Eigenlijk niet. Althans, zonder verdere informatie niet zondermeer.
De eerste (en eigenlijk enige) factor van belang is de vraag of de scores tot de populatie behoren, dus de verzameling van alle mogelijke uitkomsten die tot de populatie behoren. Zoals ik het lees is er geen reden om aan te nemen dat deze datapunten 'onjuist' zijn. Denk bijvoorbeeld aan mensen met een niet-klinische depressiescore in een beoogde populatie van mensen met een klinische depressie(score).
In het geval van dit soort outliers is stap 2 dan eigenlijk altijd: sensitiviteitsanalyse. Doe de analyse eens met en zonder outliers en kijk of de conclusies veranderen. Dan is het devies: transparantie. Kies een van de twee analyses en maak duidelijk dat het behouden/verwijderen van datapunten wel/geen effect had op de conclusies.
Wat geavanceerder is het spelen met de data. Denk hierbij aan Winsorizing, dus uiteinden van de dataverdeling bijpunten, of een transformatie van de dataverdeling, bijvoorbeeld een logaritmische transformatie. Ik zou alleen met deze technieken aan de slag gaan als je een goed begrip hebt van de voor- en nadelen van deze technieken per context.