Exploration de l'impact de l'indexation automatisée sur l'exhaustivité des termes MeSH

Abstract

L'utilisation d'un vocabulaire contrôlé pour identifier les articles pertinents est un élément central de l'enseignement de la recherche dans les bases de données bibliographiques dans les domaines de la santé. Les étudiant.e.s qui apprennent à faire des recherches dans MEDLINE apprennent que les MeSH génèrent des résultats précis et que l'indexation MeSH augmente la facilité de trouver un article, décrivant son contenu de manière fiable. L'indexation de MEDLINE a été entièrement réalisée par des indexeurs humains jusqu'en 2011. Depuis avril 2022, les MeSH sont attribués à tous les articles par le biais de l'indexation automatique (IA). Selon la NLM, les MeSH attribués par l'IA sont déterminés sur la base des termes du titre, du résumé et des termes et de l'indexation des notices "voisines et connexes", avec une révision humaine et une curation des résultats "le cas échéant". Nous étudions la question suivante : dans quelle mesure l'IA identifie-t-elle les concepts-clés d'un article et les représente-t-elle dans les MeSH ? Méthodes : nous avons examiné un échantillon de notices indexées par l’IA datant du début de l'année 2023 afin de déterminer si leurs principaux concepts étaient correctement représentés par les MeSH. Travaillant en paires, notre équipe a utilisé des feuilles de calcul pour attribuer des concepts-clés qui, selon notre expérience, auraient été utilisés pour trouver l'article en question et des articles similaires sur la base du titre et du résumé. Les MeSH attribués ont ensuite été analysés afin de déterminer s'ils représentaient correctement les concepts-clés de chaque notice. Nous avons constaté que 47% des documents sélectionnés dans notre échantillon présentaient des problèmes dans les MeSH qui auraient affecté la probabilité qu’ils soient récupérés.