我想分析指标A在不同疾病中的表现，已知指标A会受到指标B的影响，同时指标B也与疾病状态有关。我收集了6种不同疾病患者的指标A和指标B的数据，主要想分析在考虑了指标B的情况下，指标A在6种疾病中的比较，指标A和B都是连续定量数据。请问这种情况是应该进行线性混合模型分析吗？

看了一些R语言的教程，尝试进行线性混合模型分析。

最先的尝试：指标A为因变量，指标B和疾病分组设为固定因子，患者（Subjects）设为随机因子。模型公式设为：

指标A ~ 指标B*疾病分组 +（1 + 指标B | Subjects）

结果提示以下错误：

Error: number of levels of each grouping factor must be < number of observations (problems: Subjects)

感觉可能是随机效应设置得不对，本研究中的患者不能设置为随机效应？

于是又修改了一下模型，将疾病分组设为随机效应。已知疾病分组对指标B的截距和斜率都有影响，于是模型公式设为：

指标A ~ 指标B +（1 + 指标B | 疾病分组）

结果出现以下的警告：

In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv, :

 Model failed to converge with max|grad| = 1.04882 (tol = 0.002, component 1)

请问问题出在哪里呢？

看了一些网上的分析提到，进行混合线性模型需要数据服从正态分布，而且不同因子水平的样本量不能差异太大，我的数据中指标A不符合正态分布，不同疾病分组的患者数量差异也较大，此种情况是不是不能进行混合线性模型分析？那么要用什么方法分析呢？

感谢！