Двойная экспоненциальная модель охлаждения трупа в условиях линейно изменяющейся внешней температуры

Обложка

Цитировать

Полный текст

Аннотация

Обоснование. Основным условием корректного определения давности наступления смерти, одновременно ограничивающим область применения метода термометрии глубоких тканей трупа, является постоянство температуры внешней среды. Приоритет термометрии ядра тела в диагностике давности наступления смерти объясняется более медленным остыванием глубоких тканей, позволяющим увеличить продолжительность посмертного интервала, доступного диагностике, и меньшей подверженностью влиянию различных случайных факторов на процесс охлаждения. Предложенные в последнее время конечно-элементные модели могут учитывать практически все существенные условия охлаждения, в том числе и изменения внешней температуры, однако из-за своей высокой сложности требуют наличия серьёзной физико-математической подготовки и технических навыков, дорогостоящего программного обеспечения и посмертной компьютерной томографии. По этим причинам они не нашли пока широкого применения в экспертной практике.

В настоящей статье предложена математическая модель охлаждения ядра трупа при линейно изменяющейся внешней температуре.

Цель исследования — построить математическую модель охлаждения ядра трупа на основе феноменологического закона Marshall-Hoare в условиях линейно изменяющейся внешней температуры; найти численный алгоритм решения построенной модели и разработать реализующую его компьютерную программу.

Материал и методы. На базе феноменологического закона охлаждения Marshall-Hoare выполнено прямое аналитическое моделирование охлаждения трупа в условиях линейно изменяющейся температуры внешней среды.

Результаты. Разработана математическая модель охлаждения ядра трупа в условиях линейно изменяющейся внешней температуры. В качестве численного алгоритма решения этой модели предложен метод хорд. Разработанная математическая модель и итерационный алгоритм её решения, а также вычисления интервальных оценок посмертного интервала реализованы на языке C# в формате компьютерной программы Warm Bodies MHNH.

Заключение. Предложенную модель и реализующую её программу целесообразно использовать в судебно-медицинской экспертной практике при определении давности наступления смерти по ректальной или краниоэнцефальной температуре трупа в условиях линейно изменяющейся температуры внешней среды.

Об авторах

Герман Владимирович Недугов

Самарский государственный медицинский университет

Автор, ответственный за переписку.
Email: nedugovh@mail.ru
ORCID iD: 0000-0002-7380-3766
SPIN-код: 3828-8091
Scopus Author ID: 25947646500
ResearcherId: ABH-5590-2020

д.м.н., доцент

Россия, 443099, Самара, ул. Чапаевская, д. 89

Список литературы

  1. Marshall T.K., Hoare F.E. Estimating the time of death. The rectal cooling after death and its mathematical expression // J Forensic Sci. 1962. Vol. 7, N 1. P. 56–81.
  2. Henssge C. Death time estimation in case work. I. The rectal temperature time of death nomogram // Forensic Sci Int. 1988. Vol. 38, N 3-4. P. 209–236. doi: 10.1016/0379-0738(88)90168-5
  3. Henssge C. Rectal temperature time of death nomogram: dependence of corrective factors on the body weight under stronger thermic insulation conditions // Forensic Sci Int. 1992. Vol. 54, N 1. P. 51–66. doi: 10.1016/0379-0738(92)90080-g
  4. Althaus L., Henssge C. Rectal temperature time of death nomogram: sudden change of ambient temperature // Forensic Sci Int. 1999. Vol. 99, N 3. P. 171–178. doi: 10.1016/s0379-0738(98)00188-1
  5. Bisegna P., Henssge C., Althaus L., Giusti G. Estimation of the time since death: sudden increase of ambient temperature // Forensic Sci Int. 2008. Vol. 176, N 2-3. P. 196–199. doi: 10.1016/j.forsciint.2007.09.007
  6. Недугов Г.В. Математическое моделирование охлаждения трупа в условиях изменяющейся температуры окружающей среды // Судебная медицина. 2021. Т. 7, N 1. С. 29–35. doi: 10.17816/fm360
  7. Недугов Г.В. Численный метод решения двойных экспоненциальных моделей охлаждения трупа при установлении давности наступления смерти // Судебно-медицинская экспертиза. 2021. Т. 64, N 6. С. 25–28. doi: 10.17116/sudmed20216406125
  8. Madea B. Methods for determining time of death // Forensic Sci Med Pathol. 2016. Vol. 12, N 4. P. 451–485. doi: 10.1007/s12024-016-9776-y
  9. Henssge C., Madea B. Estimation of the time since death in the early post-mortem period // Forensic Sci Int. 2004. Vol. 144, N 2-3. P. 167–175. doi: 10.1016/j.forsciint.2004.04.051
  10. Недугов Г.В. Новые компьютерные технологии определения давности наступления смерти по методу Henssge // Судебная медицина. 2021. Т. 7, N 3. С. 152–158. doi: 10.17816/fm406
  11. Mall G., Eisenmenger W. Estimation of time since death by heat-flow Finite-Element model. Part I: method, model, calibration and validation // Leg Med (Tokyo). 2005. Vol. 7, N 1. P. 1–14. doi: 10.1016/j.legalmed.2004.06.006
  12. Mall G., Eisenmenger W. Estimation of time since death by heat-flow Finite-Element model. Part II: application to non-standard cooling conditions and preliminary results in practical casework // Leg Med (Tokyo). 2005. Vol. 7, N 2. P. 69–80. doi: 10.1016/j.legalmed.2004.06.007
  13. Schenkl S., Muggenthaler H., Hubig M., et al. Automatic CT-based finite element model generation for temperature-based death time estimation: feasibility study and sensitivity analysis // Int J Legal Med. 2017. Vol. 131, N 3. P. 699–712. doi: 10.1007/s00414-016-1523-0

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. 1. Температурные кривые из примеров 1 и 2.

Скачать (242KB)
3. Рис. 2. Геометрия решения уравнения (9) методом хорд для данных примера 1. Показаны первые 3 итерации при t0=10 и t1=0,1 ч.

Скачать (210KB)
4. Рис. 3. Геометрия решения уравнения (10) методом хорд для данных примера 2. Показаны первые 5 итераций при t0=0,1 и t1=20 ч.

Скачать (191KB)
5. Рис. 4. Рабочая область Excel с данными примера 1 для решения функции (9) применительно к ректальной температуре методом хорд. Цветом выделены ячейки, предназначенные для ввода исходных физических величин. Остальные числовые данные генерируются автоматически.

Скачать (403KB)

© Недугов Г.В., 2021

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».