English. In this paper we present the first results of an exploratory analysis of simplification of the package leaflets of medicines, considered representative texts of doctorpatient communication. It will be shown how natural language processing tools can be used to reconstruct the linguistic profile of these texts and to guide their simplification.
Questo contributo intende affrontare la questione
della semplificazione linguistica dei testi di
ambito medico rivolti direttamente ai pazienti, come
è il caso dei bugiardini di farmaci senza obbligo
di prescrizione medica. Nonostante le iniziative
ufficiali prese dall’AIFA, come quella della
realizzazione della Banca Dati Farmaci per aiutare
gli utenti a usare correttamente i farmaci
comprendendone i benefici e gli eventuali effetti
indesiderati, è noto che la lingua utilizzata in questi
e altri testi di ambito medico (e non solo) è
complessa e spesso non adeguata alle competenze dei
cittadini. Si spiegano così anche le numerose
iniziative di semplificazione linguistica diffusesi
negli Stati Uniti e in Europa (compresa l’Italia)
volte alla semplificazione linguistica dei testi
istituzionali
In questo lavoro, dopo aver illustrato brevemente i principali aspetti di complessità della lingua di ambito medico e aver presentato il corpus di bugiardini, ci si soffermerà sul contributo offerto alla semplificazione linguistica dagli strumenti di Trattamento Automatico del Linguaggio; in particolare, si farà riferimento al software READ-IT (sezione 2). Il software è stato impiegato per monitorare (misurandone il livello di leggibilità) alcune caratteristiche linguistiche del bugiardino di VIVIN C®, scelto perché vendibile senza obbligo di prescrizione medica (sezione 2.1). READ-IT può costituire un valido aiuto per chi scrive testi di pubblica utilità: la misurazione della complessità del testo consente interventi di riscrittura nella direzione della massima leggibilità (sezione 3.2). Saranno, infine delineate delle conclusioni (sezione 4). 2
Nella complessa relazione tra medico e paziente,
la lingua non è soltanto funzionale alla
comunicazione, ma è utile al medico per ribadire il suo
prestigio e la sua distanza sociale ed epistemica
rispetto al paziente
La lingua medica, e soprattutto la componente
tecnica che la caratterizza e che la qualifica come
una lingua settoriale
Il maggiore aspetto di difficoltà della lingua
medica è connaturato proprio al suo essere una
varietà di lingua utilizzata in una specifica
situazione comunicativa collegata a un preciso ambito
tematico. Oltre a ciò sono stati messi in evidenza
in letteratura altri aspetti di complessità della
lingua medica. Sul piano lessicale si osserva una
notevole stratificazione che caratterizza questa
varietà settoriale
Data la complessità della lingua medica, che si
realizza a livelli linguistici diversi, per l’analisi
dei bugiardini è stato utilizzato il software
READ-IT, sviluppato dall’Italian Natural
Language Processing Laboratory (ItaliaNLP Lab)
dell’Istituto di Linguistica Computazionale
“Antonio Zampolli” (ILC) del CNR di Pisa
Il corpus è costituito da 7335 bugiardini estratti dal portale di informazione sanitaria e farmaceutica www.torrinomedica.it. Dal corpus sono stati selezionati circa 100 bugiardini relativi ad alcuni tra i farmaci vendibili senza obbligo di prescrizione medica tra più diffusi in commercio, per un totale di 189315 token e 16937 frasi.
La scelta è ricaduta sui farmaci vendibili senza prescrizione medica perché, essendo accessibili direttamente ai cittadini, dovrebbero presentare bugiardini quanto più possibile comprensibili per garantire un corretto uso autonomo del farmaco.
Per dare un’idea della difficoltà dei testi presi
in esame, i 100 bugiardini sono stati analizzati
automaticamente e arricchiti con annotazione
morfo-sintattica e sintattica. A tal fine è stata
utilizzata una piattaforma di strumenti per il
trattamento automatico dell’italiano: per
l’annotazione morfo-sintattica, lo strumento
utilizzato è descritto in
sone con deficit cognitivi, e quelli difficili sono quelli estratti da Repubblica (R); mentre nei testi didattici sono inclusi quelli per le scuole elementari (MDE) e superiori (MDS).
I risultati quantitativi del confronto tra i corpora sono riassunti nelle Tabelle 1 e 2, in cui sono forniti risultati dei confronti quantitativi tra il corpus di riferimento e, rispettivamente, i corpora ritenuti facili e difficili: alto se viene confrontato con i valori estratti dai corpora di riferimento considerati difficili: 10.12 per R e 9.2 per MDS.
Interessante è poi la distribuzione del lessico, riassunta nella Tabella 3:
Diz. fondamentale 66.48%
Diz. fondamentale 75.5%
41.12%
Diz. alto uso 25.84%
67.09%
Diz. alto uso 18.95%
Diz. alta dispon. 7.67%
Diz. alta dispon. 5.8%
la media di parole trovate nel Vocabolario di Base (VdB, De Mauro 1980) è soltanto del 41.12%, di cui il 66.48% appartiene al Dizionario Fondamentale, il 25.84% al Dizionario di Alto Uso e il 7.67% al Dizionario di Alta Disponibilità. Il corpus R, pur ritenuto difficile, ha un valore più alto di parole appartenenti al VdB (67.09%), di cui il 75.5% appartiene al Dizionario fondamentale, il 18.95% al Dizionario di Alto Uso e il 5.28% al Dizionario di Alta Disponibilità. Questo qualifica il lessico dei bugiardini analizzati come molto difficile. Ciò è dovuto al fatto che molte delle parole non contenute nel VdB coincidono con termini tecnici, termini astratti, termini appartenenti al lessico specialistico, compresi i prestiti da altre lingue moderne e i latinismi, alcuni dei quali sono utilizzati come tecnicismi e altri come espressioni utili per innalzare il registro linguistico (Orletti e Iovino in stampa). 3
L’applicazione di READ-IT a supporto della semplificazione dei testi dei bugiardini è stata sperimentata sul bugiardino di VIVIN C®.
READ-IT è in grado di valutare la leggibilità su due livelli: il documento e la singola frase. Per quanto riguarda il documento, il software misura la difficoltà del testo, espressa in percentuale, rispetto a quattro configurazioni diverse: base (che tiene in considerazione la lunghezza delle frasi e delle parole), lessicale (composizione del vocabolario), sintattico (misura delle categorie Tabella 1: Confronto quantitativo con corpora facili Tabella 2 Confronto quantitativo con corpora difficili
Le frasi del corpus di bugiardini analizzati risultano essere piuttosto brevi con un numero di token per frase pari a 11.18, valore ancora più basso di quelli riscontrati nei due corpora di controllo ritenuti facili (12.14 per 2P 18.36 per MDE). La brevità delle frasi, insieme al fatto che molte di esse sono prive di verbo, condiziona di conseguenza almeno altri due parametri quantitativi: la media dell’altezza degli alberi sintattici che nel corpus di riferimento è pari a 3.21, valore molto basso rispetto a corpora facili come 2P (5.29) e MDE (5.54); e la lunghezza media dei link sintattici più lunghi (calcolata in termini di token che intercorrono tra la testa ed il dipendente) di ogni frase che è di 4.4 nel corpus di riferimento rispetto a 7.91 per 2P, 10.28 per R, 8.89 per MDE e 12.5 per MDS. La situazione si capovolge completamente quando si valuta il numero medio di token per clausola verbale. Notiamo subito come in presenza di strutture verbali il testo diventi estremamente complesso mostrando un numero medio di 17.36 token, che è molto morfo-sintattiche e struttura sintattica) e globale (misura riassuntiva della leggibilità sulla base della combinazione di tutti i tratti).
L’analisi effettuata con READ-IT restituisce una situazione di forte complessità per il testo del bugiardino di VIVIN C®, come si evince dai dati nella Tabella 4:
Livello base Livello lessicale Livello sintattico la leggibilità del testo mostra, infatti, una difficoltà globale del 100%. Più in dettaglio, è interessante notare come prendendo in considerazione solo le caratteristiche di base il livello di complessità del testo è solo del 43.8%, mentre è molto più alto a livello lessicale (99.7%) e sintattico (97%).
Allo scopo di semplificare il testo preso in esame, la capacità di READ-IT di analizzare la leggibilità rispetto alle singole frasi riveste un ruolo centrale. Attraverso l’identificazione dei luoghi di complessità che necessitano di revisione e semplificazione, accompagnata da una classificazione del tipo di difficoltà riscontrata (di naturale lessicale vs grammaticale), READ-IT può essere utilizzato come guida alla semplificazione del testo. Ad esempio la prima frase del testo del bugiardino preso in esame è la seguente:
Mal di testa e di denti, nevralgie, dolori mestruali, dolori reumatici e muscolari.
L’indice di difficoltà globale della frase della frase è pari a 89.4%. A livello base, lessicale e sintattico la complessità è confermata con percentuali, rispettivamente, del 71.8%, 64.8%, 71.2%. Per quanto riguarda più in dettaglio il livello lessicale, delle 10 parole di cui è composta, se non si contano le ripetizioni, soltanto 5 si trovano nel VdB (di, testa, e, mal(e), dente, dolore) di cui due sono parole funzionali (la congiunzione e e la preposizione di).
È possibile fare una serie di osservazioni sulle caratteristiche della frase selezionata. Innanzitutto, come si è già accennato, si nota l’assenza del verbo. Se da un lato questo si spiega con il titolo del paragrafo in cui la frase è inserita (Indicazioni terapeutiche), dall’altro lato sarebbe auspicabile evitare frasi nominali soprattutto in presenza di un titolo a sua volta poco chiaro contenente un aggettivo relazionale che si qualifica come un tecnicismo. La presenza di aggettivi relazionali, tipici di molti linguaggi scientifici, è notevole nella frase in esame, dal momento che se ne trovano ben 3: mestruali, reumatici, muscolari. Se il concetto di dolori mestruali e di dolori muscolari può risultare comprensibile perché utilizzato anche nella lingua d’uso, lo stesso non vale per dolori reumatici, laddove non è così noto che i reumatismi o malattie reumatiche causino scompensi a livello dell’apparato locomotore e dei tessuti di sostegno del corpo. Interessante è anche l’alternanza tra espressioni della lingua d’uso come mal di testa (in luogo del tecnicismo emicrania), e mal di denti (piuttosto che odontalgia) e tecnicismi come nevralgie. Alla luce di quanto osservato, una possibile proposta di riscrittura semplificata della frase comprensiva del titolo può essere la seguente: 2. A cosa serve questa medicina.
Potete prendere la medicina in caso di mal di testa e mal di denti, infiammazioni dei nervi, dolori da ciclo mestruale, dolori alle articolazioni e dolore ai muscoli.
Nella proposta di riscrittura si è fatto ricorso a
diverse strategie di semplificazione linguistica
sebbene non tutte siano esenti da problemi. Ad
esempio, si è adottata una varietà meno formale
della lingua, evitando oltre ai tecnicismi specifici
(es. nevralgie), anche quelli collaterali
Inoltre, sono state evitate le frasi nominali, le frasi impersonali e quelle passive, rendendo esplicito l’agente. Infine, una maggiore informalità è stata raggiunta attraverso una allocuzione diretta al destinatario del medicinale mediante l’uso dell’allocutivo voi (potete prendere). Va da sé che la proposta di riscrittura prevede l’impiego di un maggior numero di parole, in quanto gli aggettivi relazionali sono sostituiti da sintagmi e le ellissi sintattiche sono evitate. La semplificazione del testo in seguito alla riscrittura risulta comunque evidente dal riscontro di READ-IT che stima la difficoltà del testo a livello globale a solo il 10% rispetto al 89.4% del testo originale.
La seconda e ultima frase della sezione “Indicazioni terapeutiche” è la seguente: 3. Terapia sintomatica degli stati febbrili e delle sindromi influenzali e da raffreddamento.
Anche in questo caso, delle 11 parole
contenute nella frase, soltanto 3 (degli, e, stato ammesso
che l’accezione del termine stato nel VdB non
coincida con il participio passato del verbo
essere né con Stato) appartengono al VdB e questo è
un fattore significativo per la stima della
difficoltà del testo pari al 96.3%. Come si è visto
nell’esempio precedente anche in questo caso si
segnala il ricorso ad aggettivi relazionali: se ne
trovano 3 (sintomatica, febbrili, influenzali), che
esprimono significati diversi
La difficoltà del testo riscritto ammonta al 76.3% rispetto al 96.3% del testo originale.
Dopo aver preso in considerazione due frasi risultate difficili in seguito al monitoraggio linguistico, ne viene descritta ora una ritenuta facile. La sezione successiva del bugiardino è dedicata a “Posologia e modo di somministrazione”. Il termine posologia è un calco dal greco posos “quanto” + logia e sta ad indicare le dosi e le modalità di assunzione del farmaco. La frase, riportata in 5, in cui sono fornite le istruzioni per assumere il farmaco viene valutata da READ-IT con un basso indice di difficoltà (17.7%): 5. Sciogliere in mezzo bicchiere d'acqua non gassata una o due compresse di VIVIN C. L’assunzione del prodotto deve avvenire a stomaco pieno.
In effetti, l’unico intervento di riscrittura di questo testo potrebbe riguardare la sostituzione del nome deverbale assunzione con l’infinito del verbo corrispondente o meglio del verbo prendere oppure con la seconda persona plurale (assumete/prendete) come già proposto in (2), anche se l’infinito si giustificherebbe con la presenza dell’analogo sciogliere nella frase precedente. In luogo di L’assunzione del prodotto deve avvenire a stomaco pieno si può optare, quindi, per prendere/prendete il prodotto o il farmaco a stomaco pieno, con una riduzione del numero delle parole (da 9 a 6). 4
Questo articolo presenta un lavoro esplorativo di analisi di un corpus di foglietti illustrativi dei medicinali senza obbligo di prescrizione medica.
L’obiettivo era valutare l’uso di strumenti di TAL per il monitoraggio di questi testi a supporto della loro semplificazione manuale che prevede interventi linguistici volti alla semplificazione della lingua a livello lessicale, con l’eliminazione di tecnicismi, nomi astratti e deverbali, e morfosintattico, con la preferenza per l’allocutivo voi e l’eliminazione di frasi nominali, impersonali e passive a vantaggio di strutture transitive in cui tanto il recupero dell’agente quanto l’esplicitazione delle relazioni sintattiche tra gli elementi costitutivi della frase risultino facili e accessibili a tutte le categorie di utenti.