Beyond Auto-Brewery: Why Dysbiosis and the Legalome Matter to Forensic and Legal Psychology
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
International studies have linked the consumption of ultra-processed foods with a variety of non-communicable diseases. Included in this growing body of research is evidence linking ultra-processed foods to mental disorders, aggression, and antisocial behavior. Although the idea that dietary patterns and various nutrients or additives can influence brain and behavior has a long history in criminology, in the absence of plausible mechanisms and convincing intervention trials, the topic was mostly excluded from mainstream discourse. The emergence of research across nutritional neuroscience and nutritional psychology/psychiatry, combined with mechanistic bench science, and human intervention trials, has provided support to epidemiological findings, and legitimacy to the concept of nutritional criminology. Among the emergent research, microbiome sciences have illuminated mechanistic pathways linking various socioeconomic and environmental factors, including the consumption of ultra-processed foods, with aggression and antisocial behavior. Here in this review, we examine this burgeoning research, including that related to ultra-processed food addiction, and explore its relevance across the criminal justice spectrum—from prevention to intervention—and in courtroom considerations of diminished capacity. We use auto-brewery syndrome as an example of intersecting diet and gut microbiome science that has been used to refute mens rea in criminal charges. The legalome—microbiome and omics science applied in forensic and legal psychology—appears set to emerge as an important consideration in matters of criminology, law, and justice.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle