The correct identification of change‐points during ongoing outbreak investigations of infectious diseases is a matter of paramount importance in epidemiology, with major implications for the management of health care resources, public health and, as the COVID‐19 pandemic has shown, social live. Onsets, peaks, and inflexion points are some of them. An onset is the moment when the epidemic starts. A "peak" indicates a moment at which the incorporated values, both before and after, are lower: a maximum. The inflexion points identify moments in which the rate of growth of the incorporation of new cases changes intensity. In this study, after interpreting the concept of elasticity of a random variable in an innovative way, we propose using it as a new simpler tool for anticipating epidemic remission change‐points. In particular, we propose that the "remission point of change" will occur just at the instant when the speed in the accumulation of new cases is lower than the average speed of accumulation of cases up to that moment. This gives stability and robustness to the estimation in the event of possible remission variations. This descriptive measure, which is very easy to calculate and interpret, is revealed as informative and adequate, has the advantage of being distribution‐free and can be estimated in real time, while the data is being collected. We use the 2014‐2016 Western Africa Ebola virus epidemic to demonstrate this new approach. A couple of examples analyzing COVID‐19 data are also included.

中文翻译：

---

弹性作为在线确定持续流行病缓解点的措施

在持续的传染病暴发调查期间正确识别变化点是流行病学中的头等大事，这对卫生保健资源，公共卫生以及COVID-19大流行表明的社会生活具有重大影响。发作，高峰和拐点是其中一些。发病是流行开始的那一刻。“峰值”表示之前和之后的合并值较低的时刻：最大值。拐点确定了新案件合并的增长率改变强度的时刻。在本研究中，以创新的方式解释了随机变量的弹性概念后，我们建议将其用作预测流行病缓解点的新的更简单工具。特别是，我们建议，“变化的缓解点”将仅在新案件累积速度低于当时的平均案件累积速度的那一刻发生。在可能的辐射变化的情况下，这为估计提供了稳定性和鲁棒性。这种描述性度量很容易计算和解释，显示出信息量和充分性，具有无分发的优点，可以在收集数据时进行实时估计。我们使用2014-2016年西非埃博拉病毒流行病来证明这种新方法。还包括几个分析COVID-19数据的示例。只会在新案件累积速度低于当时的平均案件累积速度的瞬间发生。在可能的辐射变化的情况下，这为估计提供了稳定性和鲁棒性。这种描述性度量很容易计算和解释，显示出信息量和充分性，具有无分发的优点，可以在收集数据时进行实时估计。我们使用2014-2016年西非埃博拉病毒流行病来证明这种新方法。还包括几个分析COVID-19数据的示例。只会在新案件累积速度低于当时的平均案件累积速度的瞬间发生。在可能的辐射变化的情况下，这为估计提供了稳定性和鲁棒性。这种描述性度量很容易计算和解释，显示出信息量和充分性，具有无分发的优点，可以在收集数据时进行实时估计。我们使用2014-2016年西非埃博拉病毒流行病来证明这种新方法。还包括几个分析COVID-19数据的示例。可以提供足够的信息，具有无分发的优点，可以在收集数据时进行实时估计。我们使用2014-2016年西非埃博拉病毒流行病来证明这种新方法。还包括几个分析COVID-19数据的示例。可以提供足够的信息，具有无分发的优点，可以在收集数据时进行实时估计。我们使用2014-2016年西非埃博拉病毒流行病来证明这种新方法。还包括几个分析COVID-19数据的示例。