Trace Evidence Analysis of Forensic Samples Using Inductively Coupled Plasma
Notice bibliographique
Résumé
At many crime scenes, little evidence is left behind; thus, the more tools available for the analysis of minute samples, the better. For instance, trace elemental impurities are not regulated in many commercial materials and thus could be a unique identifier. One of the best techniques for multi-elemental trace analysis is inductively coupled plasma (ICP) spectrometry; yet, it is seldom used for forensic analysis. In this thesis, four different forensic applications will be explored using ICP spectrometry involving four different types of sample: human head hair, automotive paint, solder and gunshot residue. \nHuman hair and automotive paints were analyzed using electrothermal vaporization (ETV) coupled to ICP optical emission spectrometry (OES). This combination is advantageous for the analysis of forensic materials, as ETV enables the direct analysis of milligrams of solid samples, which eliminates sample contamination that could happen during dissolution. Moreover, as transport efficiency into the ICP is nearly 100%, a higher sensitivity results than with solution nebulization (SN). Qualitative analysis by ETV-ICP-OES in combination with multivariate statistical techniques, such as principal component analysis and linear discriminant analysis, enabled the discrimination of gender and general ethnicity from head hair as well as vehicle manufacturer, year of production and colour from an automotive paint chip. \nQuantitative analysis by SN into ICP mass spectrometry (MS) following acid digestion constitutes an even more sensitive approach than ETV-ICP-OES. The concentrations of trace impurities were measured by SN-ICP-MS in lead-tin solder, commonly used in the making of improvised explosive devices, to help to narrow down the list of suspects if pieces of solder salvaged at the crime scene are matched to unused pieces found in a suspect’s home. Quantitative analysis by SN-ICP-MS is also useful to assess the health and safety of forensic personnel as well as cross-contamination in a forensic facility. Because forensic ballistic profiling requires a firearm discharge in an environmentally controlled range, a high concentration of lead accumulates on surfaces, exposing employees to potential lead-related health risks. In addition to quantifying the lead concentrations on surfaces in different areas, SN-ICP-MS also enabled the identification of an effective lead abatement method.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,005 |
| Science ouverte | 0,002 | 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 ».