Neurolaw: Revisiting Huberty v. McDonald’s through the Lens of Nutritional Criminology and Food Crime
Notice bibliographique
Résumé
Recent studies have illuminated the potential harms associated with ultra-processed foods, including poor mental health, aggression, and antisocial behavior. At the same time, the human gut microbiome has emerged as an important contributor to cognition and behavior, disrupting concepts of the biopsychosocial ‘self’ and raising questions related to free will. Since the microbiome is undeniably connected to dietary patterns and components, the topics of nutrition and microbes are of heightened interest to neuroscience and psychiatry. Research spanning epidemiology, mechanistic bench science, and human intervention trials has brought legitimacy to nutritional criminology and the idea that nutrition is of relevance to the criminal justice system. The individual and community-level relationships between nutrition and behavior are also salient to torts and the relatively new field of food crime—that which examines the vast harms, including grand-scale non-communicable diseases and behavioral outcomes, caused by the manufacturers, distributors, and marketers of ultra-processed food products. Here in this essay, we will synthesize various strands of research, reflecting this emergent science, using a notable case that straddled both neurolaw and food crime, Huberty v. McDonald’s (1987). It is our contention that the legalome—microbiome and omics science applied in neurolaw and forensics—will play an increasing role in 21st-century courtroom discourse, policy, and decision-making.
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 | 0,010 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,012 | 0,057 |
| Communication savante | 0,009 | 0,014 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,020 | 0,027 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en 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 ».