在lme4中使用随机截距的多变量logistic回归预测模型中具有大量群簇的收敛问题

Question

我的目标是设计一个预测模型，该模型可用于估计器官外部肿瘤扩展的可能性。肿瘤扩展可以发生在右侧或左侧。 该人群由其器官中有肿瘤的患者组成，并且该器官的两半（左侧和右侧）均被视为独立病例。因此，每个患者代表两个器官的一半，每个器官的一半作为单独的案例包含在数据集中。 这意味着数据是群集的，我想通过对lme4包使用随机拦截来对此进行更正。 在该集合中，有1977个观测值和大约1000个组。如果我构建适合，则会出现以下错误：

fitr <- glmer(formula = EPE ~ age + Epstein + mriece + RTsuspect + psadcombi  +(1 | Hospital), 
              data = develop.compl, 
              family = binomial)

Warning message:

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

  Model failed to converge with max|grad| = 0.00152473 (tol = 0.001, component 1)

fitr <- glmer(formula = EPE ~ age + Epstein + mriece + RTsuspect + psadcombi + 
                              (1 | record_id), 
              data = develop.compl, 
              family = binomial)

Warning messages:

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

  Model failed to converge with max|grad| = 0.533044 (tol = 0.001, component 1)

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

  Model is nearly unidentifiable: very large eigenvalue

 - Rescale variables?

知道为什么会出现此错误吗？是因为我的数据集包含太多的组吗？