Kwalità multilingwi tal-ismijiet tal-mediċini f’Wikidata

Wikidata huwa graff tal-għarfien CC0 li t-tikketti multilingwi tiegħu jerġgħu jintużaw fl-infoboxes tal-Wikipedija, f’servizzi tat-traduzzjoni tal-identifikaturi u fit-tiftix multilingwi tat-termini. Iffriżajna t-tikketti tat-3,768 element kollha ta’ Wikidata li għandhom kodiċi ATC (P267) f’20 lingwa (34,207 tikketta), flimkien ma’ dawk ta’ 10,823 element b’kodiċijiet ICD-10/ICD-11. Seba’ ditekters ibbażati fuq regoli jindikaw tikketti fl-iskrittura ħażina, ismijiet kummerċjali, nuqqas ta’ qbil bejn melħ u sustanza ġenitur, tikketti kondiviżi, devjazzjonijiet mill-ismijiet mhux proprjetarji internazzjonali (INN) tad-WHO, kodiċijiet ICD ifformati ħażin u kodiċijiet ATC skaduti. Kampjun każwali stratifikat ta’ 118-il indikazzjoni ġie rieżaminat waħda waħda mill-aġent tal-istudju, aġent ibbażat fuq LLM (ara paper.md §3.1).

L-indikazzjonijiet tal-iskrittura (0.71 għall-mediċini, 0.93 għall-mard), tal-isem kummerċjali (0.83), tat-tikketta kondiviża (1.00), tal-format ICD-10 (13/13) u tal-ATC skadut (5/5) kienu fil-biċċa l-kbira korretti. Dawk tal-INN (0.19), tal-melħ/ġenitur (0.26) u tal-ATC duplikat (0/4) ma kinux, u l-ICD-11 mhux determinat (1/2).

Madwar 0.9% tat-tikketti tal-mediċini huma żbaljati (≈312 minn 34,207; 0.5% fil-limiti inferjuri tal-intervall ta’ kunfidenza ta’ 95% tal-preċiżjoni (precision)). Dan huwa limitu inferjuri fir-rigward tar-rata ta’ sejba (recall). L-iżbalji huma kkonċentrati fl-Urdu (39 għal kull 1,000 tikketta), il-Persjan (35), ir-Russu (28) u l-Ħindi (25), meta mqabbla ma’ 2–4 għal kull 1,000 fil-lingwi ewlenin bl-iskrittura Latina (minbarra l-Ingliż). Jinkludu:

• ismijiet kummerċjali (Seroquel, Lyrica, Arcoxia);
• test bl-Ingliż u żbalji ortografiċi;
• isem personali mhux relatat: fa “mohamad” fuq belimumab;
• tikketti li jsemmu sustanza differenti (“pregabalin” fuq flumequine, “omeprazole” fuq esomeprazole).

Fl-ICD-10 (P494), 2.5% tal-valuri huma invalidi, esklużi l-firxiet; 44 juru l-istess korruzzjoni b’kodiċi ripetut (“B2424.” għall-HIV/AIDS, “I10-I1515.” għall-ipertensjoni). Fl-ATC, 3.3% tad-dikjarazzjonijiet huma kodiċijiet sostitwiti (lista tal-alterazzjonijiet tad-WHO) iżda li għadhom bir-rank normal.

Sitta mis-seba’ żbalji tar-rieżami preċedenti tagħna (kontroll esploratorju ta’ 59 mediċina għal trattament kroniku u 34 marda kronika) kienu għadhom preżenti; is-seba’ wieħed kien ikkoreġut parzjalment biss.

Nipproponu 135 korrezzjoni, rieżaminati waħda waħda mill-aġent tal-istudju, bħala proposta QuickStatements (corrections.qs). Il-proposta ma ġietx applikata: l-ewwel iċċekkja mill-ġdid kull lastrevid u iddiskutiha fil-WikiProject Medicine. Ma editjajniex Wikidata.