Ⅰ型错误是卫生统计学假设检验中一个重要的概念。在假设检验里，我们通常会先建立两个相互对立的假设，即原假设（H0）和备择假设（H1）。然后依据样本信息和一定的检验水准来推断是否拒绝原假设。

Ⅰ型错误指的是在原假设实际上是正确的情况下，我们却错误地拒绝了它，也被叫做“弃真”错误。一般用希腊字母α来表示犯Ⅰ型错误的概率，α也被称作检验水准，它是我们在进行假设检验之前预先设定的一个小概率值，常见的取值有0.05、0.01等。

下面我们通过一个具体的例子来更好地理解Ⅰ型错误。假设我们要研究一种新的降压药是否有效，原假设H0为“新降压药没有效果”，备择假设H1为“新降压药有效果”。当我们收集了一定数量患者使用新降压药后的血压数据，并进行假设检验后，如果得到的检验结果显示在预先设定的检验水准α（比如α = 0.05）下拒绝了原假设H0，从而得出新降压药有效果的结论。但实际上，这种新降压药本身可能并没有效果，只是由于抽样误差等原因，使得样本数据呈现出了降压的假象，我们就犯了Ⅰ型错误。

在实际的医学研究和卫生统计工作中，控制Ⅰ型错误的概率非常重要。因为错误地拒绝原假设可能会导致我们接受一些实际上并不成立的结论，比如错误地认为某种治疗方法有效、某种危险因素与疾病有关等，这可能会对后续的医疗决策、疾病防控等工作产生不良影响。所以，在设计研究和进行假设检验时，我们需要合理地设定检验水准α，以平衡Ⅰ型错误和其他可能出现的错误（如Ⅱ型错误）的风险。