Los estudios epidemiológicos a menudo enfrentan un desafío debido al error de medición de la exposición al estimar una asociación entre la exposición y la enfermedad. Una variable sustituta puede estar disponible para la verdadera variable de exposición no observada. Sin embargo, los datos con inflación de ceros se encuentran frecuentemente en las variables sustitutas. Por ejemplo, muchas medidas de nutrientes o actividad física pueden tener un valor cero (o un valor detectable bajo) entre un grupo de individuos. En este documento, investigamos el análisis de regresión cuando las variables sustitutas observadas pueden tener valores cero entre algunos individuos de toda la cohorte de estudio. Una calibración de regresión ingenua sin tener en cuenta una masa de probabilidad de la variable sustituta en 0 (o un valor detectable bajo) estará sesgada. Desarrollamos un estimador de calibración de regresión que típicamente puede tener sesgos más pequeños que el estimador de calibración de regresión ingenuo. Proponemos un estimador de ecuación de estimación esperada que es consistente bajo el modelo de regresión de variables sustitutas con inflación de ceros. Simulaciones extensas muestran que el estimador propuesto funciona bien en términos de corrección de sesgo. Estos métodos se aplican a un estudio de intervención en actividad física.