Quality, reliability, and popularity of Duchenne muscular dystrophy videos on YouTube

기술 요약: 유튜브 내 듀센 근이영양증(DMD) 영상의 품질, 신뢰성 및 인기도

문제 제기
듀센 근이영양증(DMD)은 평생에 걸친 다학제적 관리와 지속적인 가족 교육을 필요로 하는 심각하고 진행성인 신경근육 질환입니다. 디지털 건강 문해력이 높아짐에 따라, 가족들은 정보를 얻기 위해 점점 더 유튜브에 의존하고 있습니다. 그러나 유튜브 플랫폼은 과학적 동료 검토나 편집 검증 과정이 부족하여, 사용자들을 불완전하거나 시대에 뒤떨어지거나 상업적으로 편향된 콘텐츠에 노출시킬 위험이 있습니다. 다양한 의학 분야(예: 신경외과, 종양학)에서 유튜브 콘텐츠를 분석한 연구는 존재하지만, DMD 특화 콘텐츠에 대한 체계적인 조사는 제한적입니다. 이러한 격차는 매우 중요한데, 왜냐하면 가족들이 유전자 검사, 진화하는 치료법, 장기 케어에 관한 의사결정을 내릴 때 정확한 정보에 의존하기 때문입니다. 본 연구는 DMD 관련 영상의 교육적 품질, 신뢰성 및 인기 지표를 평가하여, 사용자 참여도가 콘텐츠의 정확성과 상관관계가 있는지 확인하고자 합니다.

연구 방법론
본 연구는 2026년 5월 12일, "Duchenne muscular dystrophy"라는 검색어를 사용하여 검색된 상위 100개의 영어 YouTube 영상을 분석하는 회고적, 단면적 설계를 채택했습니다. 알고리즘 편향을 최소화하기 위해 로그인하지 않은 상태에서 기본 "관련성(relevance)" 정렬 방식을 사용하여 터키 카이세리(Kayseri)에서 검색을 수행했습니다.

• 포함/제외 기준: 영어로 작성되었고, 길이가 1분 이상이며, 직접적인 의학적/교육적 정보를 제공하는 영상을 포함했습니다. 중복 영상, 비영어 콘텐츠, 홍보용 자료, 의학적 데이터가 없는 애니메이션은 제외했습니다. 초기 결과 100개 모두 포함 기준을 충족했습니다.
• 데이터 수집: 연구자들은 영상 출처(공공 기관, 민간 기관, 의사, 건강 테마 미디어, 환자 경험으로 분류), 원산지 국가, 업로드 날짜 및 인기 지표(조회수, 좋아요, 댓글 수)를 기록했습니다.
• 품질 평가: 두 명의 독립적인 평가자가 세 가지 검증된 도구를 사용하여 각 영상을 평가했습니다:
  1. DISCERN: 환자의 관점에서 건강 정보의 품질을 측정하는 16개 항목 척도 (16–80점).
  2. JAMA 기준: 저자, 인용, 투명성 및 시의성을 평가하는 4점 척도.
  3. GQS (Global Quality Score): 전반적인 교육적 품질과 유용성을 평가하는 1–5점 척도.
• 통계 분석: 그룹 간 비교를 위해 비모수 방법(Dunn 사후 교정을 적용한 Kruskal–Wallis 검정)을 사용했습니다. 인기 지표와 품질 간의 관계를 분석하기 위해 Spearman 순위 상관계수를 사용했습니다. 평가자 간 신뢰도는 급간 상관 계수(ICC) 및 이차 가중 코헨 카파(quadratic-weighted Cohen's kappa)를 사용하여 평가했습니다.

주요 결과

• 출처 분포: 대부분의 영상은 미국(68%)에서 제작되었습니다. 출처별로는 공공 기관(51%)이 가장 많았으며, 건강 테마 미디어(21%), 의사(11%), 환자 경험(9%), 민간 기관(8%)이 그 뒤를 이었습니다.
• 품질 점수: 평균 점수는 전반적으로 중등도 이상의 높은 품질을 나타냈습니다: DISCERN (55.98 ± 11.14), JAMA (2.73 ± 0.89), GQS (4.13 ± 0.87).
• 업로드 출처의 영향:
  • 의사가 업로드한 영상은 평균 조회수(194,107), 좋아요, 댓글 수에서 가장 높았습니다. 이 영상들은 가장 높은 평균 DISCERN 및 GQS 점수를 기록하기도 했으나, Holm 교정 적용 후 쌍별 비교(pairwise comparisons)에서 DISCERN의 통계적 유의성이 사라졌으며, GQS 점수의 차이는 그룹 간에 통계적으로 유의미하지 않았습니다.
  • 공공 기관은 가장 높은 평균 JAMA 점수(3.02)를 달성했으며, 이는 건강 관련 미디어 채널보다 유의미하게 높았습니다.
  • 통계적 유의성: 조회수, 좋아요, 댓글 및 JAMA 점수에 대해서는 그룹 간 유의미한 차이가 발견되었습니다 ($P < 0.05$). 그러나 Holm 교정 후 DISCERN의 쌍별 비교는 유의성을 잃었으며, GQS 차이는 그룹 간에 통계적으로 유의하지 않았습니다.
• 상관관계 분석:
  • 인기 vs. 품질: 인기 지표(조회수, 좋아요, 댓글)와 품질 점수(DISCERN, JAMA, GQS) 사이에는 강한 상관관계가 발견되지 않았습니다. 원시 데이터에서 조회수/댓글과 GQS 사이의 약한 음의 상관관계가 관찰되었으나, 보정 후에는 통계적으로 유의하지 않았습니다.
  • 품질 도구 간 일관성: 세 가지 품질 척도는 서로 간에 강하고 유의미한 양의 상관관계를 보였습니다 (예: DISCERN vs. JAMA $\rho = 0.759$). 이는 이 도구들이 상호 연관된 품질의 차원을 측정함을 나타냅니다.
• 신뢰도: 모든 도구에서 평가자 간 일치도는 매우 우수했습니다 (ICC 범위: 0.968–0.983).

주요 기여

1. 출처 의존적 신뢰성: 본 연구는 유튜브 내 DMD 정보의 신뢰성이 업로더의 정체성에 크게 의존한다는 점을 입증합니다. 의사 콘텐츠는 종종 가장 높은 참여를 이끌어내고 교육적 품질(DISCERN/GQS)에서 가장 높은 평균 점수를 기록했지만, 이러한 특정 쌍별 차이는 보정 후 통계적으로 유의하지 않았습니다. 반면, 공공 기관은 인용 및 투명성 측면에서(JAMA) 가장 구조적으로 신뢰할 수 있는 콘텐츠를 제공했으며, 건강 관련 미디어보다 유의미하게 높은 점수를 받았습니다.
2. 인기와 정확성의 분리: 본 연구는 높은 조회수, 좋아요, 댓글 수가 과학적 정확성이나 교육적 가치의 지표가 아님을 실증적으로 보여줍니다. 실제로 높은 참여를 유도하는 환자 경험 영상은 전문적인 출처에 비해 JAMA 점수가 뒤처졌습니다.
3. 다중 도구 평가의 검증: DISCERN, JAMA, GQS 간의 강한 상관관계는 이 도구들이 디지털 건강 문해력 연구에서 결합하여 사용될 때, 영상 품질에 대한 견고하고 다층적인 진단적 개요를 제공함을 확인시켜 줍니다.

의의 및 주장
저자들은 유튜브가 상당한 양의 DMD 콘텐츠를 보유하고 있으며 중등도 이상의 교육적 가치를 지니고 있지만, 플랫폼의 알고리즘적 가시성이 신뢰성을 보장하는 것은 아니라고 결론짓습니다. 연구는 인기 지표만으로는 정확성을 판단하는 척도로 사용해서는 안 된다고 단언합니다.

이 연구의 의의는 의료 전문가와 공식 기관의 적극적인 참여를 촉구하는 데 있습니다. 저자들은 가족들이 엑손 스키핑(exon-skipping)이나 유전자 치료와 같이 빠르게 진화하는 DMD 치료법에 대해 편향되지 않고 최신의 정보를 접할 수 있도록, 의료 전문가와 공중 보건 기관이 신뢰할 수 있는 영상 자원 제작을 주도해야 한다고 주장합니다. 본 연구는 디지털 건강 문해력의 향상이 단순히 미디어 분석의 문제가 아니라, 가족들이 오도되거나 파편화된 정보에 영향을 받는 것을 방지하기 위한 공중 보건의 필수 과제임을 강조합니다.

한계점
저자들은 몇 가지 제약 사항을 언급했습니다: 영어 콘텐츠로 한정되어 글로벌 적용성이 제한적이라는 점, 본 연구가 유튜브의 역동적인 알고리즘에 따라 변할 수 있는 특정 시점의 스냅샷이라는 점, 그리고 영상이 환자의 지식이나 임상적 결과에 미치는 직접적인 영향을 측정하기보다는 콘텐츠의 특성을 측정했다는 점입니다.