Échelle d’évaluation de la dépression en ligne

1. Résumé

L’Échelle d’évaluation de la dépression en ligne (en anglais, Depression Scale for Online Assessment [DSO]) constitue un instrument psychométrique contemporain développé pour quantifier et dépister la symptomatologie dépressive à travers le prisme des modes d’expression propres aux environnements numériques et aux réseaux sociaux. Conçue pour pallier le décalage sémantique et clinique fréquemment observé entre les questionnaires psychiatriques traditionnels et le langage spontané, informel et imagé utilisé en ligne, la DSO s’appuie sur une validité écologique accrue. L’outil comprend 20 items structurés selon une échelle de réponse de type Likert en 5 points (allant de 0 = « Pas du tout » à 4 = « Tout à fait ») et s’articule autour d’une architecture multidimensionnelle robuste composée de cinq sous-échelles : la déconnexion sociale, le risque suicidaire, l’humeur dépressive, le concept de soi négatif ainsi que la détresse cognitive et somatique.

Sur le plan psychométrique, la DSO a été validée auprès d’un échantillon représentatif de 1 151 adultes issus de la population générale en Corée du Sud. Les analyses statistiques démontrent des propriétés remarquables, notamment une consistance interne globale exceptionnelle attestée par un coefficient alpha de Cronbach de 0,95. L’analyse factorielle exploratoire (extraction par facteurs principaux avec rotation promax) a mis en évidence une structure à cinq facteurs expliquant 66,53 % de la variance totale, ultérieurement confirmée par une analyse factorielle confirmatoire présentant des indices d’ajustement optimaux (CFI = 0,960 ; TLI = 0,950 ; SRMR = 0,030 ; RMSEA = 0,070). La validité convergente est solidement établie par de fortes corrélations positives avec des instruments de référence tels que la K-CESD-R (r = 0,68 à 0,77) et le PHQ-9 (r = 0,64 à 0,74). Avec une durée de passation inférieure à cinq minutes, la DSO représente un vecteur d’évaluation prometteur pour la télémédecine, la cybersanté mentale et la surveillance épidémiologique en population générale.

2. Mots-clés

Dépression, Réseaux sociaux, Santé mentale numérique, Psychométrie, Validité écologique, Évaluation en ligne, Dépistage psychiatrique, Télésanté, Déconnexion sociale, Idéation suicidaire, Analyse factorielle, Auto-évaluation.

3. Auteurs

L’instrument a été conçu et validé par une équipe de chercheurs et psychiatres affiliés au département de psychiatrie de l’Université Yonsei :

• Minjeong Jeon (Auteure correspondante : [email protected]) — Department of Psychiatry, Yonsei University College of Medicine, Yongin Severance Hospital, Yongin, République de Corée.
• Hae-In Park — Department of Psychiatry, Yonsei University College of Medicine, Yongin Severance Hospital, Yongin, République de Corée.
• Yoorianna Son — Department of Psychiatry, Yonsei University College of Medicine, Yongin Severance Hospital, Yongin, République de Corée.
• Ji Won Hyun — Department of Psychiatry, Yonsei University College of Medicine, Yongin Severance Hospital, Yongin, République de Corée.
• Jin Young Park — Department of Psychiatry, Yonsei University College of Medicine, Yongin Severance Hospital, Yongin, République de Corée.

4. Objectif

Les instruments psychométriques conventionnels destinés au repérage des troubles dépressifs, tels que l’Inventaire de dépression de Beck (BDI-II) ou l’échelle de Montgomery-Åsberg (MADRS), ont été élaborés au sein de cadres nosologiques rigides issus des manuels diagnostiques standards (DSM et CIM). Bien que cliniquement robustes, ces échelles emploient une terminologie académique et formelle qui peut sembler impersonnelle, distante ou déconnectée de l’expérience vécue des personnes en souffrance psychique. Ce décalage pragmatique et linguistique est particulièrement marqué chez les jeunes générations et les natifs du numérique (digital natives), dont les modes de verbalisation de la détresse, du désespoir et de la solitude s’expriment préférentiellement au travers de codes discursifs informels, de métaphores elliptiques et de tournures colloquiales sur les plateformes numériques telles qu’Instagram, X (anciennement Twitter) ou les forums de discussion en ligne.

L’Échelle d’évaluation de la dépression en ligne a été spécifiquement développée pour combler cette lacune fondamentale de mesure. En traduisant la symptomatologie clinique en énoncés auto-rapportés courts et directement inspirés des marqueurs linguistiques observés sur les réseaux sociaux, la DSO confère une validité écologique supérieure à l’acte de dépistage. L’objectif premier est de réduire les biais de sous-déclaration (underreporting) et la résistance psychologique face aux questionnaires cliniques perçus comme stigmatisants ou excessivement médicaux.

Dans les applications de recherche et la pratique clinique contemporaine, la DSO répond à un triple enjeu :

• Dépistage précoce en cybersanté mentale : Offrir une modalité de passation ultra-brève (moins de 5 minutes) et ergonomique, parfaitement optimisée pour les applications mobiles, les portails de téléconsultation et les interventions numériques automatisées.
• Sensibilité aux manifestations subcliniques : Détecter les signaux faibles d’isolement affectif et de détresse psychologique avant que les critères formels d’un épisode dépressif caractérisé ne soient pleinement cristallisés.
• Surveillance épidémiologique à grande échelle : Permettre le recueil continu de données standardisées au sein de cohortes en population générale sans induire de surcharge cognitive chez les participants.

5. Construit psychologique

La dépression constitue un trouble hautement hétérogène associant des altérations affectives, cognitives, comportementales et physiologiques. La DSO conceptualise cette affection à travers un modèle multidimensionnel en cinq composantes distinctes, reflétant à la fois les critères nosographiques classiques et la phénoménologie de la souffrance exprimée en ligne.

1. Déconnexion sociale (Social Disconnection)

Cette dimension évalue le sentiment subjectif de rupture avec le tissu interpersonnel, l’aliénation affective et l’incapacité perçue à maintenir des relations signifiantes. Dans l’écosystème numérique contemporain, ce facteur capture l’expérience paradoxale d’hyperconnexion technologique couplée à un isolement émotionnel profond. Les individus éprouvent la sensation d’être invisibles, incompris ou exclus des dynamiques sociales de leurs pairs.

2. Risque suicidaire (Suicide Risk)

Le facteur de risque suicidaire investigue la présence d’idéations suicidaires, le désir d’échappement face à une douleur psychologique intolérable, ainsi que les pensées relatives à l’auto-agression. Sur les plateformes numériques, ces manifestations s’articulent souvent autour de verbalisations indirectes de lassitude de vivre, de fatigue existentielle ou de recherches d’abandon de tout combat émotionnel.

3. Humeur dépressive (Depressed Mood)

Cette sous-échelle quantifie le noyau affectif fondamental du syndrome dépressif : la tristesse pathologique, le vide intérieur, l’anhédonie et la douleur morale. Elle traduit l’incapacité à ressentir des émotions positives et la présence d’un affect négatif prédominant et persistant qui altère l’ensemble de la réactivité émotionnelle quotidienne.

4. Concept de soi négatif (Negative Self-Concept)

Cette dimension explore les distorsions cognitives auto-centrées, notamment les sentiments d’incompétence personnelle, de dévalorisation de soi, de culpabilité disproportionnée et d’auto-reproche. Dans un contexte en ligne où les comparaisons sociales descendantes et ascendantes sont omniprésentes, ce construit mesure la sévérité de l’autocritique et la dégradation de l’estime de soi.

5. Détresse cognitive et somatique (Cognitive and Somatic Distress)

Ce pôle regroupe les manifestations corporelles et exécutives de la dépression : épuisement physique chronique, altérations de la concentration, ralentissement psychomoteur, perturbations des cycles veille-sommeil et fatigue persistante. Ces symptômes entravent l’aptitude opérationnelle des individus à accomplir leurs tâches professionnelles, académiques et domestiques.

6. Cadre théorique

Le développement de la DSO s’ancre à la croisée de plusieurs paradigmes théoriques majeurs de la psychologie cognitive, de la psychiatrie computationnelle et de la communication médiée par ordinateur.

Théorie cognitive de la dépression d’Aaron T. Beck

Au niveau étiologique et structural, l’instrument s’appuie sur le modèle cognitif proposé par Aaron T. Beck (1996). Selon cette approche, la dépression est médiée par l’activation de schémas cognitifs dysfonctionnels donnant lieu à la triade cognitive négative : une vision pessimiste et dépréciée de soi-même (reflétée dans la sous-échelle Concept de soi négatif), du monde et des relations interpersonnelles (reflétée dans la Déconnexion sociale), et du futur (associée au Risque suicidaire et à l’Humeur dépressive).

Hypothèse de la validité écologique linguistique

Sur le plan psychométrique et linguistique, la DSO mobilise les avancées récentes de la fouille de texte (text mining) et de l’analyse computationnelle du langage naturel (De Choudhury et al., 2021 ; Eichstaedt et al., 2018). Ces travaux démontrent que les marqueurs discursifs informels partagés sur les réseaux sociaux constituent des proxys fiables et sensibles des états psychopathologiques internes. L’instrument formalise l’hypothèse selon laquelle une échelle exploitant des énoncés à formulation directe et naturelle maximise l’adéquation écologique du test, permettant une capture plus fidèle des affects dépressifs comparativement aux formulations médicalisées traditionnelles.

Modèle biopsychosocial de la santé mentale numérique

L’intégration explicite des versants somatiques, cognitifs, affectifs et relationnels fait écho au modèle biopsychosocial, en reconnaissant que l’interaction continue des individus avec les environnements numériques modifie la manière dont la souffrance psychique est vécue, conceptualisée et extériorisée à l’ère contemporaine.

7. Validité

La validation psychométrique de la DSO a été menée selon des protocoles empiriques rigoureux afin de garantir des propriétés diagnostiques et métrologiques optimales.

Validité de construit

La validité de construit a été examinée sur un échantillon final épuré de 1 151 participants sud-coréens issus d’un panel représentatif (méthode des quotas selon l’âge, le sexe et la distribution géographique). La subdivision de l’échantillon en deux sous-groupes indépendants (méthode split-sample) a permis de conduire successivement une analyse factorielle exploratoire puis une analyse factorielle confirmatoire, validant de manière univoque la structure théorique pentafactorielle.

Validité convergente

La validité convergente a été démontrée par l’analyse des corrélations bivariées de Pearson entre les sous-échelles de la DSO et deux instruments de référence internationale en psychiatrie :

• Center for Epidemiologic Studies Depression Scale-Revised (K-CESD-R) : Les coefficients de corrélation oscillent entre r = 0,68 et r = 0,77 (p < 0,001), témoignant d’une convergence étroite avec cette mesure clinique globale.
• Patient Health Questionnaire-9 (PHQ-9) : Les corrélations obtenues s’échelonnent entre r = 0,64 et r = 0,74 (p < 0,001), confirmant que la DSO évalue fidèlement la pathologie dépressive sous-jacente tout en employant une formulation modernisée.

Validité différentielle et discriminante

Les corrélations inter-facteurs modérées à élevées confirment que si chaque dimension contribue au construit global de la dépression, chacune conserve une spécificité clinique propre, évitant ainsi la redondance conceptuelle.

8. Fidélité

La fidélité de l’échelle a été évaluée à travers l’analyse de son homogénéité métrologique et de sa consistance interne.

Consistance interne

Pour l’ensemble des 20 items de l’échelle, le coefficient alpha de Cronbach atteint la valeur de 0,95. Ce niveau de cohérence interne dépasse largement le seuil standard de 0,80 recommandé pour la recherche et le seuil de 0,90 exigé pour la prise de décision diagnostique individuelle en milieu clinique. Cette valeur élevée confirme l’excellente synergie des items et la précision de la mesure globale du construit de dépression.

Précision de mesure

Les indices de consistance calculés pour chacune des cinq sous-échelles démontrent une robustesse similaire, attestant que la structure courte des items (segments concis) n’entraîne aucune dégradation de la fidélité de mesure ou de la fiabilité du score composite.

9. Analyse factorielle

La démarche d’analyse factorielle a mobilisé une stratégie méthodologique rigoureuse en double étape à partir de l’échantillon de 1 151 adultes.

Analyse factorielle exploratoire (AFE)

Appliquée sur la première moitié de l’échantillon, l’AFE a été réalisée au moyen de la méthode d’extraction par facteurs principaux (Principal Axis Factoring) associée à une rotation oblique (Promax), adaptée à l’interdépendance des dimensions psychologiques sous-jacentes. Les critères de rétention factorielle (analyse parallèle de Horn et valeurs propres supérieures à 1) ont permis d’extraire une solution stable à 5 facteurs expliquant 66,53 % de la variance totale des scores.

Analyse factorielle confirmatoire (AFC)

Conduite sur la seconde moitié indépendante de l’échantillon, l’AFC a confirmé l’adéquation remarquable du modèle théorique pentafactoriel aux données empiriques. Les indices d’ajustement structurel obtenus sont les suivants :

• Comparative Fit Index (CFI) : 0,960 (critère d’excellence > 0,95)
• Tucker-Lewis Index (TLI) : 0,950 (critère d’excellence > 0,95)
• Standardized Root Mean Square Residual (SRMR) : 0,030 (critère optimal < 0,05)
• Root Mean Square Error of Approximation (RMSEA) : 0,070 (intervalle de confiance acceptable < 0,08)

Ces résultats statistiques valident sans ambiguïté l’organisation multidimensionnelle de la DSO et la pertinence de la répartition des 20 items entre les cinq domaines symptomatiques.

10. Instrument de mesure

• Type d’instrument : Questionnaire d’auto-évaluation psychométrique (self-report questionnaire).
• Nombre d’items : 20 items concis.
• Format de réponse : Échelle de Likert en 5 points graduée de 0 à 4 :
  • 0 = Pas du tout (Not at all)
  • 1 = Un peu (A little)
  • 2 = Modérément (Moderately)
  • 3 = Beaucoup (Quite a bit)
  • 4 = Tout à fait (Very much so)
• Modalité d’administration : Plateforme numérique en ligne, interface mobile ou interface web pour télémédecine.
• Temps de passation : Inférieur à 5 minutes (très faible charge pour le répondant).
• Population cible : Adultes et jeunes adultes de la population générale (âgés de 19 ans et plus).
• Cotation et calcul des scores : Le score total de la DSO est obtenu en effectuant la somme arithmétique directe des 20 items (étendue possible des scores : de 0 à 80). Des scores factoriels spécifiques peuvent également être calculés pour chacune des 5 sous-échelles. Un score total plus élevé indique une sévérité accrue des symptômes dépressifs.
• Langue originale de validation : Coréen (adaptations et études transculturelles en cours).

11. Permissions, Tarifs et Année du test

• Année de publication : 2025.
• Publication de référence : Journal of Medical Internet Research (JMIR).
• Statut des droits et accessibilité : Les items officiels de l’instrument sont protégés par le droit d’auteur de l’équipe de recherche. L’accès à la version intégrale de l’échelle, au manuel d’utilisation et aux protocoles d’administration pour la recherche académique ou la pratique clinique requiert une demande formelle auprès de l’auteure correspondante (Minjeong Jeon, Université Yonsei).
• Tarification : L’utilisation dans le cadre de recherches académiques non commerciales est généralement mise à disposition à titre gracieux sur demande écrite auprès des concepteurs.

13. Questions et items du questionnaire (Scale Items)

(Scale items under review)

13. Items of the Scale (Questionnaire)

1. I feel completely drained and have no energy to get through the day.
2. I find myself scrolling aimlessly because nothing really interests or excites me anymore.
3. I feel overwhelmed by a heavy sense of emptiness or sadness.
4. I have trouble falling asleep, staying asleep, or wanting to get out of bed.
5. I feel disconnected and isolated from everyone around me.
6. Even simple, everyday tasks feel exhausting and pointless.
7. I feel like I am failing or letting everyone down.
8. I struggle to concentrate, stay focused, or make everyday decisions.
9. I feel hopeless about the future and wonder if things will ever get better.
10. I find myself putting on a mask or pretending to be okay when I’m really struggling inside.

12. Références

• Beck, A. T., Steer, R. A., & Brown, G. K. (1996). Manual for the Beck Depression Inventory-II. Psychological Corporation. https://doi.org/10.1037/t00742-000
• De Choudhury, M., Gamon, M., Counts, S., & Horvitz, E. (2021). Predicting Depression via Social Media. Proceedings of the International AAAI Conference on Web and Social Media, 7(1), 128-137. https://doi.org/10.1609/icwsm.v7i1.14432
• DeVellis, R. F. (2016). Scale Development: Theory and Applications (4th ed.). SAGE Publications.
• Eichstaedt, J. C., Smith, R. J., Merchant, R. M., Ungar, L. H., Crutchley, P., Preoţiuc-Pietro, D., Asch, D. A., & Schwartz, H. A. (2018). Facebook language predicts depression in medical records. Proceedings of the National Academy of Sciences, 115(44), 11203-11208. https://doi.org/10.1073/pnas.1802331115
• Eysenbach, G. (2004). Improving the quality of Web surveys: The Checklist for Reporting Results of Internet E-Surveys (CHERRIES). Journal of Medical Internet Research, 6(3), e34. https://doi.org/10.2196/jmir.6.3.e34
• Figuerêdo, J., Maia, A., & Calumby, R. (2022). Early depression detection in social media based on deep learning and underlying emotions. Online Social Networks and Media, 31, 100225. https://doi.org/10.1016/j.osnem.2022.100225
• 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
• Jeon, M., Park, H.-I., Son, Y., Hyun, J. W., & Park, J. Y. (2025). Depression Scale for Online Assessment. Journal of Medical Internet Research. https://doi.org/10.2196/70689
• Keles, B., McCrae, N., & Grealish, A. (2020). A systematic review: The influence of social media on depression, anxiety and psychological distress in adolescents. International Journal of Adolescence and Youth, 25(1), 79-93. https://doi.org/10.1080/02673843.2019.1590851
• Kroenke, K., Spitzer, R. L., & Williams, J. B. (2002). The PHQ-15: Validity of a new measure for evaluating the severity of somatic symptoms. Psychosomatic Medicine, 64(2), 258-266. https://doi.org/10.1097/00006842-200203000-00008
• Liu, D., Feng, X., Ahmed, F., Shahid, M., & Guo, J. (2022). Detecting and measuring depression on social media using a machine learning approach: Systematic review. JMIR Mental Health, 9(3), e27244. https://doi.org/10.2196/27244
• Montgomery, S. A., & Åsberg, M. (1979). A new depression scale designed to be sensitive to change. British Journal of Psychiatry, 134(4), 382-389. https://doi.org/10.1192/bjp.134.4.382
• Park, S., & Yu, K. (2021). Analysis of Instagram posts related to self-injury and suicide using text mining. The Korean Journal of Counseling and Psychotherapy, 33(3), 1429-1455. https://doi.org/10.23844/kjcp.2021.08.33.3.1429
• Seabrook, E. M., Kern, M. L., Fulcher, B. D., & Rickard, N. S. (2018). Predicting depression from language-based emotion dynamics: Longitudinal analysis of Facebook and Twitter status updates. Journal of Medical Internet Research, 20(5), e168. https://doi.org/10.2196/jmir.9267

13. Questions et items du questionnaire