Cáilíocht ilteangach ainmneacha drugaí i Wikidata

Is graf eolais CC0 é Wikidata a n-athúsáidtear a lipéid ilteangacha i mboscaí faisnéise Wikipedia, i seirbhísí aistriúcháin aitheantóirí agus i gcuardach ilteangach téarmaí. Reomar lipéid na 3,768 mír Wikidata ar fad a bhfuil cód ATC (P267) acu, i 20 teanga (34,207 lipéad), móide lipéid 10,823 mhír a bhfuil cóid ICD-10/ICD-11 acu. Cuireann seacht mbrathadóir rialbhunaithe bratach ar lipéid sa script mhícheart, ar ainmneacha branda, ar neamhréireanna salainn/máthairchomhdhúil, ar lipéid chomhroinnte, ar dhiallais ó ainmneacha idirnáisiúnta neamhdhílseánaigh (INN) EDS, ar chóid ICD mhífhoirmithe agus ar chóid ATC atá as feidhm. Rinne gníomhaire an staidéir, gníomhaire atá bunaithe ar LLM, athbhreithniú ceann ar cheann ar shampla randamach srathaithe de 118 mbratach (féach paper.md §3.1).

Bhí na bratacha script (0.71 do dhrugaí, 0.93 do ghalair), branda (0.83), lipéid chomhroinnte (1.00), formáide ICD-10 (13/13) agus ATC as feidhm (5/5) ceart den chuid is mó. Ní raibh na bratacha INN (0.19), salainn/máthairchomhdhúil (0.26) ná ATC dúblach (0/4) ceart, agus níl ICD-11 cinntithe (1/2).

Tá thart ar 0.9% de lipéid drugaí mícheart (≈312 as 34,207; 0.5% ag teorainneacha íochtaracha eatraimh mhuiníne 95% an bheachtais (precision)). Is teorainn íochtarach é seo maidir le haisghairm (recall). Tá na hearráidí comhchruinnithe in Urdais (39 in aghaidh gach 1,000 lipéad), i bPeirsis (35), i Rúisis (28) agus i Hiondúis (25), i gcomparáid le 2–4 in aghaidh gach 1,000 sna mórtheangacha a scríobhtar san aibítir Laidineach (seachas an Béarla). Ina measc tá:

• ainmneacha branda (Seroquel, Lyrica, Arcoxia);
• téacs Béarla agus botúin litrithe;
• ainm pearsanta nach mbaineann le hábhar: fa “mohamad” ar belimumab;
• lipéid a ainmníonn substaint eile (“pregabalin” ar flumequine, “omeprazole” ar esomeprazole).

In ICD-10 (P494), tá 2.5% de na luachanna neamhbhailí, gan raonta a áireamh; léiríonn 44 díobh an truailliú céanna de chód athdhéanta (“B2424.” do VEID/SEIF, “I10-I1515.” do hipirtheannas). In ATC, is cóid ar cuireadh cóid eile ina n-ionad (liosta athruithe EDS) iad 3.3% de na ráitis, ach tá an rang normal acu fós.

Bhí sé cinn de na seacht n-earráid ónár n-athbhreithniú roimhe seo (seiceáil thaiscéalaíoch ar 59 ndruga cóireála ainsealaí agus ar 34 ghalar ainsealach) fós ann; níor ceartaíodh an seachtú ceann ach go páirteach.

Molaimid 135 cheartúchán, a ndearna gníomhaire an staidéir athbhreithniú orthu ceann ar cheann, mar thogra QuickStatements (corrections.qs). Níor cuireadh an togra i bhfeidhm: athsheiceáil gach lastrevid agus pléigh é ag WikiProject Medicine ar dtús. Níl Wikidata curtha in eagar againn.