A review of forensic applications of physicochemical parameters of soil beneath decomposed cadavers
Notice bibliographique
Résumé
Soil and its many attributes are often used to assist the police or environmental investigators involved in crime scene investigation, exhumation, and even linking a suspect to a crime scene. Soil consists of organic and inorganic compounds, water, and air at different compositions and concentrations. These unique soil features may serve as useful evidence in forensic investigations. Soil parameters can individually or cumulatively act as identification markers or aid in supporting other evidence in criminal investigations. The soil might link an individual to a crime scene as soil can be transferred to the suspect’s footwear, tires, or clothes. This evidence indirectly correlates to the presence or absence of the person at the crime scene. This review article highlights the application of various soil physicochemical parameters in solving forensic cases. Furthermore, we have summarised the results of 74 research articles related to forensic soil chemistry published from the year 1985 to 2021. In this review manuscript, a literature search was performed in Medline, CINAHL, Scopus, and google search with thorough assessment based on their content and significance. This article aims to review papers on the physicochemical parameters of soil which include soil pH, electrical conductivity, moisture content, soil extractable phosphorus, total carbon, total nitrogen, soil extractable ammonium and nitrate, soil colour and soil texture beneath carcasses placed on soil surface as well as buried in graves.
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 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,004 |
| 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) | 0,000 | 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 ».