Hemos detectado que visita nuestro sitio web desde Estados Unidos.
Disponemos de una versión específica del sitio web para su país (Estados Unidos).

Cambiar a Estados Unidos

Capnografía volumétrica. Medición sofisticada de CO2

Ilustración gráfica: lupa

Más información. Monitorización del CO2 volumétrico

La fases de un capnograma volumétrico, la forma y morfología de la curva, y las mediciones basadas en los cálculos procedentes de este pueden proporcionarle información importante sobre los siguientes aspectos:

  • Eficacia de la relación ventilación-perfusión
  • Fracción del espacio muerto fisiológico
  • Tasa metabólica del 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 de flujo de CO2 CAPNOSTAT-5

Una potente herramienta. Sensor de CO2

En nuestros respiradores, el CO2 se mide con un sensor de flujo de CO2 CAPNOSTAT-5 proximal a la vía aérea del paciente.

El sensor CAPNOSTAT-5 proporciona mediciones precisas del dióxido de carbono al final del volumen tidal (PetCO2), así como un capnograma claro y preciso en todas las frecuencias respiratorias de hasta 150 respiraciones por minuto.

Gráfico de estadísticas: análisis de datos del sensor de CO2

Sensor pequeño, grandes datos. Esto es lo que ofrece

La ventana del capnograma volumétrico en la pantalla muestra información cuantitativa exacta como una combinación de los datos de CO2 proximal y flujo proximal, entre los que se incluyen:

  • Curva de capnograma volumétrico actual
  • Curva de referencia de capnograma volumétrico
  • Botón de curva de referencia con hora y fecha de bucle de referencia
  • Valores de CO2 más significativos, por respiración

Permite un análisis más completo del estado del paciente, una tendencia de 72 horas (o de 96 horas para el HAMILTON-G5/S1) de los siguientes parámetros:

  • PetCO2
  • V‘CO2
  • FetCO2
  • VeCO2
  • ViCO2
  • Vtalv
  • V'alv
  • VDaw
  • VD/Vt
  • VDaw/VTE
  • Pend.CO2

A fin de simplificarle las cosas, los respiradores de Hamilton Medical ofrecen una visión general de todos los valores de CO2 pertinentes en la ventana Monitorización de CO2.

  • Concentración de CO2 fraccional al final del volumen tidal: FetCO2 (%) 
  • Presión de CO2 al final del volumen tidal: PetCO2 (mmHg) 
  • Pendiente de la meseta alveolar en la curva de PetCO2, que indica el estado de la relación volumen/flujo en los pulmones: pend.CO2 (%CO2/l)
  • Ventilación tidal alveolar: Vtalv (ml) 
  • Ventilación minuto alveolar: V’alv (l/min) 
  • Eliminación CO2: V’CO2 (ml/min) 
  • Espacio muerto en la vía aérea: VDaw (ml)
  • Fracción de espacio muerto en la vía aérea en la apertura de la vía aérea: VDaw/VTE (%) 
  • Volumen de CO2 espirado: VeCO2 (ml) 
  • Volumen de CO2 inspirado: ViCO2 (ml)

Véalo con sus propios ojos. Reserve una demostración personal gratuita o programe una llamada

Deje que le contemos todas las ventajas de la capnografía volumétrica y véalas directamente en acción. Reserve una demostración personal gratuita con uno de nuestros 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.