Amaç: Bu çalışmanın amacı, "SHapley Additive exPlanations" yöntemi ile simüle ve gerçek veri setleri için ayrı ayrı kişi temelli tahmin modelleri oluşturmak ve elde edilen kişi temelli modellerin genel modellere göre daha geçerli ve uygulanabilir olup olmadığını göstermektir. Gereç ve Yöntemler: Simüle veri setleri sırasıyla 250, 500 ve 1.000 örneklem büyüklükleriyle 13 bağımsız ve 1 bağımlı değişken içerirken, gerçek veri seti 11 değişkenden oluşmakta olup, 826 hasta verisi içermektedir. Analizler için R (versiyon 4.1.2) programlama dilindeki "bindata", "shapper" ve "RWeka" paketleri kullanılmıştır. Sınıflandırma yöntemleri olarak "Extreme Gradient Boosting", Bagging, Rastgele Orman, Destek Vektör Makinesi ve Lojistik Regresyon kullanılmıştır. Veri seti 10-kat çapraz doğrulama kullanılarak değerlendirilmiş ve analizler 1.000 kez tekrarlanmıştır. Bulgular: 250, 500 ve 1.000 örneklem büyüklüğüne sahip veri setlerinde genel modelin doğruluk değerleri sırasıyla 0,856, 0,886 ve 0,891 olarak bulunmuştur. Bu örneklem büyüklüklerinde kişi temelli doğruluk değerleri "evet" tahmin sonucuna sahip olanlar için sırasıyla 0,886, 0,964 ve 0,962; "hayır" tahmin sonucuna sahip olanlar için ise sırasıyla 0,930, 0,961 ve 0,961 olarak bulunmuştur. Gerçek veri setinde, genel modelin doğruluğu 0,736 olarak bulunmuştur. Kişi temelli doğruluk değerleri ise inme tahmini yapılan hastada 0,783, inme tahmini olmayan hastada ise 0,868 olarak bulunmuştur. Sonuç: Tüm veri setlerinde kişi temelli tahmin sonuçları, model bazlı sonuçlardan daha yüksek bulunmuştur. Bu gerçek hayatta kişiler arası heterojenite nedeniyle göz ardı edilmemesi gereken bir durumdur. Bu farklılık göz önünde bulundurularak, kişi temelli modelleme yapıldığında, modelin daha gerçekçi olacağı ve klinik kullanıma daha uygun hâle geleceği düşünülmektedir. [ABSTRACT FROM AUTHOR]