使用compareC包，计算两两之间C-INDEX的检验差异。sum.surv1<-summary(fit_1) c_index1<-sum.surv1$concordance c_index1 sum.surv2<-summary(fit_2) c_index2<-sum.surv2$concordance c_index2 sum.surv3<-summary(fit_3) c_index3<-sum.surv3$concordance c_index3 sum.surv4<-summary(fit_4) c_index4<-sum.surv4$concordance c_index4

如果你想使用`compareC`包来计算两两之间的C-INDEX检验差异，你可以使用以下代码：

library(compareC)
# 创建一个数据框来存储C-INDEX和p值
c_index_df <- data.frame(model1 = c_index1, model2 = c_index2, model3 = c_index3, model4 = c_index4)
p_value_df <- data.frame(matrix(ncol = 4, nrow = 4))
# 循环遍历每个模型的组合，计算C-INDEX差异和p值
for (i in 1:3) {
  for (j in (i+1):4) {
    result <- compareC(c_index_df[,i], c_index_df[,j])
    p_value_df[i,j] <- result$p.value
  }
}
# 使用“lower.tri”函数将p值矩阵下三角的元素设置为NA
p_value_df[lower.tri(p_value_df)] <- NA

这里，我们使用`compareC`函数计算C-INDEX差异和p值，并将它们存储在一个数据框中。然后，我们使用循环遍历每个模型的组合，并计算它们之间的C-INDEX差异和p值。最后，我们使用`lower.tri`函数将p值矩阵下三角的元素设置为NA，以便使结果更易于阅读。

请注意，使用`compareC`包需要确保每个模型的预测值已经排好序。如果你使用的是`survival`包中的生存分析函数，通常情况下，它们会自动按照预测值进行排序。