在卫生统计学中，相关系数是用来衡量两个变量之间线性关系强度和方向的一个指标。最常用的相关系数是皮尔逊相关系数（Pearson correlation coefficient），其值范围从-1到 1。

相关系数的大小可以直接反映两变量间线性关联的程度：
- 当相关系数接近于0时，表示这两个变量之间的线性关系非常弱或不存在。
- 当相关系数大于0且小于1时，表明两个变量存在正向的相关关系。也就是说，一个变量增加时，另一个变量也倾向于增加；反之亦然。相关系数越接近于1，则两变量间的这种正向线性关联就越强。
- 相反地，当相关系数小于0但大于-1时，意味着这两个变量之间存在着负向的关系。即一个变量的值增加，另一变量的值则减少。同样地，相关系数越接近-1，表示它们之间的负向线性关系越强烈。

值得注意的是，虽然相关系数可以衡量两变量间线性关系的强度，但它并不能证明因果关系。两个变量可能因为第三因素的影响而表现出显著的相关性，并不一定意味着其中一个变量的变化直接导致了另一个变量的变化。

此外，在解释相关系数时还需要考虑样本量和数据分布等因素。较大的样本量通常能提供更可靠的结果；而非正态分布的数据可能会对相关系数的计算产生影响，此时可以考虑使用非参数方法（如Spearman等级相关）来评估变量间的关联性。

总之，正确解读相关系数不仅需要关注其数值大小，还要结合研究背景、数据特性以及统计检验结果等多方面信息。