我们有兴趣确定筛查访问频率与癌症结果之间是否存在关联，以及这是否因种族而异。我们有医疗保险数据来分析这一点。通常，用于建模生存时间的膝跳反射是 Cox 比例风险模型的膝跳反射，但问题是我们直接对建模由于时间产生的影响感兴趣，因为这会影响一个人有资格的筛查访问次数为了。

结果是二元的：一个人是否在研究间隔结束时死亡。研究间隔技术因主题而异。我们最多有 5 年的筛查数据，这些数据符合受试者的条件，尽管有些受试者因为参加了其他医疗保健计划而被审查，我们无法确定他们进一步的 COA 用于筛查、诊断或治疗）。

在我看来，这些数据是横断面的，而不是前瞻性的，因为我们使用来自未来的访问数据来推断过去同质的比例。然而，由于可用的随访时间长，受试者之间的体重不同。

我正在努力为这些数据编写一个正确的线性模型，并为它们提出一个有效的分析计划。如何编写带有偏移的线性模型？