Мы обнаружили, что вы посещаете наш сайт из страны Соединенные Штаты.
Для вашей страны (Соединенные Штаты) доступна отдельная версия веб-сайта.

Волюметрическая капнография Высокотехнологичное измерение концентрации CO2

Изображение лупы

Дополнительные сведения. Волюметрический мониторинг концентрации CO2

Фазы волюметрической капнографии, форма и морфология кривой, а также измерения, основанные на ее расчетах, могут дать следующую важную информацию:

  • об эффективности вентиляции и перфузии;
  • о физиологической объемной части мертвого пространства;
  • о скорости метаболизма у пациента (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​)
Датчик CO2 CAPNOSTAT-5 для основного потока

Мощный инструмент. Датчик CO2

В наших аппаратах ИВЛ концентрация CO2 измеряется с помощью СО2-датчика для основного потока CAPNOSTAT-5, который находится рядом с дыхательными путями пациента.

Датчик CAPNOSTAT-5 обеспечивает точное измерение концентрации углекислого газа в конце выдоха (PetCO2), а также дает точную капнограмму при частоте дыхания до 150 дыхательных движений в минуту.

Графическое представление статистических данных: анализ данных датчика CO2

Маленький датчик, большой объем данных Информация, которую передает датчик

В окне волюметрической капнограммы на экране отображается точная количественная информация в виде комбинации данных проксимального потока и уровня CO2, таких как:

  • текущая кривая волюметрической капнограммы;
  • эталонная кривая волюметрической капнограммы;
  • кнопка эталонной кривой со временем и датой референсной петли;
  • наиболее актуальные значения CO2 для каждого вдоха.

Для более полного анализа состояния пациента в аппаратах ИВЛ предусмотрена функция определения трендов за 72 часа (в аппаратах ИВЛ HAMILTON-G5/S1 – за 96 часов) для следующих параметров:

  • «PetCO2»;
  • «V'CO2»;
  • «FetCO2»;
  • «VeCO2»;
  • «ViCO2»;
  • «Vtальв»;
  • «V'альв»;
  • «VDдп»;
  • «VD/Vt»;
  • «VDдп/VTE»;
  • «НарастCO2»

Для удобства пользователя в аппаратах ИВЛ Hamilton Medical все значения, связанные с CO2, отображаются в окне «Мониторинг CO2».

  • Парциальная концентрация CO2 в конце выдоха: FetCO2 (%) 
  • Давление CO2 в конце выдоха: PetCO2 (ммРт) 
  • Подъем альвеолярного плато на кривой значений «PetCO2», указывающий на показатели объема/потока в легких: нарастCO2 (%CO2/л)
  • Альвеолярный дыхательный объем: Vtальв (мл) 
  • Альвеолярная минутная вентиляция: V'альв (л/мин) 
  • Выведение CO2: V’CO2 (мл/мин) 
  • Мертвое пространство дыхательных путей: VDдп (мл)
  • Объемная часть мертвого пространства на входе в дыхательные пути: VDдп/VTE (%) 
  • Объем выдыхаемого CO2: VeCO2 (мл) 
  • Объем вдыхаемого CO2: ViCO2 (мл)

Посмотрите собственными глазами. Закажите бесплатный видеоролик или оставьте запрос на обратный вызов

Позвольте рассказать вам обо всех преимуществах волюметрической капнографии или посмотрите процедуру ее применения собственными глазами. Закажите бесплатный видеоролик у одного из наших специалистов:

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.