Méthodes de Bootstrap pour le Développement de Modèles Prédictifs

Les chercheurs utilisent fréquemment des méthodes automatisées de sélection de modèles telles que l'élimination en arrière pour identifier les variables qui sont des prédicteurs indépendants d'un résultat donné. Nous proposons d'utiliser le rééchantillonnage par bootstrap en conjonction avec des méthodes de sélection de variables automatisées pour développer des modèles de prédiction parcimonieux. En utilisant des données sur des patients admis à l'hôpital avec une crise cardiaque, nous montrons que la sélection de ces variables identifiées comme prédicteurs indépendants de mortalité dans au moins 60 % des échantillons bootstrap a abouti à un modèle parcimonieux avec une excellente capacité prédictive.