The power of fingerprinting of volatiles constituents in fighting illicit and flavoured tobacco products
Notice bibliographique
Résumé
Manufacturers of tobacco products aim to attribute dedicated, by the consumer recognisable characteristics to their products. Volatile and semi-volatile organic compounds, are to a large degree determining the sensorial identity of the product. Their composition is influenced by both the tobacco blend and additives added to the product during production. However, for protecting the product identity, manufacturers do not disclose their composition. Producers of illicit tobacco products will hardly be able to mimic the sensorial characteristics of genuine products. This fact offered the opportunity to discriminate genuine from counterfeit tobacco products by chemical analysis of the volatile and semi-volatile constituents, applying gas chromatography high resolution time of flight mass spectrometry. The developed multivariate statistical models allowed to distinguish branded cigarettes from each other, and from counterfeit products. Chemical analysis of the volatile and semi-volatile fraction of tobacco products offers also the possibility to identify sensorial active substances at concentrations, which might attribute a characterising flavour to the respective tobacco product. Respective models were developed at the JRC for discriminating cigarettes with characterising flavours from cigarettes currently on the EU market. The chemical analysis of the cigarettes has shown to be economic and reliable, leading to models with high accuracy. In this sense, it can be used either as a screening tool in monitoring exercises, and/or for confirmation of characteristics identified by a sensory panel.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».