Identificação humana através de perícia odonto-legal: relato de caso
Bibliographic record
Abstract
O estudo dos elementos dentários merece destaque não apenas pela importância fisiológica, mas também pela contribuição jurídica, social e humanitária. Em situações onde o reconhecimento visual e a dactiloscopia não sejam possíveis (corpos destruídos pela ação do fogo, do tempo ou crânios separados do esqueleto), a busca da identidade pelo exame dos dentes tem destaque e pode ser o único método possível de aplicação. A identificação Odonto-Legal tem metodologia comparativa - cotejo de características do material examinado (dados post-mortem) com características assinaladas em um momento anterior (dados ante-mortem). Assim, é imprescindível um registro arquivado adequadamente e que retrate de forma fiel e completa as condições bucais do examinado. O presente relato de caso descreve o confronto de um prontuário odontológico com os dados obtidos no exame necroscópico no intuito de identificar um corpo carbonizado no Instituto de Medicina e Odontologia Legal de Patos - Paraíba - Brasil. Foram encontrados sete pontos de concordância e destes, três são fortemente individualizadores. Não foram constatadas incompatibilidades, restando concluir pela identificação. A técnica Odonto-Legal destaca-se pela simplicidade, efetividade e baixo custo. O prontuário é, muitas vezes, o único recurso que se pode lançar mão na busca pela identidade e deve ser construído em todo e qualquer procedimento odontológico, tornando-se uma poderosa ferramenta para as Ciências Forenses
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.005 | 0.003 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".