S4 — Višejezična kvaliteta naziva lijekova u Wikidata

Sažetak

Wikidata je graf znanja pod licencijom CC0 čije višejezične nazive ponovno upotrebljavaju infookviri Wikipedije, usluge za prevođenje identifikatora i višejezično pretraživanje pojmova. Zamrznuli smo nazive svih 3.768 stavki u Wikidata koje imaju kôd ATC (P267) na 20 jezika (34.207 naziva) te 10.823 stavke s kodovima ICD-10/ICD-11. Sedam detektora utemeljenih na pravilima označava nazive u pogrešnom pismu, zaštićena imena, neusklađenosti soli i matičnog spoja, zajedničke nazive, odstupanja od međunarodnih nezaštićenih naziva SZO-a (INN), neispravno oblikovane kodove ICD i zastarjele kodove ATC. Stratificirani slučajni uzorak od 118 oznaka pojedinačno je pregledao agent studije, agent utemeljen na LLM-u (vidi paper.md §3.1).

Oznake pisma (0,71 za lijekove, 0,93 za bolesti), zaštićenih imena (0,83), zajedničkih naziva (1,00), formata ICD-10 (13/13) i zastarjelih ATC-a (5/5) uglavnom su bile točne. Oznake INN (0,19), sol/matični spoj (0,26) i dupliciranih ATC-a (0/4) nisu bile, a za ICD-11 rezultat je neodređen (1/2).

Oko 0,9 % naziva lijekova pogrešno je (≈312 od 34.207; 0,5 % na donjim granicama 95 % CI preciznosti). To je donja granica s obzirom na odziv (recall). Pogreške su koncentrirane na urdskom (39 na 1.000 naziva), perzijskom (35), ruskom (28) i hindskom (25), naspram 2–4 na 1.000 u glavnim jezicima s latiničnim pismom (bez engleskog). Među njima su:

zaštićena imena (Seroquel, Lyrica, Arcoxia);
tekst na engleskom i pravopisne pogreške;
nepovezano osobno ime: fa „mohamad“ na belimumabu;
nazivi koji imenuju drugu tvar („pregabalin“ na flumekinu, „omeprazole“ na esomeprazolu).

U ICD-10 (P494) 2,5 % vrijednosti nije valjano, ne računajući raspone; 44 pokazuju isto oštećenje ponovljenim kodom („B2424.“ za HIV/AIDS, „I10-I1515.“ za hipertenziju). U ATC-u 3,3 % tvrdnji čine kodovi koji su zamijenjeni (popis izmjena SZO-a), ali i dalje imaju normalan rang.

Šest od sedam pogrešaka iz našeg ranijeg pregleda (eksploratorne provjere 59 lijekova za kroničnu terapiju i 34 kronične bolesti) i dalje je bilo prisutno; sedma je ispravljena samo djelomično.

Predlažemo 135 ispravaka, koje je pojedinačno pregledao agent studije, kao prijedlog za QuickStatements (corrections.qs). Prijedlog nije primijenjen: najprije ponovno provjerite svaki lastrevid i raspravite o njemu u WikiProject Medicine. Nismo uređivali Wikidata.

Citirajte ovu studiju

Citiranje

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}
}

Sažetak

Citirajte ovu studiju

Povezane studije