Cross-Contamination of Ignitable Liquid Residues on Wildfire Debris—Detection and Characterization in Matrices Commonly Encountered at Wildfire Scenes
Notice bibliographique
Résumé
Ignitable liquid residue (ILR) samples play an important role in fire investigations. Similar to other types of forensic evidence, maintaining sample integrity depends on the prevention of cross-contamination during both storage and transport. This study examines cross-contamination in ILR samples on various sample matrices (gravel, soil, wood). After inducing leaks in a controlled environment, sample analysis by GC×GC-ToF MS allowed for sensitive detection and in-depth characterization of cross-contamination processes. The potential for false positive identification of ILR is notably present due to cross-contamination. Compound transmission for a mid-range ILR (gasoline), for instance, was detectable after a 1 h exposure, with a complete profile transfer occurring after 8 h regardless of the matrix type. Visual comparisons and uptake rate calculations further confirmed matrix interaction effects taking place in the form of inherent native compound interference and adsorbate–adsorbate interaction during transmission and extraction processes for soil and wood matrices. Chemometric analysis highlighted the advantage of employing statistical analysis when investigating samples under matrix interactions by identifying several statistically significant compounds for reliably differentiating cross-contamination from background and simulated positive samples in different volatility ranges and compound classes. Untargeted analysis tentatively identified three additional compounds of interest within compound classes not currently investigated in routine analysis. The resulting classification between background, contaminated, and simulated positive samples showed no potential for false positive ILR identification and improved false negative errors, as evidenced by classification confidences progressing from 88% for targeted and 93% for untargeted to 95% for a diagnostic ratio analysis of three ratios deployed in tandem.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».