Identifying the Early Post-Mortem VOC Profile from Cadavers in a Morgue Environment Using Comprehensive Two-Dimensional Gas Chromatography
Notice bibliographique
Résumé
Understanding the VOC profile released during the early post-mortem period is essential for applications in training human remains detection dogs and urban search and rescue operations (USAR) to rapidly locate living and deceased victims. Human cadavers were sampled at the UQTR morgue within a 0–72 h post-mortem interval. VOC samples were collected from the headspace above the cadavers, using Tenax TA/Carbograph 5TD dual sorbent tubes, and analyzed using GC×GC-TOFMS. Multiple data processing steps, including peak table alignment and filtering, were undertaken using LECO ChromaToF and custom scripts in R programming language. This study identified 104 prevalent VOCs, some of which are linked to human decomposition, while others are connected to the persistence of living scent. Principal Component Analysis (PCA) further highlighted that VOC profiles can change dynamically over time, even in a controlled setting. The findings underscore the complexity and variability in VOC profiles during the early post-mortem period. This variability is influenced by multiple factors including the individual’s biological and physiological conditions. Despite the challenges in characterizing these profiles, the identified VOCs could potentially serve as markers in forensic applications. The study also highlights the need for additional research to build a dataset of VOCs for more robust forensic applications.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».