Nous avons remarqué que vous aviez consulté notre site internet depuis le pays États-Unis.
Nous proposons une version du site internet propre à votre pays (États-Unis).

Passer à États-Unis

Capnographie volumétrique. Mesure du CO2 avancée

Image : loupe grossissante

Pour plus d'informations. Monitorage volumétrique du CO2

Les phases d'un capnogramme volumétrique, la forme et la morphologie de la courbe ainsi que les mesures basées sur les calculs qui en découlent peuvent vous en apprendre beaucoup sur :

  • L'efficacité de la ventilation-perfusion
  • La fraction d'espace mort physiologique
  • L'activité métabolique du patient (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​)
Capteur de CO2 « mainstream » CAPNOSTAT-5

Un outil puissant. Le capteur de CO2

Sur nos ventilateurs, le CO2 est mesuré avec un capteur de CO2 « mainstream » CAPNOSTAT-5 près des voies aériennes du patient.

Le capteur CAPNOSTAT-5 fournit une mesure précise du dioxyde de carbone en fin d'expiration (PetCO2) et un capnogramme précis et clair à toutes les fréquences respiratoires jusqu'à 150 cycles par minute.

Graphique de statistiques : analyse des données d'un capteur de CO2

Un petit capteur pour un maximum de données. Les infos qu'il vous faut

La fenêtre du capnogramme volumétrique apparaissant à l'écran affiche des informations quantitatives exactes sous forme d'une combinaison de données de débit proximal et de CO2 proximal telles que :

  • Courbe de capnogramme volumétrique réel
  • Courbe de capnogramme volumétrique de référence
  • Bouton de courbe de référence avec date et heure de la boucle de référence
  • Valeurs de CO2 les plus pertinentes, mises à jour à chaque cycle

Pour permettre une analyse plus détaillée de l'état du patient, une tendance sur 72 heures (ou sur 96 heures avec le HAMILTON-G5/S1) est disponible pour les valeurs suivantes :

  • PetCO2
  • V‘CO2
  • FetCO2
  • VeCO2
  • ViCO2
  • Valv
  • V'alv
  • Vds
  • VD/Vt
  • Vds/VTE
  • PenteCO2

Pour vous faciliter la vie, les ventilateurs Hamilton Medical affichent une présentation de toutes les valeurs pertinentes associées au CO2 dans la fenêtre de monitorage du CO2.

  • Concentration fractionnelle de CO2 en fin d'expiration : FetCO2 (%) 
  • Pression de CO2 de fin d'expiration : PetCO2 (mmHg) 
  • Pente du plateau alvéolaire sur la courbe PetCO2, indiquant le statut volume/débit des poumons : penteCO2 (%CO2/l)
  • Ventilation alvéolaire par volume courant : Valv (ml) 
  • Ventilation alvéolaire minute : V’alv (l/min) 
  • Élimination du CO2 : V’CO2 (ml/min) 
  • Espace mort des voies aériennes : Vds (ml)
  • Fraction d'espace mort mesurée à l'entrée des voies aériennes : Vds/VTE (%) 
  • Volume de CO2 expiré : VeCO2 (ml) 
  • Volume de CO2 inspiré : ViCO2 (ml)

Découvrez-le de vos propres yeux. Réservez une démonstration personnelle gratuite ou programmez un rappel

Laissez-nous vous faire découvrir tous les avantages de la capnographie volumétrique et découvrez-les directement en fonctionnement. Réservez une démonstration personnelle gratuite avec l'un de nos spécialistes :

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.