Identifying VOCs from human remains detectable in water using comprehensive two-dimensional gas chromatography
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Understanding the volatile organic compounds (VOCs) emitted during human decomposition is crucial for search and recovery investigations and the development of improved human remains detection methods. However, the influence of water on human decomposition, and particularly the release of VOCs has received minimal attention compared to terrestrial scenarios. This knowledge gap is highly relevant for training human remains detection (HRD) dogs, as they are deployed in various scenarios, including land and water searches, yet little is known about the VOC profiles produced by human remains in these different environments. The aim of this study was to establish a proof-of-concept methodology for collecting VOCs from submerged remains. Sorbent tubes and thin-film solid phase microextraction (TF-SPME) were utilized as neither have been studied for this purpose previously. Human remains were submerged in a tank of water. Headspace samples were collected by placing a metal hood over the tank to trap VOCs , which were then drawn into a sorbent tube via an air sampling pump. Water samples were collected for direct immersion utilizing TF-SPME membranes in the laboratory. Comprehensive two-dimensional gas chromatography time-of-flight mass spectrometry combined with thermal desorption was employed to analyze both sample types. The sorbent tube method identified 42 compounds while the TF-SPME technique identified 34 compounds. Overall, this study successfully demonstrated the feasibility of both VOC collection and analysis methods for human remains decomposition in water.
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.
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 | 0,000 |
| 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 découle