Feasibility of using tissue autolysis to estimate the postmortem interval in horses
Notice bibliographique
Résumé
Estimation of the postmortem interval (PMI) is a poorly studied field in veterinary pathology. The development of field-applicable methods is needed given that animal cruelty investigations are increasing continually. We evaluated various histologic criteria in equine brain, liver, and muscle tissue to aid the estimation of PMI in horses, which is central to forensic investigations of suspicious death. After death, autolysis proceeds predictably, depending on environmental conditions. Currently, no field-applied methods exist that accurately estimate the PMI using histology in animals or humans through quantification of autolysis. Brain, liver, and skeletal muscle from 12 freshly euthanized horses were held at 22°C and 8°C for 72 h. Tissues were sampled at T0h, T1h, T2h, T4h, T6h, T12h, T24h, T36h, T48h, T60h, and T72h. For each tissue, we quantified 5 to 7 criteria associated with autolysis, based on the percentage of microscopic field involved. Each criterion was modeled, with temperature and time as independent variables. Changes were most predictable in liver and muscle over the first 72 h postmortem. The criteria for autolysis that were present most extensively at both temperatures were hepatocyte individualization and the separation of bile duct epithelium from the basement membrane. The changes that were present next most extensively were disruption of myofiber continuity, hypereosinophilia, and loss of striation. Brain changes were highly variable. The high statistical correlation between the parameter "autolysis" and the variables "time/temperature", indicates that autolysis is progressive and predictable. Further investigation of these criteria is needed to establish histologic algorithms for PMI.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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; 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 ».