You are on page 1of 17

ESTIMACIÓN DE LA EDAD MEDIANTE LA EVALUACIÓN DEL VOLUMEN DE LA CÁMARA DE

PULPA:

UNA RED BAYESIANA PARA LA EVALUACIÓN DE PRUEBAS DENTALES

Emanuele Sironi 1 y Franco Taroni 1 y Claudio Baldinotti2 y Cosimo Nardi 3 y

Gian-Aristide Norelli2 y Matteo Gallidabino4 y Vilma Pinchi2

Resumen

Propósito El presente estudio tuvo como objetivo investigar el rendimiento de un método


bayesiano en la evaluación de la edad dental relacionada evidencia recolectada por medio de
una aproximación geométrica procedimiento del volumen de la cámara de pulpa. Medición de
este volumen se basó en un haz de cono tridimensional imágenes de tomografía
computarizada. Métodos El método bayesiano se aplicó por medio de un modelo gráfico
probabilístico, a saber, una red bayesiana. El rendimiento de ese método fue investigado en
términos de precisión y sesgo de los resultados decisionales. Influencia de un conocimiento
informado de la creencia previa de la edad cronológica también se estudió mediante un
análisis de sensibilidad. Resultados Los resultados en términos de precisión fueron adecuados
con requisitos estándar para la estimación de la edad adulta forense. Los hallazgos también
indicaron que el método bayesiano no muestran una tendencia particular hacia la
subestimación o sobreestimación de la variable de edad Resultados del análisis de sensibilidad
mostró que los resultados en la estimación se mejoran con una ración la obtención de las
probabilidades previas de edad.

Palabras clave Estimación de edad forense.

Estimación de la edad adulta. Enfoque Bayesiano. Redes bayesianas. Cámara de pulpa


estrechamiento del volumen. Deposición secundaria de dentina.

Introducción

En las últimas décadas, la estimación de la edad de los individuos vivos ha ganado considerable
importancia en la ciencia forense, principalmente debido a su utilidad en asuntos legales que
involucran subadultos. Sin embargo, la evaluación de la edad adulta es igualmente
fundamental para adultos mayores, especialmente en casos de procedimientos civiles
específicos [1-3]. La estimación de edad en adultos es más compleja con respecto a los temas
en crecimiento, cuyas etapas de desarrollo son mucho más pronunciados y detectables que los
de la procesos degenerativos que deben estudiarse en adultos [4]. En este sentido, el complejo
pulpa-dentinal es uno de los estructuras que muestran un fenómeno regresivo debido al
envejecimiento. Esto implica la reducción del volumen de la cámara de pulpa causada por la
deposición continua de dentina secundaria secretada a lo largo de los años por el odontoblasto
a lo largo de la cámara pulpar paredes [6]. La evaluación de tales fenómenos regresivos en
dientes es realmente problemático en sujetos vivos, ya que la mayoría las técnicas requieren
extracción de dientes o la sección [7-10]. Para hacer frente con esta restricción, una panoplia
de técnicas de imagen conservadoras ha sido propuesto en la literatura científica y muchos de
estas técnicas implican un examen radiográfico de la dentición [11-17]. Recientemente, un
método innovador para cuantificar el volumen de la cámara pulpar de un modelado dental
basado en. El análisis de la tomografía computarizada de haz de cono 3D (CBCT) tiene sido
introducido [5]. El método usa una aproximación geométrica de las diferentes partes del
diente, a saber, raíz, pulpa y corona, que pueden asimilarse a conos de base elíptica (raíz y
pulpa) o conos truncados de base elíptica (corona). Esto permite una evaluación rápida de los
volúmenes de interés en el diente examinado [5]. Estos últimos se usan para calcular el
relación entre el volumen de pulpa y el volumen de tejido duro, a saber, la relación BZ ^ (o
BPHr ^ en [5]):

Z ¼ Vpulp

Vtot-Vpulp

ð1Þ

donde Vpulp es el volumen de la pulpa; Vtot, el volumen total de el diente y Vtot - Vpulp, por
lo tanto, el volumen del diente tejido duro Z se ha demostrado que disminuye con la edad [5].
Considerando el buen acuerdo entre examinadores obtenido (coeficiente de correlación
intraclase de 0,99 [5]) y la práctica ventajas garantizadas por este procedimiento innovador
(como el corto tiempo de operación), el método parece ser extremadamente interesante para
el campo. En un marco forense, relacionado con la edad sin embargo, las pruebas deberían
evaluarse de forma coherente en para proporcionar respuestas que cumplan con los requisitos
forenses específicos requisitos. Por lo general, la evidencia relacionada con los fenómenos
regresivos debido a la deposición de dentina secundaria se tratan con diferentes tipos de
modelos de regresión que consideran la edad como el variable de predicción y el volumen o el
área de la pulpa cavidad como la variable dependiente [5, 11-13, 15, 16, 18-29]. Sin embargo,
estudios previos resaltaron que una metodología estadística presenta algunas desventajas,
tanto estadística [30-32] como conceptual [33, 34], cuando utilizado en la estimación de la
edad para fines forenses. Tales inconvenientes se puede superar mediante la introducción de
una perspectiva bayesiana [33, 34]. En este trabajo, un nuevo marco bayesiano para la
evaluación del volumen de la cámara de pulpa medidas consecuentemente desarrolladas.
Estaexplotado un modelo de regresión lineal múltiple bayesiano para relaciones de forma
entre la edad de una persona y las relacionadas mediciones del volumen de la cámara de pulpa
para obtener estimaciones de distribución para la normal subyacente función de verosimilitud
El marco final fue implementado y aplicado por medio de una red bayesiana (BN).El propósito
es hacer que el procedimiento de interpretación sea más rápido y sencillo en el trabajo de
casos de rutina, donde nuevos la evidencia puede ser recolectada continuamente El modelo
completo fue entrenado en un conjunto de datos auténticos de 286 individuos y su
desempeño evaluado contra las edades reales a través de estadísticas procedimientos de
remuestreo. Análisis de sensibilidad en anteriores probabilidades también se llevó a cabo con
el fin de estudiar el efectos del uso de diferentes tipos de distribución previa en estimaciones
de edad inferidas e identificar la asignación más confiable enfoque para aplicaciones reales.
Según nuestro conocimiento, esta es la primera vez que un BN basado en un completo El
enfoque bayesiano se ha aplicado para la interpretación de los datos de volumen de la cámara
de pulpa (medidos de forma continua escala) en una perspectiva forense, y su desempeño
evaluado en datos reales. También es la primera vez que la influencia de probabilidades
previas en la estimación de la edad ha sido estudiado a fondo a través del análisis de
sensibilidad en el dominio de estimación de edad. Para presentar de manera eficiente el
enfoque, este documento tiene ha sido dividido en tres partes principales. En la primera parte,
el conjunto de datos empleados (la sección de conjunto de datos BUsed) y el modelo
Bayesiano completo sugerido y la red bayesiana se proponen (el enfoque BA Bayesiano para
evaluar Zratios ^ sección). La segunda parte incluye la discusión de la aplicación del enfoque (la
sección BApplication to dataset ^) seguido de un análisis de sensibilidad en la distribución
previa (el Básico de la sección de antecedentes informativos) y, en el parte final, una discusión
general y la conclusión se dan (las secciones BGeneral discussion ^ y BConclusion^).

Conjunto de datos usado

Información de 286 individuos sanos (114 hombres y 172 mujeres) constituyeron la muestra
de datos. Detalles grabados para cada sujeto fueron sexo, fecha de nacimiento y fecha de CBCT
escanear. Por lo tanto, las edades cronológicas se documentaron en ambos días y años El
mismo técnico había tomado el 286 CBCT explora mediante una unidad de haz de cono dental
Scanora (Soredex, Tuusula, Finlandia). Las imágenes fueron tomadas en 90 kV y 5-8 mA, con
una selección de campo de vista entre 60 × 60 y 75 × 100 y un tiempo de escaneo de 11-13 s.
Los análisis radiológicos se realizaron en dos estudios radiológicos privados oficinas, ubicadas,
respectivamente, en el norte y Italia central. De acuerdo con estudios previos (por ejemplo [5,
11, 23, 35, 36]), se calcularon los valores de la relación Z usando el incisivo central sano
superior izquierdo; todos los dientes que presentan tratamientos, restauraciones, cavidades,
desgaste evidente o atrición o reducción / aumento sospechoso de la pulpa posiblemente
debido a trauma o oclusión traumática fueron excluidos de la estudiar. Los análisis fueron
proporcionados por un experto forense odontólogo siguiendo el procedimiento descrito en
[5]. La evaluación de las relaciones Z se realizó a través de un ciego procedimiento, ya que los
detalles personales de los pacientes eran enmascarado. La Tabla 1 describe los individuos en la
muestra de datos según el grupo de edad, mientras que la Fig. 1 ilustra gráficamente esta
información.

UN ENFOQUE BAYESIANO PARA EVALUAR LAS RELACIONES Z

Modelo sugerido

En cuanto al campo de la estimación de la edad de las personas vivas, el alcance principal de


cualquier método de evaluación estadística es permitir que los examinadores forenses puedan
inferir una estimación sobre la cronología edad de un tema específico basado en algunos ítems
de evidencia recolectada durante su examen médico (por ejemplo, las mediciones realizadas
en diversos características, como la relación Z). El enfoque Bayesiano, específicamente,
proporciona esta estimación de edad en la forma de una distribución de probabilidad posterior
que está informado por todos los elementos de evidencia en sí mismos, así como por cualquier
otra información adicional o conocimiento relevante sobre sujeto examinado (por ejemplo, su
sexo). Esta distribución es llamado Bposterior ^ porque se calcula a partir de un normalizado
combinación de dos antecedentes, es decir, una probabilidad

función derivada de un modelo estadístico para el medido características relacionadas con la


edad y una distribución de probabilidad previa, mediante la aplicación del teorema de Bayes.
Formalmente: distribución de probabilidad posterior función de verosimilitud α distribución de
probabilidad previa

ð2Þ

En consecuencia, la distribución de probabilidad posterior es una versión actualizada de la


creencia inicial1 sobre la edad real del examinado individuo a la luz de la evidencia recién
medido. Para el propósito de este trabajo, Eq. ha sido sustituido con el siguiente modelo
específico:

donde a es la edad del individuo examinado; s, su sexo y z, el valor Z-score observado durante
el examen dental individual examen. Por lo tanto, f (a | z, s), f (a) yf (z | s, a) son los posteriores
distribución de probabilidad, la distribución de probabilidad previa y la función de
verosimilitud, respectivamente. En el BApéndice ^, otros detalles matemáticos de Eq. (3) se
proporcionan para interesados lectores.
Asignación de probabilidad

Un paso fundamental del enfoque sugerido es la asignación de la distribución de probabilidad


previa y la probabilidad función. En la mayoría de los casos, se obtienen las probabilidades
previas como una distribución uniforme en un rango dado de edades [32, 41-44] para hacer la
distribución posterior dominado principalmente por la función de verosimilitud. Este tipo de la
asignación anterior se conoce generalmente como Buninformativo ^. Otros tipos de
distribuciones Binformativas se puede utilizar si el conocimiento previo en el examinado
individuo ya está disponible o puede ser fácilmente adquirido a través de otros medios. Este
aspecto es discutido a fondo en el asiento de la sección de antecedentes informativos. La
función de verosimilitud modela estadísticamente la relación entre la característica
relacionada con la edad (es decir, el Z-score) y la edad cronológica. En este sentido, previo
trabajos han demostrado que la no linealidad de este la relación se puede manejar a través de
una transformación logarítmica de Z (es decir, lnZ) [5] (ver también la Fig. 1).

Por lo tanto, asumiendo que el sexo también afecta a lnZ, la relación puede ser evaluado
mediante una regresión lineal multinomial clásica modelo, en el que lnZ es la variable de
respuesta y la edad cronológica y el sexo son los predictores.

Formalmente [32, 45]:

lnZ ¼ μa; s þ ε

¼ β0 þ β1 a þ β2 s þ ε ð4Þ
donde β0 es el parámetro de intersección, β1 y β2 son parámetros de pendiente relacionados
con la edad cronológica y el sexo, y ε es el término de error que se supone que es
normalmentedistribuido, es decir, ε ~ Ɲ (0, σ2) · Μa, s es, además, el sistema término que
resume la tendencia media de la regresión modelo.

Red bayesiana

Analizar resolver modelos bayesianos puede ser tedioso y procedimiento que lleva mucho
tiempo, que, por lo tanto, no es adecuado para la práctica diaria. No obstante, existen
herramientas estadísticas específicas para simplificar esto Los ejemplos son BNs. Los BN son
probabilísticos herramientas gráficas que presentan la doble ventaja de describiendo
gráficamente la relación entre las variables incluido en el modelo inferencial desarrollado, así
como de proporcionando directamente cálculos automáticos siguiendo las reglas de la teoría
probabilística [46]. Por lo tanto, ya están ampliamente utilizado en la ciencia forense [47] y
diversas disciplinas[48], incluida la estimación de la edad [34].

La estructura cualitativa de una red se logra definiendo un llamado nodo para cada variable a
considerar en el razonamiento inferencial. Para el propósito de este trabajo, el principal las
variables son la edad cronológica (nodo A), el sexo (nodo S) y el logaritmo medido de la
relación Z (nodo lnZ). Los nodos son luego conectadas entre sí por medio de arcos dirigidos,
que ilustrar la dirección de las relaciones probabilísticas entre variables. En este sentido, la
probabilidad de observar el valor dado de lnZ en un individuo depende de su edad y sexo. Por
lo tanto, los arcos dirigidos comienzan desde los nodos A y S hasta el nodo InZ, como se ilustra
en la Fig. 2 [34]. Desde un punto cuantitativo de vista, las probabilidades deben asignarse a
cada nodo para modelar la incertidumbre relacionada con las variables consideradas. Aquí, se
deduce la edad cronológica. Por lo tanto, un previo específico la distribución de probabilidad
debe asignarse al nodo A, mientras una distribución normal con los parámetros μ y σ necesita
ser asignado al nodo lnZ, siguiendo el supuesto matemático discutido en la sección anterior. El
BN puede ser extendido agregando más nodos para tomar correctamente en incertidumbre de
la cuenta asociada con otras variables ocultas. Aquí, en particular, los nodos que modelan el
análisis de regresión los parámetros se incluyeron explícitamente (es decir, β0, β1, β2, μ y σ), y
distribuciones de probabilidad asignadas de acuerdo con supuestos matemáticos del análisis
de regresión. El final la estructura de BN retenida se representa en la figura 2, mientras que
una completa la descripción de los nodos se presenta en la Tabla 2.
Desde el punto de vista operativo, el empleo del BN es extremadamente intuitivo Al insertar
evidencia observada en el red, es decir, el sexo del individuo examinado y medido lnZ, las
distribuciones de probabilidad inicialmente asociadas a la otra los nodos en el BN se actualizan
automáticamente siguiendo los principios de la teoría de la probabilidad; la probabilidad
posterior de la edad cronológica se puede leer en el nodo A.

Aplicación al conjunto de datos

Modelo de capacitación y evaluación

Se desarrolló un procedimiento basado en un proceso de dejar uno. para entrenamiento


modelo y evaluación de desempeño. Para tal fin, 285 temas fueron utilizados para aprender
los parámetros implementados en el BN (el enfoque bayesiano BA para evaluar Z-ratios ^
sección) y el sujeto restante fue probado con

El modelo probabilístico. El procedimiento se repitió para todos 286 sujetos. De esta manera,
cada individuo fue probado una vez maximizar los datos utilizados en el proceso de
aprendizaje y limitar la influencia de los exponentes. Los análisis se llevaron a cabo en el
Entorno R [49]. El paquete R2OpenBUGS [50] era aplicado para implementar el BN presentado
en el BA Enfoque Bayesiano para evaluar Z-ratios ^ sección. Un listo para usar la versión del
código R se presenta como electrónica Material complementario como anexo a este artículo.
Los parámetros β0, β1, β2 y σ se estimaron aplicando el modelo de regresión descrito en el
enfoque bayesiano BA para evaluando la sección Z-ratios ^ a los conjuntos de entrenamiento.
La regresión análisis se realizaron con el BMLR (Bayesian Multiple Código de regresión lineal)
[51]. Dado que no hay información de fondo estaba disponible sobre los parámetros de
regresión, una información poco informativa distribución previa fue asignada;
específicamente, por defecto. Se usaron distribuciones en el código BMLR. Como una
probabilidad previa de la edad cronológica, una distribución uniforme entre Se eligieron 8 y
100 años e ingresaron en el nodo A. El límite inferior de este intervalo es la edad a la que
podría ser. Se espera que surjan los incisivos centrales permanentes [52], mientras que el
límite superior modela una expectativa razonable para la edad máxima de una persona
promedio. El BN automáticamente actualiza esta distribución de probabilidad inicial,
simplemente poringresando valores para lnZ y S observados en el sujeto examinado.
Convergencia del procedimiento de simulación realizado por la máquina R2OpenBUGS se
probó usando el paquete Coda [53] La media de la distribución de probabilidad posterior de la
edad cronológica fue aceptada como la estimación de edad. Los el rendimiento del método fue
investigado en términos de precisión y parcialidad El sesgo se define como la diferencia entre
el edades temáticas estimadas y reales, mientras que su valor absoluto corresponde a la
inexactitud [44].

Resultados con antecedentes no informativos

El diagrama de dispersión en la Fig. 3 ilustra la comparación entrelas edades reales y estimadas


de todas las materias en la muestra. Datos están dispersos alrededor de la línea de igualdad.
Aunque algunos se observan grandes desviaciones puntuales, especialmente por edad más de
30 años, el método parece proporcionar información precisa estimaciones Los puntos debajo
de la línea de igualdad representan edades subestimadas y, por el contrario, puntos por
encima de la línea indicar sobreestimaciones. Curiosamente, los datos parecen distribuidos por
igual alrededor de la línea, lo que indica que el método no no proporcionar subestimaciones o
subestimaciones sistemáticas. Distribución de la inexactitud y el sesgo calculados para cada
sujeto en la muestra (es decir, 286 valores para cada cuantificación) se resumen por estadística
descriptiva en la Tabla 3, según sexo y grupo de edad. Como ejemplo, la primera columna en la
tabla (es decir, BMean ^) muestra la media de las imprecisiones de los individuos calculado
para todas las materias en las respectivas cohortes, mientras que la segunda columna (es
decir, BMed ^) informa la mediana de tales datos
En cuanto a la inexactitud, los medios calculados fueron entre aproximadamente 4.80 y 9.20
años, a excepción de las mujeres entre 30 y 39 años y mayores de 69 años, para quienes la
media calculada fue más de 10 años. Resultados en la última cohorte puede haber sido
influenciada por la pequeña muestra (8 sujetos, ver Tabla 1). Los valores medianos fueron
generalmente valores inferiores a la media y esto indica que la distribución de la inexactitud
calculada fue ligeramente sesgada a la derecha, es decir, una mayor proporción de
inexactitudes calculadas tiende a ser menor que la media. En particular, para cohortes donde
la inexactitud excede el valor de 10 años, el valor mediano es generalmente notablemente más
bajo que el de la media (a excepción del mujeres en la última cohorte), lo que sugiere que el
medio probablemente estén influenciados por algunos valores extremos. A fin de que
investigar la variabilidad de inexactitud, el rango intercuartil (IQR) fue calculado. Esta
estadística ilustra la zona, ubicada alrededor de la mediana, que cubre los valores entre el
primer y tercer cuartiles, es decir, la mitad central de todos los valores. Por las cohortes
centrales, el IQR varía entre aproximadamente 3 y 14 años, pero la mayoría de los valores IQR
están incluidos en rango de aproximadamente 6 a 9 años. Las estadísticas de IQR muestran
que la mitad central de los valores de imprecisión tienden a dispersarse en una zona cercana a
la mediana, por lo tanto, los valores extremos son bastante raro, como también se muestra en
la Fig. 3, donde los valores atípicos son gráficamente ilustrado. Los diagramas de caja en la Fig.
4 comparan visualmente la distribución de la inexactitud obtenida en función de la cohorte y

sexo y muestran que las diferencias entre los sexos son infrecuentes observado. Los valores
medios de sesgo (Tabla 3) son generalmente positivos. Aunque esta estadística parece indicar
que el método tiende a sobreestimar la edad, las proporciones de subestimación y
sobreestimación (las dos últimas columnas en la Tabla 3) muestran en cambio que no hay una
tendencia uniforme y el método estudiado producido ninguna subestimación o
sobreestimación sistemática. Positividad del sesgo los valores medios probablemente estén
influenciados por sobreestimaciones extremas, se muestran como valores atípicos en la figura
4. En algunas cohortes, las diferencias entre los sesgos encontrados para los sujetos
masculinos y femeninos se pueden ver pero no se puede excluir que esa discrepancia surja de
la estructura de muestra.

Comparación con estudios previos

Una comparación exhaustiva con los hallazgos de estudios previos en este campo no se pudo
realizar de manera satisfactoria. En De hecho, una gran parte de una investigación previa se
basa en un 2D enfoque y se utiliza para calcular el área de la pulpa [12, 54, 55] (y no
volúmenes) o medidas lineales [11, 14]. Estos trabajos son incomparables con los hallazgos
presentados en este estudio, precisamente debido al enfoque radiológico 2D, que considera
solo dos dimensiones de la extensión de la pulpa (sin tener en cuenta el modificación de la
pulpa en la dirección bucal-lingual). Además, estos trabajos previos tuvieron que lidiar con el
aumento radiológico y angulación que típicamente afectan los rayos X 2D y generalmente no
realizó una validación comparando medidas con medidas reales de dientes extraídos. Una
comparación con estudios que consideran la medición de la pulpa el volumen de la cámara
como evidencia relacionada con la edad también es difícil de realizar, ya que hay diferencias en
las técnicas utilizadas para evaluar el rendimiento del método. Por lo tanto, la comparación de
tales resultados pueden ser engañosos. Además, la mayoría de los estudios no consideran la
precisión según el grupo de edad, como realizado en este trabajo. Dado que, refiriéndose a
una serie de trabajos que se enfocan en la reducción de la cámara de pulpa, el método
discutido en este trabajo proporciona una precisión comparable o mejor. Entre trabajos
anteriores, solo unos pocos analizaron la central incisivo como en este estudio. Someda et al.
[16] consideró el incisivo central mandibular de una muestra japonesa en la que los sujetos
tenían entre 12 y 79 años. Ellos informaron un error estándar entre 8.09 y 9.24 para sujetos
femeninos y entre 10.09 y 11.40 para hombres según el volumen mesurado. Star et al. [23]
analizaron una muestra recogida en Bélgica (de 10 a 65 años de edad) y notificó una raíz media
error cuadrado de 12.86, mientras que de una muestra china que incluye sujetos entre 16 y 63
años, Ge et al. [29] observó un error estándar de la estimación de 8.88 (masculino) y 9.51
(hembra) para el incisivo central. Para el otro singlerooted dientes analizados en su estudio,
informaron resultados entre 8,63 y 10,20 años para hombres y 8,80 y 10.61 años para las
mujeres. Pinchi et al. [5] presentó los hallazgos de una muestra italiana de sujetos con edades
comprendidas entre 10 y 80 años de edad, utilizando los mismos grupos de edad que se han
investigado. En el estudio actual. La precisión del método fue presentada en términos de
residuos y los autores informaron residual significa variar entre -9,92 y 13,88, con los
residuales más bajos observado para las cohortes centrales (es decir, de 30 a 59 años de edad).
Otras publicaciones informaron resultados obtenidos mediante el análisis de otros tipos de
dientes (por ejemplo [15, 21, 26, 29, 56]). Los hallazgos son análogos a los mencionados
anteriormente. Como un excepción, Tardivo et al. [25] informaron mejores resultados a nivel
mundial en términos de precisión mediante el análisis de caninos de una muestra de Franceses
entre 15 y 85 años de edad. El dimorfismo sexual es un punto controvertido relacionado con la
degeneración modificaciones de los tejidos dentales. Un número grande de trabajos anteriores
apoyaron que ninguna relación significativa entre el estrechamiento de las cámaras de pulpa y
el sexo se puede observar [5, 23, 57, 58]. El análisis de los resultados actuales tiende a de
acuerdo con estos hallazgos previos. Otros estudios, sin embargo, encontró que el sexo puede
tener una influencia no despreciable en la pulpa reducción de la cámara [16, 22, 28, 29].

Asignación de antecedentes informativos

Primas informativas vs. Informativas

Formalmente, la probabilidad previa se puede definir como B [...] la probabilidad distribución


uno asigna a un parámetro o parámetros antes de realizar su experimento u observación [...] ^
[59, pag. 1] o análogamente B [...] una medida de grado personal de creencia sobre [el
parámetro de interés] antes de observar el datos [...] ^ [60, p. 101]. Finalmente, desde una
perspectiva forense, B [t] el término Bprior ^ resume el hecho de que tales probabilidades se
desarrollan antes de cualquier evidencia específica para el instante caso [...] ^ [61, p. 40]. Las
probabilidades previas definen por lo tanto una creencia inicial-expresada en la forma de una
probabilidad-esa puede tener una determinada variable de interés, basada en experiencia o
conocimiento de fondo, así como también información sobre el caso en cuestión [62]. En la
estimación de la edad forense marco, la provocación se refiere a la cronología la edad y las
probabilidades previas deben definirse antes de la recolección y evaluación de la evidencia
relacionada con la edad. Como se dijo anteriormente, una llamado previo informativo (o,
mejor dicho, un uniforme anterior que es una distribución uniforme durante un intervalo de
edad determinado) es generalmente preferido [32, 41-44]. Aunque el razonamiento detrás
esta opción es para B [...] [l] et los datos hablan por sí mismos [...] ^ [32, p. 54], esta
perspectiva debe ser bien comprendida, ya que sería engañoso afirmar que tal provocación es
Buninformativo ^. De hecho, el uniforme anterior realmente expresa una creencia precisa [62]
de que todas las edades incluidas en el intervalo son equiprobable para el individuo y él / ella
no puede estar en una edad fuera del rango elegido. Practicantes que eligen tal las
distribuciones de probabilidad anteriores deben ser conscientes de la importancia de su
decisión. Además, para excluir cualquier información de fondo del razonamiento inferencial
puede ser visto como un desperdicio de conocimiento útil. Un examinador preguntó para
expresar su experiencia en un procedimiento de estimación de edad es se supone que tiene
conocimiento general de antecedentes, así como información específica sobre el caso
particular, que le permite para especificar una creencia inicial sobre la edad del individuo bajo
examen. Varias estrategias existen para formar y formalizar esta creencia inicial. Como lo
sugirió Lucy [33], puede basarse en B [...] observaciones de ese individuo y otras personas que
son de edad conocida y piensan que tienen algún subyacente similitud biológica con el
individuo para quien la edad es desconocida [...] ^ [33, p. 272], una evaluación psicológica de la
persona examinada o, alternativamente, al considerar las declaraciones expresado por la
persona examinada. Información recopilada puede resumirse en términos de probabilidad
para integrarse en el razonamiento inferencial (bayesiano) como probabilidad previa
informativa.

Taroni et al. [60] sugirió un procedimiento intuitivo para resumir una creencia previa
relacionada con la evidencia forense que puede ser adoptado en el marco de estimación de
edad. Supongamos que el anterior a cualquier examen, y en base a su propia experiencia y
conocimiento, el examinador cree que lo más probable la edad para la persona examinada es
de 40 años. Supongamos también que no hay razón para asumir la incertidumbre sobre la
edad como no simétrico Por lo tanto, una distribución normal N (η, τ) puede ser asumido como
distribución de probabilidad previa en el cronológico años. En este escenario, 40 años se
pueden tomar como la media, η, de la distribución normal. Además, supongamos que el el
examinador considera extremadamente improbable que la edad de persona es menor de 30 o
mayor de 50 años. Estos límites se puede suponer que se encuentra simétricamente tres
estándar desviaciones de la media, ya que este espacio puede ser interpretado como una
probabilidad de 0.997 en la distribución normal. Por lo tanto, la desviación estándar, τ, se
puede asignar como 10 años / 3 = ~ 3,3 años, lo que corresponde a la incertidumbre del
examinador sobre la edad más probable. Como alternativa, el experto puede asignar una
distribución de probabilidad uniforme en un rango de edad dado. Como se mencionó
anteriormente, tal provocación debe ser considerada en luz de la información que proporciona
y el intervalo elegido debe ser tan estrecho como sea racionalmente posible. Bolstad [63]
proporciona otros ejemplos para formalizar creencias en términos de probabilidad
distribuciones. Aunque la designación de tal informado los antecedentes son subjetivos y
específicos de un caso, investigación de la influencia de la elección previa sobre la estimación
de edad es relevante, aunque relativamente inexplorada, la tarea en este campo (un ejemplo
es proporcionado por Sironi et al. [64]).

Análisis de sensibilidad

Con el fin de probar el efecto de diferentes priors asignados en la edad estimaciones, el


llamado análisis de sensibilidad es un interesante herramienta [47]. En términos generales, el
análisis de sensibilidad involucra variando uno o más parámetros en un modelo de
probabilidad y explorando cómo tales modificaciones afectan otras variables. En estudios
realizados sobre datos en lugar de individuos, un estudio personal la distribución de
probabilidad previa para cada sujeto es obviamente imposible para asignar, debido a la falta
de información personal específico para el caso individual. Una solución para superar dicha
limitación es simular las distribuciones de probabilidad para todas las materias. El análisis de
sensibilidad luego varía los parámetros de estas distribuciones simuladas y las variaciones
resultantes en el los resultados de la estimación se registran y analizan.

El análisis de sensibilidad se ha aplicado al modelo desarrollado. En particular, las


probabilidades previas individuales simuladas para cada sujeto en la muestra se obtuvo en
forma de una normal distribución con los parámetros η y τ, que también fueron parámetros
involucrados en el análisis de sensibilidad. Para cada sujeto, η y τ se variaron de la siguiente
manera: la media, η, se varió en un intervalo de ± 10 años a partir de la edad real del individuo
(la edad central en el intervalo) y la desviación estándar, τ, por el contrario, fue asignado como
una función cuadrática de η, formalmente, τ ¼ θ1 þ 2 ηθ3, con θ1 = 2, θ2 = 0.001 y θ3 = 2. Esta
tarea refleja la expectativa de que la incertidumbre en la edad aumenta con la edad de un
individuo. El análisis de sensibilidad se realizó empleando el BN presentado en el enfoque
bayesiano de BA para evaluar las relaciones Z ^ sección. Para cada sujeto en la muestra, los
antecedentes simulados se hicieron variando el nodo AT (la variable de edad cronológica) y
luego la edad se estimó como se describe en el Aplicación al conjunto de datos ^ sección.
Resultados con antecedentes informativos

El resultado investigado del análisis de sensibilidad fue el la inexactitud y los resultados se


resumen gráficamente en la Fig. 5. Inexactitudes promedio observadas para cada sujeto en
una cohorte de edad se muestran según la variación del parámetro medio, η, de la distribución
de probabilidad previa simulada. Los resultados muestran que las inexactitudes son menores
que las obtenidas usando un uniforme previo (líneas discontinuas en la Fig. 5), excepto casos
en que el valor asignado para η fue menor que el de aproximadamente - 7 años la edad real
del sujeto. Estos hallazgos apoyan el uso de información de fondo en el proceso inferencial. La
inexactitud aumenta con una proporcionalidad lineal de acuerdo con la diferencia entre η y la
edad real del sujeto. Además, subestimaciones generalmente se observaron cuando el
asignado el valor de η fue menor que el de la edad real del sujeto y el vicio versa, lo que
significa que los sesgos de estimación están estrictamente relacionados con provocación
previa.

Dos conclusiones principales surgen de estos resultados. En primer lugar, elicitation de


antecedentes informados aumenta la precisión de las estimaciones.

La inexactitud promedio para una cohorte es generalmente menor, o similar, a la obtenida por
una distribución previa uniforme, incluso para escenarios en el cual la edad previa más
probable (es decir, la media parámetro de la distribución normal) se asigna con un error de - 5
o + 10 años a partir de la edad real del sujeto. En segundo lugar, el distribución de probabilidad
posterior parece relativamente sensible a la obtención previa, es decir, la evidencia muestra
baja robustez hacia la elicitación previa. Esto puede estar relacionado con la alta variabilidad
del volumen de la cámara de pulpa observable para un determinado edad, como se ilustra en
la Fig. 2 y en la Tabla 2. Esto es notable preocupación, ya que la provocación incoherente de
los priores puede conducir a estimaciones de edad inconsistentes. Por lo tanto, es
fundamental que el examinador toma en cuenta toda la información disponible al formar su
propia creencia inicial y que tal información es coherentemente interpretado. En casos de alta
incertidumbre, el examinador debe considerar elegir los antecedentes con los más limitados
contenido de la información, como un uniforme previo centrado en el intervalo de edad más
lógico.

Discusión General

La estimación de edad suele ser un proceso de dos pasos. Al principio, la información se


recolecta durante el examen de una edad relacionada marcador biológico Hoy en día, el
morfológico los cambios relacionados con el volumen de la cámara de pulpa se pueden
cuantificar utilizando técnicas convencionales y, por lo tanto, este físico atributo puede ser
fácilmente explotado para la estimación de la edad de la vida asignaturas. En particular, la
técnica innovadora basada en 3D. La imagen CBCT presentada en [5] ha demostrado
proporcionar resultados consistentes y, por lo tanto, es un enfoque confiable para cuantificar
volúmenes de dientes.

El segundo paso implica la evaluación e interpretación de la evidencia recolectada Este


procedimiento no es solo estadístico problema, sino también un problema inferencial más
general. En un forense contexto, se proporcionan estimaciones de edad para responder
preguntas legales del tipo Bwhat es la edad de la persona bajo examen? ^, que son
esencialmente de naturaleza probabilística, ya que la edad real del sujeto puede permanecer
desconocida. En esta circunstancia, el enfoque bayesiano representa una solución para
coherencia lidiar con los factores de incertidumbre y proporcionar probabilística estimaciones
de edad [40, 61, 65]. Esto ha sido recientemente reconocido por la Red Europea de Institutos
Forenses (ENFSI) [66], así como otros autores [67], que identificaron un Núcleo bayesiano en la
evaluación e interpretación de todos los aspectos forenses evidencia. Como beneficio
adicional, el uso de un enfoque bayesiano en la estimación de edad permite a los
examinadores forenses abarcar algunas limitaciones estadísticas que afectan otras estadísticas
métodos empleados en el campo [30-33].

Una crítica que se ha ofrecido en contra de tal bayesiano enfoque se refiere a su eventual
complejidad computacional [41]. Sin embargo, la aplicación de métodos bayesianos se
convierte en una tarea extremadamente intuitiva y fácil mediante el uso de herramientas
probabilísticas, tales como BNs. Desde un punto operacional de vista, tales herramientas
gráficas probabilísticas permiten a los usuarios optimizar el procedimiento de evaluación y
obtener resultados de forma rápida, forma fácil de interpretar y estandarizada. De hecho, una
vez que BN ha sido compilado con probabilidades asignadas de un dado muestra de referencia,
se puede utilizar para evaluar la evidencia de todas las personas relacionadas con esa muestra
de referencia y proporciona rápidamente una estimación en una forma coherente. Por lo
tanto, los BN tal como se presentan en este trabajo pueden proporcionar un valor agregado a
práctica forense diaria al proporcionar estimaciones rápidas de edad.

En un marco bayesiano, los resultados se proporcionan en forma de una distribución de


probabilidad posterior de la cronológica edad, que encapsula toda incertidumbre relacionada
con el problema a mano de una manera lógica y coherente. Ambos apuntan y las estimaciones
de intervalo pueden derivarse de la distribución posterior [34, 44]. En sujetos adultos,
procesos degenerativos evaluados para la recolección de evidencia relacionada con la edad
son altamente variables de un individuo a otro. Las estimaciones de intervalo pueden por lo
tanto cubren grandes rangos de edad y, en consecuencia, dan como resultado siendo inútil en
la práctica forense. En tales escenarios, enfocando en estimaciones puntuales parece
preferible, como se hizo en este estudio. Los valores de inexactitud fueron generalmente
menores de 10 años (excepto para algunas cohortes), que es prometedor en términos de
modelo rendimiento, ya que los errores dentro de un rango de 10 años fueron generalmente
observado en estudios previos y considerado aceptable para la estimación de edad en adultos
[68-70]. Sin embargo, parece Es esencial destacar que las estimaciones de edad en la literatura
anterior se proporcionaron a través de la aplicación de modelos de regresión considerando
edad como una variable dependiente. Como se discutió anteriormente, esta metodología
estadística parece menos apropiada en el ámbito forense marcos [30-34]. Además, en
términos de sesgo, el El modelo bayesiano sugerido en este estudio no mostró ninguna
tendencia hacia la subestimación o sobreestimación de las edades reales, demostrando que un
método Bayesiano en realidad puede superar el inherente limitaciones de las herramientas
estadísticas clásicas en este aspecto específico [32, 42]. Un enfoque bayesiano también brinda
la posibilidad de integrar el conocimiento experto inicial, expresado en forma de distribución
de probabilidad previa de la edad cronológica.22699.

Análisis de sensibilidad de la asignación de probabilidad previa en las edades de los sujetos


muestran que una provocación informada aumenta la calidad de las estimaciones, aunque la
evidencia considerada parece tener solo un efecto menor Esta es una preocupación particular,
ya que tal escasa robustez puede llevar a estimaciones erróneas si la creencia de un experto
inicial es demasiado distante de la edad real de el individuo examinado. Sin embargo, la solidez
puede aumentar considerando un enfoque multi-rasgos, es decir, mediante la evaluación
evidencia recolectada de múltiples dientes o de otra indicadores físicos de edad. Desde esta
perspectiva, aunque su influencia en la reducción de la variable de la cámara pulpar es
controvertido (ver la sección BApplication to dataset ^), el la integración de la variable de sexo
en el razonamiento inferencial es relevante para una eventual extensión del modelo
inferencial para la evaluación de la evidencia recopilada de los rasgos físicos que puede verse
más afectado por el dimorfismo sexual. BNs, de nuevo, son una herramienta flexible que
puede manejar diferentes variables y es simple para integrar variables adicionales en gráficos
existentes modelos.

Conclusión

Fenómenos degenerativos de los dientes, como la cámara pulpar estrechamiento en relación


con la deposición de dentina secundaria, son confiables marcadores físicos para la estimación
de edad de individuos adultos [5]. En este sentido, una nueva técnica basada en una
aproximación procedimiento para cuantificar volúmenes dentales en imágenes 3D CBCT ha
sido reportado previamente y ha demostrado proporcionar útiles evidencia para la estimación
de la edad de los individuos vivos y cuerpos desconocidos En este documento, por primera vez,
evidencia recogida de tal técnica ha sido evaluada utilizando un Red bayesiana basada en un
modelo Bayesiano completo, para inferir estimaciones de edad en contextos forenses. Los
principales hallazgos del estudio es el siguiente:
 El estrechamiento de la pulpa parece influir de forma desigual en el sexo
 Los valores de Precisión generalmente son inferiores a 10 años, lo que cumple los
criterios generalmente aceptados para la edad adulta Estimación;
 Y obtención de la probabilidad previa informada de la cronología la edad aumenta la
precisión de las estimaciones de edad;
 Robustez de la evaluación de evidencia hacia el anterior la elicitación es baja y la
asignación previa incoherente puede llevar a estimaciones inconsistentes;
 El método no se ve afectado por el bajo sistemático sobreestimaciones;
 Redes bayesianas optimizan el procedimiento de evaluación de pruebas y podría
proporcionar un importante valor agregado para el análisis forense practicar al evaluar
este tipo de evidencia.
 Una versión lista para usar del código R utilizado para el análisis en este trabajo está
disponible como Material Suplementario Electrónico y se puede usar para
proporcionar una estimación de edad basada en la relación Z evidencia.

Apéndice

Desde un punto de vista general, el teorema Bayesiano aplicado a la evaluación de


características continuas relacionadas con la edad para los propósitos de estimación de edad
toman la siguiente forma:

f að Þ¼ jz;s; t; g; v f zð Þjs; a; t; g; v f að Þ ∫A f zð Þjs; a; t; g; v f að Þda ð

donde a es la edad del individuo examinado, s su sexo y z el valor de las características


consideradas relacionadas con la edad (por ejemplo, la relación Z o su logaritmo, lnZ) calculada
durante el examen individual t, g y v son vectores, que se refieren respectivamente a la edad,
el sexo y las mediciones de los características relacionadas con la edad de todas las materias
en la referencia muestra (datos de fondo). Por lo tanto, la distribución de probabilidad
asociado con los modelos de verosimilitud f (z | s, a, t, g, v) la probabilidad de observar un
valor específico para z en el examinado individuo, dada su edad y sexo y el fondo datos. Eq. (3)
en la Sección 3 es esencialmente una nota simplificada forma de (5), donde las variables
relativas al fondo los datos se omiten intencionalmente de la notación. En un marco
paramétrico, las características de la probabilidad distribución para f (z | s, a, t, g, v) se puede
definir en función de un conjunto de parámetros θ, que pueden estimarse a partir de las
características de la muestra de referencia (es decir, los vectores t, g, v). los función de
verosimilitud en Eq. (5) es, por lo tanto, un predictivo posterior distribución, que se puede
definir mejor de la siguiente manera [71]:

f zð Þ js; a; t; g; v ¼ ∫Θ f zð Þja;s; θ πð Þ θjt; g; v dθ ð6Þ where πð Þ¼ θjt; g; v f ð Þvjt; g; θ πð Þ θ


∫Θ f ð Þvjt; g; θ πð Þ θ dθ ð7
Es la distribución de probabilidad posterior de los parámetros, también obtenido a través de la
aplicación del teorema bayesiano. π (θ) es la distribución de probabilidad previa de los
parámetros y f (v | t, g, θ) modelos, en términos probabilísticos, la relación entre las
características consideradas relacionadas con la edad de los sujetos en la muestra de
referencia con su edad cronológica y sexos. Esta relación se define como una función de los
parámetros θ. En este estudio, la función de verosimilitud ha sido modelada por medio de una
distribución Normal, con parámetros μ y σ. Los anterior describe la relación entre lnZ y la edad
y sexo de un individuo. Dado que se ha encontrado esta relación ser lineal [5], un modelo de
regresión lineal multinomial puede ser utilizado para cuantificar el valor de lnZ. Formalmente:

μa;s ¼ β0 þ β1 a þ β2 s; ð

el análisis de regresión implica incertidumbre, que debe ser integrada en el modelo. Por lo
tanto, se puede suponer que lo observado lnZ value resulta de una combinación de un sistema
sistemático parte y una parte aleatoria que tiene en cuenta dicha incertidumbre [45].
Formalmente

lnZ ¼ μa;s þ ε

donde se supone que el término de error es Normalmente distribuido, es decir, ε ~ Ɲ (0, σ2) El
término de variación σ2 se supone constante en todo el rango de edad, ya que la
transformación logarítmica se reduce la heterocedasticidad de los datos. Por lo tanto, de la Eq.
(9) se puede inferir que lnZ ~ Ɲ (μa, s, σ2 ) Además, θ = {β0, β1, β2, σ} y se puede estimar a
partir de la referencia muestra por medio de la Eq. (7) presentado arriba.

You might also like