Quality and reliability of Chinese short-form health information about hypertension and type 2 diabetes on TikTok: a comparative cross-sectional study

Resumen Técnico: Calidad y Fiabilidad de la Información de Salud de Formato Corto en Chino sobre Hipertensión y Diabetes Tipo 2 en TikTok

Planteamiento del Problema
La hipertensión y la diabetes tipo 2 son enfermedades crónicas no transmisibles altamente prevalentes a nivel mundial, particularmente en China, donde la comorbilidad está aumentando. El autocuidado eficaz depende en gran medida del acceso a información de salud precisa. Si bien TikTok ha emergido como una fuente primaria de información de salud debido a su masiva base de usuarios y alcance algorítmico, el bajo umbral de entrada y los procesos de revisión laxos de la plataforma han dado lugar a una variabilidad significativa en la calidad del contenido. La literatura existente indica que la información de salud en las redes sociales suele ser de baja calidad y poca fiabilidad; sin embargo, existe una falta de investigación comparativa que aborde específicamente los ecosistemas de información de estas dos importantes condiciones crónicas dentro del contexto chino. Este estudio aborda esta brecha evaluando y comparando sistemáticamente la calidad, la fiabilidad y la transparencia del contenido de video corto de salud en chino sobre hipertensión y diabetes tipo 2 en TikTok.

Metodología
El estudio empleó un diseño transversal comparativo observacional cuantitativo. La recolección de datos se llevó a cabo entre febrero y mayo de 2026.

• Muestreo: Los investigadores utilizaron una cuenta de TikTok recién registrada y sin historial de navegación para minimizar el sesgo algorítmico. Realizaron búsquedas utilizando seis palabras clave principales ("hipertensión", "bajar la presión arterial", "presión arterial alta", "diabetes tipo 2", "bajar el azúcar en sangre", "azúcar en sangre alta") y seleccionaron los 150 videos superiores para cada condición basados en la "clasificación integral" predeterminada de la plataforma. Esto produjo una muestra final de 300 videos (150 por condición).
• Criterios de Exclusión: Se excluyeron duplicados, videos sin contenido sustantivo (por ejemplo, solo música o anuncios), videos que mencionan la enfermedad sin proporcionar información y videos que no estuvieran en lengua china.
• Extracción de Datos: Dos investigadores capacitados extrajeron de forma independiente y ciega los datos sobre la duración del video, el año de carga, la identidad del cargador (profesionales médicos, medios de comunicación de noticias, organizaciones comerciales, usuarios individuales), los temas centrales y las métricas de interacción del usuario (me gusta, comentarios, compartir, colecciones).
• Evaluación de la Calidad: Se utilizaron tres instrumentos validados:
  1. Puntuación de Calidad Global (GQS): Una escala de Likert de 5 puntos que evalúa la calidad general y la utilidad.
  2. DISCERN Modificado (mDISCERN): Una escala de 5 puntos que evalúa la fiabilidad, la transparencia de la fuente y el equilibrio.
  3. Criterios de Referencia del Journal of the American Medical Association (JAMA): Una escala de 4 puntos que evalúa la identidad del autor, la atribución, la divulgación y la puntualidad.
• Análisis Estadístico: La fiabilidad inter-evaluador se evaluó mediante el Kappa de Cohen. Las comparaciones grupales utilizaron las pruebas de Mann–Whitney U y Kruskal–Wallis. La correlación de Spearman analizó las relaciones entre las características del video y la calidad. La regresión lineal múltiple identificó los predictores independientes de la calidad del video (GQS).

Contribuciones Clave

• Análisis Comparativo: Este es uno de los primeros estudios que compara directamente los ecosistemas de información de la hipertensión y la diabetes tipo 2 en una importante plataforma de video corto dentro de China, revelando diferencias distintivas en la calidad y fiabilidad del contenido entre ambas condiciones.
• Evaluación Multidimensional: El estudio aplica un robusto marco de tres herramientas (GQS, mDISCERN, JAMA) para evaluar simultáneamente la calidad general, la fiabilidad de la fuente y la transparencia.
• Modelado Predictivo: Identifica la identidad del cargador y el tipo de enfermedad como predictores independientes significativos de la calidad del contenido, proporcionando datos empíricos sobre los impulsores de la desinformación.
• Perspectiva Algorítmica: El estudio cuantifica la "paradoja calidad-popularidad", demostrando que las métricas de alta interacción de los usuarios no se correlacionan fuertemente con la calidad de la información.

Resultados

• Calidad General: Se encontró que la calidad general de la información de salud en TikTok para ambas condiciones se sitúa por debajo del nivel medio. Las puntuaciones medianas de GQS fueron de 3.00 para la hipertensión y 3.00 para la diabetes tipo 2 (con rangos intercuartílicos que indican variabilidad), y las puntuaciones medianas de mDISCERN fueron de 2.00 para ambas. Las puntuaciones de JAMA fueron consistentemente bajas (mediana de 2.00), lo que indica una escasa transparencia respecto a la autoría y las fuentes.
• Diferencias Específicas de la Enfermedad: Los videos sobre hipertensión puntuaron significativamente más alto que los de diabetes tipo 2 tanto en GQS ($p < 0.001$) como en mDISCERN ($p = 0.003$). Sin embargo, las puntuaciones de JAMA no difirieron significativamente entre ambas ($p = 0.927$).
• Impacto del Cargador: Los profesionales médicos produjeron el contenido de mayor calidad en todas las métricas. Los videos de organizaciones comerciales obtuvieron las puntuaciones más bajas. Los usuarios individuales puntuaron significativamente más bajo que los profesionales médicos, pero más alto que las organizaciones comerciales.
• Temas de Contenido: Para la hipertensión, los videos de "intervención en el estilo de vida" alcanzaron las puntuaciones de calidad más altas. Para la diabetes tipo 2, "monitoreo de la enfermedad" y "prevención de complicaciones" puntuaron más alto, mientras que "tratamiento farmacológico" y "compartir experiencias" puntuaron más bajo.
• Correlaciones: Las métricas de interacción del usuario (me gusta, comentarios, compartir) están fuertemente correlacionadas entre sí, pero mostraron correlaciones de débiles a moderadas con las puntuaciones de calidad ($r = 0.27–0.70$), confirmando que la popularidad no es un sustituto de la fiabilidad. La duración del video fue un predictor positivo débil pero significativo de GQS ($\beta = 0.091, p = 0.025$).
• Hallazgos de la Regresión: La regresión lineal múltiple confirmó que los videos subidos por profesionales médicos ($\beta = 0.635, p < 0.001$) y aquellos relativos a la hipertensión ($\beta = 0.147, p < 0.001$) eran predictores independientes de una mayor calidad. Las cargas de organizaciones comerciales fueron un predictor negativo ($\beta = -0.225, p < 0.001$).

Significancia y Reivindicaciones
El artículo sostiene que el ecosistema actual de información de salud digital para enfermedades crónicas en TikTok se caracteriza por una calidad subóptima y una fiabilidad inadecuada, lo que plantea riesgos potenciales para el autocuidado del paciente.

• Implicaciones Clínicas y de Salud Pública: Los hallazgos sugieren que, si bien TikTok tiene potencial para la educación en salud, el contenido actual requiere una mejora sustancial en la fiabilidad y la transparencia de las fuentes. El estudio destaca que la complejidad del manejo de la diabetes tipo 2 la hace más susceptible a contenido de baja calidad y engañoso en comparación con el manejo más estandarizado de la hipertensión.
• Gobernanza de la Plataforma: Los autores argumentan que las plataformas de video corto deben implementar mecanismos de revisión jerárquicos y algoritmos de recomendación preferencial para el contenido de profesionales médicos certificados. También exigen una supervisión y un etiquetado más estrictos del marketing comercial para prevenir la propagación de la desinformación impulsada por el lucro.
• Roles Profesionales y del Paciente: El estudio aboga por fomentar que los clínicos produzcan materiales de educación pública basados en la evidencia y por promover la alfabetización digital en salud entre los pacientes para ayudarles a navegar por fuentes poco fiables.
• Direcciones Futuras: Los autores sugieren que la investigación futura debería centrarse en el monitoreo longitudinal de la calidad del contenido, las comparaciones entre plataformas y el desarrollo de herramientas impulsadas por IA para la evaluación automatizada de la calidad.

El estudio concluye que la creación de un entorno de salud digital más seguro requiere esfuerzos colaborativos de proveedores de plataformas, profesionales médicos, responsables políticos y pacientes para asegurar que la información de salud difundida en las plataformas de video corto sea precisa, fiable y beneficiosa.