S4 — Ravimite nimetuste mitmekeelne kvaliteet Wikidatas

Kokkuvõte

Wikidata on CC0-litsentsiga teadmusgraaf, mille mitmekeelseid silte kasutavad taas Vikipeedia infokastid, identifikaatorite tõlketeenused ja mitmekeelne terminiotsing. Külmutasime 20 keeles kõigi 3 768 ATC-koodiga (P267) Wikidata üksuse sildid (34 207 silti) ning lisaks 10 823 ICD-10/ICD-11-koodiga üksust. Seitse reeglipõhist detektorit märgistavad sildid vales kirjasüsteemis, kaubanimed, soola ja lähteühendi segiajamised, jagatud sildid, kõrvalekalded WHO INN-nimetustest, valesti vormistatud ICD-koodid ja aegunud ATC-koodid. Uuringuagent, LLM-põhine agent, vaatas 118 märgistuse kihistatud juhuvalimi ükshaaval läbi (vt paper.md §3.1).

Märgistused kirjasüsteemi (0,71 ravimid, 0,93 haigused), kaubanime (0,83), jagatud sildi (1,00), ICD-10 vormingu (13/13) ja aegunud ATC (5/5) kohta olid enamasti õiged. INN-i (0,19), soola/lähteühendi (0,26) ja dubleeritud ATC (0/4) märgistused ei olnud ning ICD-11 tulemus on määramata (1/2).

Umbes 0,9% ravimisiltidest on valed (≈312 silti 34 207-st; täpsuse 95% UV alumiste piiride juures 0,5%). See on alampiir saagise (recall) suhtes. Vead koonduvad urdu (39 viga tuhande sildi kohta), pärsia (35), vene (28) ja hindi (25) keelde, samas kui suuremates ladina kirjaga keeltes (v.a inglise keel) on neid 2–4 tuhande kohta. Nende hulgas on:

kaubanimed (Seroquel, Lyrica, Arcoxia);
ingliskeelne tekst ja kirjavead;
mitteseotud isikunimi: fa „mohamad“ üksusel belimumab;
sildid, mis nimetavad teist ainet („pregabalin“ üksusel flumekiin, „omeprazole“ üksusel esomeprasool).

ICD-10-s (P494) on 2,5% väärtustest kehtetud, vahemikud välja arvatud; 44 väärtust näitavad sama korduva koodi rikkumist („B2424.“ HIV/AIDS-i puhul, „I10-I1515.“ hüpertensiooni puhul). ATC-s on 3,3% väidetest koodid, mis on asendatud (WHO muudatuste loend), kuid mille astak on endiselt tavaline.

Kuus seitsmest meie varasemas ülevaatuses (59 pikaajalise ravi ravimi ja 34 kroonilise haiguse uurivas kontrollis) leitud veast olid endiselt alles; seitsmes oli parandatud ainult osaliselt.

Pakume välja 135 parandust, mille uuringuagent on ükshaaval üle vaadanud, QuickStatements-vormingus ettepanekuna (corrections.qs). Ettepanekut ei ole rakendatud: kõigepealt kontrollige uuesti iga lastrevid ja arutage seda projektis WikiProject Medicine. Me ei ole Wikidatat muutnud.

Viita sellele uuringule

Viide

EasyxLab (2026). Multilingual quality of drug names in Wikidata. Study S4. EasyByte Hub S. Coop. Mad. https://github.com/easybytehub/easyxlab/tree/main/studies/s4-wikidata-drug-labels

BibTeX

@techreport{easyxlab_s4,
  title       = {Multilingual quality of drug names in Wikidata},
  author      = {{EasyxLab}},
  institution = {EasyByte Hub S. Coop. Mad.},
  number      = {S4},
  year        = {2026},
  url         = {https://github.com/easybytehub/easyxlab/tree/main/studies/s4-wikidata-drug-labels}
}

Kokkuvõte

Viita sellele uuringule

Seotud uuringud