Revisión de estudios sobre contenido de autolesiones en X (Twitter) creado y compartido por jóvenes y adolescentes

Literature review on self-harm content on X (Twitter) created and shared by youth and teenagers

Revisão de estudos sobre conteúdo de automutilação no X (Twitter) criado e compartilhado por jovens e adolescentes

Esther Martínez-Pastor^1*

Mª Ascensión Miralles González-Conde^2**

Pablo Sánchez-López^3***

¹ Universidad Rey Juan Carlos, Madrid, España

² Universidad Católica de San Antonio de Murcia, España

³ Universidad Rey Juan Carlos, Madrid, España

^* Catedrática de Publicidad en la Facultad de Ciencias de la Comunicación de la Universidad Rey Juan Carlos, Madrid, España. Email: esther.martinez.pastor@urjc.es

^** Profesora en Universidad Católica de San Antonio de Murcia, España. Email: mmiralles@ucam.edu

^*** Profesor Ayudante Doctor en el Departamento de Comunicación Audiovisual y Publicidad en la Universidad Rey Juan Carlos, Madrid, España. Email: pablo.sanchez@urjc.es

Resumen

El objetivo de la investigación es reunir y exponer el estado del arte sobre el contenido de autolesiones no suicidas creado y compartido por los jóvenes y adolescentes en X (Twitter). La metodología aplicada en la investigación consiste en una revisión descriptiva de artículos científicos publicados en revistas (en inglés y español), entre 2013 y julio de 2023, en bases de datos multidisciplinares internacionales (WOS, SCOPUS y GOOGLE SCHOLAR). Mediante la estrategia de búsqueda, revisión y criba de las publicaciones se han seleccionado y analizado 15 artículos. El resultado del análisis exhaustivo de los estudios que informan estas publicaciones ha permitido identificar los temas tratados y las metodologías utilizadas más relevantes. Esta revisión pone de manifiesto la escasez de estudios al respecto desde el ámbito exclusivo de la comunicación/sociología y sirve de base para plantear estudios posteriores de carácter interdisciplinar que den respuesta a las lagunas existentes.

Palabras clave
Autolesiones no suicidas; X/Twitter; Jóvenes; Adolescentes.

Abstract

The aim of the research is to gather and present the state of the art on non-suicidal self-harm content created and shared by young people and adolescents on X (Twitter). The methodology applied consists of a descriptive review of scientific articles published in journals (in English and Spanish), between 2013 and July 2023, in international multidisciplinary databases (WOS, SCOPUS and GOOGLE SCHOLAR). Through the strategy of searching, reviewing and screening the publications, 15 articles were selected and analyzed. The result of the exhaustive analysis of the studies that inform these publications has made it possible to identify the most relevant topics covered and methodologies used. This review highlights the scarcity of studies on the subject from the exclusive field of communication/sociology and serves as a basis for further studies of an interdisciplinary nature to respond to the existing gaps.

Keywords
Non-suicidal self-harm; X/Twitter; Youngsters; Teenagers.

Resumo

O objetivo da pesquisa é reunir e apresentar o estado da arte sobre conteúdos não suicidas de automutilação criados e compartilhados por jovens e adolescentes no X (Twitter). A metodologia aplicada na pesquisa consiste em uma revisão descritiva de artigos científicos publicados em periódicos (em inglês e espanhol), entre 2013 e julho de 2023, em bases de dados multidisciplinares internacionais (WOS, SCOPUS e GOOGLE SCHOLAR). Através da estratégia de busca, revisão e triagem de publicações, foram selecionados e analisados 15 artigos. O resultado da análise exaustiva dos estudos relatados nestas publicações permitiu identificar os temas mais relevantes discutidos e as metodologias utilizadas. Esta revisão destaca a escassez de estudos nesse sentido no campo exclusivo da comunicação/sociologia e serve de base para propor estudos interdisciplinares posteriores que respondam às lacunas existentes.

Palavras-chave
Automutilação não suicida; X/Twitter; Jovens; Adolescentes.

1. Introducción

Las Autolesiones no suicidas (ANS) son una conducta que consiste en que una persona se inflige repetidamente lesiones de leves a moderadas, a menudo dolorosas, en la superficie de su cuerpo sin intención suicida (American Psychiatric Association, 2022). Las personas que se autolesiones se provocan un daño intencionalmente como cortes, quemaduras o golpes, para poder gestionar un dolor que no saben cómo afrontarlo (Klonsky, 2011). Conviene diferenciar esta conducta del suicidio que no tiene la misma intencionalidad porque, si bien puede ser potencialmente autolesivo, su finalidad es la de morir (American Psychiatric Association, 2022).

Las ANS han aumentado entre los adolescentes y jóvenes motivo por el que diferentes asociaciones están alertando sobre este incremento, como la American Psychiatric Association (2022), UNICEF (UNICEF, 2021a y 2021b; Leiva, 2023), la Fundación ANAR (Informe anual. Teléfono chat ANAR, 2023), el Ministerio de Sanidad (2021), la FAD-Fundación de Ayuda contra la Drogadicción (Kuric et al., 2023), la Asociación Española de Pediatría (AEP, 2022) o la Asociación Española de Pediatría de Atención Primaria (AEPAP) (López Vázquez et al., 2023). No hay perfil concreto de jóvenes que se autolesionan, aunque algunos indican que es más habitual entre el género femenino, ni responde a un orígenes, cultura o clases sociales. Además, los datos sobre los jóvenes que se autolesionan son dispares dado que solo el 0, 21-6, 5% de los adolescentes que se autolesionan han pedido atención sanitaria (Faura-Garcia et al., 2022) lo que conlleva que los datos publicados con adolescentes son muy dispares: en el ámbito internacional oscila 1.5-54.8% mientras que en España está entre 0.58% - 74.9%; (Faura-Garcia, Orue, Calvete, 2021; Pérez et al., 2021). Estos datos muestran que hay una preocupación entre los académicos en relación con el aumento de las ANS que abordan y describen los perfiles de los jóvenes que se autolesionan (Cipriano, Cella y Cotrufo, 2017), la presencia de comunidades de jóvenes que tratan este tema en redes sociales (Lerman et al., 2023) y se estudia cómo se comienza a normalizar y romantizar el acto de la autolesión (Khasawneh et al., 2021).

En relación con las redes sociales el acto de compartir experiencias de autolesiones y actos suicidas en adolescentes ha crecido en los últimos años. Se observó un crecimiento del 15% en las publicaciones de situaciones estresantes en las redes sociales entre 2013 y 2017 (Abi-Jaoude et al., 2020) porque comparten sus pensamientos y opiniones para ser comprendidos y no ser juzgados (Wang et al., 2017). X/Twitter es una red con más de 556 millones de usuarios activos (Fernández, 2024) y permite ver los contenidos que suelen ser contenidos textuales, fotografía y vídeos mediante hashtags como #blithe (ANS), #Deb (Depresión) o #ouchtwt para no ser reconocidos por la plataforma (Brown et al., 2018). X/Twitter dispone de una política relativa al suicidio y las autolesiones con el objetivo de prevenir estas conductas, sin embargo, las imágenes aparecen con el texto de “contenido sensible” (Twitter, 2023) y hay diferentes posturas de la literatura en relación a esta moderación de contenidos. Esto suscita el interés de reconocer un campo emergente en la investigación y se propone cómo se está estudiando el contenido de autolesiones en X/Twitter creado y compartido por jóvenes y adolescentes y poder identificar lagunas en la bibliografía para informar sobre futuras investigaciones en este campo.

2. Metodología

El presente estudio tiene como objetivo principal poner de manifiesto el estado de la cuestión sobre las expresiones de los jóvenes y adolescentes acerca de las autolesiones compartidas en las redes sociales. Para realizar la investigación, el estudio se centra en la red social X (Twitter hasta 2023). Los objetivos secundarios marcados son los siguientes:

1. Identificar las investigaciones científicas sobre los contenidos de autolesiones creados y compartidos por los jóvenes y adolescentes en X/Twitter.
2. Determinar los temas objeto de estudio de estas investigaciones y sus áreas de especialización.
3. Identificar los métodos e instrumentos utilizados para localizar el contenido sobre autolesiones en X/Twitter e identificar a los jóvenes y adolescentes que lo comparten.
4. Conocer las metodologías utilizadas para el análisis de los contenidos compartidos sobre autolesiones por los jóvenes y adolescentes en X/Twitter.

La metodología establecida ha sido una revisión de la literatura científica siguiendo las etapas y directrices de la revisión sistemática de artículos científicos (Sánchez-Meca, 2022). Se recabaron las investigaciones sobre la comunicación de las autolesiones entre los jóvenes en redes sociales vía X/Twitter. Las tareas realizadas en la revisión (Emparanza y Urreta, 2005; Sánchez-Meca, 2022) han sido las siguientes: definición de los criterios de selección de los estudios; búsqueda y localización de estudios; selección y cribado de artículos; extracción de datos de los estudios; y síntesis e interpretación de los resultados: categorización de los temas tratados en las investigaciones.

2.1. Definición de los criterios de selección

Los criterios de elegibilidad seleccionados fueron: contenidos sobre autolesiones no suicidas (ANS) creados y compartidos por jóvenes y adolescentes en X/Twitter. En este trabajo se han definido los siguientes criterios para la discriminación de los artículos:

• Grupo de interés: la población del estudio deben ser adolescentes y/o jóvenes.
• Tema del artículo: debe tener relación con las autolesiones.
• Canal de difusión de los mensajes compartidos: red social X/Twitter.
• Idioma: se determinó que el idioma de la publicación fuera inglés o español.
• Tipo de fuente: el artículo debe estar publicado en Revistas de investigación
• Franja temporal: La década entre 2013 y (julio de) 2023.

2.2. Búsqueda de fuentes y estrategia de localización de las investigaciones

La búsqueda bibliográfica mediante palabras asociadas al contenido sobre autolesiones en X/Twitter se realizó en las bases de datos multidisciplinares e internacionales de mayor relevancia: Web of Science Core Collection, SCOPUS y Google Scholar. Los descriptores que se utilizaron fueron palabras clave en inglés referidas al objeto del estudio: ‘Twitter’; ‘adolescents’, ‘teen/s’, ‘young people’; y ‘self-harm’, ‘self-injury’, ‘cut’. En cuanto a la forma de relacionarlos con los operadores booleanos las combinaciones de términos utilizados fueron:

1. Twitter AND self-harm AND cut AND teen
2. Twitter AND self-harm AND cut AND teens
3. Twitter AND self-harm AND cut AND adolescents
4. Twitter AND self-harm AND cut AND young AND people.
5. Twitter AND self-injury AND cut AND teen
6. Twitter AND self-injury AND cut AND teens
7. Twitter AND self-injury AND cut AND adolescents
8. Twitter AND self-injury AND cut AND young AND people.

El número de artículos recuperados en esta primera búsqueda ascendió a 63.304 (Tabla 1). El cambio de nombre de la red social Twitter a X comenzó el 23 de julio de 2023 mientras se llevaba a cabo esta revisión.

2.3. Selección y cribado de artículos

En la etapa de selección de documentos se realizó una primera valoración del total de artículos recuperados mediante el acceso al título y al resumen. Se incluyeron en la base de datos de Excel del estudio aquellos artículos pertinentes a los mensajes sobre autolesiones en Twitter de jóvenes y adolescentes. Para esta primera criba se aplicaron las siguientes causas de exclusión (Tabla 2):

• el estudio no está relacionado con X (Twitter) o redes sociales.
• la investigación utiliza X (Twitter) como método para reclutar a sujetos que participen en la investigación.
• el artículo no está relacionada directamente con la autolesión.
• el foco de la investigación no está en los jóvenes /adolescentes.
• el artículo está escrito en otros idiomas (no inglés ni español).
• la referencia no corresponde a una publicación de revista de investigación, preprints o processing.
• el artículo está duplicado.

Como resultado de este primer filtro el número de artículos se redujo notablemente a 110. A continuación, el cuerpo de artículos resultante de la primera revisión se sometió a una evaluación más detenida entre los investigadores que, tras una elección por separado de los escritos, discutieron las discrepancias y consensuaron la selección definitiva de los más adecuados. Finalmente, el cuerpo de textos quedó compuesto por 15 artículos publicados entre 2023 y 2013.

Para la presentación del informe de la revisión sistemática se han seguido las directrices de la declaración PRISMA 2020 (Preferred Reporting Items for Systematic reviews and Meta-Analyses) que se puede aplicar a intervenciones sociales o educativas (Sánchez-Meca, 2022). Se ha construido el Diagrama de flujo PRISMA 2020 siguiendo las indicaciones de Yepes-Nuñez et al. (2021) que es la traducción del documento original de Page et al. (2021). Esta herramienta expone las fases de la revisión sistemática por las que se desarrolla el flujo de información indicando el número de registros identificados, excluidos y los que finalmente se incluyen. La Figura 1 expone el proceso de identificación, cribado e inclusión final de trabajos a analizar con este procedimiento y se basa en el diagrama de flujo para nuevas revisiones sistemáticas que incluyen únicamente búsquedas en bases de datos y registros por ser la más adecuada para la investigación llevada a cabo.

De las 63.304 referencias recuperadas en las tres bases de datos elegidas, una vez descartados los duplicados, aplicados los criterios de exclusión y revisados por los investigadores, han cumplido con los criterios de selección 15 artículos (Tabla 3). El 7% (1 artículo) del total de artículos se ha recuperado en SCOPUS y el 93% restante (14 artículos) en Google Scholar.

2.4. Extracción de datos

Tras la selección de los artículos definitivos se realizó la extracción de la información relevante respecto al objeto de análisis de este estudio. Se distinguen dos tipos de información relevante (Sánchez-Meca, 2022): los datos referidos a las características de los estudios y la información de resultados con relación a la cuestión planteada en la revisión. Los datos se incluyeron en una base de datos mediante tabla de Microsoft Excel.

Para la revisión y análisis de texto completo se extrajeron las siguientes características de los estudios presentados en los artículos: datos de identificación de los artículos (título, autor, año y país), hipótesis y preguntas de investigación, metodología de investigación utilizada y limitaciones, características de la muestra: criterios de selección, sujetos (franja de edad) artículos, y principales hallazgos: resultado y conclusiones (Tabla 3).

3. Resultados

Los hallazgos obtenidos de la revisión con relación a los objetivos marcados en la investigación son los siguientes:

3.1. Identificación de las investigaciones científicas sobre los contenidos de autolesiones creados y compartidos por los jóvenes y adolescentes en X/Twitter

Se han localizado y revisado 15 artículos cuyos rasgos de identificación se recogen en la Tabla 3. En cuanto al origen geográfico de las investigaciones por país: cinco proceden de Estados Unidos de América (3, 4, 9, 11, 12), cuatro de Reino Unido (5, 7, 8, 13), uno de España (14), uno de Canadá (15), uno de Japón (6), uno de Singapur (10) y uno de Brasil (1).

3.2. Determinación de los temas objeto de estudio de las investigaciones y sus áreas de especialización

Para identificar las principales temáticas tratadas en las investigaciones se llevó a cabo un análisis cualitativo (Gámez-Guadix et al., 2020) de los 15 artículos seleccionados. El resultado arrojó cuatro temas principales:

1. Identificación de los perfiles, usuarios y mensajes sobre autolesiones (n=6).
2. Sistemas de detección y prevención de las autolesiones (n=4).
3. Análisis de contenidos de los mensajes (n=2).
4. Análisis de la recepción de los mensajes en los públicos (n=1).

En cuanto a las áreas de conocimiento de las investigaciones, nueve se identifican como estudios multidisciplinares -Ciencias de la Comunicación+Informática (6, 14), Ciencias de la Salud+Informática (3, 4, 12), Psicología+Informática (9, 10), Ciencias de la Comunicación+Psicología (13), Derecho+Matemáticas (11)-, mientras que seis se adscriben a un área de conocimiento específica -Ciencias de la Salud (1, 7), Informática (5, 8), Ciencias de la Comunicación (2), Psicología (15)-.

3.3. Métodos e instrumentos utilizados para localizar el contenido sobre autolesiones en X/Twitter e identificar a los jóvenes y adolescentes que lo comparten

A la hora de realizar la selección de elementos a analizar dentro de X/Twitter, los estudios han adoptado distintos criterios de búsqueda y categorización dividiéndose entre los que se centran en usuarios (2, 7, 9, 10, 4), hashtags (5, 14, 8), keywords (1, 3, 11, 12, 13, 14) o cuentas corporativas (15). En las investigaciones del primer bloque existe una diferencia significativa que consiste en que la búsqueda de palabras, expresiones o hashtags relativos a ANS se hace después de una selección de usuarios concretos, limitando el universo de estudio. Esta selección se realiza con criterios específicos como haber publicado contenido multimedia de ANS (2), usuarios transexuales entre 14 y 18 años (7), usuarios que han sido diagnosticados con síntomas depresivos (9), usuarios autodeclarados con depresión (4), o usuarios registrados que se hayan suicidado o intentado suicidarse (10). En cuanto a la selección de hashtags o keywords, en general las relacionadas con ANS que más se repiten son ‘self-harm’ y ‘self-injury’ con y sin guion de separación, aunque también aparecen sistemas de categorización específicos como etiquetas (3), hashtags en lenguaje propio de la comunidad de jóvenes que se autolesionan como #shtwt o #ouchietwt (14) o búsquedas que incluyen frases o expresiones de varias palabras como ‘quiero hacerme daño’ (1).

Por lo que respecta al universo a analizar, los estudios se centran en la selección de tuits sin especificar un target concreto en la mayoría (75%) de los casos (1, 3, 4, 5, 6, 8, 9, 11, 12, 14, 15), analizando las características demográficas o sociales después de la criba efectuada por medio de keywords o hashtags. La segmentación por público, cuando tiene lugar, se efectúa de acuerdo con los objetivos concretos del estudio. En la revisión nos encontramos con público objetivo de jóvenes de 20 años (2), personas transexuales de entre 14 y 18 años (7), tanto hombres como mujeres entre 17 y 54 años (13) o usuarios de X/Twitter que se suicidaron o intentaron hacerlo en Singapur (10).

3.4. Metodologías utilizadas para el análisis de los contenidos compartidos sobre autolesiones por los jóvenes y adolescentes en X/Twitter

En cuanto a la temática 1 (identificación de los perfiles, usuarios y mensajes sobre autolesiones), todos los artículos revisados hacen uso de metodologías cuantitativas excepto uno (6), dirigido al análisis de personajes de ficción en relatos que muestran comportamientos de ANS. Las estrategias metodológicas cuantitativas se centran en la búsqueda de contenidos o usuarios relacionados con las ANS lo que incluye el uso de APIs o interfaces de programación de aplicaciones (3, 14), herramientas como Twitter Archive Google Sheets (TAGS) (5), así como en el análisis de contenido de los tuits (7) o el uso de modelos temáticos ayudados por algoritmos (5, 9). En lo que se refiere a metodologías cualitativas, se han utilizado enfoques fenomenológicos (2) y análisis temático (3, 13) de las publicaciones. Mientras que en la temática 2 (Sistemas de detección y prevención de las autolesiones), predomina la metodología cuantitativa (15, 10, 4, 12) con técnicas de minería de datos aplicado a texto y creación de modelos predictivos (4, 10); mientras que la parte cualitativa se centra en análisis de contenido cualitativo de los tuits (15, 12). Se repiten la minería de datos y el modelado de datos probabilístico (11) y el análisis de datos cualitativo (1) en la temática 3 (Análisis de contenidos de los mensajes). Y, por último, en la temática 4 (Análisis de la recepción de los mensajes en los públicos), se ha encontrado una aproximación metodológica cuantitativa basada en la búsqueda de hashtags a la que se suma un análisis de contenido (8).

4. Discusión

Diversos estudios han mostrado cómo las redes sociales son espacios utilizados de forma mayoritaria por jóvenes (Newman et al., 2023) siendo X/Twitter una de las que tiene más penetración entre adolescentes (Anderson, Faverio y Gottfried, 2023). Comienzan a crearse comunidades de jóvenes en redes sociales que comparten sus inquietudes sobre autolesiones (Lerman et al., 2023). La característica de estas comunidades es que crean un lenguaje propio mediante hashtags, palabras claves y expresiones, imágenes o memes excluyendo a los que no participan de sus intereses (Martínez-Pastor y Gaete-Salgado, 2023). Un lenguaje que es necesario conocer para acercarse a la comunidad saber de qué hablan e incluso poder ayudarles (Martínez-Pastor y Gaete-Selgado, 2023; Guccini y McKinley, 2022). La construcción de estas comunidades tiene como uno de sus ejes, el desarrollo de un lenguaje propio que se manifiesta en el hashtag. Esta realidad es el punto de partida de nueve de los estudios a la hora de cribar la muestra de análisis (1, 4, 7, 9, 10, 11, 12, 13, 15) principalmente en la selección de keywords. Si bien hay estudios donde la keyword es una o un número reducido de ellas -’self-harm’ (13), ‘Crisis Text Line’ (15), ‘self-mutilation’ (1), ‘self-harm/non suicidal self-injury’ (11)-, en la mayoría de este grupo las keywords varían entre 10 y 20 (7, 9, 10, 12) llegando a alcanzar más de 100 (4). De entre esta selección, las keywords más repetidas son: ‘self-harm’, ‘anorexia’, ‘cut’, ‘bulimia’, ‘scar’, ‘razor’, ‘blade’, ‘suicide’, ‘anxiety’, ‘bruise’, ‘sadness’, ‘rip-skin’ y ‘scratch’. Destacan los estudios donde la criba sí se hace a partir de hashtags (3, 8, 14) repitiéndose #selfharm y #selfinjury. En un caso (14), se extraen hasta 43 hashtags asociados a tres bloques —#selfharm, #shtwt y #ouchietwt— (Martínez-Pastor et al., 2024).

Ante esta situación es especialmente relevante la discusión entre los trabajos analizados con respecto al uso de X/Twitter y sus posibles consecuencias, tanto positivas como negativas, para los jóvenes con riesgo de autolesionarse. En primer lugar, encontramos estudios donde X/Twitter se percibe como un elemento positivo para las personas en riesgo de autolesionarse (7, 8, 12, 15), que inciden en las posibilidades de la red social para que estos usuarios puedan expresar sus emociones y vivencias sin sentirse juzgados (7), la contingencia de hacer uso de la información contenida en la red social para crear modelos predictivos que ayuden a evitar episodios de autolesiones (12), o en las oportunidades que tienen organizaciones dedicadas a la prevención para efectuar acciones de asesoramiento, ayuda y concienciación (8, 15). Mismo número de estudios (1, 2, 5, 13) optan por destacar la ambigüedad del uso de las redes sociales y la repercusión de los posts sobre las autolesiones no suicidas en los jóvenes con consecuencias tanto positivas como negativas, siendo estas últimas: la exposición a mensajes negativos que pueden incentivar futuras autolesiones (5), las dificultades para comunicarse entre los jóvenes con riesgo de autolesionarse y sus entornos familiares (2), y la comprensión y el sentirse considerados como una persona de valor en la comunidad. Estos aspectos podrían ayudar a normalizar la autolesión y perpetuar los comportamientos (1, 13). En solo dos estudios, los resultados exponen X/Twitter como una red con efectos netos negativos al relacionar los comentarios negativos en ella con una mayor incidencia de marcadores de depresión (9) o al concluir que la mayoría de los comentarios en la red social son etiquetados como negativos (29 etiquetas negativas frente a 2 positivas) (3). Por último, hay estudios donde X/Twitter no se analiza de manera positiva o negativa, sino desde una aproximación neutra (4, 6, 10, 11, 14).

Además, los estudios sobre comportamientos o comunicación de autolesiones en jóvenes y adolescentes dentro de X/Twitter parten de multiplicidad de aproximaciones teóricas y metodologías de análisis. En las investigaciones hay mayor presencia de estudios centrados en el desarrollo de modelos matemáticos e informáticos (4, 5, 9, 10), incluyendo la creación de algoritmos automatizados o con pautas conocidas como Machine Based Learning (Samoili et al., 2021). Por tanto, y como se ha expuesto en la revisión de la literatura existente, el uso, no solo de distintas APIs, sino también de programas big data, es ahora recurrente en la búsqueda y selección de información en redes sociales. Es prioritario identificar esta incipiente comunidad digital de jóvenes en torno al tema de las ANS en redes sociales ya sea con hashtag o con palabras clave.

Si el foco se dirige a los objetivos de los estudios analizados, solo uno se orienta a valorar las acciones de una organización de ayuda frente a ANS (15) a través de su cuenta de X/Twitter @CrisisTextLine, y llega a la conclusión de que la existencia de esta cuenta tiene un efecto positivo sobre jóvenes que pueden llegar a autolesionarse al ser capaces de aconsejar a dichos jóvenes, pero también a personas de su círculo familiar y/o personal. La prevención contra autolesiones se centra en la creación de modelos que, a partir de una serie de interacciones en X/Twitter, podrían calcular el riesgo de autolesionarse que tendría un usuario de la plataforma (4, 5, 9, 10). Aunque los resultados de dichos modelos son prometedores, con tasas de éxito de más del 70% en el modelo que predice tendencias suicidas (4), están lejos de haber alcanzado una efectividad que les permita ser adoptados con garantías por administraciones públicas o servicios de salud tanto públicos como privados. Por otra parte, no se han encontrado propuestas de intervención relativas a la prevención de comportamientos tendentes a la ANS, a pesar de la mención expresa sobre la importancia de acciones de salud pública que monitoricen posibles contenidos de autolesiones (1, 12). El corpus estudiado se ha enfocado en analizar e interpretar las acciones de los usuarios, posponiendo otro tipo de acciones como la alfabetización digital o el desarrollo de pautas como manuales de buenas prácticas.

Siguiendo a Duarte Tánori et al. (2021), llama la atención que no haya estudios que aborden este comportamiento como un fenómeno multifactorial y multicausal ni trabajos que analicen contextos de socialización en ambientes académicos y familiares o que describan factores de riesgo y de protección asociados al uso del espacio público. Así mismo, destaca la nula presencia de trabajos cualitativos sobre la comunicación en la comunidad digital. Por todo ello, sería adecuado realizar futuras investigaciones en estas líneas de trabajo.

5. Conclusiones

La conclusión principal de la revisión realizada sobre los contenidos de autolesiones en X/Twitter compartidos por jóvenes y adolescentes es que la producción científica sobre el tema acotado es escasa frente a investigaciones que estudian los contenidos sobre autolesiones online (SCO-Self-harm Content Online) en diversas comunidades y redes sociales.

La mayoría de los estudios encontrados en el proceso de búsqueda hacen referencia a las ANS como factor asociado a la depresión y previo a los pensamientos suicidas e intentos de suicidio, pero nunca como un comportamiento en sí mismo. Esto parece que ha frenado el estudio centrado en las autolesiones, en su prevención y en su aparición en la infancia y adolescencia. Comprender por qué los jóvenes comienzan a practicar la autolesión es una clave fundamental para dar respuesta a la necesidad que provoca este comportamiento por otras vías no autodestructivas. Se requiere de herramientas tecnológicas para la detección y localización de los mensajes que solo es posible realizar aunando perspectivas de diversas disciplinas científicas. De hecho, la Informática es la disciplina científica que más ha avanzado en la detección de contenido sobre autolesiones en red mediante el entrenamiento de la inteligencia artificial para el procesamiento del lenguaje escrito y su interpretación contextual que permite distinguir entre el uso literal y el figurativo, por ejemplo. En este sentido, se sugiere un abordaje interdisciplinar que integre metodologías probadas que se puedan adaptar para superar las limitaciones encontradas hasta el momento.

Al mismo tiempo, hay que tener en cuenta que las redes sociales evolucionan y los jóvenes y adolescentes migran a plataformas de contenidos más atractivos y de aparente novedad (como Tik-Tok). De manera que la información recogida en esta investigación puede servir de base para seguir la búsqueda de los contenidos compartidos en el entorno digital para llegar a los jóvenes y adolescente y procurarles la ayuda necesaria.

Contribución de los autores

Esther Martínez-Pastor: Conceptualización, Análisis formal, Adquisición de fondos, Investigación, Metodología, Administración de proyecto, Visualización, Redacción – borrador original, Redacción – revisión y edición. María Ascensión Miralles González-Conde: Conceptualización, Análisis formal, Investigación, Metodología, Visualización, Redacción – borrador original, Redacción – revisión y edición. Pablo Sánchez-López: Conceptualización, Análisis formal, Investigación, Metodología, Visualización, Redacción – borrador original, Redacción – revisión y edición. Todos los autores han leído y aceptado la versión publicada del manuscrito.

Conflictos de interés

Los autores declaran no tener conflicto de intereses.

Fuentes de financiación

Este trabajo ha sido financiado por el Plan Nacional del Ministerio de Ciencia e Innovación en el que se desarrolla el proyecto “Representación mediática de las autolesiones de los menores en los medios de comunicación y Redes” (PID2021-124550OB-I00).

Referencias

Abi-Jaoude, Elia; Naylor, Karline Treurnicht, & Pignatiello, Antonio. (2020). Smartphones, social media use and youth mental health. Canadian Medical Association Journal (CMAJ), 192(6), E136–E141. https://doi.org/10.1503/cmaj.190434

Alhassan, Muhammad Abubakar; Inuwa-Dutse, Isa; Bello, Shehu; & Pennington, Diane. (2021). Self-harm: Detection and support on Twitter. En ECSM 2021: 8th European Conference on Social Media. https://doi.org/10.48550/arXiv.2104.00174

Alhassan, Muhammad Abubakar; & Pennington, Diane. (2021). Investigating non-suicidal self-injury discussions on Twitter. En Proceedings of the International Conference on Social Media and Data Mining (ICSMDM). https://pure.strath.ac.uk/ws/portalfiles/portal/120117781/Alhassan_Pennington_ICSMDM_2021_Investigating_non_suicidal_self_injury_discussions_on_twitter.pdf

American Psychiatric Association. (2022). Diagnostic and Statistical Manual of Mental Disorders, Fifth Edition, Text Revision (DSM-5-TR). https://www.migna.ir/images/docs/files/000058/nf00058253-2.pdf

Anderson, Monica; Faverio, Michelle; & Gottfried, Jeffrey. (2023). Teens, Social Media and Technology 2023. Pew Research Center. https://www.pewresearch.org/internet/2023/12/11/teens-social-media-and-technology-2023/

Asociación Española de Pediatría (AEP). (2022). Posicionamiento sobre el aumento de autolesiones y suicidio en niños y adolescentes. Comunicado de la Asociación Española de Pediatría (AEP). https://www.aeped.es/noticias/posicionamiento-sobre-aumento-autolesiones-y-suicidio-en-ninos-y-adolescentes

Asociación Española de Pediatría de Atención Primaria (AEPAP). (s.f.). https://www.aepap.org/

Brown, Rebeca; Fischer, Tin; Goldwich, David; Keller, Ferdinand; Young, Robert; & Plener, Paul. (2018). # cutting: non-suicidal self-injury (NSSI) on Instagram. Psychological medicine, 48(2), 337-346. https://doi.org/10.1017/S0033291717001751

Cipriano, Annarosa; Cella, Stefania; & Cotrufo, Paolo. (2017). Nonsuicidal self-injury: A systematic review. Frontiers in Psychology, 8: 1946. https://doi.org/10.3389/fpsyg.2017.01946

Coady, Alanna; Lainchbury, Keeley; Godard, Rebecca; & Holtzman, Susan. (2022). What Twitter can tell us about user experiences of crisis text lines: A qualitative study. Internet Interventions, 28, 100526. https://doi.org/10.1016/j.invent.2022.100526

Das Gollapalli, Sujatha; Zagatti, Guilherme Augusto; & Ng, See-Kiong. (2021). Suicide risk prediction by tracking self-harm aspects in tweets: NUS-IDS at the CLPsych 2021 shared task. En Proceedings of the Seventh Workshop on Computational Linguistics and Clinical Psychology: Improving Access (pp. 93–98). Association for Computational Linguistics. https://doi.org/10.18653/v1/2021.clpsych-1.10

Duarte Tánori, Karen Guadalupe; Vera Noriega, José Ángel; & Fregoso Borrego, Daniel. (2021). Factores contextuales relacionados a las conductas de autolesión no suicidas: una revisión sistemática. Psicología y Salud, 31(1), 51–59. https://doi.org/10.25009/pys.v31i1.2675

Emparanza, José Ignacio; & Urreta, Iratxe. (2005). Revisión sistemática y meta-análisis. Anales de pediatría continuada, 3(6), 1-9.

Faura-Garcia, Juan; Orue, Izaskun; & Calvete, Esther. (2021). Clinical assessment of non-suicidal self-injury: A systematic review of instruments. Clinical psychology & psychotherapy, 28(4), 739-765. https://doi.org/10.1002/cpp.2537

Faura-Garcia, Juan; Orue, Izaskun; & Calvete, Esther. (2022). Nonsuicidal Self-Injury Thoughts and Behavior in Adolescents: Validation of SITBI-NSSI. Psicothema, 34(4), 582-592. https://doi.org/10.7334/psicothema2022.13

Fernández, Rosa. (2024, 23 de octubre). Número de usuarios mensuales activos (MAU) de X (Twitter) a nivel mundial desde 2010 hasta 2023. Statista. https://acortar.link/GhuHyD

Fundación ANAR. (2023). Informe anual. Teléfono chat ANAR. https://www.anar.org/informe/informe-anual-telefono-chat-anar-2023/

Gámez-Guadix, Manuel; Almendros, Carmen; Rodríguez-Mondragón, Laura; & Mateos-Pérez, Estíbaliz. (2020). Autolesiones online entre adolescentes españoles: análisis de la prevalencia y de las motivaciones. Revista de Psicología Clínica con Niños y Adolescentes, 7(1), 9-15. https://doi.org/10.21134/rpcna.2020.07.1.1

Guccini, Federica; & McKinley, Gerald. (2022). “How deep do I have to cut?”: Non-suicidal self-injury and imagined communities of practice on Tumblr. Social Science & Medicine, 296, 114760. https://doi.org/10.1016/j.socscimed.2022.114760

Gustina Sari, Genny; & Wirman, Welly. (2022). Communication Patterns of Adolescent Self-Harm Suffering in Interpersonal Relationships. Journal Kajian Komunikasi, 10(29). https://doi.org/10.24198/jkk.v10i1.29384

Hilton, Charlotte. (2017). Unveiling self-harm behaviour: what can social media site Twitter tell us about self-harm? A qualitative exploration. Journal of Clinical Nursing, 26(11-12), 1690-1704. https://doi.org/10.1111/jocn.13575

Jashinsky, Jared; Burton, Scott H.; Hanson, Carl L.; West, Josh; Giraud-Carrier, Christophe; Barnes, Michael; & Argyle, Trenton. (2014). Tracking suicide risk factors through Twitter in the US. Crisis, 35(1), 1-9. https://doi.org/10.1027/0227-5910/a000234

Khasawneh, Amro; Madathil, Kapil Chalil; Zinzow, Heidi; Wisniewski, Pamela; Ponathil, Amal; Hunter, Rogers; Agnisarman, Struthy; Roth, Rebecca; & Narasimhan, Meera. (2021). An investigation of the portrayal of social media challenges on YouTube and Twitter. ACM Transactions on Social Computing, 4(1), 1-23. https://doi.org/10.1145/3444961

Klonsky, Eric David. (2011). Non-suicidal self-injury in United States adults: prevalence, sociodemographics, topography and functions. Psychological Medicine, 41(9), 1981–1986. https://doi.org/10.1017/S0033291710002497

Kuric, Stribor; Sanmartín, Anna; Ballesteros, José Carlos; & Gómez Miguel, Alejandro. (2023). Barómetro Juventud, Salud y Bienestar 2023. Centro Reina Sofía de Fad Juventud. https://doi.org/10.52810.5281/zenodo.88170910

Leiva, Oscar. (2023, 9 de octubre). Autolesiones. Es importante resaltar que la mayoría de personas que se provocan autolesiones no quieren terminar con sus vidas. UNICEF. https://acortar.link/h3QjMb

Lerman, Kristina; Karnati, Aryan; Shuchan, Zhou; Chen, Siyi; Kumar, Sudesh; He, Zihao; Yau, Joanna; & Horn, Abigai. (2023). Radicalized by Thinness: Using a Model of Radicalization to Understand Pro-Anorexia Communities on Twitter. Cornell University. https://arxiv.org/abs/2305.11316

López Vázquez, Paula; Armero Pedreira, Paula; Martínez-Sánchez, Lidia; García Cruz, Jose Manuel; Bonet de Luna, Concha; Notario Herrero, Félix; Sánchez Vázquez, Ana Rosa; Rodríguez Hernández, Pedro Javier; & Díez Suárez, Azucena. (2023). Autolesiones y conducta suicida en niños y adolescentes. Lo que la pandemia nos ha desvelado. Anales de pediatría, 98(3), 204-212. https://doi.org/10.1016/j.anpedi.2022.11.006

Martínez-Pastor, Esther; Atauri-Mezquida, David; Nicolás-Ojeda, Miguel Ángel; & Blanco-Ruiz, Marian. (2023). Visualización e interpretación de las interacciones en los mensajes de autolesiones no suicidas (ANS) en Twitter. Redes. Revista hispana para el análisis de redes sociales, 34(2), 238-253. https://doi.org/10.5565/rev/redes.996

Martínez-Pastor, Esther; & Gaete-Salgado, Catalina. (2023). Young content creators around self-harm: identifying metalanguages on X (Twitter). Revista panamericana de comunicación, 5(2), 55-70. https://doi.org/10.21555/rpc.v5i2.2984

Martínez-Pastor, Esther; Nicolás-Ojeda, Miguel Ángel; Blanco-Ruiz, Marian; & Moraleda, Raquel. (2024). Guía abre los ojos ante las autolesiones en redes sociales. https://burjcdigital.urjc.es/handle/10115/39148.

Ministerio de Sanidad. (2021). Estrategia de Salud Mental del SNS, período 2022-2026. Ministerio de Sanidad. Secretaría General Técnica. Centro de publiaciones. https://acortar.link/2FPpOV

Newman, Nic; Fletcher, Richard; Eddy, Kirsten; Robertson T., Craig; & Kleis Nielsen, Rasmus. (2023). Digital News Report 2023. Reuters Institute. https://reutersinstitute.politics.ox.ac.uk/sites/default/files/2023-06/Digital_News_Report_2023.pdf

Page, Matthew J.; McKenzie, Joanne E.; Bossuyt, Patrick M.; Boutron, Isabelle, Hoffmann, Tammy C.; Mulrow, Cynthia D., et al. (2021). The PRISMA 2020 statement: an updated guideline for reporti.ng systematic reviews. BMJ, 372(71). https://doi.org/10.1136/bmj.n71

Pérez, Sandra; García-Alandete, Joaquín; Gallego, Blanca; & Marco, José H. (2021). Characteristics and Unidimensionality of Non-suicidal Self-injury in a Community Sample of Spanish Adolescents. Psicothema, 33(2), 251–258. https://doi.org/10.7334/psicothema2020.249

Perry, I’Sis; & Park, Albert. (2021). Exploring Suicidality on Social Media: Qualitative Analysis of Twitter. En IEEE 9th International Conference on Healthcare Informatics (ICHI) 362-371. IEEE Computer Society. https://doi.org/10.1109/ICHI52183.2021.00061

Sánchez-Meca, Julio. (2022). Revisiones sistemáticas y meta-análisis en Educación: un tutorial. RiiTE, Revista interuniversitaria de investigación en Tecnología Educativa, 13, 5-40. https://doi.org/10.6018/riite.545451

Samoili, Sofia; López Cobo, Monserrat; Delipetrev, Blagoj; Martinez-Plumed, Fernando; Gómez, Emilia; & De Prato, Giuditta. (2021). AI Watch. Defining Artificial Intelligence 2.0. Towards an operational definition and taxonomy of AI for the AI landscape. Publications Office of the European Union, https://data.europa.eu/doi/10.2760/019901

Seko, Yukari; & Kikuchi, Minako. (2022). Mentally Ill and cute as hell: Menhera girls and portrayals of self-injury in Japanese popular culture. Frontiers in Communication, 7: 737761. https://doi.org/10.3389/fcomm.2022.737761

Silva, Aline Conceição; Giacchero Vedana, Kelly Graziani; Pereira dos Santos, José Carlos; Cristina Pillon, Sandra, Arena Ventura, Carla Aparecida; & Inocenti Miasso, Adriana. (2021). Analysis of nonsuicidal self-injury posts on Twitter: A quantitative and qualitative research. Research, Society and Development, 10(4). e40410413017. https://doi.org/10.33448/rsd-v10i4.13017

Simms, Drew. (2020). Peer responses to trans youth tweeting about self-harm and suicidality. Creative nursing, 26(2), 135-142. https://doi.org/10.1891/CRNR-D-19-00089

Smith, Hayden; & Cipolli, William. (2022). The Instagram/Facebook ban on graphic self-harm imagery: A sentiment analysis and topic modeling approach. Policy & Internet, 14(1), 170-185. https://doi.org/10.1002/poi3.272

Twitter. (2023, 2 de febrero). Twitter's Sensitive Media Policy. https://changewatch.co.uk/twitter/sensitive-media-policy/2023-02-02/

UNICEF. (2021a, 4 de marzo). Por lo menos 1 de cada 7 niños y jóvenes ha vivido confinado en el hogar durante gran parte del año, lo que supone un riesgo para su salud mental y su bienestar. [Comunicado de prensa] https://acortar.link/p5ddej

UNICEF. (2021b). Estado Mundial de la infancia 2021: En mi mente: Promover, proteger y cuidar la salud mental de la infancia. [Informe principal] https://acortar.link/Q244Vj

Wang, Yilin; Tang, Jiliang; Li, Jundong; Boaxini, Li; Wan, Yali; Mellina, Clayton, O’Hare, Neil; & Chang, Yi. (2017). Understanding and discovering deliberate self-harm content in social media. In Proceedings of the 26th international conference on World Wide Web. 93-102. https://doi.org/10.1145/3038912.3052555

Yadav, Shweta; Chauhan, Jainish; Sain, Joy Prakash; Thirunarayan, Krishnaprasad; Sheth, Amit; & Schumm, Jeremiah. (2020). Identifying depressive symptoms from tweets: Figurative language enabled multitask learning framework. Proceedings of the 28th International Conference on Computational Linguistics, 696–709. https://doi.org/10.18653/v1/2020.coling-main.61

Yazdavar, Amir Hossein; Al-Olimat, Hussein Saif; Ebrahimi, Monireh; Bajaj, Goonmeet; Banerjee, Tanvi; Thirunarayan, Krishnaprasad; Pathak, Jyotishman; & Sheth, Amit. (2017). Semi-supervised approach to monitoring clinical depressive symptoms in social media. En Proceedings of the 2017 IEEE/ACM international conference on advances in social networks analysis and mining 2017, 1191-1198. https://doi.org/10.1145/3110025.3123028

Yepes-Nuñez, Juan José; Urrútia, Gerard; Romero-García, Marta; & Alonso-Fernández, Sergio (Trad.). (2021). Declaración PRISMA 2020: una guía actualizada para la publicación de revisiones sistemáticas. Revista Española de Cardiología, 74(9), 790-799. https://doi.org/10.1016/j.rec.2021.07.010