Session expired

Due to inactivity your session has expired. Please login again.

Detectamos que você está visitando nosso site a partir de Estados Unidos.
Dispomos de uma versão separada do site para (Estados Unidos).

Mudar para ${país}

Capnografia volumétrica.

Medição de CO2 sofisticada

Ilustração gráfica: lupa

Para obter mais informações. Monitorização de CO2 volumétrica

As fases de um capnograma volumétrico, a forma e a morfologia da curva, e as medições baseadas em cálculos derivados dele podem fornecer informações importantes sobre:

  • Eficiência da ventilação/perfusão
  • Fração fisiológica do espaço morto
  • Metabolismo do paciente (Jaffe MB. Using the features of the time and volumetric capnogram for classification and prediction. J Clin Monit Comput. 2017;31(1):19-41. doi:10.1007/s10877-016-9830-z1​)
Sensor CO2 de fluxo direto CAPNOSTAT-5

Uma ferramenta poderosa. O sensor CO2

Nos nossos respiradores, o CO2 é medido com um sensor CO2 de fluxo direto CAPNOSTAT-5 junto das vias aéreas do paciente.

O sensor CAPNOSTAT-5 fornece medições precisas do dióxido de carbono ao final da expiração (PetCO2) e um capnograma claro e preciso em todas as frequências respiratórias até 150 respirações por minuto.

Gráfico de estatísticas: Análise de dados do sensor CO2

Um pequeno sensor, muitos dados. Eis o que irá obter

A janela do capnograma volumétrico na tela exibe informações quantitativas exatas, combinando dados de fluxo proximal e CO2 proximal, tais como:

  • Curva atual do capnograma volumétrico
  • Curva de referência do capnograma volumétrico
  • Botão da curva de referência com hora e data do loop de referência
  • Valores de CO2 mais relevantes, respiração por respiração

Para permitir uma análise mais abrangente da condição do paciente, está disponível uma tendência de 72 horas (ou 96 horas com HAMILTON-G5/S1) para:

  • PetCO2
  • V‘CO2
  • FetCO2
  • VeCO2
  • ViCO2
  • Vtalv
  • V'alv
  • VDaw
  • VD/Vcorr
  • VDaw/VTE
  • SlopeCO2

Para facilitar sua vida, os respiradores da Hamilton Medical oferecem uma visão geral de todos os valores relevantes relacionados ao CO2 na janela Monitorização de CO2.

  • Fração de CO2 teleinspiratória: FetCO2 (%) 
  • Pressão de CO2 ao final da expiração: PetCO2 (mmHg) 
  • Inclinação do platô alveolar na curva de PetCO2, indicando o estado do volume/fluxo pulmonar: SlopeCO2 (%CO2/l)
  • Ventilação alveolar corrente: Vtalv (ml) 
  • Ventilação alveolar por minuto: V’alv (l/min) 
  • Remoção de CO2: V’CO2 (ml/min) 
  • Espaço morto das vias aéreas: VDaw (ml)
  • Fração de espaço morto das vias aéreas ao nível da abertura das vias aéreas: VDaw/VTE (%) 
  • Volume de CO2 exalado: VeCO2 (ml) 
  • Volume de CO2 inspirado: ViCO2 (ml)

Veja com seus próprios olhos. Marque uma demonstração pessoal gratuita ou agende um retorno de chamada

Deixe-nos orientá-lo sobre todos os benefícios da capnografia volumétrica e veja-a diretamente em ação. Marque uma demonstração pessoal gratuita com um de nossos especialistas:

Using the features of the time and volumetric capnogram for classification and prediction.

Jaffe MB. Using the features of the time and volumetric capnogram for classification and prediction. J Clin Monit Comput. 2017;31(1):19-41. doi:10.1007/s10877-016-9830-z

Quantitative features derived from the time-based and volumetric capnogram such as respiratory rate, end-tidal PCO2, dead space, carbon dioxide production, and qualitative features such as the shape of capnogram are clinical metrics recognized as important for assessing respiratory function. Researchers are increasingly exploring these and other known physiologically relevant quantitative features, as well as new features derived from the time and volumetric capnogram or transformations of these waveforms, for: (a) real-time waveform classification/anomaly detection, (b) classification of a candidate capnogram into one of several disease classes, (c) estimation of the value of an inaccessible or invasively determined physiologic parameter, (d) prediction of the presence or absence of disease condition, (e) guiding the administration of therapy, and (f) prediction of the likely future morbidity or mortality of a patient with a presenting condition. The work to date with respect to these applications will be reviewed, the underlying algorithms and performance highlighted, and opportunities for the future noted.