The comparison of volatile organic compound profiles between human and non-human bones and its application to human remains detection dogs
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
• Human remains detection dogs can distinguish human and non-human remains. • Odor profiles from human and non-human bones are different. • Human and deer bones demonstrated the most complex VOC profiles. Human Remains Detection (HRD) dogs are specifically trained to aid law enforcement agencies in search operations for deceased victims. Their olfactory sensitivity and specificity highlight the importance of choosing target odor sources for HRD training. While HRD dogs rely on olfactory cues to locate human remains, it is important to identify which volatile organic compounds (VOCs) they are alerting to among those released during the various stages of the human decomposition process. In this study, VOC profiles from human and non-human bones were collected and analyzed using thermal desorption coupled to comprehensive two-dimensional gas chromatography time-of-flight mass spectrometry (TD-GC × GC-TOFMS). The non-human decomposition VOC profiles were compared to human VOC profiles obtained from sections of amputated human limbs used as HRD training aids. These limb sections were previously decomposed to the dry remains/skeletonization stage. The olfactory responses of HRD dogs in the presence of these training aids and non-human remains were subsequently investigated with results demonstrating their capability in distinguishing human from non-human remains. Highlighting the differences in VOC profiles between human and non-human decomposition may help to enhance the sensitivity of HRD dogs to human remains while recognizing the importance of using human cadaveric material for training purposes.
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 | 0,001 | 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