Cortical bone histomorphology of known‐age skeletons from the <scp>K</scp>irsten collection, <scp>S</scp>tellenbosch university, <scp>S</scp>outh <scp>A</scp>frica
Notice bibliographique
Résumé
OBJECTIVES: Normal human bone tissue changes predictably as adults get older, but substantial variability in pattern and pace remains unexplained. Information is needed regarding the characteristics of histological variables across diverse human populations. METHODS: Undecalcified thin sections from mid-thoracic ribs of 213 skeletons (138 M, 75 F, 17-82 years, mean age 48 years), are used to explore the efficacy of an established age-at-death estimation method and methodological approach (Cho et al.: J Forensic Sci 47 (2002) 12-18) and expand on it. The ribs are an age-balanced sample taken from skeletonized cadavers collected from 1967 to 1999 in South Africa, each with recorded sex, age, cause of death and government-defined population group (129 "Colored," 49 "Black," 35 "White"). RESULTS: The Ethnicity Unknown equation performs better than those developed for European-Americans and African-Americans, in terms of accuracy and bias. A new equation based solely on the study sample does not improve accuracy. Osteon population densities (OPD) show predicted values, yet secondary osteon areas (On.Ar) are smaller than expected for non-Black subgroups. Relative cortical area (Ct.Ar/Tt.Ar) is low among non-Whites. CONCLUSIONS: Results from this highly diverse sample show that population-specific equations do not increase estimate precision. While within the published range of error for the method (±24.44 years), results demonstrate a systematic under-aging of young adults and over-aging of older adults. The regression approach is inappropriate. The field needs fresh approaches to statistical treatment and to factors behind cortical bone remodeling.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,115 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».