A Review of Spectroscopic Methods Applied to Bloodstain Pattern Analysis
Notice bibliographique
Résumé
Blood is a common form of evidence found at a crime scene. Bloodstain collection and analysis can provide useful information to the investigation, including but not limited to determining the identity of the blood source, and providing context to the events of bloodshed. Studies have attempted to use spectroscopy as a means of detecting, differentiating, and estimating the age of bloodstains. In this review, current spectroscopic techniques Raman, Infrared (IR), Reflectance, Nuclear Magnetic Resonance (NMR), Electron Paramagnetic Resonance (EPR) spectroscopies and others are explained and discussed. Recent advances are highlighted, and the respective advantages and limitations are examined. Raman and IR spectroscopies, as well as hyperspectral imaging, hold the most promise for future use. These techniques are found to have higher sensitivities and accuracy rates than other traditional methods, as well as have the capability to be used in portable devices for on-site analysis. Reflectance spectroscopy could potentially be used as a presumptive test for the differentiation of bloodstains, but requires further validation. NMR and EPR spectroscopic methods also performed with high accuracy and specificity, but require extensive expertise and laboratory work to be of practical use. Other absorbance and force spectroscopies were found to be unreliable because they can be easily influenced by environmental factors and contaminants. These methods were deemed potentially useful only for presumptive examinations.Based on recent literature, we predict major growth areas for the research and development and implementation of portable Raman and IR technologies into the crime scene.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».