Establishing the volatile organic compound profile and detection capabilities of human remain detection dogs to human bones
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
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.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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