Как я могу исправить свой код l oop, чтобы обеспечить его применение к каждому из моих столбцов и объединение результатов?

Question

Я пытаюсь использовать для l oop, чтобы подогнать модель к каждому из моих метаболитов. Есть 790 столбцов, к которым я должен применить это. Вывод результатов - три значения (оценка, std.error и значение p), и моя пустая матрица имеет 790 строк и три столбца для результатов, которые нужно ввести. (Поэтому я стремлюсь получить оценку, std.error и значение p для каждого из 790 метаболитов, чтобы иметь возможность определить, есть ли увеличение или уменьшение при сравнении контроля по отношению к заболеванию, и есть ли какая-либо статистическая значимость) ,

Пожалуйста, найдите ниже код, который я пробовал до сих пор, любые предложения будут с благодарностью.

  results.out <- matrix(0, nrow=790, ncol=3)

  require(lme4)
   require(lmerTest)

  for(i in 1:ncol(data[, 8:792])){
  fit <- lmer (data1[,i] ~ Diseasestatus + BB + ACOG + WA + BMI + Age + (1|ParticpantID), data=data, REML=F, na.action=na.omit)
  results<- summary(fit)$coef[2, c(1, 2, 5)][i]
  results.out[, i] <- results
  }

Я получаю сообщение об ошибке с приведенным выше сообщением:

      Error in eval_f(x, ...) : Downdated VtV is not positive definite

(не уверен, может ли это быть связано с наличием 0 и 1 в некоторых столбцах. Например, болезнь 1 и контроль равен 0. Принимая лекарство BB, ACOG, WA обозначено 1, а не принимать 0.

или при попытке применить одну из функций применения также появляется ошибка

 output <- apply(data[,8:792], 2, function(i){
 fit <- lmer (data[,i] ~ Diseasestatus + BB + ACOG + WA + BMI + Age + (1|ParticpantID), data=data, REML=F, na.action=na.omit)
  results<- summary(fit)$coef[2, c(1, 2, 5)][i]
  })

 dplyr::bind_rows(output, .id="Metabolite")

Сообщение об ошибке выше:

  Error in model.frame.default(data = data, na.action = 
  na.omit,  : 
  invalid type (list) for variable 'data[, i]' 

Снимок моих данных в случае, если это полезно, можно найти ниже;

    structure(list(Participant_ID = c(34L, 35L, 119L, 157L, 158L, 
    208L, 209L, 1364L, 1365L, 127911L, 127912L, 154110L, 154120L, 
    167113L, 167123L, 171713L, 171724L, 184212L, 184213L), BB = c(0L, 
    0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 1L, 0L, 0L, 1L, 1L, 0L, 
    0L, 1L), ACOG = c(1L, 1L, 1L, 1L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 
    1L, 1L, 1L, 1L, 1L, 0L, 0L, 1L), WA = c(0L, 0L, 0L, 0L, 0L, 0L, 
    0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 0L), BMI = 
    c(23.94688606, 
   25.87052536, 26.38413048, 24.10971069, 27.77280045, 24.93728065, 
   26.8804493, 23.90113258, 25.07429123, 27.60118484, 23.12600708, 
   26.39195442, 23.01516533, 31.3666172, 31.80447578, 24.03654861, 
   25.11828613, 24.17065239, 28.48728561), Age = c(76L, 76L, 68L, 
  68L, 68L, 57L, 57L, 56L, 56L, 60L, 60L, 44L, 44L, 58L, 58L, 71L, 
  71L, 56L, 56L), Diseasestatus = c(0L, 0L, 1L, 1L, 0L, 0L, 1L, 
  1L, 0L, 0L, 1L, 1L, 0L, 0L, 1L, 1L, 0L, 0L, 1L), Met1 = c(0.326537646, 
  0.362137501, 0.403331692, 0.343789581, 0.437786804, 0.720648545, 
  0.974583105, 0.565800103, 0.613001417, 0.547743467, 0.337683125, 
  0.393250468, 0.465795971, 0.390206584, 0.172261362, 0.382496277, 
  0.435237338, 0.945312001, 0.321214419), Met2 = c(0.465736593, 
  0.540715637, 0.472693123, 0.681156674, 0.416291697, 0.487306504, 
  0.499092007, 0.634904337, 0.408109505, 0.808546214, 0.4113336, 
  0.924069141, 0.673204104, 0.693500596, 0.522794352, 0.373602067, 
  0.716407827, 0.649634492, 0.514429127), Met3 = c(0.902854296, 
  0.413241218, 0.418436978, 0.599698582, 0.806269489, 0.746859677, 
  0.461750237, 0.534943022, 0.511101841, 0.339406025, 0.235624644, 
  0.405761674, 0.312947287, 0.409833325, 0.026137354, 0.477175654, 
  0.387610389, 0.226427797, 0.19742037), Met4 = c(0.99425024, 0.923934731, 
  0.804677487, 0.31081605, 0.351561982, 0.529615606, 0.756342125, 
  0.968115646, 0.989016517, 0.938703504, 0.841777433, 0.103150219, 
  0.68397041, 0.903129097, 0.897388285, 0.905293975, 0.992337012, 
  0.358619626, 0.159601445), Met5 = c(0.527268407, 0.646332723, 
  0.646042578, 0.163344212, 0.202267074, 0.536976636, 0.789061409, 
  0.725657854, 0.697350164, 0.044081822, 0.959496477, 0.295039796, 
  0.120109301, 0.160817478, 0.901107461, 0.529179518, 0.573373775, 
  0.560701172, 0.325806613), Met6 = c(0.809497068, 0.614253411, 
  0.375421856, 0.446069992, 0.710859888, 0.474587655, 0.217817798, 
  0.464787031, 0.5540375, 0.62822217, 0.082906217, 0.294754096, 
  0.862216149, 0.427856328, 0.418944666, 0.516181576, 0.544516281, 
  0.519113772, 0.279522811), Met7 = c(0.419627992, 0.365954584, 
  0.434398151, 0.313441811, 0.368051981, 0.660614914, 0.825809828, 
  0.412109302, 0.545740249, 0.326247449, 0.373035298, 0.380623499, 
  0.428859232, 0.321044089, 0.24939936, 0.298372835, 0.387467105, 
  0.906034877, 0.147250125), Met8 = c(0.549683979, 0.347795497, 
  0.465729386, 0.625045713, 0.551784129, 0.348174756, 0.4334509, 
  0.594903245, 0.561353241, 0.621274979, 0.231389704, 0.308801446, 
  0.464799907, 0.401663011, 0.332966555, 0.109698561, 0.184359915, 
  0.091447702, 0.20568595), Met9 = c(0.605266628, 0.316564583, 
  0.166558136, 0.337470002, 0.458328756, 0.409329111, 0.269424154, 
  0.514746553, 0.408357879, 0.572246814, 0.264718681, 0.125162297, 
  0.211230627, 0.655667116, 0.034006203, 0.189685846, 0.243832622, 
  0.360657636, 0.259174139), Met10 = c(0.576174353, 0.214361265, 
  0.523133504, 0.549085457, 0.430400583, 0.53943429, 0.441563681, 
  0.401805576, 0.386025835, 0.514017513, 0, 0.330305736, 0.567380079, 
  0.50505895, 0.242814909, 0.306522744, 0.132950297, 0.207312191, 
  0.328760686)), class = "data.frame", row.names = c(NA, -19L))