Statistical support for identification using epigenetic traits of the human skeleton
Notice bibliographique
Résumé
Radiologic comparison is a potentially reliable means of identification in forensic contexts. Most radiologic comparisons are subjective and involve a qualitative visual comparison of the degree of similarity between antemortem and postmortem images, which is insufficient for quantitatively assessing the evidentiary value of an identification. Rather than simply concluding that antemortem and postmortem radiologic comparisons appear the same in the opinion of the examiner, results should be expressed quantitatively. This bolsters conclusions by providing statistical support for the probability of correct identification. Epigenetic trait variation is assessed by a forensic anthropologist during the examination of unknown human skeletal remains and may be useful in establishing positive identification, and/or in providing investigative direction. A key factor in this regard is the frequency of the trait(s) being compared in a given population. The present study utilizes epigenetic trait data from a preceding publication to demonstrate a method of statistically quantifiable positive identification based on epigenetic trait frequencies, ultimately demonstrating the utility of this method in practice. Utilizing a case study approach, the present authors demonstrate the benefits of a combined likelihood approach and propose standards for the presentation of likelihood ratios and verbal equivalent statements, to promote consistency in the reporting of results. • Epigenetic traits may be used for positive identification in forensic casework • Traits may support putative identification at the scene, contributing to timely case resolution • A combined likelihood ratio helps to assess and communicate the strength of an identification • Standards are proposed for presentation of likelihood ratios and related statements
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 | 0,088 | 0,391 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,008 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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 ».