Ⅰ型错误是统计学假设检验中的一个重要概念，在公卫执业医师所涉及的医学研究和实践中有着关键意义。

在假设检验里，我们通常会先设立一个原假设（H0）和一个备择假设（H1）。原假设一般代表着一种无差异或者无效的情况，而备择假设则代表着有差异或者有效的情况。Ⅰ型错误，也被称为“弃真错误”，它指的是在进行假设检验时，拒绝了实际上成立的原假设。

举个例子来说明，假设我们要研究一种新的降压药物是否有效。原假设H0是这种新药物没有降压效果，备择假设H1是这种新药物有降压效果。当我们通过一系列的实验和数据分析后，如果得出的结论是拒绝原假设，也就是认为新药物有降压效果，但实际上这种新药物本身并没有降压效果，这时候我们就犯了Ⅰ型错误。

Ⅰ型错误的概率通常用α来表示，它也被称为检验水准。在进行假设检验之前，研究者会预先设定一个α值，常见的取值有0.05或0.01等。α值的大小反映了研究者愿意承担犯Ⅰ型错误的风险程度。例如，当α = 0.05时，意味着在100次假设检验中，研究者允许有5次犯Ⅰ型错误的机会。

在公共卫生研究和实践中，Ⅰ型错误可能会导致严重的后果。如果错误地认为一种药物有效，可能会将其推广使用，让患者承受不必要的药物副作用和经济负担；或者错误地认为某种干预措施有效，从而投入大量的资源去实施，最终却发现并没有达到预期的效果。所以，在进行假设检验时，需要合理控制Ⅰ型错误的发生概率，以保证研究结果的可靠性和科学性。