使用后期概率知情值,以开发MorphoPASSE的最佳实践建议,使用无名,和组合特征

科学领域:

• 法医人类学 法医人类学.
• 生物信息学是一种生物信息学.
• 骨生物学 骨生物学

背景情况:

• MorphoPASSE是一个免费的程序,用于使用形态特征来估计性别.
• 目前的局限性包括对最佳特征集和后置概率值缺乏指导.
• 法医病例工作需要标准化的报告协议.

研究的目的:

• 使用不同的特征组合 (无名,头骨,组合) 进行MorphoPASSE的准确率比较.
• 评估后期概率知情值 (PPITs) 对性别分类的有效性.
• 为优化MorphoPASSE在现代法医人类学中的使用提供建议.

主要方法:

• 收集了美国骨藏品中285个个体的无名和头骨特征数据.
• 计算了五个后方概率 (PP) 间隔的准确率.
• 将PP显著区间缩缩成PPIT进行分析.
• 无名,骨和综合特征模型之间的准确性比较.

主要成果:

• 一个PPIT的0.85-1.00产生了高精度:97.3%的无名和90.2%的头骨特征.
• 结合无名和头骨特征,可以达到99.6%的准确率,PPIT较低,为0.75-1.00.
• 组合模型纠正了以前的错误分类,要么分类性别,要么不分类个人.

结论:

• 建议使用MorphoPASSE来估计性别,如果两者都可用,则建议使用无名和头骨特征的组合.
• 为报告性别估计结果,建议PPIT为0.75-1.00.
• 使用这些建议的标准化报告将提高法医案例工作的一致性.