PowerSorb® for forensic investigation of VOC traces: Application on perfume traces
Notice bibliographique
Résumé
This study aims to assess the potential of PowerSorb®, a crime scene easy-to-use polydimethylsiloxane-based adsorbent, for the extraction of volatile organic compounds (VOCs) from olfactory (scent) traces. The PowerSorb®’s capacity for VOC collection is tested through increasingly complex extraction scenarios, using three commercial perfumes. Four scenarios were considered: (1) Direct analysis of liquid perfumes; (2) extraction of VOCs from liquid perfumes using PowerSorb®; (3) extraction of VOCs from polyester fabrics impregnated with perfume using PowerSorb®; and (4) extraction after cross-transfer between fabrics treated with different perfumes using PowerSorb®. Headspace Gas Chromatography coupled with a mass spectrometer (HS-GC/MS) has been used for the analysis. The results support that PowerSorb® does allow the adsorption and thermal desorption of VOCs. While measurement of uncertainties increases with the growing complexity of the transfer, PowerSorb® appears to be an efficient and easy-to-use tool for VOCs collection and the perfume’s identification, when compared to more traditional sorbent phases, such as solid phase microextraction (SPME), which is hardly suitable for real-case scenarios. Olfactory traces remain challenging in cross-transfer scenarios, and further studies should be developed to assess the different perfume’s dynamics (transfer, persistence, background, evaporation, and degradation). • PowerSorb® is a suitable adsorbent for perfume VOCs’ collection. • PowerSorb® is an efficient and easy-to-use adsorbent for complex forensic scenarios. • Headspace Gas Chromatography/Mass Spectrometry for perfume’s VOCs analysis. • Perfume’s discrimination, from textile extraction, was possible using PowerSorb®. • Fragrance’s trace remains a simplified model of olfactory traces.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».