Esta página se ha traducido automáticamente del turco. Leer el original

Esta página es un resumen en turco, elaborado con ayuda de inteligencia artificial, del trabajo presentado en el 26.º Congreso Mundial de Psiquiatría. El trabajo pertenece a los autores que lo presentan; para citarlo, consulte la fuente original.

SO259

El auge del autodiagnóstico: cómo los influencers de las redes sociales moldean las percepciones y conductas de los usuarios jóvenes en relación con la salud mental

THE RISE OF SELF-DIAGNOSIS: HOW SOCIAL MEDIA INFLUENCERS SHAPE MENTAL HEALTH PERCEPTIONS AND BEHAVIORS AMONG YOUNG USERS

Las expresiones de autodiagnóstico aparecen con mayor frecuencia en los comentarios de los vídeos de TikTok de creadores de contenido no profesionales; esta diferencia solo resulta estadísticamente significativa para la etiqueta #depresión.

El objetivo del estudio es comparar el contenido de los vídeos de origen polaco publicados en TikTok con las etiquetas #ADHD, #depression y #anxietystates, así como los comentarios de los usuarios, según la condición profesional del creador de contenido. Mediante un diseño de análisis cuantitativo de contenido (quantitative content analysis), en diciembre de 2025 se seleccionaron los 100 vídeos mejor posicionados por el algoritmo de TikTok en cada categoría y se analizaron un total de 600 vídeos y sus comentarios; se exportaron hasta 500 comentarios por vídeo mediante una herramienta basada en scripts. Los creadores de contenido se dividieron en profesionales acreditados (PRO; psicólogos, psiquiatras y psicoterapeutas) y creadores sin cualificación oficial en el ámbito de la salud mental (NON-PRO); los comentarios se codificaron para identificar expresiones de autodiagnóstico (self diagnosis) mediante un método de coincidencia de palabras clave y expresiones. Los análisis se realizaron con Jamovi; se utilizaron la prueba t para muestras independientes, la correlación de Spearman y la regresión lineal. En la mayoría de los casos examinados, el porcentaje de comentarios que contenían expresiones de autodiagnóstico fue mayor en los vídeos de creadores no profesionales, aunque solo se detectó una diferencia estadísticamente significativa para la etiqueta #depression (t(198) = 3,66; p<0,001; tamaño del efecto (effect size) d = 0,52). Se observó una correlación positiva entre el número de comentarios y el porcentaje de autodiagnóstico (ρ = 0,462; p<0,001); sin embargo, el número de comentarios siguió siendo un predictor débil de este fenómeno (R2 = 0,005). Según los autores, el contenido sobre salud mental procedente de fuentes no expertas puede favorecer las conductas de autodiagnóstico y la difusión de información errónea, independientemente de la popularidad general del vídeo; es necesario reforzar la presencia de expertos y el pensamiento crítico en las plataformas sociales.

Todos los resúmenes del WCP 2026