Calidade multilingüe dos nomes de fármacos en Wikidata

Wikidata é un grafo de coñecemento CC0 cuxas etiquetas multilingües reutilizan as caixas de información de Wikipedia, os servizos de tradución de identificadores e a busca multilingüe de termos. Conxelamos as etiquetas dos 3768 elementos de Wikidata que teñen un código ATC (P267) en 20 linguas (34.207 etiquetas), ademais de 10.823 elementos con códigos CIE-10/CIE-11. Sete detectores baseados en regras sinalan etiquetas nunha escrita equivocada, nomes comerciais, discrepancias sal/composto base, etiquetas compartidas, desviacións respecto da DCI da OMS, códigos CIE mal formados e códigos ATC obsoletos. O axente do estudo, un axente baseado nun LLM, revisou unha por unha unha mostra aleatoria estratificada de 118 alertas (véxase paper.md §3.1).

As alertas de escrita (0,71 en fármacos, 0,93 en enfermidades), de nome comercial (0,83), de etiqueta compartida (1,00), de formato CIE-10 (13/13) e de ATC obsoleto (5/5) foron maioritariamente correctas. As de DCI (0,19), sal/composto base (0,26) e ATC duplicado (0/4) non o foron, e a de CIE-11 queda indeterminada (1/2).

Arredor do 0,9 % das etiquetas de fármacos son erróneas (≈312 de 34.207; o 0,5 % cos límites inferiores do IC 95 % da precisión). É unha cota inferior no que respecta á exhaustividade (recall). Os erros concéntranse en urdú (39 por cada 1000 etiquetas), persa (35), ruso (28) e hindi (25), fronte a 2–4 por cada 1000 nas principais linguas de escrita latina (sen contar o inglés). Inclúen:

• nomes comerciais (Seroquel, Lyrica, Arcoxia);
• texto en inglés e erros ortográficos;
• un nome de persoa sen relación: fa «mohamad» no belimumab;
• etiquetas que nomean outra substancia («pregabalin» na flumequina, «omeprazole» no esomeprazol).

En CIE-10 (P494), o 2,5 % dos valores non son válidos, sen contar os rangos; 44 mostran a mesma corrupción por código repetido («B2424.» para VIH/sida, «I10-I1515.» para hipertensión). En ATC, o 3,3 % das declaracións son códigos substituídos (lista de alteracións da OMS) pero seguen con rango normal.

Seis dos sete erros da nosa revisión anterior (unha comprobación exploratoria de 59 fármacos de tratamento crónico e 34 enfermidades crónicas) seguían presentes; o sétimo só se corrixira en parte.

Propoñemos 135 correccións, revisadas unha por unha polo axente do estudo, como proposta de QuickStatements (corrections.qs). A proposta non se aplicou: antes hai que volver comprobar cada lastrevid e debatela no WikiProject Medicine. Non editamos Wikidata.