WO2024069385A1 - Procédé de détection de punaises de lit - Google Patents

Procédé de détection de punaises de lit Download PDF

Info

Publication number
WO2024069385A1
WO2024069385A1 PCT/IB2023/059489 IB2023059489W WO2024069385A1 WO 2024069385 A1 WO2024069385 A1 WO 2024069385A1 IB 2023059489 W IB2023059489 W IB 2023059489W WO 2024069385 A1 WO2024069385 A1 WO 2024069385A1
Authority
WO
WIPO (PCT)
Prior art keywords
bedbugs
volatile organic
organic compounds
modality
premises
Prior art date
Application number
PCT/IB2023/059489
Other languages
English (en)
Inventor
Isabelle Lacaze
Olivier RAMALHO
Mélanie NICOLAS
Enric Robine
Original Assignee
Centre Scientifique Et Technique Du Batiment
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Centre Scientifique Et Technique Du Batiment filed Critical Centre Scientifique Et Technique Du Batiment
Publication of WO2024069385A1 publication Critical patent/WO2024069385A1/fr

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
    • G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
    • G01N33/0047—Organic compounds
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G01N33/497—Physical analysis of biological material of gaseous biological material, e.g. breath
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G01N33/497—Physical analysis of biological material of gaseous biological material, e.g. breath
    • G01N33/4977—Metabolic gas from microbes, cell cultures or plant tissues

Definitions

  • the present invention relates to the technical field of detecting harmful insects and relates to a method for detecting bedbugs, in particular in premises (dwellings or indoor environments).
  • Bedbugs are blood-sucking insects that are ectoparasitic on humans and have been on the rise since the end of the 1990s in industrialized countries. The resurgence of this harmful insect can be observed on all continents, including in France. The increase in national and international travel of people and the resistance of bedbugs to the main authorized insecticides partly explain the increase in the number of new outbreaks of infestation.
  • biting/sucking insects are often disease vectors, even if no vector-borne disease specifically incriminating bedbugs has been described to date. However, the consequences, whether allergic or psychological, may require medical treatment.
  • indices based on the presence/absence of volatile organic compounds in the air specific to biological agents harmful to buildings, property and/or people make it possible to early diagnose infestations of fungal or entomological origin that are undetected/visually detectable, such as the presence of mold, dry rot or even insects.
  • These tools are complementary to usual detection techniques based essentially on visual inspection by an expert.
  • These previous indices are based on a calculation which takes into account the presence/absence of volatile chemical targets with or without weighting. Such techniques are for example described in French patent applications FR3075964, FR2913501 and FR3028043.
  • the subject of the present invention is therefore a method for detecting bedbugs in a room, characterized in that it comprises the steps consisting of:
  • VOCs target volatile organic compounds
  • the leaves of the decision tree each correspond to either the presence or the absence of bedbugs, such that the journey through the decision tree with the concentrations of discriminating volatile organic compounds found allows us to conclude that the presence or absence of bedbugs at the end of the decision tree.
  • the method of the present invention is therefore parsimonious in that it makes it possible to analyze in the air sampled only the volatile organic compounds discriminating from the group of target volatile organic compounds, which reduces the complexity and cost of analysis, to obtain a reliable detection result.
  • the decision tree is established only once and will be used to detect the absence or presence of bedbugs in any premises. In other words, the decision tree is independent of the premises for which we wish to detect the absence or presence of bedbugs.
  • the method of the invention is minimally invasive, since a simple air sample in the room is sufficient, with a very good probability of detecting the presence of bedbugs. of bed and not subject to the variability of operators and their level of expertise.
  • the premises can be any premises whatever its use (for residential use (private, collective housing, hotels), for educational use, for office use, for professional use, for commercial use, for leisure use ( cinema, performance halls), etc.) and can be, preferably, a sleeping room or a room adjacent to the sleeping room.
  • the selection of the group of target volatile organic compounds is therefore made robust, initially, by an analysis of the volatile organic compounds present in a breeding environment, in the laboratory, then in a calibration room, in particular in premises, which makes it possible to establish the correlation between the presence or absence of bedbugs and the presence of a volatile organic compound in the group of target organic compounds.
  • This second step is generally carried out on a panel of premises with good statistical representativeness, for example on a panel of around a hundred premises.
  • step A the different stages of development are: eggs, larvae and adults.
  • the discriminating organic compounds are chosen from 6-methyl-5-hepten-2-one (6-MHO), 1-hexanol, (2E)-octenal, dimethyl disulfide (DMDS) , E-geranylacetone, 2-pentanone, 3-methyl-butanal, acetophenone, hexanal, nonanal, decanal, optionally from benzaldehyde, benzyl acetate, hexane, 2-n- butylfuran, (2E, 4Z)-octadienal, 3-(N-methyl-2-pyrrolidinyl)pyridine, (2E)-butenal, acetone, phenylmethanol, 3-methyl-2-butenal, ( 2E, 4E)-heptadienal.
  • 6-MHO 6-methyl-5-hepten-2-one
  • DMDS dimethyl disulfide
  • E-geranylacetone 2-pentanone
  • 3-methyl-butanal acetophenone
  • the decision tree is constructed by a CART algorithm (classification and regression tree, acronym for Classification And Regression Tree) using the target volatile organic compounds (VOCs) as variables and as criteria segmentation the Gini diversity index (defined for example here: https://www.insee.fr/fr/metadonnees/definition/c1551), by successive selection of variables taken one by one and best separating the sample in relation to the presence or absence of bedbugs, by testing the possible cut-off points for each variable and by selecting the cut-off threshold which maximizes the segmentation criterion, with at each level of the tree an index average Gini G which accounts for the loss of information associated with a volatile organic compound j (VOC j ) and a cut-off threshold c:
  • M the number of modalities to predict which is 2 (modality 0 – absence and modality 1 – presence of bedbugs)
  • n the total number of premises
  • f i designating the frequency of the i-th modality of the binary variable associated with the presence/absence of bedbugs, determined at the level of the parent node (before division) and M the number of modalities to predict, the volatile organic compound having the highest value of J being retained for the corresponding division of the tree with its associated threshold value c.
  • the minimum segmentation number of the node is set at 5, the maximum number of levels of the tree is 10, the specialization threshold or stopping criterion is 1, the eligibility number is 1 calibration room, and the tree is without pruning.
  • the air sampling is carried out on a thermodesorbable adsorbent, preferably Tenax ® TA, with a sampling volume of between 9 and 15 liters of air, which corresponds to a duration of 1 hour to a flow rate of 150 to 250 mL/min, preferably 10 liters of air.
  • a thermodesorbable adsorbent preferably Tenax ® TA
  • the volatile organic compounds are trapped on a tube containing the adsorbent during sampling and are analyzed by a thermodesorption – gas chromatography – mass spectrometer (TD-GC-MS) technique.
  • Adsorbents suitable for a solvent desorption technique could be used, however adapting the sampling volume so as to obtain the same performance in terms of detection limit of target VOCs as thermodesorption.
  • the air is taken from the room, for calibration or to be diagnosed, typically in a sleeping room or an immediately adjacent room suspected of harboring bedbugs.
  • the present invention therefore differs from the state of the art by its lower cost, greater repeatability and less intrusive nature. It was not obvious to those skilled in the art, knowing the techniques for detecting volatile organic compounds applied to the detection of other insects, that the detection of volatile organic compounds could allow the detection of bedbugs. Furthermore, the methods of the prior art have been transposed to bedbugs, but have led to a greater computational complexity than the decision tree according to the present invention does not have, which makes the process of the present invention more immediately applicable and less expensive.
  • the detection method according to the present invention can be used for the purpose of diagnosing the presence or absence of bedbugs and/or for the purpose of monitoring the presence or not of bedbugs after treatment.
  • the Applicant has therefore invented an innovative detection process using volatile chemical tracers specific to bedbugs.
  • the air sample taken in a room is analyzed, preferably by a TD-GC-MS chemical analysis technique, in order to determine the concentration of target volatile organic compounds (VOCs).
  • a statistical analysis preferably by binary decision tree using the CART algorithm, makes it possible to determine whether or not a bedbug infestation is in progress.
  • the chemical fingerprint of bedbugs is characterized in vitro in the laboratory, more precisely in a laboratory breeding environment.
  • the volatile organic compounds present in at least one breeding environment are sampled and identified, the presence of bedbugs and their stage of development in said at least one breeding environment being known.
  • a known population of bedbugs Cimex lectularius ) at different stages of their development (eggs, larvae and adults) is thus placed in an insectary adapted to the collection of VOC emissions in the air, also called a static emission chamber.
  • the Cimex lectularius species used in the experiments is sensitive to insecticides.
  • Bedbugs are reared in polypropylene bottles containing Whatman ® filter paper folded into an accordion. This support allows bedbugs to aggregate and/or hide.
  • the cap has a fine mesh synthetic fabric, which allows air to pass through and allows insects to feed.
  • the bugs are incubated at 24°C, at a relative humidity of 60% and a 12 h/12 h photoperiod is imposed on them.
  • the bugs are artificially “engorged” with blood of human origin and previously heated (37°C), through a polymer membrane (Parafilm ® ) twice a week. Under these conditions, the complete development cycle (from egg to adult stage) is approximately 1 month.
  • the bedbugs are sorted (eggs, larvae and female and male adults), extemporaneously, before being placed in a static emission chamber.
  • thermohydric conditions are as follows: temperature of 22 ⁇ 2°C, relative humidity of approximately 50% and natural photoperiod.
  • VOCs produced during life in the bed bug emissions collection chamber are collected on adsorbent tubes.
  • Air sampling is active, carried out using a mass flow pump.
  • the sampling flow rate is set at 100 ml/min and the sampling time is sufficient to renew at least thirty times the volume of the 300 ml chamber.
  • the tubes are then analyzed by TD-GC-MS.
  • TTA tubes contain only Tenax ® TA, which is the adsorbent with a wide range of identifiable compounds (C 6 ⁇ C 26 ).
  • the analytical chain used is a Perkin Elmer ® chain including an automatic thermodesorber (Turbomatrix ® 650), a gas chromatograph (Clarus ® 580) equipped with a capillary column, as well as a mass spectrometer (Clarus ® SQ8S).
  • Quantification of each compound is performed relative to their own response factor (i.e., specific quantification) or relative to the toluene response factor (i.e., relative quantification in toluene equivalent).
  • Specific quantification involves the creation of dedicated calibration ranges for each compound considered.
  • Tube desorption 280°C for 20 minutes at a flow rate of 50 mL/min nitrogen
  • Carrier gas Helium
  • Capillary column Elite 5 ms 60 m x 0.25 mm x 1 ⁇ m (5% diphenyl dimethylpolysiloxane) (Perkin Elmer)
  • Temperature program 0 min to 5 min, temperature 40°C; then from 5 min, temperature ramp of 2.5 °C / min up to 170 °C; then from 73 min, temperature ramp of 7.5 °C/min up to 300 °C; maintained for 26.34 min.
  • Ionization mode electron impact (El+), full scan from 33 to 550 m/z.
  • the identification of VOC emissions by bedbugs from samples taken in the collection chambers is organized in two phases: a first phase of systematic research of VOCs from the bibliography indicated above and quantified in a specific manner, and a second phase of research for other potential bedbug tracer VOCs, by individual identification of each peak and quantification in toluene equivalent.
  • peaks corresponding to compounds detected only in the presence of bedbugs are selected and identified on the chromatograms obtained by comparison of their retention time and analysis of their mass spectrum compared to those available in particular in the international library (NIST).
  • VOCs identified as insect specific in this first laboratory phase can also potentially come from other sources in indoor environments: emissions by other insects, microorganisms, construction and decoration products, environmental protection products. 'maintenance... These other potential sources, which may or may not have biological origins, are called confounding factors.
  • (E)-2-octenal is a VOC that can be found in certain fungi (Lacaze, Isabelle, 2016, “Study of the mechanisms of colonization of construction products by micromycetes”, elle Paris Diderot - Paris 7) which can also be contaminants found in enclosed spaces.
  • VOCs are categorized in order to reflect their relevance.
  • the categories are defined as follows:
  • VOCs specific to bedbugs according to the literature and/or experiments carried out in this first phase, possibly having an origin other than that of bedbugs but rarely observed in homes and therefore relevant: acetone, 2-butanone, 2-pentanone, dimethyl disulfide, (2E)-hexenal, 3-hexenal, hexanal, (2E)-hexen-1-ol, benzaldehyde, heptanal, 1-hexanol, (2E,4Z)-octadienal, ( 2E,4E)-octadienal, 2-n-butyl furan, (2E)-octenal, dimethyl trisulfide, octanal, nonanal, 2-nonen-1-ol, decanal;
  • Acetone is strongly associated with human metabolism and therefore with the presence of occupants. It is therefore not considered a specific target for bed bugs because there are many confounding factors. Likewise, propanal is not systematically tested for because it is measured using the same analytical route as acetone, but it is generally observed at high concentrations both in indoor and outdoor environments. It is therefore not considered specific to bed bugs either.
  • VOCs Only 18 VOCs are ever detected in new housing. Among these VOCs, 8 are substances identified in the bibliography and 10 are considered relevant at the end of the experimental phase.
  • the VOCs that are both relevant from an experimental point of view and previously observed in other studies are four in number, these are the following compounds: (2E)-hexenal, (2E)-octenal and the 2 isomers of l octadienal (2E,4Z) and (2E,4E).
  • the volatile organic compounds (VOCs) present in at least one calibration room are taken and identified, the presence or absence of bedbugs in these premises calibration being known.
  • the Applicant company carried out this phase on a panel of 102 premises.
  • the active sampling methodology used is based on the use of two types of sampling tubes (TTA and MIXED) associated with the analysis methodology presented and deployed in the first phase of the process.
  • TTA and MIXED two types of sampling tubes
  • (2E)-hexenal and (2E)-octenal targets are found in infested or formerly infested premises.
  • (2E)-hexenal is never detected in premises not infested by bedbugs and it is specifically quantified at masses between 1 and 24 ng in infested or formerly infested premises. This is not the case for (2E)-octenal which is detected or not whether the infestation is non-existent, current or past, at very variable quantities between 0.02 ng and 60 ng.
  • the targets distinguished relevant at the end of the first phase are again classified into three categories with a view to developing them according to their relevance for a bedbug infestation:
  • C optional target, not to be excluded, potentially relevant: 3-hexenal, (2E)-hexen-1-ol, (2E,4Z)-octadienal, (2E,4E)-octadienal, dimethyl trisulfide, and 2, 4,4-trimethyl-3-(3-methylbutyl)cyclohex-2-enone.
  • a predictive model is then built, using a CART classification tree fed as input data by the concentration data of the 40 target VOCs (continuous variables) measured in 102 premises, some of which are infested. It is a parsimonious model which will select the most relevant variables.
  • the model construction process is done by the successive selection of variables taken one by one and best separating the sample with regard to the variable to be predicted (binary variable of presence/absence of bedbugs). This binarization process makes it possible to establish a decision tree, with at each level a selected variable allowing the best separation of observations, until only the purest terminal nodes are obtained (composed only of case observations of absences or observations of the presence of bed bugs).
  • the selection criterion for variables at each level is based on the Gini index by testing all possible cut-off points for each variable and deducing an optimal cut-off threshold which maximizes the segmentation criterion.
  • M the number of modalities to predict which is 2 (modality 0 – absence and modality 1 – presence of bedbugs)
  • n the total number of premises
  • the objective of the model is to minimize the loss of information at each division of the tree and therefore for the value G(j,c) to be as low as possible.
  • This optimal value G(j*,c*) will therefore correspond to the optimal variable j* (therefore the most relevant COV) and an optimal cut-off threshold c* (optimal concentration value).
  • f i designates the frequency of the i-th category of the binary variable associated with the presence/absence of bedbugs, determined at the parent node (before division) and M the number of categories to predict.
  • This improvement index J typically varies between 0.5 (maximum gain for an initial distribution in two modalities at 50/50) and 0 (no gain).
  • each VOC is assigned a global impact value which represents the weighted average of the impact on each segmentation, giving less importance to the lower parts of the tree.
  • a VOC can have a high overall impact while remaining inactive (the VOC has never been selected for a given division, it very often came in second or third position for example).
  • VOCs listed in bold are those which intervene directly in the decision tree, namely the so-called discriminating VOCs.
  • Other VOCs, such as 3-methyl-2-butenal, are said to be inactive. They can sometimes be well positioned but are outclassed by other VOCs.
  • VOC that has the most impact overall is an inactive VOC, the decanal. Although well positioned in the first segmentations, it was outclassed by 6-MHO for the first node, it is in 6th position in the second node, in third in the third node and in equal competition with hexanal for the node 11.
  • Table 4 lists the active VOCs per node as well as the direct competitor(s) with a lower impact value. In bold are represented the active VOCs retained (discriminating VOCs) or competing VOCs which present an identical impact value.
  • a competing COV (with its own cut-off threshold) can therefore be as efficient as the active COV selected.
  • a substitute COV on the other hand, has a local impact lower than the active COV, which would result in a degradation of the model's performance.
  • decanal an active VOC
  • two other competing VOCs which are 1-hexanol and acetophenone.
  • the local impact of hexanal is the same as two other VOCs, nonanal and decanal.
  • 3-Methyl-butanal is a competing VOC to nonanal at node 23.
  • the five alternate VOCs are acetone, benzyl alcohol, E-geranylacetone, 3-methyl-2-butenal, and DMDS.
  • the VOCs retained for the application of the model are the nine VOCs and their cut-off thresholds retained with the highest local impact at each division.
  • Equally competitive inactive COVs can override an active COV for the corresponding nodes if necessary.
  • the use of alternate inactive VOCs is not recommended.
  • An equivalent tree can therefore be constructed by replacing, for example, nonanal (threshold > 13.65 ⁇ g/m3) with 3-methyl-butanal (threshold ⁇ 0.02 ⁇ g/m3) at node 23.
  • the two trees result in to exactly the same classification of observations.
  • the decision tree according to the present invention constructed as detailed above and applied to an independent panel of 41 premises, makes it possible to detect at 93% that a premises is infested. Likewise, a negative diagnosis by the decision tree turns out to be 95% true. With minimal intrusive impact, simple implementation cost, since the decision tree is only built once and for all and can subsequently be used on all samples taken in premises, we therefore obtain surprisingly an excellent prediction, by the prior operation of choosing the COVs used to build the decision tree.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Biophysics (AREA)
  • Hematology (AREA)
  • Urology & Nephrology (AREA)
  • Combustion & Propulsion (AREA)
  • Catching Or Destruction (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)

Abstract

La présente invention a pour objet un procédé de détection de punaises de lit dans un local, caractérisé par le fait qu'il comprend les étapes consistant à : - sélectionner un groupe de composés organiques volatils (COV) cibles; - construire avec le groupe de composés organiques volatils cibles un arbre de décision en fonction de la corrélation entre le composé organique volatil et la présence de punaises de lits; et - prélever l'air dans au moins un emplacement déterminé d'un local; - extraire les composés organiques volatils du groupe de composés organiques volatils présents dans l'air prélevé; et - parcourir l'arbre de décision en fonction des concentrations des composés organiques volatils présents dans l'air prélevé pour en déduire l'absence ou la présence de punaises de lit dans le local.

Description

Procédé de détection de punaises de lit
La présente invention concerne le domaine technique de la détection d’insectes nuisibles et porte sur un procédé de détection de punaises de lit, en particulier dans des locaux (logements ou environnements intérieurs).
Les punaises de lit sont des insectes hématophages ectoparasites de l’homme en constante recrudescence depuis la fin des années 90 dans les pays industrialisés. La résurgence de cet insecte nuisible est observable sur tous les continents, y compris en France. La multiplication des déplacements nationaux et internationaux des personnes et la résistance des punaises de lit aux principaux insecticides autorisés expliquent en partie l’augmentation du nombre de nouveaux foyers d’infestation.
De tels insectes piqueurs/suceurs sont souvent vecteurs de maladies, même si aucune maladie à transmission vectorielle incriminant spécifiquement la punaise de lit n’a été à ce jour décrite. Pour autant, les conséquences, qu’elles soient allergiques ou psychologiques, peuvent nécessiter une prise en charge médicale.
La plupart des environnements intérieurs occupés par l’homme peuvent être concernés par la punaise de lit : l’habitat, l’hôtellerie, les transports, les cinémas, les établissements de santé…
Le traitement pour se débarrasser des punaises de lit peut être onéreux et le budget à y consacrer est difficilement prévisible.
Les techniques de détection et de surveillance usuelles de la présence de ces insectes nuisibles, complexes et onéreuses, reposent sur une inspection visuelle approfondie basée sur la recherche des insectes et de leurs déjections par un expert et, dans une moindre mesure, la détection canine. Cette dernière approche donne de très bons résultats dus à la très bonne capacité de détection olfactive des chiens. Cependant, la disponibilité d’animaux entraînés quotidiennement avec un seul maître référent et leur capacité à se concentrer sur des durées importantes ne permettent pas d’envisager une massification de la pratique.
Dans ce contexte, la détection précoce et/ou la surveillance post-remédiation des punaises de lit constituent un enjeu majeur.
Le Demandeur développe depuis de nombreuses années des indices basés sur la présence/absence de composés organiques volatils dans l’air spécifiques d’agents biologiques nuisibles pour les bâtiments, les biens et/ou les personnes. Ceux-ci permettent de diagnostiquer précocement des infestations d’origine fongique ou entomologique non détectées/détectables visuellement, comme la présence de moisissures, de la mérule ou encore d’insectes. Ces outils sont complémentaires des techniques usuelles de détection basées essentiellement sur une inspection visuelle par un expert. Ces précédents indices reposent sur un calcul qui prend en compte la présence/absence de cibles chimiques volatiles avec ou sans pondération. De telles techniques sont par exemple décrites dans les demandes de brevets français FR3075964, FR2913501 et FR3028043.
Des procédés de détection de punaises de lit selon l’état antérieur de la technique sont décrits dans les demandes de brevets européens EP2756755A2, EP3629723B1, et le document "Hygiène, désinfection et 3D. Les bailleurs sociaux innovent contre les punaises", 20/11/2019, https://www.batiment-entretien.fr/actualite/hygiene-desinfection-et-3d-les-bailleurs-sociaux-innovent-contre-les-punaises (extrait le 12/09/2023).
Le document "Simultaneous sampling and analysis of indoor air infested with Cimex lectularius L. (Hemiptera: Cimicidae) by solid phase microextraction, thin film microextraction and needle trap device" (Échantillonnage et analyse simultanés de l'air intérieur infesté par Cimex lectularius L. (Hemiptera : Cimicidae) par microextraction en phase solide, microextraction à film mince et dispositif de piège à aiguilles), Analytica Chimica Acta, vol. 715, 06/07/2011, pages 2-10, ISSN 0003-2670 décrit un procédé de caractérisation de l'air intérieur d'une pièce par trois procédés différents : revêtements de fibres SPME, dispositifs de microextraction à film mince, et dispositifs de piégeage. L'air ainsi échantillonné est analysé par spectrométrie de masse/chromatographie en phase gazeuse (GC-MS).
Ainsi, bien que la punaise de lit soit un agent biologique majeur, aucun indice, en particulier chimique, n’a pu être développé à ce jour, ou alors avec des résultats peu probants.
La diversité des composés organiques volatils émis par les punaises de lit rend une analyse exhaustive, coûteuse et complexe.
La présente invention a donc pour objet un procédé de détection de punaises de lit dans un local, caractérisé par le fait qu’il comprend les étapes consistant à :
- sélectionner un groupe de composés organiques volatils (COV) cibles ;
- construire avec le groupe de composés organiques volatils cibles un arbre de décision en fonction de la corrélation entre chaque composé organique volatil du groupe de composés organiques volatils cibles et la présence de punaises de lits, les entrées de l’arbre de décision construit étant des composés organiques discriminants représentant un sous-groupe des composés organiques cibles ; et, pour chaque détection de punaises de lit dans un local:
- prélever l’air dans au moins un emplacement déterminé du local ;
- extraire les composés organiques volatils du groupe de composés organiques volatils présents dans l’air prélevé ; et
- parcourir l’arbre de décision en fonction des concentrations des composés organiques volatils discriminants présents dans l’air prélevé pour en déduire l’absence ou la présence de punaises de lit dans le local.
Les feuilles de l’arbre de décision correspondent chacune soit à la présence, soit à l’absence de punaises de lit, de telle sorte que le parcours de l’arbre de décision avec les concentrations des composés organiques volatils discriminants trouvées permet de conclure à la présence ou à l’absence de punaises de lit à l’issue du parcours de l’arbre de décision.
Le procédé de la présente invention, l’arbre de décision étant construit une fois pour toutes, est donc parcimonieux en ce qu’il permet d’analyser dans l’air prélevé uniquement les composés organiques volatils discriminants du groupe de composés organiques volatils cibles, ce qui réduit la complexité et le coût d’analyse, pour obtenir un résultat de détection fiable. L’arbre de décision est établi une seule fois et servira pour détecter l’absence ou la présence de punaises de lit dans tout local. Autrement dit, l’arbre de décision est indépendant du local pour lequel on souhaite détecter l’absence ou la présence de punaises de lit.
En outre, contrairement aux techniques antérieures (examen visuel, détection canine), le procédé de l’invention est peu invasif, puisqu’un simple prélèvement d’air dans le local suffit, avec une très bonne probabilité de détection de la présence de punaises de lit et pas assujetti à la variabilité des opérateurs et à leur niveau d’expertise.
Le local peut être tout local quel que soit son usage (à usage d’habitation (privée, habitation collective, hôtellerie), à usage d’enseignement, à usage de bureau, à usage professionnel, à usage commercial, à usage de loisirs (cinéma, salles de spectacle), etc.) et peut être, de manière préférée, une pièce de sommeil ou une pièce adjacente à la pièce de sommeil.
Selon un mode de réalisation, la sélection du groupe de composés organiques volatils cibles comprend les étapes consistant à :
  1. prélever et identifier les composés organiques volatils présents dans au moins un environnement d’élevage, la présence de punaises de lit et leur stade de développement dans ledit au moins un environnement d’élevage étant connus ;
  2. prélever et identifier les composés organiques volatils (COV) présents dans au moins un local d’étalonnage, la présence ou l’absence de punaises de lit dans ledit au moins un local d’étalonnage étant connue.
La sélection du groupe de composés organiques volatils cibles est donc rendue robuste, dans un premier temps, par une analyse des composés organiques volatils présents dans un environnement d’élevage, en laboratoire, puis dans un local d’étalonnage, notamment dans des locaux, ce qui permet d’établir la corrélation entre la présence ou l’absence de punaises de lit et la présence d’un composé organique volatil dans le groupe de composés organiques cibles. Cette seconde étape est en général effectuée sur un panel de locaux ayant une bonne représentativité statistique, par exemple sur un panel d’une centaine de locaux.
Selon un mode de réalisation, à l’étape A, les différents stades de développement sont : œufs, larves et adultes.
Selon un mode de réalisation, les composés organiques discriminants sont choisis parmi la 6-méthyl-5-heptén-2-one (6-MHO), le 1-hexanol, le (2E)-octénal, le disulfure de diméthyle (DMDS), la E-géranylacétone, la 2-pentanone, le 3-méthyl-butanal, l’acétophénone, l’hexanal, le nonanal, le décanal, facultativement parmi le benzaldéhyde, le benzyl acétate, l’hexane, le 2-n-butylfurane, le (2E, 4Z)-octadiénal, la 3-(N-méthyl-2-pyrrolidinyl)pyridine, le (2E)-buténal, l’acétone, le phénylméthanol, le 3-méthyl-2-buténal, le (2E, 4E)-heptadiénal.
Selon un mode de réalisation, l’arbre de décision est construit par un algorithme CART (arbre de classification et de régression, acronyme de l’anglais Classification And Regression Tree) en utilisant comme variables les composés organiques volatils (COV) cibles et comme critère de segmentation l’indice de diversité de Gini (défini par exemple ici : https://www.insee.fr/fr/metadonnees/definition/c1551), par sélection successive des variables prises une à une et séparant le mieux l’échantillon par rapport à la présence ou à l’absence de punaises de lit, en testant les points de coupure possibles pour chaque variable et en sélectionnant le seuil de coupure qui rend maximal le critère de segmentation, avec à chaque niveau de l’arbre un indice moyen de Gini G qui comptabilise la perte d’informations associée à un composé organique volatil j (COVj) et un seuil de coupure c :
avec :
: nombre de locaux pour lesquels les valeurs de Xj<c du COVj
: nombre de locaux pour lesquels les valeurs de Xj≥c du COVj
: fréquence de la i-ème modalité de la variable à prédire (modalité 0 pour absence et modalité 1 pour présence de punaises de lit) pour les locaux vérifiant Xj<c du COVj
: fréquence de la i-ème modalité de la variable à prédire (modalité 0 pour absence et modalité 1 pour présence de punaises de lit) pour les locaux vérifiant Xj≥c du COVj,
M : le nombre de modalités à prédire qui est de 2 (modalité 0 – absence et modalité 1 – présence de punaises de lit)
n : le nombre total de locaux,
puis on mesure l’indice d’amélioration associé à chaque division par le calcul de J :
avec , fi désignant la fréquence de la i-ème modalité de la variable binaire associée à la présence/absence de punaises de lit, déterminée au niveau du nœud parent (avant division) et M le nombre de modalités à prédire, le composé organique volatil ayant la valeur de J la plus élevée étant retenu pour la division correspondante de l’arbre avec sa valeur de seuil c associée.
Selon un mode de réalisation, l’effectif de segmentation minimum du nœud est fixé à 5, le nombre maximal de niveau de l’arbre est 10, le seuil de spécialisation ou critère d’arrêt est 1, l’effectif d’admissibilité est 1 local d’étalonnage, et l’arbre est sans élagage.
Selon un mode de réalisation, le prélèvement d’air est réalisé sur un adsorbant thermodésorbable, de préférence du Tenax ®TA, avec un volume de prélèvement compris entre 9 et 15 litres d’air, ce qui correspond à une durée de 1 heure à un débit de 150 à 250 mL/min, de préférence 10 litres d’air.
Selon un mode de réalisation, les composés organiques volatils sont piégés sur un tube contenant l’adsorbant lors du prélèvement et sont analysés par une technique de thermodésorption – chromatographie en phase gazeuse – spectromètre de masse (TD-GC-MS). Des adsorbants adaptés à une technique de désorption par solvant pourraient être utilisés en adaptant toutefois le volume de prélèvement de façon à obtenir les mêmes performances en termes de limite de détection des COV cibles que la thermodésorption.
Selon un mode de réalisation, l’air est prélevé dans le local, d’étalonnage ou à diagnostiquer, typiquement dans une pièce de sommeil ou une pièce immédiatement adjacente suspectée d’abriter des punaises de lit.
La présente invention se distingue donc de l’état de la technique par un coût moins élevé, une plus grande répétabilité, un caractère moins intrusif. Il n’était pas évident pour l’homme du métier, connaissant les techniques de détection de composés organiques volatils appliquées à la détection d’autres insectes, que la détection de composés organiques volatils pourrait permettre la détection de punaises de lit. En outre, les procédés de l’état antérieur de la technique ont été transposés aux punaises de lit, mais ont conduit à une complexité de calcul plus importante que n’a pas l’arbre de décision selon la présente invention, ce qui rend le procédé de la présente invention plus immédiatement applicable et moins onéreux.
Le procédé de détection selon la présente invention peut être utilisé dans un objectif de diagnostic de la présence ou non de punaises de lit et/ou dans un objectif de surveillance de la présence ou non de punaises de lit après un traitement.
Le Demandeur a donc inventé un procédé de détection innovant utilisant des traceurs chimiques volatils spécifiques des punaises de lit. Selon un mode de réalisation particulier, le prélèvement d’air réalisé dans un local est analysé, de préférence par une technique d’analyse chimique TD-GC-MS, afin de déterminer la concentration de composés organiques volatils (COV) cibles. Puis, une analyse statistique, de préférence par arbre de décision binaire utilisant l’algorithme CART, permet de déterminer si une infestation par des punaises de lit est en cours ou non.
Pour mieux illustrer l’objet de la présente invention, un mode de réalisation préféré de l’invention va maintenant être décrit, en référence au dessin annexé. Sur ce dessin :
est un arbre de décision binaire obtenu selon le procédé de la présente invention.
Le procédé de l’invention va maintenant être décrit plus en détail dans ses différentes phases.
A titre d’exemple, dans une première phase du procédé, l’empreinte chimique de punaises de lit est caractérisée in vitro en laboratoire, plus précisément dans un environnement d’élevage en laboratoire. Les composés organiques volatils présents dans au moins un environnement d’élevage sont prélevés et identifiés, la présence de punaises de lit et leur stade de développement dans ledit au moins un environnement d’élevage étant connus.
Un effectif connu de punaises de lit (Cimex lectularius) à différents stades de leur développement (œufs, larves et adultes) est ainsi placé dans un insectarium adapté à la collecte des émissions de COV dans l’air, appelé également chambre d’émission statique. Des prélèvements d’air sur tubes adsorbants suivis d’une analyse par thermodésorption – chromatographie en phase gazeuse – spectromètre de masse (TD-GC-MS) permettent ensuite de caractériser ces émissions.
L’espèce Cimex lectularius utilisée dans les expériences est sensible aux insecticides. L’élevage des punaises est réalisé en flacons en polypropylène contenant un papier-filtre Whatman® plié en accordéon. Ce support permet aux punaises de s’agréger et/ou de se cacher. Le bouchon est doté d’une toile synthétique à mailles fines, qui laisse passer l’air et permet le nourrissage des insectes. Les punaises sont incubées à 24°C, à une humidité relative de 60 % et une photopériode 12 h/12 h leur est imposée. Les punaises sont « gorgées » artificiellement avec du sang d’origine humaine et préalablement chauffé (37°C), au travers d’une membrane polymère (Parafilm®) deux fois par semaine. Dans ces conditions, le cycle de développement complet (de l’œuf au stade adulte) est d’environ 1 mois. Les punaises sont triées (œufs, larves et adultes femelles et mâles), extemporanément, avant leur mise en chambre d’émission statique.
Pendant la durée des expériences (3, 7 et/ou 14 jours) en chambre d’émission statique, les conditions thermohydriques sont les suivantes : température de 22 ± 2 °C, humidité relative d’environ 50% et photopériode naturelle.
Les COV produits au cours de la vie en chambre de collecte des émissions des punaises de lit sont prélevés sur des tubes adsorbants.
Le prélèvement de l’air est actif, réalisé à l’aide d’une pompe à débit massique. Le débit de prélèvement est fixé à 100 ml/min et le temps de prélèvement est suffisant pour renouveler à minima trente fois le volume de la chambre de 300 ml. Les tubes sont ensuite analysés par TD-GC-MS.
Les prélèvements d’air sont réalisés sur deux types de tubes différents, présentés dans le Tableau 1 :
Référence du tube Nature des adsorbants Gamme de COV identifiables (nombre d’atomes de carbone)
TTA Tenax ® TA C6~C26
MIXTES Carbosieve ® SIII C2~C4
Tenax ® TA C6~C26
Les tubes TTA contiennent uniquement du Tenax® TA, qui est l’adsorbant présentant une large gamme de composés identifiables (C6 ~ C26). L’association d’adsorbants dans les tubes MIXTES, qui contiennent la même quantité de Tenax® TA que les tubes TTA, permet d’élargir cette gamme (C2 ~ C26) en intégrant les composés organiques très volatils grâce à la présence de Carbosieve® SIII.
L’analyse des COV collectés sur les différents adsorbants est réalisée par chromatographie suivant trois phases :
1) Extraction par thermodésorption des composés adsorbés sur les tubes de collecte (TD)
2) Séparation des composés par Chromatographie Gazeuse (GC)
3) Identification des composés par Spectrométrie de Masse (MS)
La chaîne analytique utilisée est une chaîne Perkin Elmer® comprenant un thermodésorbeur automatique (Turbomatrix® 650), un chromatographe gazeux (Clarus® 580) équipé d’une colonne capillaire, ainsi qu’un spectromètre de masse (Clarus® SQ8S).
Les composés sont identifiés par comparaison de leur spectre de masse avec ceux d’étalons disponibles dans la bibliothèque internationale NIST (2012) de spectres de masse.
La quantification de chaque composé est effectuée par rapport à leur propre facteur de réponse (à savoir, quantification spécifique) ou par rapport au facteur de réponse du toluène (à savoir, quantification relative en équivalent toluène). La quantification spécifique implique la réalisation de gammes d’étalonnage dédiées pour chaque composé considéré.
Les conditions analytiques appliquées sont conformes aux normes :
- NF EN ISO 16000-6 (2012) : Air intérieur - Partie 6 : dosage des composés organiques volatils dans l'air intérieur des locaux et chambres d'essai par échantillonnage actif sur le sorbant Tenax TA®, désorption thermique, et chromatographie en phase gazeuse utilisant MS ou MS/FID (AFNOR 2012)
- NF EN 16516 (2017) : Produits de construction : évaluation de l'émission de substances dangereuses - Détermination des émissions dans l'air intérieur (AFNOR 2017).
Les paramètres de la méthode d’analyse TD-GC-MS générique employée pour l’analyse des COV sont les suivants :
  • Extraction par thermo-désorption (TD) :
Désorption du tube : 280°C pendant 20 minutes à un débit de 50 mL/min d’azote
Division d’entrée (inlet split) = 0 mL/min
Température du piège (Tenax TA®) lors de la désorption : -30°C
Température du piège lors de l’injection : de - 30 à 280°C avec une rampe de 40 °C.s-1 puis maintien à 280 °C pendant 10 min
Température de la ligne de transfert et de vanne d’injection : 210°C
Injection dans la colonne, Division de sortie : 7 mL/min
  • Chromatographie en phase gazeuse (GC) :
Gaz vecteur : Hélium
Colonne capillaire : Elite 5 ms 60 m x 0,25 mm x 1 μm (5% diphényl diméthylpolysiloxane) (Perkin Elmer)
Programme de températures : de 0 min à 5 min, température de 40°C ; puis à partir de 5 min, rampe de température de 2,5 °C / min jusqu’à 170 °C ; puis à compter de 73 min, rampe de température de 7,5 °C/min jusqu’à 300 °C ; maintenue pendant 26,34 min.
Durée de l’analyse : 100 minutes
  • Spectrométrie de masse (MS):
Mode d’ionisation : impact électronique (El+), balayage complet de 33 à 550 m/z.
Un travail bibliographique préalable permet d’établir une liste de composés cibles traceurs potentiels de Cimex lectularius : acétone, propanal, 2-butanone, diméthyl disulfure, (2E)-hexénal, hexanal, benzaldéhyde, alcool benzylique, heptanal, (2E,4Z)-octadiénal, (2E,4E)-octadiénal, 6-méthyl-5-heptèn-2-one, (2E)-octénal, octanal, D-limonène, nonanal, acétate de benzyle, décanal, undécanal, (E)-géranylacétone, (Z)-géranylacétone.
A partir des étalons standards de ces composés (lorsqu’ils étaient disponibles), un étalonnage spécifique est réalisé afin de (i), disposer du temps de rétention et du spectre de masse du composé dans les conditions analytiques utilisées dans les conditions de laboratoire de cette première phase et ainsi pouvoir confirmer son identification et (ii), déterminer son facteur de réponse analytique propre permettant de le quantifier spécifiquement. Cet étalonnage permet également de définir les limites de détection et de quantification de chaque composé.
Quatre expériences (PS, S1, S2 et S3) sont alors réalisées en laboratoire, pour caractériser exhaustivement les émissions de COV au regard du stade de développement des insectes (œufs, larves et adultes), après différents temps d’incubation et en piégeant les émissions générées sur deux différents types de tubes adsorbants, la première expérience (PS) permettant de mettre en évidence les émissions de composés volatils par un effectif mixte réduit constitué de larves et d’adultes. Les expériences sont indiquées dans le Tableau 2 suivant, représentant le bilan des expériences réalisées précisant les effectifs d’insectes, la nature des adsorbants utilisés pour collecter les émissions COV et la durée des incubations en chambres avant collecte.
Chambre Contenu de la chambre Différentes expériences
PS S1 S2 S3
1 Papier Filtre (PF) X X X X
2 PF + œufs - Effectif : 110 - -
3 PF+ larves gorgées de stade 1 à 5 - - - Effectif : 100
4 PF + Adultes femelles et mâles - Effectif : 25 femelles+25 mâles Effectif : 25 femelles+25 mâles Effectif : 25 femelles+25 mâles
5 PF + Déjections provenant de la chambre 4 - X X X
6 PF + Adultes (A) et larves (L) Effectif : 13A+5L - - -
Type de tube
TTA X X X
MIXTES X X X
Prélèvement réalisé après 3 et 14 jours 7 jours 7 jours 7 jours
L’identification des émissions de COV par les punaises de lit issus des prélèvements réalisés dans les chambres de collecte est organisée en deux phases : une première phase de recherche systématique des COV issus de la bibliographie indiquée ci-dessus et quantifiés de manière spécifique, et une deuxième phase de recherche d’autres COV traceurs potentiels des punaises de lit, par identification individuelle de chaque pic et quantification en équivalent toluène.
Les pics correspondant à des composés détectés uniquement en présence de punaises de lit sont sélectionnés et identifiés sur les chromatogrammes obtenus par comparaison de leur temps de rétention et analyse de leur spectre de masse par rapport à ceux disponibles notamment dans la bibliothèque internationale (NIST).
Une synthèse des résultats est présentée ci-dessous.
Les prélèvements réalisés dans les chambres d’émission statique contenant le même effectif d’insectes adultes, dans les différentes séries, ne conduisent pas systématiquement aux mêmes COV identifiés et/ou quantifiés dans des proportions équivalentes. Ces écarts peuvent s’expliquer par l’hétérogénéité du matériel biologique employé dans les différentes expériences qui n’est jamais tout à fait dans le même état physiologique, malgré la rigueur mise en œuvre dans la reproductibilité de la méthode.
La série S1 permet d’étudier les émissions de COV des adultes, des œufs et des déjections. Globalement, lorsque des COV sont identifiés chez les adultes en quantités significatives (supérieure à 1 ng/tube dans les conditions d’essai), ils sont systématiquement identifiés chez les œufs et/ou pour les déjections mais en quantité relative plus faible. Cependant, cette tendance n’est pas observée pour deux molécules (2-butanone et hexane) qui sont retrouvées en quantités significativement plus importantes dans la chambre contenant des œufs. Concernant les déjections, il faut noter la persistance de deux traceurs spécifiques des punaises de lit, le (2E)-hexénal et le (2E)-octénal, dont les quantités restent significatives (~500 ng/tube) même en l’absence d’insectes.
Les résultats obtenus sur les tubes TTA et MIXTES sont qualitativement identiques, les mêmes COV sont identifiés (série S2 après 15 jours de vie en chambre des punaises de lit). Même si l’information quantitative diffère selon la nature de l’adsorbant, celle-ci reste toujours supérieure aux limites de quantification.
Comme dans le cas des déjections, les COV présents chez les adultes sont fréquemment retrouvés chez les larves en quantité moindre. La quantité de (2E)-hexénal chez les larves est drastiquement abaissée alors que la quantité de (2E)-octénal est quasiment identique, pour un effectif de 50 adultes ou 100 larves dans les chambres d’émission statique. Le (2E)-octénal est décrit comme une phéromone d’alarme, de défense et d’agrégation, d’où sa production par les stades larvaires et adulte.
Les expériences réalisées dans cette approche laboratoire permettent de caractériser l’empreinte chimique volatile de Cimex lectularius avec une méthodologie d’échantillonnage employant différents adsorbants, couplée à une méthode d’analyse par TD/GC/MS. Au total, 45 COV sont identifiés dont 21 déjà décrits dans la littérature. Cette approche permet d’identifier 26 nouvelles molécules, contribuant ainsi à une caractérisation plus complète de l’empreinte chimique volatile de Cimex lectularius : acétone, propanal, acide acétique, 2-butanone, butanal, 2-pentanone, pentanal, 3-méthyl-butanal, hexane, 3-méthyl-2-buténal, phénol, diméthyl disulfure, (2E,4E)-hexadiénal, (2E)-hexénal, 3-hexénal, hexanal, (2E)-hexén-1-ol, benzaldéhyde, alcool benzylique, (2E,4E)-heptadiénal, heptanal, 2-heptanone, 1-hexanol, acétophénone, (2E,4Z)-octadiénal, (2E,4E)-octadiénal, 2-n-butyl furane, 6-méthyl-5-heptène-2-one, (2E)-octénal, 1-nonène, diméthyl trisulfure, octanal, 2-éthyl-1-hexanol, d-limonène, nonanal, 2-nonèn-1-ol, 1-nonanol, acétate de benzyle, décanal, dihydromyrcénol, 2-décen-1-ol, undécanal, E-géranylacétone, Z-géranylacétone, et 2,4,4-triméthyl-3-(3-méthylbutyl)cyclohex-2-enone.
La quantification de ces COV traceurs des punaises de lit met en évidence une large gamme de valeurs allant de 1 ng (voire en deçà, soit au niveau de la limite de détection) à près de 2000 ng détectés dans les tubes de prélèvement.
Les COV identifiés comme spécifiques des insectes dans cette première phase de laboratoire peuvent également potentiellement provenir d’autres sources dans les environnements intérieurs : les émissions par d’autres insectes, des micro-organismes, des produits de construction et de décoration, des produits d’entretien... Ces autres sources potentielles, qui peuvent avoir ou non des origines biologiques, sont appelées facteurs de confusion.
Ainsi, chez les insectes, le (E)-2-hexénal a été identifié chez deux espèces de blattes, Blatta orientalis et Periplanata americana (Brossut, R, 1983, « Allomonal Secretions in Cockroaches » (Sécrétions allomonales chez les blattes), Journal of Chemical Ecology 9 (1): 143‑58, https://doi.org/10.1007/BF00987778 ; Krivosheina, G. G., et K. S. Shatov, 1995, « Functions of the cockroach (Blattidae) sternal gland » (Fonctions de la glande sternale de la blatte (Blattidae))), qui sont des insectes nuisibles que l’on peut retrouver dans les environnements intérieurs. De plus, le (E)-2-octénal est un COV que l’on peut retrouver chez certains champignons (Lacaze, Isabelle, 2016, « Etude des mécanismes de colonisation des produits de construction par les micromycètes », Université Paris Diderot - Paris 7) qui peuvent également être des contaminants retrouvés dans les espaces clos.
Pour aller plus loin, une recherche des deux substances les plus emblématiques émises par les punaises de lit que sont le (2E)-hexénal et le (2E)-octénal a été réalisée dans la base de données PANDORE (comPilAtioN of inDOor aiR pollutAnt emissions (compilation d’émissions de polluants d’air intérieur), Abadie MO., Blondeau P (2011): PANDORA database: A compilation of indoor air pollutant emissions (Base de données PANDORA : Une compilation des émissions de polluants de l'air intérieur), HVAC&R Research, 17:4, 602-613). La base de données comprend les paramètres d’émissions spécifiques en COV et particules de 599 produits à usage domestique et matériaux, provenant d’une revue de la littérature couvrant la période 1982-2014.
Au terme de cette première phase de laboratoire, et après étude des facteurs de confusion potentiels indiqués ci-dessus, les COV sont catégorisés afin de rendre compte de leur pertinence. Les catégories sont définies comme suit :
• Catégorie 1 : COV spécifiques des punaises de lit, d’après la littérature et/ou les expériences réalisées dans cette première phase, ayant possiblement une autre origine que celle des punaises mais rarement observés dans les logements et de ce fait pertinents : acétone, 2-butanone, 2-pentanone, diméthyl disulfure, (2E)-hexénal, 3-hexénal, hexanal, (2E)-hexén-1-ol, benzaldéhyde, heptanal, 1-hexanol, (2E,4Z)-octadiénal, (2E,4E)-octadiénal, 2-n-butyl furane, (2E)-octénal, diméthyl trisulfure, octanal, nonanal, 2-nonèn-1-ol, décanal ;
• Catégorie 2 : COV spécifiques des punaises de lit d’après les expériences réalisées dans cette première phase, mais à ce jour non décrits dans la littérature et pouvant possiblement avoir une autre origine que celle des punaises. Ces COV sont moyennement observés en général dans les logements et présentent donc une pertinence relative : 3-méthyl-2-buténal, (2E,4E)-hexadiénal, (2E,4E)-heptadiénal, 2-heptanone, 1-nonanol, et 2,4,4-triméthyl-3-(3-méthylbutyl)cyclohex-2-enone ;
• Catégories 3 : COV ubiquitaires retrouvés très fréquemment dans les logements français et provenant quasi systématiquement d’une autre origine que celle des punaises de lit : butanal, pentanal, 3-méthyl-butanal, hexane, acétophénone, 2-éthyl-1-hexanol, dihydromyrcénol.
Plus un COV est fréquemment retrouvé dans les logements, plus sa pertinence au regard des punaises de lit peut être remise en question. Ainsi, seize substances sont détectées systématiquement, cinq substances sont très souvent détectées (plus de 40 % du temps) et six substances sont moins souvent détectées (entre 1 % et 9 % du temps).
L’acétone est fortement associée au métabolisme humain et donc à la présence des occupants. Il n’est donc pas considéré comme une cible spécifique aux punaises de lits car les facteurs de confusion sont nombreux. De même, le propanal n’est pas systématiquement recherché car mesuré selon la même voie analytique que l’acétone, mais il est en général observé à des concentrations élevées aussi bien en environnement intérieur qu’en extérieur. Il n’est de ce fait pas considéré non plus comme spécifique des punaises de lits.
Seuls 18 COV ne sont jamais détectés dans des logements neufs. Parmi ces COV, 8 sont des substances identifiées dans la bibliographie et 10 sont considérées pertinentes à l’issue de la phase expérimentale. Les COV à la fois pertinents du point de vue expérimental et préalablement observés dans d’autres études sont au nombre de quatre, il s’agit des composés suivants : (2E)-hexénal, (2E)-octénal et des 2 isomères de l’octadiénal (2E,4Z) et (2E,4E).
Les autres COV non spécifiques aux punaises de lit peuvent néanmoins s’avérer utiles pour la gestion des facteurs de confusion.
Dans une deuxième phase du procédé, les composés organiques volatils (COV) présents dans au moins un local d’étalonnage (un panel statistiquement représentatif de locaux habités) sont prélevés et identifiés, la présence ou l’absence de punaises de lit dans ces locaux d’étalonnage étant connue. La société Demanderesse a effectué cette phase sur un panel de 102 locaux.
Dans cette deuxième phase, la méthodologie d’échantillonnage active employée repose sur l’emploi de deux types de tubes de prélèvements (TTA et MIXTES) associé à la méthodologie d’analyse présentée et déployée dans la première phase du procédé. Cette deuxième phase permet de valider la liste des COV retenue lors de la première phase.
Dans les conditions environnementales réalistes, les cibles (2E)-hexénal et (2E)-octénal sont retrouvées dans les locaux infestés ou anciennement infestés. Cependant, le (2E)-hexénal n’est jamais détecté dans des locaux non infestés par des punaises de lit et il est quantifié en spécifique à des masses comprises entre 1 et 24 ng dans les locaux infestés ou anciennement infestés. Ce n’est pas le cas du (2E)-octénal qui est détecté ou non que l’infestation soit inexistante, en cours ou passée, à des quantités très variables comprises entre 0,02 ng et 60 ng.
Les molécules suivantes : (2E,2Z)-octadiénal, (2E,2E)-octadiénal, 3-hexénal, (2E)-hexén-1-ol, 1-nonanol, diméthyl trisulfure ainsi que le 2,4,4-triéthyl-1-hexène, ne sont pas identifiées dans les locaux, que ceux-ci soient non infestés, anciennement infestés ou infestés. Ces cibles, pourtant détectées dans la première phase du procédé, ne sont pas donc retrouvées au cours de la deuxième phase du procédé et ne sont donc pas retenues.
L’ensemble des autres molécules est identifié à des concentrations variables.
Dans cette deuxième phase du procédé, les cibles distinguées pertinentes au terme de la première phase sont à nouveau classées en trois catégories en vue d’élaborer en fonction de leur pertinence pour une infestation de punaises de lit :
• A : cible pertinente : 3-méthyl-2-buténal, diméthyl disulfure, (2E,4E)-hexadiénal, (2E)-hexénal, alcool benzylique, (2E,4E)-heptadiénal, 2-n-butyl furane, (2E)-octénal, undécanal, Z-géranylacétone, E-géranylacétone ;
• B : cible potentiellement pertinente : 2-pentanone, 2-heptanone ;
• C : cible optionnelle, à ne pas exclure, potentiellement pertinente : 3-hexénal, (2E)-hexén-1-ol, (2E,4Z)-octadiénal, (2E,4E)-octadiénal, diméthyl trisulfure, et 2,4,4-triméthyl-3-(3-méthylbutyl)cyclohex-2-enone.
Cette classification prend en compte les résultats obtenus sur tubes TTA, qui apporte une information qualitative sensiblement plus importante que les tubes MIXTES.
Une analyse statistique des données est ensuite effectuée.
A l’issue des deux premières phases, on aboutit à une liste de 40 COV cibles, les COV n’étant jamais rencontrés en situation réelle étant éliminés.
Un modèle prédictif est ensuite construit, en utilisant un arbre de classification CART alimenté en données d’entrée par les données de concentration des 40 COV (variables continues) cibles mesurées dans 102 locaux parmi lesquels certains sont infestés. C’est un modèle parcimonieux qui va sélectionner les variables les plus pertinentes.
Le processus de construction du modèle se fait par la sélection successive des variables prises une à une et séparant le mieux l’échantillon au regard de la variable à prédire (variable binaire de présence/absence des punaises de lit). Ce processus de binarisation permet d’établir un arbre de décision, avec à chaque niveau une variable sélectionnée permettant la meilleure séparation des observations, jusqu’à n’obtenir que des nœuds terminaux les plus purs (composés uniquement soit d’observations de cas d’absences ou soit d’observations de présences de punaises de lits).
Le critère de sélection des variables à chaque niveau est basé sur l’indice de Gini en testant tous les points de coupures possibles à chaque variable et en déduisant un seuil de coupure optimal qui maximise le critère de segmentation.
A chaque niveau de l’arbre, correspond un indice moyen de Gini G qui comptabilise la perte d’information associée à un COV j et un seuil de coupure c :
Avec :
: nombre de locaux pour lesquels les valeurs de Xj<c du COVj
: nombre de locaux pour lesquels les valeurs de Xj≥c du COVj
: fréquence de la i-ème modalité de la variable à prédire (modalité 0 pour absence et modalité 1 pour présence de punaises de lit) pour les locaux vérifiant Xj<c du COVj
: fréquence de la i-ème modalité de la variable à prédire (modalité 0 pour absence et modalité 1 pour présence de punaises de lit) pour les locaux vérifiant Xj≥c du COVj,
M : le nombre de modalités à prédire qui est de 2 (modalité 0 – absence et modalité 1 – présence de punaises de lit)
n : le nombre total de locaux,
L’objectif du modèle est de minimiser la perte d’information à chaque division de l’arbre et donc que la valeur G(j,c) soit la plus faible possible. A cette valeur optimale G(j*,c*), va donc correspondre la variable optimale j* (donc le COV le plus pertinent) et un seuil de coupure optimal c* (valeur de concentration optimale).
On mesure ensuite l’indice d’amélioration (gain) associé à chaque division par le calcul de J :
avec ,
où fi désigne la fréquence de la i-ème modalité de la variable binaire associée à la présence/absence de punaises de lit, déterminée au niveau du nœud parent (avant division) et M le nombre de modalités à prédire.
Cet indice d’amélioration J varie typiquement entre 0,5 (gain maximal pour une distribution initiale en deux modalités à 50/50) et 0 (aucun gain).
L’impact de chaque COV et paramètre du modèle est donné à chaque division par cet indice d’amélioration J. Le COV présentant la valeur d’impact la plus haute à chaque division est retenu dans le modèle. Il est dit actif.
A l’échelle de l’arbre, chaque COV se voit attribuer une valeur d’impact global qui représente la moyenne pondérée de l’impact sur chaque segmentation, en donnant moins d’importance aux parties basses de l’arbre. Un COV peut avoir un impact global élevé tout en restant inactif (le COV n’a jamais été retenu pour une division donnée, il est très souvent arrivé en deuxième ou troisième position par exemple).
Les autres paramètres du modèle ont été fixés comme suit pour établir les critères d’arrêt de la segmentation :
Effectif minimum de segmentation du nœud : 5 (pas de segmentation pour un nœud de 4 locaux ou moins)
Nombre maximum de niveau de l’arbre fixé à 10
Seuil de spécialisation ou critère d’arrêt : 1
Effectif d'admissibilité : 1 local
Pas d’élagage de l’arbre
L’arbre final retenu illustré en .
L’impact global de chaque COV est donné dans le Tableau 3 suivant. Les COV listés en gras sont ceux qui interviennent directement dans l’arbre de décision, à savoir les COV dits discriminants. Les autres COV, comme le 3-méthyl-2-buténal sont dit inactifs. Ils peuvent parfois être bien positionnés mais sont surclassés par d’autres COV.
Le COV qui présente le plus d’impact globalement est un COV inactif, le décanal. Bien que bien positionné dans les premières segmentations, il a été surclassé par le 6-MHO pour le premier nœud, il est en 6ème position dans le deuxième nœud, en troisième dans le troisième nœud et en concurrence égale avec l’hexanal pour le nœud 11.
[Tableau 3] : Impact global de chaque COV et paramètre dans le modèle CART (en gras COV actif)
Variable Impact global Nœud(s) associé(s)
Décanal 0,0164 3, 8
6-MHO (6-méthyl-5-heptèn-2-one) 0,0159 1, 12
Nonanal 0,0143 23
E-géranylacétone 0,0130 7
3-méthyl-2-buténal 0,0125
Octanal 0,0122
Heptanal 0,0118
Hexanal 0,0118 11
(2E)-Octénal 0,0117 2, 6
D-limonène 0,0101
Dihydromyrcénol 0,0096
(2E,4E)-hexadiénal 0,0086
Acétate de benzyle 0,0072
(2E)-buténal 0,0070
DMDS (diméthyl disulfure) 0,0069 5
(2E)-hexénal 0,0066
2-pentanone 0,0063 10
Nicotine 0,0062
2-heptanone 0,0060
(2E,4E)-heptadiénal 0,0057
Acétophénone 0,0057 19
Pyridine 0,0056
1-hexanol* 0,0055
Benzaldéhyde 0,0055
2-n-butyl furane 0,0054
Propanal 0,0051
Undécanal 0,0051
2-butanone 0,0049
Alcool benzylique 0,0049
Acétone 0,0047
2-éthyl-1-hexanol 0,0046
(2E,4E)-octadiénal 0,0040
(2E,4Z)-octadiénal 0,0037
Pentanal 0,0033
3-méthyl-butanal 0,0030
Hexane 0,0029
Z-géranylacétone 0,0027
2-nonèn-1-ol 0,0025
Butanal 0,0025
1-Nonanol 0,0024
Le Tableau 4 suivant liste les COV actifs par nœud ainsi que le ou les concurrents directs avec une valeur d’impact inférieure. En gras sont représentés les COV actifs retenus (COV discriminants) ou les COV concurrents qui présentent une valeur d’impact identique. Un COV concurrent (avec son propre seuil de coupure) peut donc être aussi performant que le COV actif retenu. Un COV suppléant présente par contre un impact local inférieur au COV actif, qui se traduirait par une dégradation des performances du modèle.
[Tableau 4] : Impact des COV actif à chaque nœud de segmentation et premiers concurrents
Nœud COV actif Impact local Concurrents/suppléants Impact local
1 6-MHO 0.1531 Décanal 0.129
2 (2E)-octénal 0,0309 Nicotine 0,0294
3 Décanal 0,0436 E-2-buténal 0,0402
5 DMDS 0,0423 E-géranyl acétone 0,0377
6 (2E)-octénal 0,0245 6 COV 0,0224
7 E-géranylacétone 0,0487 Acétophénone 0,0316
8 Décanal 0,018 2 COV 0,018
10 2-Pentanone 0,018 Benzaldéhyde 0,009
11 Hexanal 0,0339 2 COV 0,0339
12 6-MHO 0,0294 5 COV 0,0163
19 Acétophénone 0,0191 (2E,4E)-heptadiénal 0,0093
23 Nonanal 0,0092 3-méthyl-butanal 0,0092
Par exemple pour le nœud 8, le décanal, COV actif, présente la même valeur d’impact que deux autres COV concurrents qui sont le 1-hexanol et l’acétophénone. De même, pour le nœud 11, l’impact local de l’hexanal est le même que deux autres COV, le nonanal et le décanal. Le 3-méthyl-butanal est un COV concurrent du nonanal au niveau du nœud 23.
Pour le nœud 6, le (2E)-octénal a été retenu comme COV actif avec une valeur d’impact à 0,0245. Mais six autres COV sont des suppléants avec une valeur d’impact plus faible (benzaldéhyde, acétate de benzyle, E-géranylacétone, 2-n-butylfurane, (2E,4Z)-octadiénal, hexane). Ceci signifie que l’un de ces COV pourrait éventuellement se substituer au (2E)-octénal (s’il n’est pas disponible) en dégradant un peu le modèle.
Pour le nœud 12, les cinq COV suppléants sont acétone, alcool benzylique, E-géranylacétone, 3-méthyl-2-buténal et DMDS.
Les COV retenus pour l’application du modèle sont les neuf COV et leurs seuils de coupure retenus avec l’impact local le plus élevé à chaque division.
Les COV inactifs à concurrence égale peuvent supplanter au besoin un COV actif pour les nœuds correspondants. L’utilisation de COV inactifs suppléants n’est pas conseillée.
Un arbre équivalent peut donc être construit en supplantant par exemple le nonanal (seuil > 13,65 µg/m3) par le 3-méthyl-butanal (seuil ≤ 0,02 µg/m3) au niveau du nœud 23. Les deux arbres aboutissent exactement à la même classification des observations.
A titre comparatif, en prenant les indices définis ci-dessous respectivement 2H2O, 2HZGA et 2H2P comme indices d’infestation sur un panel de 41 locaux infestés, similairement à ce qui existe pour d’autres agents biologiques nuisibles, la société Demanderesse a obtenu une valeur prédictive de présence de punaises de lit, respectivement de 46%, 31% et 36%, ce qui est clairement insuffisant :
- Indice 2H2O (valeur 0, 1 ou 2) : une limite de détection (LD) analytique du 2-hexénal (2H) de 0,005 μg/m3 pour un volume de prélèvement de 12 L est définie : si 2H < LD (0,005 μg/m3) alors 2H2O=0, et si 2H ≥ LD, alors si le ratio (2E)-octénal/(2E)-hexénal < 2, alors 2H2O=1, si le ratio (2E)-octénal/(2E)-hexénal ≥ 2, alors 2H2O=2.
- Indice 2H2P (valeur 0, 1 ou 2) : une limite de détection (LD) analytique du 2-hexénal (2H) de 0,005 μg/m3 pour un volume de prélèvement de 12 L est définie : si 2H < LD (0,005 μg/m3) alors 2H2P=0, et si 2H ≥ LD, alors si le ratio 2-octénal/2-pentanone < 4, alors 2H2P=1, si le ratio 2-octénal/2-pentanone ≥ 4, alors 2H2P=2.
- Indice 2HZGA (valeur 0, 1 ou 2) : une limite de détection (LD) analytique du 2-hexénal (2H) de 0,005 μg/m3 pour un volume de prélèvement de 12 L est définie : si 2H < LD (0,005 μg/m3) alors 2HZGA=0, et si 2H ≥ LD, alors si la concentration de la Z-géranyl-acétone < 0,05 μg/m3, 2HZGA=1 et si la concentration de la Z-géranyl-acétone ≥ 0,05 μg/m3, 2HZGA=2.
L’arbre de décision selon la présente invention, construit comme détaillé ci-dessus et appliqué sur un panel indépendant de 41 locaux, permet quant à lui de détecter à 93% qu’un local est infesté. De même, un diagnostic négatif par l’arbre de décision s’avère vrai à 95%. Avec un impact intrusif minime, un coût de mise en œuvre simple, puisque l’arbre de décision n’est construit qu’une fois pour toutes et peut par la suite être utilisé sur tous les prélèvements effectués dans des locaux, on obtient donc de manière surprenante une excellente prédiction, par l’opération préalable de choix des COV utilisés pour construire l’arbre de décision.

Claims (8)

  1. Procédé de détection de punaises de lit dans un local, caractérisé par le fait qu’il comprend les étapes consistant à :
    - sélectionner un groupe de composés organiques volatils (COV) cibles par :
    A - prélevement et identification des composés organiques volatils présents dans au moins un environnement d’élevage, la présence de punaises de lit et leur stade de développement dans ledit au moins un environnement d’élevage étant connus ;
    B - prélevement et identification des composés organiques volatils (COV) présents dans au moins un local d’étalonnage, la présence ou l’absence de punaises de lit dans ledit au moins un local d’étalonnage étant connue ;
    - construire avec le groupe de composés organiques volatils cibles un arbre de décision en fonction de la corrélation entre chaque composé organique volatil du groupe de composés organiques volatils cibles et la présence de punaises de lits, les entrées de l’arbre de décision construit étant des composés organiques discriminants représentant un sous-groupe des composés organiques cibles ; et, pour chaque détection de punaises de lit dans un local :
    - prélever l’air dans au moins un emplacement déterminé du local ;
    - extraire les composés organiques volatils du groupe de composés organiques volatils présents dans l’air prélevé ; et
    - parcourir l’arbre de décision en fonction des concentrations des composés organiques volatils discriminants présents dans l’air prélevé pour en déduire l’absence ou la présence de punaises de lit dans le local.
  2. Procédé selon la revendication 1, caractérisé par le fait que, à l’étape A, les stades de développement sont œufs, larves et adultes.
  3. Procédé selon l’une des revendications 1 et 2, caractérisé par le fait que les composés organiques discriminants sont choisis parmi la 6-méthyl-5-heptén-2-one (6-MHO), le 1-hexanol, le (2E)-octénal, le disulfure de diméthyle (DMDS), la E-géranylacétone, la 2-pentanone, le 3-méthyl-butanal, l’acétophénone, l’hexanal, le nonanal, le décanal, facultativement parmi le benzaldéhyde, le benzylacétate, l’hexane, le 2-n-butylfurane, le (2E, 4Z) octadiénal, la 3-(N-méthyl-2-pyrrolidinyl)pyridine, le (2E)-buténal, l’acétone, le phénylméthanol, le 3-méthyl-2-buténal, le (2E, 4E)-heptadiénal.
  4. Procédé selon l’une des revendications 1 à 3, caractérisé par le fait que l’arbre de décision est construit par un algorithme CART en utilisant comme variables les composés organiques volatils (COV) cibles et comme critère de segmentation l’indice de diversité de Gini, par sélection successive des variables prises une à une et séparant le mieux l’échantillon par rapport à la présence ou à l’absence de punaises de lit, en testant les points de coupure possibles pour chaque variable et en sélectionnant le seuil de coupure qui rend maximal le critère de segmentation, avec à chaque niveau de l’arbre un indice moyen de Gini G qui comptabilise la perte d’informations associée à un composé organique volatil j (COVj) et un seuil de coupure c :

    avec :


    : nombre de locaux pour lesquels les valeurs de Xj<c du COVj
    : nombre de locaux pour lesquels les valeurs de Xj≥c du COVj
    : fréquence de la i-ème modalité de la variable à prédire (modalité 0 pour absence et modalité 1 pour présence de punaises de lit) pour les locaux vérifiant Xj<c du COVj
    : fréquence de la i-ème modalité de la variable à prédire (modalité 0 pour absence et modalité 1 pour présence de punaises de lit) pour les locaux vérifiant Xj≥c du COVj,
    M : le nombre de modalités à prédire qui est de 2 (modalité 0 – absence et modalité 1 – présence de punaises de lit)
    n : le nombre total de locaux,
    puis on mesure l’indice d’amélioration associé à chaque division par le calcul de J :
    avec , fi désignant la fréquence de la i-ème modalité de la variable binaire associée à la présence/absence de punaises de lit, déterminée au niveau du nœud parent (avant division) et M le nombre de modalités à prédire, le composé organique volatil ayant la valeur de J la plus élevée pour une division donnée de l’arbre étant retenu pour la division correspondante de l’arbre avec sa valeur c associée.
  5. Procédé selon la revendication 4, caractérisé par le fait que l’effectif de segmentation minimum du nœud est fixé à 5, le nombre maximal de niveau de l’arbre est 10, le seuil de spécialisation ou critère d’arrêt est 1, l’effectif d’admissibilité est 1 local d’étalonnage, et l’arbre est sans élagage.
  6. Procédé selon l’une des revendications 1 à 5, caractérisé par le fait que le prélèvement d’air est réalisé sur un adsorbant thermodésorbable, de préférence du Tenax® TA avec un volume de prélèvement compris entre 9 et 15 litres d’air, de préférence 10 litres d’air.
  7. Procédé selon la revendication 6, caractérisé par le fait que les composés organiques volatils sont piégés sur un tube contenant l’adsorbant lors du prélèvement et sont analysés par une technique de thermodésorption – chromatographie en phase gazeuse – spectromètre de masse (TD-GC-MS).
  8. Procédé selon l’une des revendications 1 à 7, caractérisé par le fait que l’air est prélevé dans le local suspecté abriter des punaises de lit.
PCT/IB2023/059489 2022-09-27 2023-09-26 Procédé de détection de punaises de lit WO2024069385A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR2209803A FR3140174A1 (fr) 2022-09-27 2022-09-27 Procédé de détection de punaises de lit
FRFR2209803 2022-09-27

Publications (1)

Publication Number Publication Date
WO2024069385A1 true WO2024069385A1 (fr) 2024-04-04

Family

ID=85461884

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/IB2023/059489 WO2024069385A1 (fr) 2022-09-27 2023-09-26 Procédé de détection de punaises de lit

Country Status (2)

Country Link
FR (1) FR3140174A1 (fr)
WO (1) WO2024069385A1 (fr)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2913501A1 (fr) 2007-03-05 2008-09-12 Ct Scient Tech Batiment Cstb Procede de detection d'une contamination fongique
EP2756755A2 (fr) 2006-10-23 2014-07-23 Dow AgroSciences LLC Techniques de détection, de surveillance et de contrôle des parasites de literie.
FR3075964A1 (fr) 2017-12-21 2019-06-28 Centre Scientifique Et Technique Du Batiment (Cstb) Procede de detection d'une infestation d'insectes
EP3629723B1 (fr) 2017-05-22 2022-09-14 Corteva Agriscience LLC Détection sélective des punaises des lits

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3028043B1 (fr) 2014-10-31 2016-12-09 Centre Scient Et Technique Du Batiment (Cstb) Procede de detection d'une contamination a la merule

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2756755A2 (fr) 2006-10-23 2014-07-23 Dow AgroSciences LLC Techniques de détection, de surveillance et de contrôle des parasites de literie.
FR2913501A1 (fr) 2007-03-05 2008-09-12 Ct Scient Tech Batiment Cstb Procede de detection d'une contamination fongique
EP3629723B1 (fr) 2017-05-22 2022-09-14 Corteva Agriscience LLC Détection sélective des punaises des lits
FR3075964A1 (fr) 2017-12-21 2019-06-28 Centre Scientifique Et Technique Du Batiment (Cstb) Procede de detection d'une infestation d'insectes

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
ANONYMOUS: "Hygiène, désinfection et 3D. Les bailleurs sociaux innovent contre les punaises", 20 November 2019 (2019-11-20), XP093048139, Retrieved from the Internet <URL:https://www.batiment-entretien.fr/actualite/hygiene-desinfection-et-3d-les-bailleurs-sociaux-innovent-contre-les-punaises> [retrieved on 20230519] *
CANNON CATHERINE ET AL: "The volatile organic compound profile from Cimex lectularius in relation to bed bug detection canines", FORENSIC CHEMISTRY, vol. 18, 9 January 2020 (2020-01-09), pages 100214, XP093048156, ISSN: 2468-1709, DOI: 10.1016/j.forc.2020.100214 *
EOM IN-YONG ET AL: "Simultaneous sampling and analysis of indoor air infested withCimex lectulariusL. (Hemiptera: Cimicidae) by solid phase microextraction, thin film microextraction and needle trap device", ANALYTICA CHIMICA ACTA, vol. 716, 6 July 2011 (2011-07-06), pages 2 - 10, XP028887532, ISSN: 0003-2670, DOI: 10.1016/J.ACA.2011.06.010 *
JOURNAL OF CHEMICAL ECOLOGY, vol. 9, no. 1, pages 143 - 58, Retrieved from the Internet <URL:https://doi.org/10.1007/BF00987778>

Also Published As

Publication number Publication date
FR3140174A1 (fr) 2024-03-29

Similar Documents

Publication Publication Date Title
Schleibinger et al. Microbial volatile organic compounds in the air of moldy and mold-free indoor environments.
D'Alessandro et al. In situ modification of herbivore-induced plant odors: a novel approach to study the attractiveness of volatile organic compounds to parasitic wasps
D’Alessandro et al. Strong attraction of the parasitoid Cotesia marginiventris towards minor volatile compounds of maize
US20140127672A1 (en) Disease detection in plants
Vacas et al. Identification of pheromone synergists for Rhynchophorus ferrugineus trapping systems from Phoenix canariensis palm volatiles
Henderson et al. Detecting stink bugs/damage in cotton utilizing a portable electronic nose
Dötterl et al. Flower scent of floral oil-producing Lysimachia punctata as attractant for the oil-bee Macropis fulvipes
Laopongsit et al. Preliminary study of solid phase micro-extraction (SPME) as a method for detecting insect infestation in wheat grain
Gallinger et al. Host plant preferences and detection of host plant volatiles of the migrating psyllid species Cacopsylla pruni, the vector of European Stone Fruit Yellows
Augustyn et al. Correlation of volatile profiles of twenty mango cultivars with their susceptibilities to mango gall fly infestation
Heath et al. Sex pheromone of Cylas formicarius: History and implications of chemistry in weevil management
Monchatre‐Leroy et al. Spatial and temporal epidemiology of nephropathia epidemica incidence and hantavirus seroprevalence in rodent hosts: identification of the main environmental factors in Europe
Williams et al. Human odour thresholds are tuned to atmospheric chemical lifetimes
Valenta et al. Fruit ripening signals and cues in a Madagascan dry forest: haptic indicators reliably indicate fruit ripeness to dichromatic lemurs
WO2024069385A1 (fr) Procédé de détection de punaises de lit
Altuzar et al. Electrophysiological and behavioural responses of Scyphophorus acupunctatus (Col., Curculionidae) to Agave tequilana volatiles
Bozsik et al. Comparison of antennal responses of Ovalisia festiva and Phloeosinus aubei to volatile compounds of their common host, Thuja occidentalis
Figueiredo et al. Pesticides in doormat and floor dust from homes close to treated fields: Spatio-temporal variance and determinants of occurrence and concentrations
Thompson et al. Analysis of volatile profiles for Tracking Asymptomatic infections of Phytophthora Ramorum and other pathogens in Rhododendron
Kai et al. Identification of key odour components in pig house air using hyphenated gas chromatography olfactometry
Wernis et al. Source apportionment of VOCs, IVOCs and SVOCs by positive matrix factorization in suburban Livermore, California
US20170245495A1 (en) Chemical lure for asian citrus psyllid
Ingegno et al. Host plant perception and selection in the sibling species Macrolophus melanotoma and Macrolophus pygmaeus (Hemiptera: Miridae)
EP3729073B1 (fr) Procédé de détection d&#39;une infestation d&#39;insectes
Maudsley et al. Density dependence in cereal aphid populations

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23783536

Country of ref document: EP

Kind code of ref document: A1