在卫生统计学中，当处理的数据不满足正态分布或方差齐性的假设时，非参数方法如多个样本的秩和检验（Kruskal-Wallis H检验）成为一种重要的分析手段。该方法用于判断两个以上独立样本是否来自同一总体或者它们所代表的总体在位置上是否有显著差异。

要判断完全随机设计多个样本秩和检验的结果，主要关注以下几个方面：
1. 构建假设：首先需要明确研究目的，设立原假设（H0）与备择假设（H1）。通常情况下，原假设为所有样本来自相同分布的总体；而备择假设则认为至少有一个样本与其他样本有显著不同。
2. 计算秩和检验统计量：对所有观察值进行排序，并分别计算每个组别的秩次总和。基于这些秩次总和，可以计算出Kruskal-Wallis H统计量。该统计量的大小反映了各组间差异的程度。
3. 确定临界值或P值：根据自由度（样本数减1）查找标准正态分布表获得临界值，或者直接通过软件输出得到P值。如果采用的是临界值法，则需要将计算出的H统计量与查表所得的临界值相比较；若使用P值法则更直观，即看P值是否小于预设的显著性水平α（如0.05）。
4. 做出决策：当H统计量大于临界值或P值小于α时，拒绝原假设，认为各组之间存在显著差异。反之，则接受原假设，说明没有足够证据表明样本间有显著区别。

需要注意的是，在得出结论后还应对结果进行合理解释，并考虑实际意义。例如，虽然统计上可能显示出显著性差异，但在具体应用中这种差异是否具有临床或公共卫生的意义还需进一步探讨。此外，如果拒绝了原假设，则可以进一步采用两两比较的方法来确定哪两个样本之间存在显著差异。

总之，在判断完全随机设计多个样本秩和检验的结果时，应综合考虑假设构建、统计量计算、临界值/ P值确定及最终决策等多个步骤，并结合专业知识做出合理解释。