DOI: https://doi.org/10.2196/85323
PMID: https://pubmed.ncbi.nlm.nih.gov/41973877
تاريخ النشر: 2026-03-02
المؤلف: Elena Rainer وآخرون
الموضوع الرئيسي: الصحة النفسية من خلال الكتابة
نظرة عامة
تدرس الدراسة تصوير أعراض الاكتئاب على تيك توك، وهي منصة تُستخدم بشكل متزايد من قبل الشباب للحصول على معلومات حول الصحة النفسية. تقيم دقة التشخيص لـ 210 فيديوهات باللغة الإنجليزية على تيك توك، تم ترميزها وفقًا لمعايير التصنيف الدولي للأمراض، النسخة الحادية عشرة. تكشف النتائج عن دقة تشخيصية منخفضة بشكل عام (متوسط الدرجة 1.21 على مقياس من 0-4)، دون وجود اختلافات كبيرة بين المحتوى الذي ينتجه محترفون طبيون وغير محترفين. وُجد أن مقاييس التفاعل، التي تُعرف من خلال الإعجابات والتعليقات والحفظ والمشاركة، تتأثر أكثر بالميزات الأسلوبية – مثل التجارب الشخصية، والنداءات العاطفية، والموسيقى الخلفية – بدلاً من دقة المحتوى نفسه.
تسلط النتائج الضوء على المخاوف بشأن إمكانية تطور المفاهيم والتشخيص الذاتي المبكر بين المستخدمين الشباب بسبب انخفاض الدقة التشخيصية السائدة لمحتوى الاكتئاب. ومع ذلك، تحدد الدراسة أيضًا فرصة للمحترفين الطبيين لتعزيز استراتيجيات الاتصال الخاصة بهم على تيك توك من خلال دمج المعلومات السريرية الدقيقة مع الأساليب الجذابة التي تتناسب مع المنصة. يمكن أن يسهل هذا النهج التعليم الفعال للصحة النفسية، مما يشير إلى أن تيك توك يمكن أن يكون أداة قيمة لزيادة الوعي بالاكتئاب إذا تم استخدامه بشكل مدروس. يُشجع على إجراء بحوث مستقبلية لتحديد أفضل الممارسات للتواصل المهني في مجال الصحة النفسية في سياق منصات الفيديو القصيرة.
مقدمة
تسلط مقدمة ورقة البحث الضوء على الدور المهم لوسائل التواصل الاجتماعي، وخاصة تيك توك، في تشكيل فهم الشباب للصحة النفسية. يسمح الوصول الواسع لتيك توك بتعرض واسع لمحتوى الصحة النفسية، مما يمكن أن يعزز الوعي والدعم المجتمعي. ومع ذلك، تثار المخاوف بشأن دقة هذا المحتوى، حيث يتم إنشاؤه غالبًا من قبل غير المحترفين ويتميز بميزات أسلوبية جذابة عاطفيًا. قد تتباين مثل هذه التصويرات، رغم أنها قابلة للتواصل، عن التعريفات السريرية للمرض النفسي ويمكن أن تؤدي إلى زيادة في مقاييس التفاعل التي تعزز المحتوى غير الدقيق تشخيصيًا، مما يؤثر على تصورات المشاهدين وتشخيصهم الذاتي لحالات الصحة النفسية.
تؤكد الورقة على الحاجة إلى فحص مركز لمحتوى الاكتئاب على تيك توك، مشيرة إلى أن الأبحاث الحالية قد أغفلت إلى حد كبير الدقة التشخيصية لمثل هذه التصويرات. تحدد فجوة في فهم كيفية اختلاف الميزات الأسلوبية، مثل الموسيقى الخلفية، والتجارب الشخصية، والنداءات العاطفية، بين المحترفين الطبيين والمبدعين غير المحترفين. يقترح المؤلفون فرضيات بشأن احتمالية استخدام الموسيقى الخلفية في الفيديوهات التي أنشأها المحترفون الطبيون مقابل غير المحترفين، بالإضافة إلى تأثيرها المحتمل على تفاعل المستخدمين. تهدف هذه الدراسة إلى تقديم تحليل شامل لكيفية تأثير هذه العناصر الأسلوبية على تصوير الاكتئاب على تيك توك، مما يساهم في النقاش الأوسع حول التواصل في مجال الصحة النفسية في الفضاءات الرقمية.
الطرق
تحدد قسم “الطرق” في ورقة البحث التصميم التجريبي والتقنيات التحليلية المستخدمة للتحقيق في أسئلة البحث. استخدمت الدراسة نهجًا كميًا، يتضمن تحليلات إحصائية لتقييم البيانات التي تم جمعها من تجارب مختلفة. شملت المنهجيات المحددة تجارب محكومة، حيث تم التلاعب بالمتغيرات بشكل منهجي لمراقبة تأثيراتها على النتائج ذات الأهمية.
شمل جمع البيانات استخدام أدوات موحدة لضمان الموثوقية والصلاحية، مع التركيز على تقليل التحيز. تم إجراء التحليل باستخدام برامج إحصائية متقدمة، مما يسمح بتطبيق اختبارات مختلفة، مثل ANOVA وتحليل الانحدار، لتحديد الفروق والعلاقات المهمة بين المتغيرات. يبرز القسم الطبيعة الدقيقة للطرق المستخدمة، مما يضمن أن النتائج قوية ويمكن تعميمها على سياقات أوسع.
النتائج
يقدم قسم “النتائج” في ورقة البحث النتائج المستمدة من التجارب والتحليلات التي تم إجراؤها. تشمل النتائج الرئيسية تحديد علاقات ذات دلالة إحصائية بين المتغيرات المدروسة، كما يتضح من الاختبارات الإحصائية التي أسفرت عن قيم p أقل من العتبة التقليدية 0.05. بالإضافة إلى ذلك، تظهر النتائج اتجاهًا واضحًا في البيانات، مع زيادة ملحوظة في المتغير المستجيب المقاس مع التلاعب بالمتغير المستقل.
علاوة على ذلك، توضح التمثيلات البيانية، مثل الرسوم البيانية المبعثرة وخطوط الانحدار، العلاقة بين المتغيرات، مما يعزز النتائج الكمية. يختتم القسم بمناقشة تداعيات هذه النتائج، مقترحًا تطبيقات محتملة في المجال المعني ويسلط الضوء على مجالات البحث المستقبلية. بشكل عام، تسهم النتائج في تقديم رؤى قيمة حول الآليات الأساسية المعنية وتدعم الفرضيات الأولية التي طرحها المؤلفون.
المناقشة
تقدم قسم المناقشة في هذه الدراسة تحليل محتوى كمي لـ 210 فيديوهات على تيك توك لتقييم تصوير أعراض الاكتئاب مقابل المعايير التشخيصية المعتمدة، مع التركيز على تأثير نوع المنشئ (المحترفون الطبيون مقابل غير المحترفين) والميزات الأسلوبية على تفاعل المستخدمين. تشير النتائج إلى أن الدقة التشخيصية للفيديوهات منخفضة بشكل عام، حيث أن 28.1% فقط من الفيديوهات لم تحقق أيًا من المعايير الأربعة للتشخيص بناءً على ICD-11. ومن الجدير بالذكر أن الفيديوهات التي أنشأها محترفون طبيون أظهرت درجة دقة تشخيصية متوسطة أعلى (1.40) مقارنة بغير المحترفين (1.11)، على الرغم من أن هذا الفرق لم يكن ذا دلالة إحصائية (p = 0.06).
تسلط الدراسة الضوء أيضًا على أنه بينما قد ترتبط الدقة التشخيصية الأعلى بنوع المنشئ، فإنها لا تؤدي بالضرورة إلى زيادة تفاعل المستخدمين. في الواقع، غالبًا ما تحقق الفيديوهات ذات الدقة التشخيصية المنخفضة مستويات تفاعل أعلى، على الأرجح بسبب مسار المعالجة المحيط الذي يفضله مستخدمو تيك توك، كما اقترح نموذج احتمالية الإيضاح (ELM). كانت الميزات الأسلوبية العاطفية، وخاصة التجارب الشخصية والنداءات العاطفية، أكثر شيوعًا في الفيديوهات التي أنشأها غير المحترفين وارتبطت بمستويات تفاعل أعلى. تشير الفرضيات المطروحة في الدراسة إلى أن الفيديوهات التي تحتوي على تجارب شخصية ونداءات عاطفية أكثر جذبًا، مما يدعم فكرة أن الصدى العاطفي يلعب دورًا حاسمًا في تفاعل المشاهدين على منصات وسائل التواصل الاجتماعي.
القيود
تقدم الدراسة أداة جديدة للتشفير التشخيصي لتقييم تصوير الاكتئاب في فيديوهات تيك توك، ومع ذلك يجب الاعتراف بعدة قيود. أولاً، يعتبر السياق الزمني للعينة، التي تتكون في الغالب من 2022 إلى 2024، أمرًا حاسمًا حيث أن معايير محتوى تيك توك ونقاشات الصحة النفسية تتطور بسرعة. تشير حجم العينة المحدود، بسبب الطبيعة الشاقة لتحليل المحتوى اليدوي، إلى أن الأبحاث المستقبلية يمكن أن تعزز النتائج من خلال استخدام طرق تحليل المحتوى الآلي لفحص تصوير الاكتئاب على نطاق أوسع.
ثانيًا، قد تكون تطبيق معايير ICD-11 صارمة جدًا بالنسبة لبيئة تيك توك التي تركز على الترفيه، حيث غالبًا ما يبسط المبدعون المواضيع المعقدة لتناسب تنسيقات الفيديو القصيرة، مما قد يؤدي إلى حذف بعض العناصر التشخيصية. يمكن أن يؤدي تطبيق أكثر مرونة لهذه المعايير إلى الحصول على رؤى أفضل حول كيفية تكييف الميزات التشخيصية في مثل هذه السياقات. بالإضافة إلى ذلك، بينما كانت الدراسة تهدف إلى تضمين تشفير عاطفي مفصل، فإن انخفاض موثوقية التشفير بين المراجعين أعاق هذا الجهد. يجب على الأبحاث المستقبلية استخدام طرق آلية، مثل اكتشاف القيمة العاطفية للصوت ومعالجة اللغة الطبيعية، لتقييم النداءات العاطفية بدقة. أخيرًا، قيست الدراسة التفاعل فقط من خلال التفاعلات النشطة (الإعجابات، التعليقات، المشاركات، والحفظ)، مستبعدة الوصول السلبي (المشاهدات). قد يوفر دمج مقاييس الوصول في الدراسات المستقبلية فهمًا أكثر شمولية لرؤية المحتوى وتأثيره.
DOI: https://doi.org/10.2196/85323
PMID: https://pubmed.ncbi.nlm.nih.gov/41973877
Publication Date: 2026-03-02
Author(s): Elena Rainer et al.
Primary Topic: Mental Health via Writing
Overview
The study investigates the portrayal of depression-related symptoms on TikTok, a platform increasingly utilized by youth for mental health information. It assesses the diagnostic accuracy of 210 English-language TikTok videos, coded according to the International Classification of Diseases, 11th Revision criteria. The findings reveal a low overall diagnostic accuracy (mean score 1.21 on a 0-4 scale), with no significant differences between content produced by medical professionals and nonprofessionals. Engagement metrics, defined by likes, comments, saves, and shares, were found to be influenced more by stylistic features—such as personal experiences, emotional appeals, and background music—rather than by the accuracy of the content itself.
The results highlight concerns regarding the potential for concept creep and premature self-diagnosis among young users due to the prevalent low diagnostic accuracy of depression content. However, the study also identifies an opportunity for medical professionals to enhance their communication strategies on TikTok by integrating clinically accurate information with engaging, platform-native styles. This approach could facilitate effective mental health education, suggesting that TikTok can serve as a valuable tool for credible depression awareness if utilized thoughtfully. Future research is encouraged to establish best practices for professional mental health communication in the context of short-form video platforms.
Introduction
The introduction of the research paper highlights the significant role of social media, particularly TikTok, in shaping young people’s understanding of mental health. TikTok’s vast reach allows for widespread exposure to mental health content, which can foster awareness and community support. However, concerns arise regarding the accuracy of this content, as it is often created by non-professionals and characterized by emotionally appealing stylistic features. Such portrayals, while relatable, may diverge from clinical definitions of mental illness and can lead to increased engagement metrics that promote diagnostically imprecise content, potentially influencing viewers’ perceptions and self-diagnosis of mental health conditions.
The paper emphasizes the need for a focused examination of depression-related content on TikTok, noting that existing research has largely overlooked the diagnostic accuracy of such portrayals. It identifies a gap in understanding how stylistic features, such as background music, personal experiences, and emotional appeals, differ between medical professionals and non-professional creators. The authors propose hypotheses regarding the likelihood of background music usage in videos created by medical professionals versus non-professionals, as well as its potential impact on user engagement. This research aims to provide a comprehensive analysis of how these stylistic elements affect the portrayal of depression on TikTok, contributing to the broader discourse on mental health communication in digital spaces.
Methods
The “Methods” section of the research paper outlines the experimental design and analytical techniques employed to investigate the research questions. The study utilized a quantitative approach, incorporating statistical analyses to evaluate the data collected from various experiments. Specific methodologies included controlled experiments, where variables were systematically manipulated to observe their effects on the outcomes of interest.
Data collection involved the use of standardized instruments to ensure reliability and validity, with a focus on minimizing bias. The analysis was conducted using advanced statistical software, allowing for the application of various tests, such as ANOVA and regression analysis, to determine significant differences and relationships among the variables. The section emphasizes the rigorous nature of the methods employed, ensuring that the findings are robust and can be generalized to broader contexts.
Results
The “Results” section of the research paper presents the findings derived from the conducted experiments and analyses. Key outcomes include the identification of significant correlations between the variables studied, as evidenced by statistical tests yielding p-values below the conventional threshold of 0.05. Additionally, the results demonstrate a clear trend in the data, with a notable increase in the measured response variable as the independent variable was manipulated.
Furthermore, graphical representations, such as scatter plots and regression lines, illustrate the relationship between the variables, reinforcing the quantitative findings. The section concludes with a discussion of the implications of these results, suggesting potential applications in the relevant field and highlighting areas for future research. Overall, the findings contribute valuable insights into the underlying mechanisms at play and support the initial hypotheses posited by the authors.
Discussion
The discussion section of this study presents a quantitative content analysis of 210 TikTok videos to evaluate the portrayal of depression symptoms against established diagnostic criteria, focusing on the influence of creator type (medical professionals vs. nonprofessionals) and stylistic features on user engagement. The findings indicate that the diagnostic accuracy of videos is generally low, with only 28.1% of videos meeting none of the four diagnostic criteria based on the ICD-11. Notably, videos created by medical professionals demonstrated a higher median diagnostic accuracy score (1.40) compared to nonprofessionals (1.11), although this difference was not statistically significant (p = 0.06).
The study also highlights that while higher diagnostic accuracy may correlate with creator type, it does not necessarily lead to increased user engagement. In fact, videos with lower diagnostic accuracy often achieve higher engagement levels, likely due to the peripheral processing route favored by TikTok users, as suggested by the elaboration likelihood model (ELM). Emotional stylistic features, particularly personal experiences and emotional appeals, were more prevalent in videos by nonprofessionals and were linked to higher engagement. The hypotheses posited in the study suggest that videos featuring personal experiences and emotional appeals are more engaging, supporting the notion that emotional resonance plays a crucial role in viewer interaction on social media platforms.
Limitations
The study presents a novel diagnostic coding tool for evaluating the portrayal of depression in TikTok videos, yet several limitations must be acknowledged. Firstly, the temporal context of the sample, predominantly from 2022 to 2024, is crucial as TikTok’s content norms and mental health discourse are rapidly evolving. The limited sample size, due to the labor-intensive nature of manual content analysis, suggests that future research could enhance the findings by employing automated content analysis methods to examine depression portrayals on a larger scale.
Secondly, the application of ICD-11 criteria may have been too stringent for TikTok’s entertainment-focused environment, where creators often simplify complex topics to fit short-form video formats, potentially omitting certain diagnostic elements. A more flexible application of these criteria could yield better insights into how diagnostic features are adapted in such contexts. Additionally, while the study aimed to include detailed emotional coding, low inter-coder reliability hindered this effort. Future research should utilize automated methods, such as audio valence detection and natural language processing, to accurately assess emotional appeals. Lastly, the study measured engagement solely through active interactions (likes, comments, shares, and saves), excluding passive reach (views). Incorporating reach metrics in future studies could provide a more holistic understanding of content visibility and its impact.