دانلود ترجمه مقاله جرم بدن و عامل اصلاحی و تأثیر بر روی تخمین زمان مرگ (اسپرینگر ۲۰۱۱) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

جرم بدن و عامل اصلاحی: تأثیر بر روی تخمین زمان مرگ مبتنی بر دما

Body mass and corrective factor: impact on temperature-based death time estimation

چکیده

مقدمه

روش ها

قانون انتشار خطا

تفسیر تصادفی از قانون نشر خطا

شبیه سازی های مونته کارلو

تاثیر ضریب اصلاحی

نتایج

نتایج تحلیلی ( شکل ۱)

نتایج تصادفی ( شکل ۲)

نتایج نمونه ها ( شکل ۳ )

مباحث

چکیده

روش های مبتنی بر مدل نقش بسیار مهمی در تخمین زمان مرگ مبتنی بر دما دارند. رایج ترین روش ها در این زمینه از مدل نمایی دوگانه ی هوار و مارشال (Hoare and Marshall) با تخمین پارامتر هنسگی (Henssge) استفاده می کند. فرمول بندی این روش شامل جرم بدن به عنوان تنها پارامتر غیر دمایی می باشد. روش هنسگی روشی است که به خوبی شکل گرفته است زیرا می توان از این روش در تطبیق با شرایط سرمایش غیر استاندارد همراه با تغییر جرم بدن با ضرب جرم در ضریب اصلاحی، استفاده کرد. در این مطالعه ما تاثیر خطای اندازه گیری جرم بدن m همراه با تغییرات ضریب اصلاحی c بر روی خطای تخمین زمان مرگ به روش هوار – هنسگی و مارشال ، tD را بررسی می کنیم. در این مطالعه یک فرمول برای خطای نسبی tD به صورت تابعی از خطای نسبی m به دست می آید. اما تخمین های ساده در مرتبه ی ۱ و صفر نمی توانند نتایج قابل قبول مطابق با معیار شبیه سازی های مونته کارلو را ایجاد کند. این تخمین ها همچنین یک قانون کلی را ارائه می کنند که بر اساس آن، خارج قسمت انحراف استاندارد D(tD) از زمان مرگ تخمین زده شده و D(m) جرم بدن برابر با خارج قسمت زمان مرگ تخمین زده شده tD و جرم بدن به صورت m می باشد. m (D(tD)/D(m) ≈ tD/m). به علاوه، این فرمول بندی ها و تخمین های آن ها، به منظور کمی سازی تاثیر ضریب اصلاحی جرم بدن به روش هنسگی یعنی ضریب c بر روی تخمین زمان مرگ نیز در این مطالعه بررسی شده است. در بازه ی جرم بدن بین ۵۰ تا ۱۵۰ کیلوگرم، تغییر نسبی ضریب اصلاحی جرم بدن تقریبا برابر با تغییر نسبی زمان مرگ (ΔtD = (tD/c)Δc) می باشد. این فرمول در این مطالعه بر روی محاسبه ها و داده های سرمایش آزمایشی اعمال شده و مقایسه های انجام شده، نشان می دهد که این فرمول می تواند نتایج قابل قبولی را ارائه کند.

مباحث

جرم بدن به صورت mنقش بسیار مهمی در مدل هسنگی برای تعیین زمان مرگ ایفا می کند. این پارامتر نشنا دهنده ی تنها پارامتر مدل مستقل از دما می باشد که در آرگومان تابع نمایی قرار گرفته است و توان -۵/۸ را دارد ( معادله ی ۱٫۲) و همین موضوع موجب می شود که یک عدم خطیت متفاوت در مدل سرمایش ایجاد شود. در کار های واقعی، جرم بدن باید با استفاده از مقیاس های درجه بندی شده اندازه گیری شود تا خطای سیستمی ایجاد نشود. در هر صورت، اندازه گیری جرم بدن قطعا تحت تاثیر خطا قرار دارد.

Abstract

Model-based methods play an important role in temperature-based death time determination. The most prominent method uses Marshall and Hoare’s double exponential model with Henssge’s parameter determination. The formulae contain body mass as the only non-temperature parameter. Henssge’s method is well established since it can be adapted to non-standard cooling situations varying the parameter body mass by multiplying it with the corrective factor. The present study investigates the influence of measurement errors of body mass m as well as of variations of the corrective factor c on the error of the Marshall and Hoare–Henssge death time estimator t D. A formula for the relative error of t D as a function of the relative error of m is derived. Simple approximations of order 1 and 0 nevertheless yield acceptable results validated by Monte Carlo simulations. They also provide the rule of thumb according to which the quotient of the standard deviations D(t D) of the estimated death time and D(m) of the body mass is equal to the quotient of the estimated death time t D and the body mass m (D(t D)/D(m) ≈ t D/m). Additionally, formulae and their approximations are derived to quantify the influence of Henssge’s body mass corrective factor c on death time estimation. In a range of body masses between 50 and 150 kg, the relative variation of the body mass corrective factor is approximately equal to the relative variation of the death time (Δt D = (t D/c)Δc). This formula is applied and compared to computations and to experimental cooling data with good results.

Discussion

The body mass m plays a crucial role in Henssge’s model for death time determination [4]. It represents the only nontemperature dependent model parameter, located in the argument of the exponential function and bears the exponent −۵/۸ (Eq. 1.2) causing a distinct nonlinearity in the cooling model. In real case work, body masses should be measured by gauged scales to avoid systematic errors. Nevertheless, body mass measurement is inevitably subject to measurement noise.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

جرم بدن و عامل اصلاحی: تأثیر بر روی تخمین زمان مرگ مبتنی بر دما

Body mass and corrective factor: impact on temperature-based death time estimation