x

¿Aún no esta registrado?

Crea tu cuenta. Registrate en Elsevier y obtendrás:

Registrarme ahora
Ayuda - - Regístrese - Teléfono 902 888 740
Buscar en

Indexada en:

Scopus, Embase/Excerpta Medica, Latindex, IBECS

Índice SCImago

SCImago Journal & Country Rank
doi: 10.1016/S0377-4732(10)70043-2

La data de la muerte, un desafío no resuelto

The data of death, an unresolved challenge

Aurelio Luna Maldonado a

a Cátedra de Medicina Legal y Forense, Universidad de Murcia, Murcia, España

Artículo

El establecimiento de la data de la muerte sigue constituyendo uno de los problemas más complejos en patología forense. El número de trabajos sobre el tema es uno de los indicadores más objetivos de su importancia. Sin embargo, es preciso reconocer la realidad de la frase de Henssge et al1, que afirman que la cantidad de literatura existente para la estimación de la data tiene relación inversa con su trascendencia práctica.

La precisión y la aplicabilidad de los procedimientos dependen de las características y las circunstancias del fallecimiento y del intervalo post mórtem; se puede afirmar que en las primeras 24 horas de data la combinación del estudio del potasio en humor vítreo y la temperatura rectal ofrece unos resultados aceptables, que mejoran con la incorporación de otros elementos complementarios. La publicación del nomograma de Henssge2 ha supuesto la introducción del análisis conjunto de una serie de variables que permiten establecer la data; sin embargo, la realidad nos sigue demostrando la necesidad de mejorar la precisión.

Uno de los fenómenos mejor y más estudiados es la temperatura, pero la variabilidad de los factores individuales y ambientales que condicionan su evolución limita la aplicación práctica de los registros de temperatura a pesar de los factores de corrección habitualmente empleados (perímetro abdominal, etc.). El uso de los parámetros bioquímicos se basa en su liberación progresiva al fluido en el que se analizan (generalmente el humor vítreo), en relación con los procesos de autólisis post mórtem. Los modelos utilizados se basan en un modelo de difusión simple con dos factores condicionantes de primer orden, la autólisis de las membranas biológicas y la diferencia de concentraciones a ambos lados de las membranas (gradiente de concentraciones). Los modelos aplicados en la práctica no permiten corregir el hecho de que la velocidad de deterioro de la membrana por la autólisis está condicionada por la evolución de ésta (la temperatura, los procesos agónicos, la causa de la muerte, etc.) y sigue una cinética distinta del gradiente de concentración y que existen factores como la carga eléctrica del elemento bioquímico, la fuerza iónica del medio, la afinidad hacia las proteínas, etc., que condicionan sustantivamente el proceso de difusión.

El uso conjunto de métodos bioquímicos y la temperatura mejora las estimaciones siempre que se realice en las primeras 24 h de data3; a partir de entonces la precisión disminuye proporcionalmente al intervalo transcurrido. Es importante recordar que los procesos en que nos basamos para la estimación de la data requieren siempre una interpretación individualizada en función de los factores individuales y circunstanciales que condicionan significativamente su evolución; en la medida en que el método usado no tenga presentes estos factores, la estimación de la data pierde rigor y nos alejamos de nuestro objetivo.

Los modelos matemáticos clásicos de utilidad relativa, basados fundamentalmente en modelos lineales y logarítmicos (según los casos), deben sustituirse por modelos basados en un modelo estocástico, donde la resultante final de los indicadores que nos sirven para la estimación de la data son fruto de la interacción de un conjunto de factores que a su vez están relacionados entre sí, y donde se pueda tener en cuenta el peso de cada factor de forma ajustada y se pueda analizar las interacciones entre los factores. La necesidad de elaborar un modelo matemático que incluya las interacciones entre los factores para ajustar la precisión de las estimaciones sigue siendo una cuestión pendiente.

El desarrollo de nuevos modelos matemáticos permite una optimización en el tratamiento de los datos4, pero sigue siendo fundamental la complementariedad de las técnicas; no es lo mismo describir mediante un modelo matemático el comportamiento de un parámetro que explicarlo. La predicción de un fenómeno biológico mediante unos datos requiere no sólo un conocimiento de cómo se desarrolla el proceso, sino tener un modelo explicativo que tenga en cuenta los factores que lo condicionan.

Recientemente se ha incorporado el estudio espectrofotométrico de las livideces cadavéricas5 para la estimación de la data, que puede utilizarse de forma conjunta con los otros datos.

La introducción de la proteómica y la metabolómica nos permite incrementar el arsenal de métodos aplicables a la estimación de la data de la muerte6.

En el intervalo de las 24 a las 72 h se requiere la utilización conjunta de los datos bioquímicos junto con un conjunto de datos complementarios que dependen de las características concretas del caso, y a partir de las 72 h las dificultades se incrementan exponencialmente; si bien el uso de la fauna cadavérica resulta un indicador útil, es preciso disponer de estudios específicos regionales para aumentar la precisión de la estimación7-9.

Existen nuevos métodos que podrían complementar los datos de la fauna cadavérica aun cuando requieren de un contraste con series suficientemente amplias10,11.

Resulta fundamental establecer estudios multicéntricos basados en la complementariedad de los métodos y con un número suficiente de casos que nos permitan desarrollar modelos matemáticos explicativos fiables, que tengan en cuenta el peso de los diferentes factores (individuales y ambientales).


Correo electrónico: aurluna@um.es

Bibliografía

1.Henssge C, Madea B. Estimation of the time since death. Forensic Sci Int. 2007;165:182-4.
Medline
2.Henssge C, Althaus L, Bolt J, Freislederer A, Haffner HT, Henssge CA, et al. Experiences with a compound method for estimating the time since death. I. Rectal temperature nomogram for time since death. Int J Legal Med. 2000;113:303-19.
Medline
3.Henssge C, Madea B. Estimation of the time since death in the early post mortem period. Forensic Sci Int. 2004;144:167-75.
Medline
4.Muñoz-Barús JI, Febrero-Bande M, Cadarso-Suárez C. Flexible regression models for estimating postmortem interval (PMI) in forensic medicine. Stat Med. 2008;27:5026-38.
Medline
5.Usumoto Y, Hikiji W, Sameshima N, Kudo K, Tsuji A, Ikeda N. Estimation of postmortem interval based on the spectrophoto-metric analysis of postmortem lividity. Leg Med (Tokyo). 2010; 12:19-22.
6.Hirakawa K, Koike K, Uekusa K, Nihira M, Yuta K, Ohno Y. Experimental estimation of postmortem interval using multivariate analysis of proton NMR metabolomic data. Leg Med (Tokyo). 2009;Suppl 1:S282-5.
7.Arnaldos I, Romera E, Garcia MD, Luna A. An initial study on the succession of Sarcosaprophagous Diptera (insecta) on carrion in the southeastern iberian peninsula. Int J Legal Med. 2001;114: 156-62.
Medline
8.Arnaldos MI, Romera E, Presa JJ, Luna A, García MD. Studies on seasonal arthropod succession on carrion in the southeastern iberian peninsula. Int J Legal Med. 2004;118:197-205.
Medline
9.Arnaldos MI, Garcia MD, Romera E, Presa JJ, Luna A. Estimation of postmortem interval in real cases based on experimentally obtained entomological evidence. Forensic Sci Int. 2005;149:57-65.
Medline
10.Querido D, Phillips MR. Estimation of postmortem interval. Temperature-correction of extracellular abdominal impedance during the first 21 days of death. Forensic Sci Int. 2001;116:133-8.
Medline
11.Liu Q, Sun Q, Liu Y, Zhou L, Zheng N, Liu L. Bioluminescent assay of microbial ATP in postmortem tissues for the estimation of postmortem interval. J Huazhong Univ Sci Technolog Med Sci. 2009;29:679-83.
Medline