Establishing the volatile organic compound profile and detection capabilities of human remain detection dogs to human bones
Notice bibliographique
Résumé
The detection of skeletal remains using human remain detection dogs (HRD) is often reported anecdotally by handlers to be a challenge. Limited studies have been conducted to determine the volatile organic compounds (VOCs) emitted from bones, particularly when there is limited organic matter remaining. This study aimed to determine the VOCs emitted from dry, weathered bones and examine the detection performance of HRD dogs on these bones when used as training aids. The VOCs of four different bones (clavicle, rib, humerus, and vertebrae) from three cadavers were collected using sorbent tubes and analyzed using comprehensive two-dimensional gas chromatography‒time-of-flight mass spectrometry (GC × GC‒TOFMS). Subsequently, the responses of the HRD dogs to the bone samples were recorded over two separate two-day trials. A total of 296 VOCs were detected and classified into chemical classes, with aromatics and linear aliphatics being the most abundant classes. Several differences in the chemical class distribution were observed between the bone types, but the number and intensity of the VOCs were similar between the bone samples. During the HRD dog training, a higher false detection rate was observed on the first day of each trial; however, the detection rate improved to 100 % on the second day of each trial. Although the dogs are capable of detecting bones, they require exposure to and training with a diverse range of skeletal remains to enhance their efficiency. This is necessary due to the variations in the types and intensity of VOCs compared to earlier decomposition stages involving soft tissue.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 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 ».