El reciente gran brote de enfermedades infecciosas, como enfermedades similares a la gripe y COVID-19, ha resultado en una avalancha de publicaciones relacionadas con la salud en Internet en general y en las redes sociales en particular, en una amplia gama de idiomas y dialectos en todo el mundo. La relación obvia entre el número de casos de enfermedades infecciosas y el número de publicaciones en redes sociales nos llevó a considerar cómo podemos aprovechar dicho contenido relacionado con la salud para detectar la aparición de enfermedades, especialmente enfermedades similares a la gripe, y fomentar sistemas de vigilancia de enfermedades. Utilizamos publicaciones en árabe argelino como un estudio de caso en nuestra investigación. Desde la recolección de datos hasta la clasificación de contenido, se implementó un flujo de trabajo completo. Las principales contribuciones de este trabajo son la creación de un gran corpus de publicaciones en árabe de Facebook basadas en el dialecto argelino y la propuesta de un nuevo modelo de clasificación basado en análisis de sentimientos y redes neuronales convolucionales unidimensionales. El modelo propuesto categoriza las publicaciones de Facebook en función de los sentimientos de los usuarios. Para contrarrestar el desequilibrio de datos, se han considerado dos técnicas, a saber, SMOTE y sobremuestreo aleatorio (ROS). Utilizando una validación cruzada de 5 pliegues, el modelo propuesto superó a otros modelos base y de última generación como SVM, LSTM, GRU y BiLTSM en términos de varios métricas de rendimiento.