在卫生统计学中，识别数据中的异常值是一项重要任务。异常值是指那些与其他观察值相比显著偏离的数据点，它们可能是由于测量错误、记录误差或特殊情况下产生的真实但极端的观测值。正确地识别和处理这些异常值对于确保研究结果的有效性和可靠性至关重要。

首先，在统计表中识别异常值的一个常用方法是通过可视化手段，如箱形图（Box Plot）。在箱形图中，正常范围内的数据通常被包含在一个矩形内，这个矩形的下边界代表第一四分位数（Q1），上边界代表第三四分位数（Q3）。位于这两个数值之间的部分被称为四分位距（IQR, Interquartile Range）。任何低于 Q1 - 1.5 IQR 或高于 Q3 1.5 IQR 的数据点被视为潜在的异常值，并以单独的小圆圈或星号标出。

其次，还可以使用标准差法来识别异常值。此方法假设数据大致呈正态分布。通常情况下，如果一个数值偏离平均数超过2个或3个标准差，则该数值可被认定为异常值。具体来说，如果某个观测值小于（均值 - 3 标准差）或大于（均值 3 标准差），则认为它是异常值。

此外，还可以采用Z分数法来识别异常值。Z分数表示一个特定数值与平均数之间的差距是标准差的多少倍。一般而言，当某个数据点的绝对Z分数超过3时，则可以将其视为异常值。

最后，在处理复杂的数据集时，可能需要结合多种方法，并根据实际情况调整阈值以更准确地识别异常值。同时，识别出异常值后，还需要进一步分析其产生的原因，判断是否应该从数据分析中排除这些数据点，或者采取其他适当的措施来应对它们的影响。