Modern Instrumental Limits of Identification of Ignitable Liquids in Forensic Fire Debris Analysis
Notice bibliographique
Résumé
Forensic fire debris analysis is an important part of fire investigation, and gas chromatography–mass spectrometry (GC-MS) is the accepted standard for detection of ignitable liquids in fire debris. While GC-MS is the dominant technique, comprehensive two-dimensional gas chromatography–mass spectrometry (GC×GC-MS) is gaining popularity. Despite the broad use of these techniques, their sensitivities are poorly characterized for petroleum-based ignitable liquids. Accordingly, we explored the limit of identification (LOI) using the protocols currently applied in accredited forensic labs for two 75% evaporated gasolines and a 25% evaporated diesel as both neat samples and in the presence of interfering pyrolysate typical of fire debris. GC-MSD (mass selective detector (MS)), GC-TOF (time-of-flight (MS)), and GC×GC-TOF were evaluated under matched conditions to determine the volume of ignitable liquid required on-column for correct identification by three experienced forensic examiners performing chromatographic interpretation in accordance with ASTM E1618-14. GC-MSD provided LOIs of ~0.6 pL on-column for both neat gasolines, and ~12.5 pL on-column for neat diesel. In the presence of pyrolysate, the gasoline LOIs increased to ~6.2 pL on-column, while diesel could not be correctly identified at the concentrations tested. For the neat dilutions, GC-TOF generally provided 2× better sensitivity over GC-MSD, while GC×GC-TOF generally resulted in 10× better sensitivity over GC-MSD. In the presence of pyrolysate, GC-TOF was generally equivalent to GC-MSD, while GC×GC-TOF continued to show 10× greater sensitivity relative to GC-MSD. Our findings demonstrate the superior sensitivity of GC×GC-TOF and provide an important approach for interlaboratory benchmarking of modern instrumental performance in fire debris analysis.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».