Percepção da população brasileira em relação às vacinas contra a COVID-19 no X (antigo Twitter): análise de sentimentos
DOI:
https://doi.org/10.30968/jhphs.2026.171.1375Resumo
Introdução: A vacinação contra a COVID-19 se tornou, entre 2020 e 2022, um dos principais temas de discussão nas redes sociais. Os sentimentos relacionados a esses temas podem ou não estar associados à adesão à vacinação e, consequentemente, terem impactado o contágio e a progressão da doença. Este artigo teve como objetivo analisar o sentimento dos usuários do X/Twitter em relação às vacinas contra a COVID-19 disponibilizadas pelo Ministério da Saúde do Brasil.
Métodos: Foram analisados tweets publicados durante o ano de 2021, disponibilizados pela Interface de Programação de Aplicações (API) da plataforma Twitter. A linguagem de programação Python foi utilizada para extração e processamento dos dados, e o software Power BI foi utilizado para a geração dos gráficos. Um léxico na língua portuguesa brasileira foi desenvolvido. O modelo de classificação escolhido foi o classificador de extra trees.
Resultados: Foram extraídos 2.202.571 tweets referentes às seguintes vacinas: CoronaVac (642.465); AstraZeneca (472.449); Janssen (162.056) e Pfizer (952.601). Em janeiro de 2021, foram identificados mais de 100.000 tweets relacionados à CoronaVac. Destes, 41,7% estavam relacionados a sentimentos positivos e apenas 18,5% a sentimentos negativos. Considerando o ano de 2021, a vacina da Janssen, entre as mais de 50.000 publicações analisadas, teve 40,4% de sentimentos neutros e 33,9% negativos. Em junho de 2021, foram identificadas 101.952 publicações relacionadas à vacina AstraZeneca, sendo 63,66% com sentimentos neutros. Em relação às postagens sobre a vacina da Pfizer, em 1º de maio de 2021, foram encontradas 124.058 postagens, sendo aproximadamente 54,52% associadas a sentimento neutro.
Conclusão: A maioria dos sentimentos obtidos para todas as vacinas foi neutra. No entanto, também foi possível observar que a CoronaVac, apesar da publicidade negativa, foi amplamente aceita pela população, tendo a maioria dos sentimentos expressos de forma positiva, se considerados em comparação com os dados das outras vacinas.
Downloads
Referências
1. Medeiros EAS. Desafios para o enfrentamento da pandemia COVID-19 em hospitais universitários. Ver Paul Pediatr. 2020;38:e2020086. doi: 10.1590/1984-0462/2020/38/2020086
2. Almars AM, Atlam ES, Noor TH, et al. Users opinion and emotion understanding in social media regarding COVID-19 vaccine. Computing. 2022;104(6):1481-1496. doi:10.1007/s00607-022-01062-9
3. Fernandes-de-Oliveira G, Massarani L, Oliveira T, et al. A vacina no Instagram: estudo das emoções expressas no contexto brasileiro. Rev Mediterr Comun. 2023;14(2):283-298. doi:10.14198/medcom.24190
4. Jang H, Rempel E, Roth D, et al. Tracking COVID-19 discourse on Twitter in North America: Infodemiology study using topic modeling and aspect-based sentiment analysis. J Med Internet Res. 2021;23(2):e25431. doi:10.2196/25431
5. Monari ACP, Araújo KM de, Souza MR de, et el. Legitimando um populismo anticiência: análise dos argumentos de Bolsonaro sobre a vacinação contra Covid-19 no Twitter. Liinc Em Rev. 2021;17(1):e5707. doi:10.18617/liinc.v17i1.5707
6. Massarani L, Brotas A, Costa MCR, et al. Vacinas contra a COVID-19 e o combate à desinformação na cobertura da Folha de S. Paulo. Front - estud midiáticos. 2021;23(2):29-43. doi:10.4013/fem.2021.232.03
7. Bisol J. Politização da vacina é irresponsabilidade sanitária. Cad Ibero-Am Direito Sanit. 2020;9(4):192-197. doi:10.17566/ciads.v9i4.751
8. Sharma C, Whittle S, Haghighi PD, et al. Sentiment analysis of social media posts on pharmacotherapy: A scoping review. Pharmacol Res Perspect. 2020;8(5). doi:10.1002/prp2.640
9. Moreira VDS, Siqueira SW, Andrade L, Pimentel M. Análise de Sentimentos: Comparando o uso de ferramentas e a análise humana. Florianópolis: Anais do Simpósio Brasileiro de Sistemas de Informação; 2016.
10. Bee GR, Pinto DD, Da Silva ACCA, et al. Vacinas contra COVID-19 disponíveis no Brasil / Vaccines against COVID-19 available in Brazil. Braz J Dev. 2022;8(1):6246-6263. doi:10.34117/bjdv8n1-422
11. Mitchell JBO. Three machine learning models for the 2019 Solubility Challenge. ADMET DMPK. 2020;8(3):215-250. doi:10.5599/admet.835
12. Ferreira J, Oliveira HG, Rodrigues R. Improving NLTK for Processing Portuguese. Open Access Series in Informatics. 2019;74:18:1–18:9. doi:10.4230/OASIcs.SLATE.2019.18
13. Saleiro P, Sarmento L, Rodrigues EM, et al. Learning Word Embeddings from the Portuguese Twitter Stream: A Study of Some Practical Aspects. arXiv preprint. 2017;v(1):1-12. doi:10.48550/arXiv.1709.00947
14. Garcia K, Berton L. Topic detection and sentiment analysis in Twitter content related to COVID-19 from Brazil and the USA. Appl Soft Comput. 2021;101(107057):107057. doi:10.1016/j.asoc.2020.107057
15. de Melo T, Figueiredo CMS. Comparing news articles and tweets about COVID-19 in Brazil: Sentiment analysis and topic modeling approach. JMIR Public Health Surveill. 2021;7(2):e24585. doi:10.2196/24585
16. Liu S, Liu J. Public attitudes toward COVID-19 vaccines on English-language Twitter: A sentiment analysis. Vaccine. 2021;39(39):5499-5505. doi:10.1016/j.vaccine.2021.08.058
17. Barreto S, Moura R, Carvalho J, et al. Sentiment analysis in tweets: an assessment study from classical to modern word representation models. Data Min Knowl Discov. 2023;37(1):318-380. doi:10.1007/s10618-022-00853-0
18. Sun X, Wagner AL, Ji J, et al. A conjoint analysis of stated vaccine preferences in Shanghai, China. Vaccine. 2020;38(6):1520-1525. doi:10.1016/j.vaccine.2019.11.062
19. Wagner AL, Boulton ML, Sun X, et al. Perceptions of measles, pneumonia, and meningitis vaccines among caregivers in Shanghai, China, and the health belief model: a cross-sectional study. BMC Pediatr. 2017;17(1). doi:10.1186/s12887-017-0900-2
20. Roy DN, Biswas M, Islam E, et al. Potential factors influencing COVID-19 vaccine acceptance and hesitancy: A systematic review. PLoS One. 2022;17(3):e0265496. doi:10.1371/journal.pone.0265496
21. Carvalho EM de, Santos Junior MA do, Neves LFF, et al. Vacinas e redes sociais: o debate em torno das vacinas no Instagram e Facebook durante a pandemia de COVID-19 (2020-2021). Cad Saude Publica. 2022;38(11):e00054722. doi:10.1590/0102-311xpt054722
22. Fleury S, Fava VMD. Vacina contra Covid-19: arena da disputa federativa brasileira. Saúde em Debate. 2022;46(spe1):248-264. doi:10.1590/0103-11042022e117
23. Galhardi CP, Freire NP, Fagundes MCM, et al. Fake News and vaccine hesitancy in the COVID-19 pandemic in Brazil. Cien Saude Colet. 2022;27(5):1849-1858. doi:10.1590/1413-81232022275.24092021en
24. Jaworsky BN, Qiaoan R. The politics of blaming: The narrative battle between China and the US over COVID-19. J Chin Polit Sci. 2021;26(2):295-315. doi:10.1007/s11366-020-09690-8
25. Huangfu L, Mo Y, Zhang P, et al. COVID-19 vaccine tweets after vaccine rollout: Sentiment–based topic modeling. J Med Internet Res. 2022;24(2):e31726. doi:10.2196/31726
26. de Figueiredo A, Larson HJ. Exploratory study of the global intent to accept COVID-19 vaccinations. Commun Med (Lond). 2021;1(1):1-10. doi:10.1038/s43856-021-00027-x
27. Fleury S, Fava VMD. Vacina contra Covid-19: arena da disputa federativa brasileira. Saúde em Debate. 2022;46(spe1):248-264. doi:10.1590/0103-11042022e117
28. Milani Rodrigues S, Pestillo de Oliveira L, França Garcia L. Imunização no Brasil: reflexões histórico-social e bioética da vacinação na promoção da saúde. Rev Latinoam Bioet. 2025;25(1):57-72. doi:10.18359/rlbi.6839
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2026 Autores
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Os autores transferem, atribuem ou transmitem à JHPHS: (1) o direito de conceder permissão para republicar ou reimprimir o material indicado, no todo ou em parte, sem taxa; (2) o direito de imprimir cópias republicadas para distribuição gratuita ou venda; e (3) o direito de republicar o material indicado em qualquer formato (eletrônico ou impresso). Além disso, o abaixo assinado afirma que o artigo descrito acima não foi publicado anteriormente, no todo ou em parte, não está sujeito a direitos autorais ou outros direitos, exceto pelo (s) autor (es), e não foi enviado para publicação em outros lugares, exceto como comunicado por escrito para JHPHS neste documento.
Os autores mantêm os direitos autorais e concedem à revista o direito de primeira publicação com o trabalho licenciado simultaneamente sob uma Licença de atribuição Creative Commons Attribution (CC-BY) que permite que outros compartilhem o trabalho com um reconhecimento da autoria do trabalho e publicação inicial nesta revista.
Politica de Auto-arquivamento
Autores tem permissão e são encorajados a submeter o documento final em pdf dos artigos a páginas pessoais ou portais institucionais, após sua publicação neste periódico (sempre oferecendo a referência bibliográfica do item).
