La traduction médicale : des nomenclatures à l’orthographe, petit florilège des pièges et difficultés
Bibliographic record
Abstract
Comme tout domaine de spécialité, la médecine a son propre langage, souvent abscons pour le commun des mortels.Et c'est bien là sa première difficulté.En effet, chacun d'entre nous sera un jour confronté au jargon médical.Que ce soit pour une simple consultation afin d'obtenir un certificat d'aptitude à la pratique d'un sport, pour une toux qui ne passe pas, un suivi de grossesse, une entorse ou quelque chose de bien plus grave, nous serons tous amenés à nous rendre chez le médecin au moins une fois dans notre vie.Et il n'est pas rare que la terminologie complexe à laquelle nous sommes confrontés nous fasse craindre le pire, heureusement souvent sans raison.Ainsi, le grand public a besoin de comprendre et d'être rassuré.Il est donc essentiel de lui expliquer avec des mots simples les symptômes, diagnostics, examens et autres traitements, mais aussi de lui présenter les structures anatomiques et biologiques concernées de manière accessible.Une maman à qui on annonce aux urgences que son fils présente « une fracture de l'ulna sur le tiers distal de la diaphyse » risque fort d'être interloquée.En revanche, si le radiologue lui parle d'une « fracture du cubitus à proximité du poignet », elle sera vite rassurée et comprendra immédiatement que trois semaines à un mois de plâtre suffiront à son enfant pour se rétablir.Ulna et cubitus désignent la même chose, l'os externe de l'avant-bras.S'ils sont parfaitement interchangeables du point de vue du sens, ces deux termes s'adressent à des publics différents, le premier appartenant à la Terminologia anatomica (TA), nomenclature anatomique internationale destinée aux spécialistes, le second à la nomenclature grand public, que tout le monde ou presque connaît.Cette différence de niveau de langue entre deux publics amenés à se rencontrer régulièrement est l'une des principales difficultés auxquelles est confronté tout traducteur médical, car jongler avec les nomenclatures implique de les connaître sur le bout des doigts (ou à défaut d'avoir les bons outils pour faire les vérifications nécessaires).Ainsi, la TA, la CIM (Classification Internationale des Maladies) 10, et bientôt 11, ou les DCI (Dénominations Communes Internationales des molécules pharmaceutiques), pour n'en citer que quelques-unes, ne doivent avoir aucun secret pour lui.Et naturellement, afin d'éviter les incohérences, pas question Nathalie Renevier La traduction médicale : des nomenclatures à l'orthographe, petit florilège des pièges et difficultés 5 Traduire n° 236, juin 2017
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.003 | 0.014 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.018 | 0.011 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".