Могу ли я использовать emmeans с моделью LME?

Я использую модель LME, определенную как:

mod4.lme <- lme(pRNFL ~  Init.Age + Status + I(Time^2), random= ~1|Patient/EyeID,data = long1, na.action = na.omit)

Результат:

> summary(mod4.lme)
Linear mixed-effects model fit by REML
 Data: long1 
       AIC      BIC    logLik
  2055.295 2089.432 -1018.647

Random effects:
 Formula: ~1 | Patient
        (Intercept)
StdDev:    7.949465

 Formula: ~1 | EyeID %in% Patient
        (Intercept) Residual
StdDev:    12.10405 2.279917

Fixed effects: pRNFL ~ Init.Age + Status + I(Time^2) 
                Value Std.Error  DF   t-value p-value
(Intercept)  97.27827  6.156093 212 15.801950  0.0000
Init.Age      0.02114  0.131122  57  0.161261  0.8725
StatusA     -27.32643  3.762155 212 -7.263504  0.0000
StatusF     -23.31652  3.984353 212 -5.852023  0.0000
StatusN      -0.28814  3.744980  57 -0.076940  0.9389
I(Time^2)    -0.06498  0.030223 212 -2.149921  0.0327
 Correlation: 
          (Intr) Int.Ag StatsA StatsF StatsN
Init.Age  -0.921                            
StatusA   -0.317  0.076                     
StatusF   -0.314  0.088  0.834              
StatusN   -0.049 -0.216  0.390  0.365       
I(Time^2) -0.006 -0.004  0.001 -0.038 -0.007

Standardized Within-Group Residuals:
       Min         Q1        Med         Q3        Max 
-2.3565641 -0.4765840  0.0100608  0.4670792  2.7775392 

Number of Observations: 334
Number of Groups: 
           Patient EyeID %in% Patient 
                60                119 

Я хотел получить сравнение между моими факторами «Статус» (с названиями A, N, F и H). Итак, я создал модель emmeans, используя этот код:

emmeans(mod4.lme, pairwise ~ Status, adjust="bonferroni")

Результат для этого:

> emmeans(mod4.lme, pairwise ~ Status, adjust="bonferroni")
$emmeans
 Status   emmean       SE df lower.CL  upper.CL
 H      98.13515 2.402248 57 93.32473 102.94557
 A      70.80872 2.930072 57 64.94135  76.67609
 F      74.81863 3.215350 57 68.38000  81.25726
 N      97.84701 2.829706 57 92.18062 103.51340

Degrees-of-freedom method: containment 
Confidence level used: 0.95 

$contrasts
 contrast    estimate       SE  df t.ratio p.value
 H - A     27.3264289 3.762155 212   7.264  <.0001
 H - F     23.3165220 3.984353 212   5.852  <.0001
 H - N      0.2881375 3.744980  57   0.077  1.0000
 A - F     -4.0099069 2.242793 212  -1.788  0.4513
 A - N    -27.0382913 4.145370  57  -6.523  <.0001
 F - N    -23.0283844 4.359019  57  -5.283  <.0001