Cross-Contamination of Ignitable Liquid Residues on Wildfire Debris—Effects of Packaging and Storage on Detection and Characterization
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Producing defensible data for legal proceedings requires strict monitoring of sample integrity. In fire debris analysis, various approved packaging and storage solutions are designed to achieve this by preventing cross-contamination. This study examines the efficiency of current practices at preventing cross-contamination in the presence of a sample matrix (charred wood) via analysis by comprehensive multidimensional gas chromatography coupled with time-of-flight mass spectrometry (GC×GC-ToF MS). The transfer of ignitable liquid residue (ILR) was assessed by comparing percentages of the target ILR area relative to the total chromatogram area and applying chemometric tools developed to detect cross-contamination. All practices reduced cross-contamination in comparison to faulty packaging. Individual practices varied in their performance. Nylon-based packaging performed best, whereas commercial polyethylene-based packaging performed worst due to interfering compounds emitted from the material and sealing mechanism. Heat-sealing was the best sealing mechanism when applied correctly, followed by press-fit connections, and lastly, adhesive sealing. Refrigerated storage offered several advantages, with elevated impact for polyethylene-based packaging and adhesive sealing mechanisms. Triple-layer packaging practices did not show significant benefits over double-layers. The recommended packaging approach based on these findings is mixed-material packaging (metal quart can in a heat-sealed nylon bag), offering advanced prevention of cross-contamination and practical advantages with continued refrigeration during transport.
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.
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 | 0,001 | 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 découle