hoc, non validés ou composés d’items uniques. De telles approches univariées souffraient de limites méthodologiques sévères : incapacité à saisir la complexité multidimensionnelle du trouble, fidélité de mesure insuffisante, et confusion récurrente entre l’anxiété générale de santé (hypocondrie traditionnelle) et les manifestations spécifiquement médiées par l’environnement numérique. Les concepteurs de la CSS ont postulé que la cybercondrie ne devait pas être appréhendée comme une variable dichotomique binaire (« présent » ou « absent »), mais bien comme un continuum dimensional dynamique intégrant des composantes cognitives, émotionnelles, comportementales et relationnelles.

Sur le plan clinique, la CSS répond à un besoin impérieux de diagnostic différentiel et d’évaluation fonctionnelle. Elle permet aux praticiens (psychologues cliniciens, psychiatres, médecins généralistes) d’identifier avec précision les mécanismes d’entretien de l’anxiété chez les patients qui consultent de manière répétée ou qui, au contraire, évitent le système de soins après s’être auto-diagnostiqués des pathologies létales ou incurables. L’échelle met en lumière l’impact des recherches Internet sur l’alliance thérapeutique, particulièrement à travers la dégradation de la confiance envers les professionnels de santé lorsque les avis médicaux contredisent les résultats obtenus sur les forums ou les plateformes numériques.

Sur le plan de la recherche, la CSS offre un cadre standardisé et reproductible pour explorer l’étiologie, la prévalence épidémiologique et les corrélats neurobiologiques ou cognitifs de la cybercondrie. Elle sert également d’indicateur d’efficacité thérapeutique (outcome measure) dans le cadre d’essais cliniques évaluant des protocoles de thérapie cognitivo-comportementale (TCC) axés sur l’exposition avec prévention de la réponse de recherche en ligne, la restructuration cognitive des biais de probabilité et la psychoéducation numérique. Enfin, l’instrument permet d’évaluer le coût socio-économique généré par les consultations médicales superflues, les examens complémentaires invasifs et l’errance diagnostique induite par l’hyper-consommation médicale sur Internet.

5. Construit psychologique / Construct

Le construit psychologique de la cybercondrie est conceptualisé par McElroy et Shevlin comme un ensemble multidimensionnel de réactions émotionnelles négatives, de compulsions comportementales et de distorsions cognitives déclenchées et entretenues par la recherche excessive et répétée d’informations médicales en ligne. Loin d’être un simple comportement curieux d’information, la cybercondrie fonctionne comme une modalité inadaptée de régulation émotionnelle où l’acte de recherche médicale, initialement motivé par le besoin d’atténuer un doute corporel, induit une boucle de rétroaction positive amplifiant l’anxiété initiale.

L’opérationnalisation du construit repose sur cinq dimensions théoriques fondamentales, chacune reflétant une facette distincte de la sévérité du tableau clinique :

1. La Compulsion (Compulsion)

Cette dimension évalue l’impulsion irrésistible et irrépressible à se connecter pour rechercher des explications médicales dès l’apparition de la moindre sensation somatique inhabituelle. Elle mesure l’incapacité subjective à résister au comportement de recherche, la perte de contrôle perçue, et l’empiètement du comportement sur le fonctionnement quotidien, professionnel, scolaire ou social (par exemple, interrompre une tâche professionnelle ou un moment familial pour vérifier des symptômes sur son smartphone).

2. La Détresse (Distress)

La sous-échelle de détresse capture la réponse affective négative et l’activation autonome déclenchées par l’exposition aux contenus médicaux en ligne. Elle quantifie des états émotionnels intenses tels que la peur aiguë, la panique, l’effroi, le sentiment de vulnérabilité catastrophique (la conviction immédiate d’être atteint d’une maladie létale imminente) et les perturbations secondaires du sommeil (insomnies d’endormissement dues aux ruminations post-recherche).

3. Le Caractère excessif (Excessiveness)

Cette dimension mesure les paramètres quantitatifs, temporels et itératifs de l’activité de recherche. Elle opérationnalise la durée disproportionnée consacrée aux requêtes (passer des heures consécutives à naviguer), la répétition compulsive des mêmes termes de recherche au sein d’une même session, la consultation multiple de dizaines de sites web pour recouper les mêmes données, ainsi que la focalisation sélective sur des pathologies extrêmement rares ou complexes en dépit d’une probabilité épidémiologique quasi nulle.

4. La Recherche de réassurance (Reassurance Seeking)

La recherche de réassurance renvoie à la motivation sous-jacente au comportement de recherche, envisagée comme une tentative de calmer l’angoisse et de restaurer un sentiment de sécurité cognitive. Bien que paradoxale — puisque la recherche engendre généralement plus d’anxiété qu’elle n’en dissipe —, cette dimension évalue dans quelle mesure l’individu perçoit temporairement la recherche Internet comme un moyen d’apaisement ou de clarification avant que le cycle anxieux ne se réactive.

5. La Méfiance envers le corps médical (Mistrust of Medical Professionals)

Cette sous-échelle évalue la détérioration de la relation soignant-soigné sous l’effet des auto-diagnostics numériques. Elle mesure le niveau de scepticisme à l’égard du jugement clinique des médecins généralistes ou spécialistes, la tendance à accorder une plus grande crédibilité aux articles et forums en ligne qu’à l’expertise médicale directe, et la propension à entrer en confrontation avec les praticiens pour contester leurs diagnostics sur la base des recherches Internet.

6. Cadre théorique / Theoretical Framework

Le cadre théorique sous-tendant l’Échelle de sévérité de la cybercondrie s’enracine profondément dans les modèles cognitivo-comportementaux de l’anxiété liée à la santé et de l’hypocondrie, initialement formalisés par Salkovskis (1989) ainsi que Warwick et Salkovskis (1990), tout en intégrant les théories contemporaines de l’interaction humain-machine et de la recherche d’informations en santé (Starcevic, 2013).

Le modèle cognitif du traitement de l’information et des biais d’interprétation

Selon l’approche cognitive classique de Salkovskis, l’anxiété de santé résulte d’une tendance systématique à interpréter de manière catastrophique des sensations corporelles bénignes, ambiguës ou normales (par exemple, interpréter une céphalée passagère comme la manifestation d’un glioblastome). Cette évaluation erronée de la menace repose sur une surévaluation drastique de la probabilité et de la gravité de la maladie, conjuguée à une sous-évaluation des ressources personnelles d’adaptation et de l’efficacité des soins médicaux.

Transposé au domaine numérique par White et Horvitz (2009), ce mécanisme d’amplification cognitive est exacerbé par l’architecture même du Web et des algorithmes de recherche. Les moteurs de recherche indexent et hiérarchisent l’information selon des critères de popularité et de densité sémantique qui surreprésentent fréquemment les pathologies graves et rarissimes par rapport aux affections bénignes statistiquement prévalentes. Lorsque l’individu vulnérable effectue une requête symptomatique (« maux de tête et picotements »), il est confronté à des liens pointant vers des maladies dégénératives ou terminales. Cette confrontation déclenche des biais de confirmation et des heuristiques de disponibilité : l’information catastrophique, hautement saillante émotionnellement, devient cognitivement prépondérante, confirmant l’hypothèse sous-jacente du sujet selon laquelle son organisme est menacé.

La dynamique opérante et les comportements de sécurité inadaptés

Sur le plan comportemental, la cybercondrie s’articule autour du concept de comportement de sécurité (safety behavior). Confronté à l’angoisse viscérale générée par l’incertitude somatique, l’individu utilise la recherche en ligne comme une stratégie d’évitement cognitif visant la réassurance immédiate. Sur le plan de l’apprentissage opérant, si la consultation d’une page procure un soulagement fugace (diminution transitoire de la tension), ce comportement est renforcé négativement. Cependant, en raison de l’ambiguïté inhérente, des contradictions entre sites et de la surcharge d’informations médicales complexes sans grille de lecture clinique appropriée, la recherche introduit de nouveaux doutes (« Et si j’avais cette forme atypique ? »). La tentative de réassurance échoue donc systématiquement à moyen terme et réamorce la compulsion de vérification.

Ce cercle vicieux cybercondriaque peut être schématisé selon la séquence théorique suivante :

1. Déclencheur somatique ou cognitif : Perception d’une sensation corporelle, d’une douleur diffuse ou lecture fortuite d’un article médical.
2. Interprétation de menace : Pensées automatiques négatives (« C’est grave », « Quelque chose ne tourne pas rond »).
3. Activation émotionnelle : Montée d’anxiété, détresse et activation physiologique.
4. Comportement de recherche en ligne (Compulsion/Excessivité) : Navigation prolongée, requêtes itératives sur les symptômes.
5. Exposition aux scénarios catastrophes et ambiguïtés : Découverte de pathologies rares, diagnostics contradictoires.
6. Escalade de l’anxiété et méfiance médicale : Confirmation de la peur, sentiment d’incompétence des médecins perçus comme trop rassurants ou passifs face à la complexité trouvée en ligne.

7. Validité / Validity

La validité psychométrique de l’Échelle de sévérité de la cybercondrie a fait l’objet d’évaluations rigoureuses dès son étude princeps par McElroy et Shevlin (2014) et à travers de multiples réplications internationales ultérieures (validations transculturelles en allemand, espagnol, polonais, turc, portugais et chinois).

Validité de contenu et d’apparence

La validité de contenu a été établie par une revue exhaustive de la littérature psychiatrique et psychologique sur l’hypocondrie, les troubles obsessionnels-compulsifs et les comportements de recherche d’information sur Internet. Un pool initial de 43 items a été formulé pour couvrir l’intégralité du spectre théorique du construit (fréquence, compulsion, impact affectif, conséquences interpersonnelles). Des panels d’experts en psychométrie et en psychopathologie ont examiné la clarté, la pertinence clinique et l’univocité des énoncés, conduisant à l’épuration progressive des formulations ambiguës.

Validité convergente

La validité convergente de la CSS a été démontrée par l’analyse de son réseau nomologique en relation avec des construits psychopathologiques établis, au premier rang desquels figure le Depression Anxiety Stress Scales (DASS-21 ; Crawford & Henry, 2003 ; Osman et al., 2012). Les résultats empiriques indiquent que :

• Le score global de la CSS ainsi que les sous-échelles de Détresse et de Compulsion présentent les corrélations positives les plus élevées et statistiquement significatives avec la sous-échelle d’Anxiété du DASS-21 (coefficients r oscillant typiquement entre 0,45 et 0,62, p < 0,001).
• Des corrélations positives modérées sont observées avec les sous-échelles de Stress (r ≈ 0,38 à 0,48) et de Dépression (r ≈ 0,30 à 0,42) du DASS-21.
• La corrélation préférentielle avec l’anxiété plutôt qu’avec la dépression confirme que la cybercondrie s’inscrit au premier chef dans le spectre des troubles anxieux et des pathologies liées à l’anxiété de santé, et ne constitue pas un simple artefact de détresse psychologique générale ou d’affect négatif indifférencié.

Validité discriminante et incrémentale

La validité discriminante a été corroborée par des études montrant que la CSS explique une part de variance unique et significative dans la prédiction de l’utilisation des services de soins de santé (fréquence des consultations médicales d’urgence, demandes de bilans biologiques), au-delà de ce qui est prédit par les échelles classiques d’hypocondrie (telles que le Short Health Anxiety Inventory – SHAI) et les échelles de neuroticisme. Les analyses factorielles confirmatoires ont également démontré que le modèle à 5 facteurs de la CSS se distingue nettement des modèles unidimensionnels d’anxiété générale, confirmant l’autonomie conceptuelle du construit de cybercondrie.

8. Fidélité / Reliability

L’évaluation de la fidélité de la CSS atteste d’une grande stabilité métrologique et d’une précision de mesure élevée, tant au niveau du score global qu’au niveau des sous-échelles individuelles.

Consistance interne

Dans l’échantillon initial de validation (N = 208 étudiants universitaires âgés de 18 à 60 ans, Moyenne d’âge = 24,19 ans, Écart-type = 8,2) ainsi que dans les vastes cohortes communautaires et cliniques étudiées ultérieurement, les indices de consistance interne se sont révélés remarquablement élevés :

• Score total de la CSS : Coefficient Alpha de Cronbach (α) couramment mesuré entre 0,92 et 0,95, témoignant d’une excellente cohérence globale du pool d’items.
• Sous-échelle Compulsion (8 items) : α = 0,86 à 0,91.
• Sous-échelle Détresse (8 items) : α = 0,88 à 0,93.
• Sous-échelle Caractère excessif (8 items) : α = 0,81 à 0,87.
• Sous-échelle Recherche de réassurance (6 items) : α = 0,78 à 0,84.
• Sous-échelle Méfiance envers le corps médical (3 items) : α = 0,72 à 0,81.

Les estimations de la fidélité composite (oméga de McDonald, ω) rapportées dans les analyses factorielles confirmatoires récentes corroborent systématiquement ces niveaux de fidélité, excluant tout biais d’inflation artificielle lié aux spécificités de calcul de l’alpha de Cronbach.

Stabilité temporelle (Test-Retest)

Les études longitudinales ayant examiné la stabilité test-retest de l’instrument sur des intervalles de 2 à 6 semaines indiquent des coefficients de corrélation intraclasse (CCI) compris entre 0,80 et 0,88 en l’absence d’intervention thérapeutique, démontrant que la CSS capture des caractéristiques dispositionnelles et comportementales stables dans le temps plutôt que de simples fluctuations circonstancielles de l’humeur.

9. Analyse factorielle / Factor Analysis

La détermination de la structure factorielle sous-jacente de la CSS a été réalisée par McElroy et Shevlin (2014) en suivant les standards les plus stricts de la psychométrie quantitative.

Procédure d’Analyse Factorielle Exploratoire (AFE)

L’ensemble initial de 43 items a été soumis à une analyse factorielle exploratoire (AFE) sur un échantillon de 208 participants. Pour surmonter les limitations classiques du critère de Kaiser-Guttman (valeur propre > 1) et du test du coude de Cattell — connus pour leur tendance à sur-extraire des facteurs non réplicables —, les auteurs ont mis en œuvre une analyse parallèle de Horn (O’Connor, 2000 ; Hayton et al., 2004). Cette méthode compare les valeurs propres empiriques extraites des données réelles à la distribution des valeurs propres générées à partir de matrices de données aléatoires simulées de dimensions équivalentes.

Critères de sélection et réduction des items

L’analyse parallèle a conclu à la rétention sans ambiguïté de cinq facteurs corrélés. Lors de la phase de réduction des items, les chercheurs ont appliqué des critères stricts :

• Élimination de tout item présentant une saturation factorielle primaire inférieure à 0,30 sur son facteur cible.
• Élimination de tout item présentant des saturations croisées significatives (> 0,25) sur plusieurs facteurs secondaires.

Ce processus d’épuration statistique a conduit à l’exclusion de 10 items problématiques, réduisant l’instrument final à 33 items parfaitement articulés autour des cinq facteurs latents identifiés : Compulsion (8 items), Détresse (8 items), Caractère excessif (8 items), Recherche de réassurance (6 items) et Méfiance médicale (3 items).

Modélisation Confirmatoire et Formes Abrégées

Dans la littérature ultérieure, des analyses factorielles confirmatoires (AFC) ont comparé différentes structures concurrentes (modèle unidimensionnel, modèle à facteurs indépendants, modèle à cinq facteurs corrélés et modèle bi-factoriel). Le modèle à cinq facteurs corrélés a systématiquement présenté les meilleurs indices d’adéquation aux données (RMSEA < 0,06, CFI > 0,93, TLI > 0,92, SRMR < 0,05).

Certains auteurs ont toutefois noté que la sous-échelle « Méfiance envers le corps médical » présentait parfois des saturations plus faibles sur un facteur général de second ordre, ce qui a conduit au développement de formes courtes (ex. CSS-12, CSS-15) qui excluent parfois cette dimension relationnelle pour se focaliser exclusivement sur le noyau cognitivo-comportemental intra-individuel de l’anxiété de recherche.

10. Instrument de mesure / Instrument

• Nom complet de l’instrument : Cyberchondria Severity Scale (CSS) — Échelle de sévérité de la cybercondrie.
• Auteurs : Eoin McElroy et Mark Shevlin (2014).
• Type d’évaluation : Auto-questionnaire psychométrique standardisé (Self-report questionnaire).
• Format du test : Échelle originale validée de 33 items (issue d’un pool préliminaire de 43 items).
• Échelle de réponse (Response Scale) : Échelle de Likert en 5 points :
  • 1 = Never (Jamais)
  • 2 = Rarely (Rarement)
  • 3 = Sometimes (Parfois)
  • 4 = Often (Souvent)
  • 5 = Always (Toujours)
• Dimensions / Sous-échelles (33 items) :
  • Compulsion : 8 items (Items 2, 4, 8, 12, 16, 21, 25, 29).
  • Détresse (Distress) : 8 items (Items 3, 7, 11, 15, 20, 24, 28, 33).
  • Caractère excessif (Excessiveness) : 8 items (Items 1, 5, 9, 13, 17, 19, 23, 27).
  • Recherche de réassurance (Reassurance Seeking) : 6 items (Items 6, 14, 18, 22, 26, 32).
  • Méfiance envers le corps médical (Mistrust of Medical Professional) : 3 items (Items 10, 30, 31).
• Modalités de cotation (Scoring) : Les scores sont obtenus par la somme directe des items composant chaque sous-échelle, permettant d’obtenir des scores spécifiques par dimension ainsi qu’un score total composite de sévérité globale (somme des 33 items, étendue théorique de 33 à 165 points). Un score plus élevé reflète une sévérité accrue des manifestations cybercondriaques.
• Temps moyen de passation : Environ 8 à 12 minutes.
• Population cible : Adultes et jeunes adultes (18 à 60 ans et plus) consultant Internet pour des questions de santé.
• Langue d’origine : Anglais (adapté et traduit dans de multiples langues internationales).

11. Permissions, Tarifs et Année du test / Permissions & Fee and Test Year

• Année de publication : 2014.
• Propriété intellectuelle et Copyright : © 2014 Elsevier Ltd. Tous droits réservés. Publié dans le Journal of Anxiety Disorders.
• Conditions d’accès et utilisation : L’Échelle de sévérité de la cybercondrie est accessible pour la recherche académique, scientifique et l’usage clinique non commercial. Les chercheurs et cliniciens souhaitant administrer la version complète originale ou l’adapter dans un autre contexte linguistique sont invités à citer formellement l’article princeps de McElroy et Shevlin (2014) et, le cas échéant, à contacter les auteurs pour obtenir des orientations méthodologiques ou les versions informatisées.
• Tarifs d’utilisation : Gratuit pour la recherche universitaire et les protocoles académiques à but non lucratif. L’intégration dans des dispositifs commerciaux, des applications logicielles propriétaires ou des programmes de santé numérique payants requiert une autorisation auprès de l’éditeur (Elsevier / RightsLink).

12. Références / References

Ci-dessous figurent les références académiques et empiriques fondatrices relatives au développement, à la validation et à la théorisation de l’Échelle de sévérité de la cybercondrie :

• Aiken, M., & Kirwan, G. (2012). Prognoses for diagnoses: medical search online and cyberchondria. BMC Proceedings, 6(Suppl 4), P30. https://doi.org/10.1186/1753-6561-6-S4-P30
• Baumgartner, S. E., & Hartmann, T. (2011). The role of health anxiety in online health information search. Cyberpsychology, Behavior, and Social Networking, 14(10), 613–618. https://doi.org/10.1089/cyber.2010.0425
• Benigeri, M., & Pluye, P. (2003). Shortcomings of health information on the Internet. Health Promotion International, 18(4), 381–386. https://doi.org/10.1093/heapro/dag409
• Bessière, K., Pressman, S., Kiesler, S., & Kraut, R. (2010). Effects of internet use on health and depression: a longitudinal study. Journal of Medical Internet Research, 12(1), e6. https://doi.org/10.2196/jmir.1149
• Crawford, J. R., & Henry, J. D. (2003). The Depression Anxiety Stress Scales (DASS): Normative data and latent structure in a large non-clinical sample. British Journal of Clinical Psychology, 42(2), 111–131. https://doi.org/10.1348/014466503321903544
• Gray, N. J., Klein, J. D., Noyce, P. R., Sesselberg, T. S., & Cantrill, J. A. (2005). Health information-seeking behaviour in adolescence: the place of the internet. Social Science & Medicine, 60(7), 1467–1478. https://doi.org/10.1016/j.socscimed.2004.08.010
• Hayton, J. C., Allen, D. G., & Scarpello, V. (2004). Factor retention decisions in exploratory factor analysis: a tutorial on parallel analysis. Organizational Research Methods, 7(2), 191–205. https://doi.org/10.1177/1094428104263675
• Henry, J. D., & Crawford, J. R. (2005). The short-form version of the Depression Anxiety Stress Scales (DASS-21): Construct validity and normative data in a large non-clinical sample. British Journal of Clinical Psychology, 44(2), 227–239. https://doi.org/10.1348/014466505X29657
• Henson, R. K., & Roberts, J. K. (2006). Use of exploratory factor analysis in published research: Common errors and some comment on improved practice. Educational and Psychological Measurement, 66(3), 393–416. https://doi.org/10.1177/0013164405282485
• Huberty, J., Dinkel, D., Beets, M. W., & Coleman, J. (2012). Describing the use of the internet for health, physical activity, and nutrition information in pregnant women. Maternal and Child Health Journal, 17(8), 1363–1372. https://doi.org/10.1007/s10995-012-1160-2
• Keller, R., & Chi, C. (2008). Clinical pearls to manage cyberchondriacs. Primary Care Companion to The Journal of Clinical Psychiatry, 10(1), 75–76.
• Lamberty, G. J., & Ravdin, L. D. (2008). Guide for clinicians in the age of cyberchondria. Journal of the International Neuropsychological Society, 14(5), 912–913. https://doi.org/10.1017/S1355617708081290
• Lemire, M., Sicotte, C., & Paré, G. (2008). Internet use and the logics of personal empowerment in health. Health Policy, 88(1), 130–140. https://doi.org/10.1016/j.healthpol.2008.03.006
• Matsunaga, M. (2010). How to factor-analyze your data right: Do’s, don’ts, and how-to’s. International Journal of Psychological Research, 3(1), 97–110. https://doi.org/10.21500/20112084.854
• McCracken, L. M. (2005). Contextual cognitive-behavioral therapy for chronic pain. IASP Press.
• McElroy, E., & Shevlin, M. (2014). The development and initial validation of the Cyberchondria Severity Scale (CSS). Journal of Anxiety Disorders, 28(2), 259–265. https://doi.org/10.1016/j.janxdis.2013.12.007
• Muse, K., McManus, F., Leung, C., Meghreblian, B., & Williams, J. M. G. (2012). Cyberchondriasis: fact or fiction? A preliminary examination of the relationship between health anxiety and searching for health information on the Internet. Journal of Anxiety Disorders, 26(1), 189–196. https://doi.org/10.1016/j.janxdis.2011.11.005
• O’Connor, B. P. (2000). SPSS and SAS programs for determining the number of components using parallel analysis and Velicer’s MAP test. Behavior Research Methods, Instruments, & Computers, 32(3), 396–402. https://doi.org/10.3758/BF03200807
• Osman, A., Wong, J. L., Bagge, C. L., Feldner, M., Yofi, P., & Lozano, G. (2012). The Depression Anxiety Stress Scales—21 (DASS-21): Further examination of dimensions, scale reliability, and correlates. Journal of Clinical Psychology, 68(12), 1322–1338. https://doi.org/10.1002/jclp.21908
• Salkovskis, P. M. (1989). Somatic problems. In K. Hawton, P. M. Salkovskis, J. Kirk, & D. M. Clark (Eds.), Cognitive behaviour therapy for psychiatric problems: A practical guide (pp. 235–276). Oxford University Press. https://doi.org/10.1016/0005-7967(89)90032-4
• Starcevic, V. (2013). Cyberchondria: towards a better understanding of excessive health-related Internet use. Expert Review of Neurotherapeutics, 13(2), 205–213. https://doi.org/10.1586/ern.12.162
• Starcevic, V., & Berle, D. (2013). Cyberchondria: towards a better understanding of excessive health-related Internet use. Expert Review of Neurotherapeutics, 13(2), 205–213. https://doi.org/10.1586/ern.12.162
• Warwick, H. M. C., & Salkovskis, P. M. (1990). Hypochondriasis. Behaviour Research and Therapy, 28(2), 105–117. https://doi.org/10.1016/0005-7967(90)90057-W
• White, R. W., & Horvitz, E. (2009). Cyberchondria: Studies of the escalation of medical concerns in Web search. ACM Transactions on Information Systems, 27(4), 1–37. https://doi.org/10.1145/1629096.1629101
• Williams, B., Onsman, A., & Brown, T. (2010). Exploratory factor analysis: A five-step guide for novices. Australasian Journal of Paramedicine, 8(3), 1–13. https://doi.org/10.33151/ajp.8.3.93

13. Questions et items du questionnaire (Scale Items)