Performance of a Novel Electronic Nose for the Detection of Volatile Organic Compounds Relating to Starvation or Human Decomposition Post-Mass Disaster
Notice bibliographique
Résumé
There has been a recent increase in the frequency of mass disaster events. Following these events, the rapid location of victims is paramount. Currently, the most reliable search method is scent detection dogs, which use their sense of smell to locate victims accurately and efficiently. Despite their efficacy, they have limited working times, can give false positive responses, and involve high costs. Therefore, alternative methods for detecting volatile compounds are needed, such as using electronic noses (e-noses). An e-nose named the 'NOS.E' was developed and has been used successfully to detect VOCs released from human remains in an open-air environment. However, the system's full capabilities are currently unknown, and therefore, this work aimed to evaluate the NOS.E to determine the efficacy of detection and expected sensor response. This was achieved using analytical standards representative of known human ante-mortem and decomposition VOCs. Standards were air diluted in Tedlar gas sampling bags and sampled using the NOS.E. This study concluded that the e-nose could detect and differentiate a range of VOCs prevalent in ante-mortem and decomposition VOC profiles, with an average LOD of 7.9 ppm, across a range of different chemical classes. The NOS.E was then utilized in a simulated mass disaster scenario using donated human cadavers, where the system showed a significant difference between the known human donor and control samples from day 3 post-mortem. Overall, the NOS.E was advantageous: the system had low detection limits while offering portability, shorter sampling times, and lower costs than dogs and benchtop analytical instruments.
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 | 0,000 |
| 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 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 ».