不等时间间隔重测数据如何建立预测模型？

 目前手上有一大波数据，假设观测变量为Y，首先在初始时刻测过一次Y0（还记录了当时受试者的年龄、性别，当时的血压等等数据），然后在10~26个月不等的时间间隔受试者返回试验中心重测过一次Y，假设为Y1（还记录了当时受试者的年龄、血压等信息）。已知年龄、性别、血压等都会影响Y，可能也会影响Y随时间的变化率。

 现在需要建立一个模型，在给出某一对象（该对象可以不是上文中提到的观察对象，可以是新纳入的一个对象）的初始年龄、性别、血压等等信息及Y0的前提下，预测给定时间t时刻Y的观察值Yt? 该怎么建立模型呢？  

感觉有点像面板数据，但每个对象只有两个时间节点的观察值（初始时和重测时），而且观察的时间间隔又不相等。目前想到的方法是(Y1-Y0)/(t1-t0)先计算变化率，然后回归模型采用年龄、性别、人种等变量拟合这一变化率。最后通过拟合的模型先推算变化率，再根据给定的时间t来拟合Yt，感觉绕了一大圈，效率肯定不高

 统计小白，还请各位大侠指点些合适的模型或书籍！