Les données sur l'utilisation des médicaments sont généralement recueillies dans la recherche clinique. Pourtant, aucune méthode normalisée pour les catégoriser n’existe, que ce soit pour la description des échantillons ou pour l'étude de l'utilisation des médicaments comme une variable. Cette étude a été conçue pour développer un système de classification simple, sur une base empirique, pour la catégorisation d'utilisation des médicaments. Nous avons utilisé l'analyse factorielle pour réduire le nombre de groupements de médicaments possible. Cette analyse a fait émerger un modèle de constellations de consommation de médicaments qui semble caractériser des groupes cliniques spécifiques. Pour illustrer le potentiel de la technique, nous avons appliqué ce système de classification des échantillons où les troubles du sommeil sont importants: syndrome de fatigue chronique et l'apnée du sommeil. Notre méthode de classification a généré 5 facteurs qui semblent adhérer de façon logique. Ils ont été nommés: Médicaments cardiovasculaire/syndrome métabolique, Médicaments pour le soulagement des symptômes, Médicaments psychotropes, Médicaments préventifs et Médicaments hormonaux. Nos résultats démontrent que le profil des médicaments varie selon l'échantillon clinique. Le profil de médicament associé aux participants apnéiques reflète les conditions de comorbidité connues parmi ce groupe clinique, et le profil de médicament associé au Syndrome de fatigue chronique semble refléter la perception commune de cette condition comme étant un trouble psychogèneMedication use data is usually collected in clinical research. Yet, no standardized method for categorizing these exists, either for sample description or for the study of medication use as a variable. The present investigation was designed to develop a simple, empirically based classification scheme for medication use categorization. We used factor analysis to reduce the number of possible medication groupings. This permitted a pattern of medication usage to emerge which appeared to characterize specific clinical constellations. To illustrate the technique’s potential, we applied this classification system to samples where sleep disorders are prominent: Chronic Fatigue Syndrome and Sleep Apnea. Our classification approach resulted in 5 factors that appear to cohere in a logical fashion. These were labeled: Cardiovascular / Metabolic Syndrome Medication, Symptom Relief Medication, Psychotropic Medication, Preventative Medication, and Hormonal Medication. Our findings show that medication profile varies according to clinical sample. The medication profile for participants with Sleep Apnea reflects known comorbid conditions; the medication profile associated with Chronic Fatigue Syndrome appears to reflect the common perception of this condition as a psychogenic disorder.