Método para el control de la panacea de las megadosis de vitamina C de acuerdo con la situación actual y perspectivas futuras

Contenido principal del artículo

Jenny Maribel Moya Arízaga
Carlos Alejandro Troya Altamirano
Jenny Olivia Caicedo Rodríguez

Resumen

Una de las vitaminas hidrosolubles esenciales con mayor relevancia para el cuerpo humano es el ácido ascórbico o vitamina C. A pesar de que se puede ingerir con la alimentación, por sus múltiples funciones en los últimos años se ha incrementado notablemente la oferta y aplicación de megadosis de esta vitamina como una panacea que ofrece generar un tratamiento frente a una gran diversidad de enfermedades. Ello ha generado opiniones divididas sobre los beneficios, los riesgos, la aplicación incorrecta y el mecanismo de acción frente al uso de dosis elevadas de vitamina C con diferentes fines terapéuticos. Por todo ello, el objetivo de este trabajo fue desarrollar un método para el control de la panacea de las megadosis de vitamina C y las posibles complicaciones de su utilización sin vigilancia médica. A pesar de algunos resultados prometedores, es destacable el reporte de daños graves al sobrepasar la dosis recomendada y opiniones divididas sobre la eficacia real de estos tratamientos. Aún se requiere una mayor investigación sobre el mecanismo de acción, seguridad y eficacia del uso de megadosis de ácido ascórbico como una terapia para una gran diversidad de enfermedades.

##plugins.themes.bootstrap3.displayStats.downloads##

##plugins.themes.bootstrap3.displayStats.noStats##

Detalles del artículo

Cómo citar
Método para el control de la panacea de las megadosis de vitamina C de acuerdo con la situación actual y perspectivas futuras. (2023). Neutrosophic Computing and Machine Learning. ISSN 2574-1101, 29, 191-200. https://fs.unm.edu/NCML2/index.php/112/article/view/430
Sección
Articulos

Cómo citar

Método para el control de la panacea de las megadosis de vitamina C de acuerdo con la situación actual y perspectivas futuras. (2023). Neutrosophic Computing and Machine Learning. ISSN 2574-1101, 29, 191-200. https://fs.unm.edu/NCML2/index.php/112/article/view/430