Caracterização da dinâmica informacional sobre semaglutida no YouTube: análise de conteúdo, engajamento e sinais sociais
Resumo
O uso de plataformas digitais como fonte de informação em saúde tem ampliado o acesso ao conhecimento, mas também a exposição a conteúdos imprecisos. Este estudo caracteriza o ecossistema informacional sobre a semaglutida no YouTube, integrando análise de conteúdo, métricas de engajamento e modelagem de tópicos dos comentários. A base foi coletada por meio da API oficial da plataforma, considerando o período de 2019 a 2025. Os resultados indicam predominância de conteúdos classificados como Informação com Ressalvas (49%), enquanto conteúdos desinformativos, embora minoritários (12%), apresentam alto engajamento, com mais de 4 milhões de visualizações e 200 mil comentários. A modelagem de tópicos revela que a discussão pública é fortemente orientada por relatos de experiências pessoais, com menor presença de conteúdos relacionados a aspectos clínicos e riscos.Referências
Carvalho, J. Q. M. d., Caetano, J. D. S., Bokehi, J. R., and Castilho, S. R. d. (2025). Obesidade: qual a qualidade das informações sobre tratamento farmacológico disponíveis no youtube? RECIIS.
Cavalini, A., Turi, L., Pacheco, A., and Comarela, G. (2025). Uma abordagem baseada em llms para análise de desinformação sobre vacinas. In Simpósio Brasileiro de Computação Aplicada à Saúde.
Depoix, J. (2023). Youtube transcript api. [link]. Acesso em: 2026.
Dias, A., Tanure, R. R., Almeida, J., Lima, H., and Ferreira, C. (2024). Análise da percepção do uso de cigarros eletrônicos no brasil por meio de comentários no youtube. In Brazilian Symposium on Multimedia and the Web.
Fantaus, S. S. (2023). Uso irracional de medicamentos: análise do conteúdo veiculado no tiktok sobre medicamentos e suplementos emagrecedores. Trabalho de Conclusão de Curso, Universidade Federal do Rio Grande do Sul, Porto Alegre.
Google (2024a). Gemini api documentation. [link]. Acesso em: 2026.
Google (2024b). Google cloud natural language api. [link]. Acesso em: 2026.
Google (2024c). Youtube data api (v3). [link]. Acesso em: 2026.
Grootendorst, M. (2022). Bertopic: Neural topic modeling with a class-based tf-idf procedure. arXiv preprint arXiv:2203.05794.
Henz, M., Heckler, W., and Barbosa, J. (2025). Uma avaliação da capacidade de modelos de linguagem para análise de sentimentos em um contexto de saúde mental. In Simpósio Brasileiro de Computação Aplicada à Saúde.
International Telecommunication Union (2023). Measuring digital development: Facts and figures 2023. Disponível em: [link]. Acesso em: 25 jan. 2025.
Khazaal, Y., Chatton, A., Cochand, S., Coquard, O., Fernandez, S., Khan, R., Billieux, J., and Zullino, D. (2009). Brief discern, six questions for the evaluation of evidence-based content of health-related websites. Patient Education and Counseling, 77(1):33–37.
Landis, J. R. and Koch, G. G. (1977). The measurement of observer agreement for categorical data. Biometrics, 33(1):159–174.
Oliveira, C. C., Braga, L. H. G., Jordão, P. A., and Silva, C. A. (2026). Uso off label da semaglutida (ozempic®) por indivíduos não diabéticos para perda de peso. Revista Científica FACS.
Pombeiro, F. R. M., Almeida, A. G. d., Oliveira, L. d. R., and Maciel, D. V. (2025). A automedicação de semaglutida para a perda de peso no brasil. Aurum Revista Multidisciplinar.
Silva, E. A. S., Costa, G. S. d., Oliveira, T. B. d., and Conceição, M. S. d. (2026). O uso indiscriminado de semaglutida para fins estéticos: suas causas e consequências em uma revisão bibliográfica. Pensar Acadêmico.
Souza, R. A. d., Santos, A. C. O., and Hott, S. C. (2025). Os efeitos e riscos do uso de fármacos para emagrecimento: uma abordagem científica. Revista Multidisciplinar Integrada – REMI, 6(1):1–12.
Teixeira, M. C. and Reis, J. C. S. (2023). Análise do discurso de Ódio em comentários de vídeos no youtube: Um estudo de caso da cpi da covid-19 no brasil. In Brazilian Symposium on Databases.
World Health Organization (2020). Managing the covid-19 infodemic: promoting healthy behaviours and mitigating the harm from misinformation and disinformation. [link]. Acesso em: 27 abr. 2026.
YouTube (2024). Youtube creator awards. [link]. Acesso em: 2026.
Cavalini, A., Turi, L., Pacheco, A., and Comarela, G. (2025). Uma abordagem baseada em llms para análise de desinformação sobre vacinas. In Simpósio Brasileiro de Computação Aplicada à Saúde.
Depoix, J. (2023). Youtube transcript api. [link]. Acesso em: 2026.
Dias, A., Tanure, R. R., Almeida, J., Lima, H., and Ferreira, C. (2024). Análise da percepção do uso de cigarros eletrônicos no brasil por meio de comentários no youtube. In Brazilian Symposium on Multimedia and the Web.
Fantaus, S. S. (2023). Uso irracional de medicamentos: análise do conteúdo veiculado no tiktok sobre medicamentos e suplementos emagrecedores. Trabalho de Conclusão de Curso, Universidade Federal do Rio Grande do Sul, Porto Alegre.
Google (2024a). Gemini api documentation. [link]. Acesso em: 2026.
Google (2024b). Google cloud natural language api. [link]. Acesso em: 2026.
Google (2024c). Youtube data api (v3). [link]. Acesso em: 2026.
Grootendorst, M. (2022). Bertopic: Neural topic modeling with a class-based tf-idf procedure. arXiv preprint arXiv:2203.05794.
Henz, M., Heckler, W., and Barbosa, J. (2025). Uma avaliação da capacidade de modelos de linguagem para análise de sentimentos em um contexto de saúde mental. In Simpósio Brasileiro de Computação Aplicada à Saúde.
International Telecommunication Union (2023). Measuring digital development: Facts and figures 2023. Disponível em: [link]. Acesso em: 25 jan. 2025.
Khazaal, Y., Chatton, A., Cochand, S., Coquard, O., Fernandez, S., Khan, R., Billieux, J., and Zullino, D. (2009). Brief discern, six questions for the evaluation of evidence-based content of health-related websites. Patient Education and Counseling, 77(1):33–37.
Landis, J. R. and Koch, G. G. (1977). The measurement of observer agreement for categorical data. Biometrics, 33(1):159–174.
Oliveira, C. C., Braga, L. H. G., Jordão, P. A., and Silva, C. A. (2026). Uso off label da semaglutida (ozempic®) por indivíduos não diabéticos para perda de peso. Revista Científica FACS.
Pombeiro, F. R. M., Almeida, A. G. d., Oliveira, L. d. R., and Maciel, D. V. (2025). A automedicação de semaglutida para a perda de peso no brasil. Aurum Revista Multidisciplinar.
Silva, E. A. S., Costa, G. S. d., Oliveira, T. B. d., and Conceição, M. S. d. (2026). O uso indiscriminado de semaglutida para fins estéticos: suas causas e consequências em uma revisão bibliográfica. Pensar Acadêmico.
Souza, R. A. d., Santos, A. C. O., and Hott, S. C. (2025). Os efeitos e riscos do uso de fármacos para emagrecimento: uma abordagem científica. Revista Multidisciplinar Integrada – REMI, 6(1):1–12.
Teixeira, M. C. and Reis, J. C. S. (2023). Análise do discurso de Ódio em comentários de vídeos no youtube: Um estudo de caso da cpi da covid-19 no brasil. In Brazilian Symposium on Databases.
World Health Organization (2020). Managing the covid-19 infodemic: promoting healthy behaviours and mitigating the harm from misinformation and disinformation. [link]. Acesso em: 27 abr. 2026.
YouTube (2024). Youtube creator awards. [link]. Acesso em: 2026.
Publicado
01/06/2026
Como Citar
FREITAS, Samira R.; BRANDÃO, Michele A.; OLIVEIRA, Leonardo R.; LIMA, Helen C. S. C..
Caracterização da dinâmica informacional sobre semaglutida no YouTube: análise de conteúdo, engajamento e sinais sociais. In: WORKSHOP ON MINING DIGITAL AND SOCIAL SIGNALS FOR PUBLIC HEALTH - SIMPÓSIO BRASILEIRO DE COMPUTAÇÃO APLICADA À SAÚDE (SBCAS), 26. , 2026, Ouro Preto/MG.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2026
.
p. 413-422.
ISSN 2763-8987.
DOI: https://doi.org/10.5753/sbcas_estendido.2026.26488.
