MétaCan
Menu
Retour à la cohorte
Enregistrement W944041983 · doi:10.1520/jfs15446j

Detection of Petrol (Gasoline) in Fire Debris by Gas Chromatography/Mass Spectrometry/Mass Spectrometry (GC/MS/MS)

2002· article· en· W944041983 sur OpenAlexaff
Mark Froneman, Egmont R. Rohwer, Dale Sutherland

Notice bibliographique

RevueJournal of Forensic Sciences · 2002
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueForensic Fingerprint Detection Methods
Établissements canadiensActivation Laboratories
Organismes subventionnairesnon disponible
Mots-clésMass spectrometryChemistryIon trapChromatographyAnalytical Chemistry (journal)Electron ionizationThermal ionization mass spectrometryIonMass spectrumQuadrupole ion trapGas chromatographyGasolineGas chromatography–mass spectrometryIon sourceIonizationOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Gas chromatography/mass spectrometry (GC/MS) is a well-known instrumental technique used for the analysis of fire debris for accelerant detection. However, matrix problems, such as pyrolysis product interference, are still encountered. These interferences often lead to inconclusive interpretation of the chromatographic results obtained. This paper describes a method of analyzing arson accelerants using gas chromatography coupled with ion trap mass spectrometry/mass spectrometry (GC/MS/MS). Petrol was investigated as an accelerant. Analysis incorporated an ion preparation method (IPM) that manipulates the ion population in the ion trap following ionization but prior to ion analysis. Parent ions of selected mass-to-charge (m/z) values, characteristic for petrol, are stored within the ion trap. All other unwanted ions are physically removed from the trap by sophisticated electrostatic waveforms. The parent ions fill the trap and are then fragmented by means of collision-induced dissociation (CID). The resultant daughter ion spectra are obtained, which can be used for identification purposes. In this manner, ions of pyrolysis origin are removed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,295
Écart entre enseignants0,273 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations60
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Forensic SciencesMême sujetForensic Fingerprint Detection MethodsTravaux en français237 207