Discriminação forense de sacos de plástico - aplicação de métodos térmicos, espetroscópicos e de análise estatística multivariada

Abstract

Os sacos de plástico consistem num tipo de materiais poliméricos de interesse forense que podem ser encontrados em locais de crime. Estes podem, por exemplo, ser usados para ocultar o corpo de uma vítima ou noutros fins relacionados com o crime, tais como o embalamento de drogas ilícitas para serem vendidas no mercado do consumidor. Deste modo, torna-se útil caracterizar estas evidências poliméricas para determinar a sua origem e obter informações suplementares que podem ajudar nas investigações forenses. O objetivo deste projeto é aplicar uma abordagem combinada de métodos instrumentais de análise com técnicas de análise estatística multivariada para a discriminação de sacos de plástico em contexto forense.Neste estudo, vinte e oito sacos de plástico obtidos a partir de sete marcas diferentes foram analisados em três sítios aleatórios por espetroscopia de infravermelho com transformada de Fourier em modo de refletância total atenuada (FTIR-ATR), calorimetria diferencial de varrimento (DSC), análise termogravimétrica (TGA), difração de raios-X (XRD) e microscopia com luz polarizada (PLM). A variabilidade inter e intra-amostras da mesma marca foi investigada, juntamente com a diversidade entre amostras de marcas diferentes. Posteriormente, três métodos de análise estatística multivariada foram aplicados com o intuito de explorar e interpretar os resultados obtidos: análise de agrupamento hierárquico (HCA), análise de componentes principais (PCA) e random forest (RF). A complementaridade dos métodos analíticos e quimiométricos permitiu observar a presença de cinco agrupamentos naturais entre o conjunto de amostras, sendo útil para estabelecer uma análise comparativa rápida e, consequentemente, discriminar a maior parte das marcas estudadas de sacos de plástico aparentemente semelhantes, que apresentam diferenças significativas resultantes do processo de manufatura. Os mesmos métodos também foram aplicados no estudo e investigação de oito amostras cegas, as quais foram identificadas com sucesso e usadas para testar e validar os métodos estatísticos.

Plastic bags consist in a type of polymeric materials of forensic interest that may be found in crime scenes. They can for example be used to hide the body of a victim or in other crime related purpose, such as packing illicit drugs to be sold in the consumer market. Thus, it becomes useful to characterize these polymeric evidences to determine their source and obtain supplementary information that can help forensic investigations.The purpose of this project is to apply a combined approach of instrumental methods of analysis with multivariate statistical analysis techniques for discrimination of plastic bags in forensic context.In this study, twenty-eight plastic bags obtained from seven different brands were analyzed in three random sites by Fourier transform infrared spectroscopy in attenuated total reflection mode (FTIR-ATR), differential scanning calorimetry (DSC), thermogravimetric analysis (TGA), X-ray diffraction (XRD) and polarized light microscopy (PLM). Inter and intra-sample variability of the same brand was investigated, along with the diversity among samples from different brands.Three methods of multivariate statistical analysis were applied in order to explore and interpret the obtained results: hierarchical clustering analysis (HCA), principal component analysis (PCA) and random forest (RF). The complementarity of analytical and chemometric methods allowed to observe the presence of five natural clusters among the set of samples which was useful for establishing a rapid comparative analysis and, consequently, to discriminate most of the studied brands of apparently similar plastic bags, which have significant differences as a result of the manufacture process.The same methods were also applied in the study and investigation of eight blind samples, which were successfully identified and used to test and validate the statistical methods.