📄 medicine

Characteristics and Quality Assessment of Influenza-related Video on the Chinese Version of TikTok During an Epidemic Season: A Cross-Sectional Study

Este estudio transversal de 92 videos relacionados con la influenza en la versión china de TikTok durante una temporada de epidemia encontró que, si bien la calidad general del contenido era de moderada a alta con las organizaciones de noticias superando a los médicos, las métricas de interacción de los usuarios no lograron predecir la calidad, mientras que la duración del video y el número de seguidores del cargador surgieron como predictores positivos significativos.

Autores originales: Xiaofang Jiang, Feng Yu, Jingbang Liu, Jiahan Hu, Meng Wang, Shina Qiao, Jinhang Xu, Lili Wu

Publicado 2026-06-25

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Xiaofang Jiang, Feng Yu, Jingbang Liu, Jiahan Hu, Meng Wang, Shina Qiao, Jinhang Xu, Lili Wu

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que el internet es un mercado enorme y bullicioso donde la gente va a buscar respuestas sobre la gripe. En este mercado, TikTok (la versión china) es como un escenario gigante y de movimiento rápido donde se representan videos cortos cada segundo. Este estudio es como un equipo de inspectores de calidad que entró en ese escenario durante el apogeo de la temporada de la gripe para ver qué tipo de actuaciones estaban ocurriendo y qué tan buenas eran realmente.

Aquí está lo que encontraron, desglosado en términos sencillos:

1. El Elenco de Personajes

Los investigadores analizaron los 100 videos de gripe más populares. Encontraron dos grupos principales de intérpretes:

Los Médicos: Cerca del 60% de los videos fueron realizados por médicos. Venían de todo tipo de especialidades, no solo expertos en gripe, sino también cardiólogos, pediatras e incluso practicantes de la Medicina Tradicional China.
Los Equipos de Noticias: Alrededor del 26% fueron realizados por organizaciones de noticias (como estaciones de televisión o medios de noticias en línea).

La Analogía: Piensa en los médicos como mecánicos calificados que saben cómo arreglar el auto (el cuerpo), pero los equipos de noticias son como las cuadrillas de transmisión profesionales que saben contar la historia de manera clara y rápida.

2. La "Velocidad" del Espectáculo

La temporada de la gripe es rápida, y los videos también fueron rápidos.

Los videos eran muy frescos. La edad mediana de un video era de solo 9 días.
Esto es como un periódico diario en lugar de un libro de texto. La información se actualizaba constantemente para coincidir con el "brote" actual de la gripe.

3. El Reporte de Calidad

Los investigadores utilizaron cuatro "boletas de calificaciones" diferentes para calificar los videos. He aquí el veredicto:

Calificación General: Los videos eran generalmente de calidad "B" a "A-". Eran fáciles de ver, técnicamente claros y mayormente útiles.
El Gran Problema: Casi todos los videos fallaron en la "Verificación de la Fuente".
- La Metáfora: Imagina a un chef sirviéndote una sopa deliciosa pero negándose a decirte de dónde vinieron los ingredientes o si están frescos. La mayoría de los videos no decían de dónde provenía su información, no listaban referencias y no decían cuándo se grabó el video.
- El Resultado: Debido a que carecían de estos "recibos", era difícil saber si el consejo era confiable o estaba desactualizado.

4. ¿Quiénes Hicieron los Mejores Videos?

Sorprendentemente, las Organizaciones de Noticias obtuvieron puntuaciones más altas que los médicos individuales en casi todas las métricas de calidad.

¿Por qué? Los equipos de noticias eran mejores citando sus fuentes, siendo transparentes y manteniendo su contenido equilibrado. Eran como las cuadrillas de transmisión profesional que siguen reglas estrictas, mientras que los médicos individuales eran a veces más informales.
El Contenido Importa: Los videos sobre "Noticias de Última Hora" y "Políticas" (como las reglas gubernamentales) eran más cortos y de mayor calidad que los videos que solo intentaban enseñar consejos generales de prevención.

5. La Trampa de la "Popularidad"

Este es el hallazgo más importante: Ser popular no significa ser bueno.

La Analogía: Piensa en un video de baile viral. Solo porque 1 millón de personas le haya dado "me gusta", lo haya compartido o comentado, no significa que el bailarín sea un gimnasta profesional.
Los Datos: Los investigadores encontraron cero conexión entre cuántos "me gusta" o "veces compartido" obtuvo un video y qué tan preciso o de alta calidad era el consejo médico. Un video podía ser ampliamente popular pero lleno de malos consejos, o podía ser de alta calidad pero tener menos vistas.

6. ¿Qué Predice un Buen Video?

El estudio encontró dos cosas que sí predecían una puntuación de calidad más alta:

Duración: Los videos más largos tendían a ser mejores.
- Analogía: Un video de 30 segundos es como un breve comentario; un video de 2 minutos permite al hablante explicar el "por qué" y el "cómo" de manera más profunda, como una mini-lección en lugar de un titular.
Cantidad de Seguidores: Las cuentas con más seguidores tendían a hacer mejores videos.
- Analogía: Es como confiar en un restaurante famoso y establecido sobre un puesto de comida callejera aleatorio. Las cuentas con grandes seguidores (a menudo organizaciones de noticias o expertos de alto rango) parecían tener un "mecanismo de reputación" que mantenía su calidad alta.

La Conclusión Final

Durante la temporada de la gripe, TikTok es un lugar ocupado y de ritmo rápido lleno de información útil, pero también es un poco un "salvaje oeste".

Lo Bueno: Los médicos y los equipos de noticias se están esforzando por ayudar.
Lo Malo: La mayoría de los videos olvidan mostrar sus "recibos" (fuentes), lo que hace difícil confiar en ellos.
La Advertencia: No te limites a ver los videos con más "me gusta". La popularidad no es una garantía de verdad.
La Solución: Para mejorar las cosas, los creadores deben actuar más como los equipos de noticias: declarar claramente de dónde viene su información y cuándo hicieron el video. Y para las aplicaciones, deberían dejar de recomendar videos basándose solo en los "me gusta" y empezar a buscar la calidad real.

Resumen Técnico: Características y Evaluación de la Calidad de Videos Relacionados con la Influenza en la Versión China de TikTok

Planteamiento del Problema
La influenza sigue siendo una enfermedad infecciosa de prioridad monitoreada globalmente, donde la concienciación pública es crítica para una prevención efectiva. Dado que las plataformas de redes sociales basadas en video como TikTok se han convertido en canales primarios para el acceso a la información de salud pública, la calidad del contenido relacionado con la influenza en estas plataformas, particularmente durante las temporadas epidémicas, sigue siendo subevaluada. Existe un riesgo significativo de que la desinformación o el contenido de baja calidad puedan conducir a decisiones de salud inexactas. Los estudios existentes han evaluado videos específicos de enfermedades en redes sociales, pero las evaluaciones sistemáticas del contenido de videos cortos en TikTok durante temporadas críticas de influenza son limitadas. Este estudio aborda la brecha en la comprensión de las características de la fuente, los temas del contenido, las métricas de interacción y la calidad general de los videos relacionados con la influenza en la versión china de TikTok.

Metodología
El estudio empleó un diseño transversal realizado el 14 de noviembre de 2025.

Recolección de Datos: Los investigadores crearon una cuenta nueva en la versión china de TikTok (versión 36.5.0) para buscar la palabra clave "流感" (influenza). Para minimizar el sesgo algorítmico, se recolectaron los 100 videos mejor posicionados dentro de un periodo de 24 horas sin filtros. Los videos no disponibles al momento de la evaluación o no relacionados con la influenza fueron excluidos, resultando en una muestra final de 92 videos.
Extracción de Datos: Los metadatos incluyeron características del cargador (tipo, estado de verificación, número de seguidores), características del contenido (tema, duración, tiempo desde la carga) y métricas de interacción (likes, comentarios, favoritos, compartidos). Los tipos de cargadores se categorizaron como médicos, organizaciones de noticias, individuos o instituciones. Los temas del contenido se clasificaron en "Refutación de Rumores y Popularización del Conocimiento", "Prevención y Guía Médica" e "Interpretación de Políticas y Noticias de Actualidad".
Evaluación de la Calidad: Dos expertos sénior en comunicación de la salud evaluaron independientemente todos los videos utilizando cuatro instrumentos validados:
1. Puntuación de Calidad Global (GQS): Una escala Likert de 5 puntos que evalúa la utilidad general y la fluidez.
2. DISCERN Modificado (mDISCERN): Una escala binaria de 5 ítems que evalúa la fiabilidad y la citación de fuentes.
3. Índice de Calidad e Información de Video (VIQI): Una escala de 4 dimensiones y 5 puntos que evalúa la producción y la calidad informativa.
4. Herramienta de Evaluación de Videos de Calidad Médica (MQ-VET): Una escala de 15 ítems y 5 puntos que evalúa el contenido, los aspectos técnicos y la fiabilidad.
Análisis Estadístico: Los análisis se realizaron utilizando SPSS 25.0 y R 4.5.1. Se utilizaron pruebas no paramétricas (Kruskal–Wallis con post hoc de Dunn) para comparar grupos. La correlación de Spearman analizó las asociaciones entre características y calidad. La regresión lineal múltiple por pasos identificó los predictores de la GQS. La confiabilidad inter-evaluador se determinó mediante el Kappa ponderado y los Coeficientes de Correlación Intraclase (ICC).

Resultados Clave

Demografía e Interacción: De los 92 videos, el 59.78% fueron cargados por médicos (que abarcan 21 especialidades) y el 26.09% por organizaciones de noticias. La duración mediana de los videos fue de 9 días, lo que indica una alta puntualidad. Las organizaciones de noticias tenían significativamente más seguidores, pero produjeron videos significativamente más cortos que los médicos.
Puntuaciones de Calidad: La calidad general fue de moderada a alta. La media de GQS fue de 3.47 (rango 1–5), la media de mDISCERN fue de 2.15 (rango 1–4), la media de VIQI fue de 16.87 (rango 11–20) y la media de MQ-VET fue de 53.04 (rango 31–65).
Deficiencias Críticas: Una deficiencia importante identificada fue la falta de transparencia respecto a las fuentes de información. Solo un video citó otras fuentes de información (ítem 4 de mDISCERN), y menos de 10 mencionaron la incertidumbre (ítem 5).
Diferencias de Grupo: Los videos de organizaciones de noticias puntuaron significativamente más alto que los de médicos en las escalas mDISCERN, VIQI y MQ-VET. El contenido de "Interpretación de Políticas y Noticias de Actualidad" también superó a otros temas en todas las escalas de calidad. Entre los médicos, los médicos asociados lograron puntuaciones de GQS más altas que los médicos adjuntos.
Correlaciones: Las métricas de interacción del usuario (likes, compartidos, etc.) mostraron correlaciones débiles o insignificantes con las puntuaciones de calidad ( $r = 0.00–0.26$ ), indicando que la popularidad no equivale a la calidad.
Predictores: La regresión por pasos identificó la duración del video ( $\beta = 0.005, P < 0.001$ ) y el número de seguidores del cargador ( $\beta = 0.108, P = 0.005$ ) como predictores positivos independientes de la GQS. Juntas, estas variables explicaron el 31.4% de la varianza en las puntuaciones de calidad ( $R^2 = 0.314$ ).

Contribuciones Clave

Primera Evaluación Sistemática: Este es el primer estudio que evalúa sistemáticamente las características y la calidad de los videos cortos relacionados con la influenza en la versión china de TikTok durante una temporada de epidemia activa.
Identificación de Brechas de Calidad: El estudio destaca una falta generalizada de transparencia de fuentes y citación en los videos de salud, incluso en aquellos producidos por profesionales médicos, lo que socava la verificabilidad de la información de salud.
Desacoplamiento de la Interacción y la Calidad: La investigación proporciona evidencia empírica de que la alta interacción del usuario (likes, compartidos) no es un indicador fiable de la calidad del contenido, desafiando la lógica actual de recomendación de las plataformas.
Nuevas Variables Predictoras: El estudio introduce el "número de seguidores del cargador" y la "duración del video" como predictores significativos e independientes de la calidad del video, sugiriendo que la reputación de la cuenta y la profundidad del contenido son mejores indicadores de calidad que las métricas de interacción.

Significancia y Reivindicaciones
Los autores afirman que, durante las temporadas de influenza, el ecosistema de TikTok es dinámico y está dominado por médicos y organizaciones de noticias. Aunque la calidad general es moderada, la ausencia de referencias citadas y de transparencia de las fuentes es un fallo crítico. El estudio sostiene que la participación de las organizaciones de noticias mejora significativamente la calidad de los videos, probablemente debido a su adhesión a los estándares profesionales de atribución.

El artículo concluye que confiar en las métricas de interacción para curar el contenido de salud es ineficaz y potencialmente riesgoso. En su lugar, sugiere que la duración del video y el número de seguidores del cargador podrían servir como indicadores auxiliares de calidad. Los autores proponen que los comunicadores de salud deben adoptar las prácticas de transparencia de las organizaciones de noticias (citar fuentes y fechas) y que los operadores de plataformas deben integrar evaluaciones de calidad basadas en la evidencia en sus algoritmos de recomendación para guiar mejor las estrategias de comunicación de salud pública. El estudio señala explícitamente que, aunque no se observó contenido generado por IA en este conjunto de datos, el uso creciente de la IA en la producción de videos requiere una vigilancia continua respecto a la exactitud de la información.