![Richard Brown Richard Brown](https://cdn2.psychologytoday.com/assets/styles/profile_teaser_small/public/field_user_blogger_photo/richard_brown.jpg?itok=kAiPMj4P)
Salud
Hashtags que duelen: avergonzar por salud en Twitter
Una investigación examina el estigma en línea en torno a la salud.
17 de octubre de 2023 Revisado por Gary Drevitch
Las experiencias de estigma relacionado con la salud pueden disuadir a las personas de buscar tratamiento médico y pueden afectar negativamente su bienestar físico y mental. Las investigaciones sugieren que hasta la mitad de las personas que viven con enfermedades crónicas en el Reino Unido informan haber experimentado estigma relacionado con su condición de salud.
El estigma de salud en línea
Hoy en día, una parte importante del discurso sobre la salud y el estigma asociado a ella tiene lugar en las plataformas de redes sociales. Plataformas como Twitter (X) han recibido fuertes críticas por facilitar la difusión de contenidos polémicos o divisivos.
Es importante que los investigadores estudien el estigma de la salud para identificar las narrativas y características de comunicación que proliferan en línea. Examinar los tuits que incluyen estigma sobre la salud puede arrojar luz sobre la prevalencia de narrativas potencialmente estigmatizantes en línea. Estos conocimientos pueden ayudar a los comunicadores de salud a transmitir mensajes de salud precisos e impactantes para contrarrestar el contenido perjudicial y potencialmente estigmatizante.
Nuestra investigación
Nuestra investigación en el Laboratorio de Psicología y Tecnología de la Comunicación (PaCT) de la Universidad de Northumbria investigó más de 1.8 millones de tuits sobre condiciones y trastornos de salud potencialmente estigmatizantes. Captamos la prevalencia de diferentes tipos de estigma y exploramos cómo se discuten en línea las diferentes condiciones de salud.
Un tercio de una muestra más pequeña de tuits relacionados con la salud se codificaron como potencialmente estigmatizantes y hubo diferencias notables en la prevalencia del estigma entre las condiciones de salud. Por ejemplo, los tuits sobre trastornos por uso de sustancias normalmente contenían mensajes que sugerían un peligro social. Estos tuits a menudo incluían términos como “crimen”, “criminal”, “personas sin hogar” y menciones a problemas financieros y familiares. Investigaciones anteriores han indicado que los trastornos por uso de sustancias se enmarcan predominantemente como cuestiones de moralidad y criminalidad, más que como problemas de salud. Aunque las percepciones sobre las enfermedades físicas se han vuelto más positivas en los últimos años, las connotaciones negativas y los peligros sociales asociados con los trastornos por uso de sustancias sugieren que el estigma que rodea a la adicción permanece prácticamente sin cambios.
Era mucho más probable que el estigma relacionado con los trastornos alimentarios incluyera descripciones físicas o “marcas” de salud. Palabras como “gordo” y “flaco”, y los comentarios específicos sobre la apariencia de alguien, fueron los más comunes en relación con estos trastornos. Es probable que esto refuerce los estereotipos prevalecientes sobre los trastornos alimentarios. Tal refuerzo es preocupante, ya que los estereotipos perpetuados podrían dar lugar a sesgos en el tratamiento, especialmente cuando un individuo no muestra las “marcas” típicas asociadas con los trastornos alimentarios, como ser delgado, blanco y mujer.
A pesar de la gran presencia de estigma relacionado con la salud en Twitter, aproximadamente una quinta parte de todos los tuits relacionados con la salud contenían lo que describimos como “Consejos o antiestigma”. Esto sugiere que los comunicadores de salud pública están utilizando activamente las plataformas de redes sociales para contrarrestar las narrativas estigmatizadoras potenciales en línea, aunque todavía queda mucho trabajo por hacer.
Detectar el estigma en línea automáticamente
La inteligencia artificial promete la detección en tiempo real de características específicas del lenguaje, lo que la hace especialmente valiosa para identificar discursos dañinos en línea. Comparamos la codificación humana de tweets con enfoques de procesamiento del lenguaje natural para evaluar la idoneidad de la detección automática para detectar el estigma relacionado con la salud. Nuestros hallazgos sugieren que las herramientas automatizadas, especialmente los enfoques de aprendizaje automático, podrían ser fundamentales para identificar el estigma relacionado con la salud a una escala más amplia. Estos métodos podrían resultar valiosos para evaluar la eficacia de los esfuerzos por disminuir el estigma en línea en plataformas populares como Twitter (X) y Facebook.
Las técnicas de aprendizaje automático aún no se han utilizado para identificar el estigma relacionado con la salud en Internet. La coherencia entre nuestra codificación humana y el análisis automatizado resalta el potencial de la innovación digital para ayudar a combatir la alta prevalencia del estigma relacionado con la salud en línea.
A version of this article originally appeared in English.