Večjezična kakovost imen zdravil v Wikidata

Wikidata je graf znanja pod licenco CC0, katerega večjezične oznake ponovno uporabljajo infopolja Wikipedije, storitve za prevajanje identifikatorjev in večjezično iskanje izrazov. Zamrznili smo oznake vseh 3.768 predmetov Wikidata s kodo ATC (P267) v 20 jezikih (34.207 oznak) ter 10.823 predmetov s kodami ICD-10/ICD-11. Sedem detektorjev, ki temeljijo na pravilih, označi oznake v napačni pisavi, blagovna imena, neujemanja med soljo in izhodno spojino, skupne oznake, odstopanja od mednarodnih nelastniških imen SZO (INN), napačno oblikovane kode ICD in zastarele kode ATC. Stratificiran naključni vzorec 118 zaznamkov je enega za drugim pregledal agent študije, agent, ki temelji na LLM (glej paper.md §3.1).

Zaznamki pisave (0,71 pri zdravilih, 0,93 pri boleznih), blagovnih imen (0,83), skupnih oznak (1,00), oblike ICD-10 (13/13) in zastarelih ATC (5/5) so bili večinoma pravilni. Zaznamki INN (0,19), sol/izhodna spojina (0,26) in podvojenih ATC (0/4) niso bili, za ICD-11 pa je izid nedoločen (1/2).

Približno 0,9 % oznak zdravil je napačnih (≈312 od 34.207; 0,5 % pri spodnjih mejah 95 % IZ natančnosti). To je spodnja meja glede na priklic (recall). Napake so zgoščene v urdujščini (39 na 1.000 oznak), perzijščini (35), ruščini (28) in hindijščini (25), v primerjavi z 2–4 na 1.000 v glavnih jezikih z latinsko pisavo (brez angleščine). Med njimi so:

• blagovna imena (Seroquel, Lyrica, Arcoxia);
• angleško besedilo in tipkarske napake;
• nepovezano osebno ime: fa „mohamad“ pri belimumabu;
• oznake, ki poimenujejo drugo snov („pregabalin“ pri flumekinu, „omeprazole“ pri esomeprazolu).

V ICD-10 (P494) je 2,5 % vrednosti neveljavnih, brez razponov; 44 jih kaže isto okvaro s ponovljeno kodo („B2424.“ za HIV/aids, „I10-I1515.“ za hipertenzijo). V ATC je 3,3 % izjav kod, ki so bile nadomeščene (seznam sprememb SZO), a imajo še vedno normalen rang.

Šest od sedmih napak iz našega prejšnjega pregleda (eksplorativnega preverjanja 59 zdravil za kronično zdravljenje in 34 kroničnih bolezni) je bilo še vedno prisotnih; sedma je bila popravljena le delno.

Predlagamo 135 popravkov, ki jih je enega za drugim pregledal agent študije, kot predlog za QuickStatements (corrections.qs). Predlog ni bil uveljavljen: najprej ponovno preverite vsak lastrevid in se o njem pogovorite v WikiProject Medicine. Wikidata nismo urejali.