MétaCan
Menu
Retour à la cohorte
Enregistrement W2779721170 · doi:10.1136/vr.104158

Introducing forensic entomology in cases of suspected animal neglect

2017· article· en· W2779721170 sur OpenAlexaff
John McGarry, Emily Rätsep, Lorenzo Ressel, Gail Leeming, Emanuele Ricci, Ranieri Verin, R. Blundell, Anja Kipar, Udo Hetzel, James Yeates

Notice bibliographique

RevueVeterinary Record · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueForensic Entomology and Diptera Studies
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésForensic entomologyContext (archaeology)Animal welfareNeglectForensic scienceMedicineVeterinary medicineGeographyBiologyEcologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Cases of arthropod-infested, abandoned or abused animals are sometimes brought to the attention of veterinarians by animal welfare authorities, with the requirement for a full postmortem examination towards criminal or civil proceedings. In these situations, entomology is an important support tool for the pathologists' investigation since the presence of arthropod life cycle stages serve as reliable forensic markers, especially for blowflies which form the first waves of activity following death. In the present study, 70 cadavers from a total of 544 referred to the Institute of Veterinary Science, University of Liverpool, between 2009 and 2014 displayed evidence of infestation. Here, the authors introduce principles of applied entomology and simplified approaches for estimating the minimum time since death, relevant in the context of routine submissions and the broad remit of individual cases. Despite often limited availability of scene of the crime and local thermal data, the interpretation of the minimum postmortem interval has nonetheless proved valuable as an adjunct to the expert pathology report. However, future developments and enhanced accuracy in this area of animal welfare require resource and training in expertise, and agreed standardisation of both laboratory and field procedures.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,457
Score d'incertitude au seuil0,350

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,283
Écart entre enseignants0,237 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVeterinary RecordMême sujetForensic Entomology and Diptera StudiesTravaux en français237 207