随着科学技术的不断进步与发展,在当前的医学发展背景下,大维数据不断涌现,由此导致传统的统计分析方法不再适用。多重假设检验作为分析高维数据的一个重要理论基础,得到了越来越多的关注。本文从药物疗效检测中的实际问题出发,分析血必净药物对于重症脓毒症患者医治效果的影响因素,结合实际数据将多重假设检验的理论方法运用到数据的分析模型中。多重假设检验的一个关键任务就是制定合理并且有效的错误测度,在控制第I类错误概率的前提下提高整体检验的功效。首先,本文主要回顾了传统的控制方法(family-wise error rate,简写为FWER)以及FWER方法的控制过程;其次,为了克服FWER控制方法的保守性,本文重点研究多重假设检验的错误发现率(false discovery rate,简写为FDR),对于FDR的内容主要集中在提高检验功效的研究上。针对血必净药物对重症脓毒症患者治疗效果的影响指标分析,本文结合传统的统计分析方法主成分回归和经典线性回归,并且在回归模型系数检验P值的基础上引入多重假设检验。利用总结的FWER和FDR的控制过程对P值进行调整,给出不同控制过程下的显著影响指标。通过传统的统计分析方法和多重假设检验方法得出的结论作对比。结果显示,多重假设检验方法在找出显著影响变量时通过错误控制过程调整P值,找出的显著变量更加的可靠。将多重假设检验运用到数据维度较多的药物疗效检测实例中,较传统统计分析方法具有明显的优越性。