如何验证两次SQL查询的正确性？含就诊次数与间隔分析场景

一、你提到的首行患者数校验逻辑完全合理 #

第一个查询的num_people总和是5+3+2+1+1=12，对应数据库里的总患者数；第二个查询首行current_visit=NA的分组，统计的是所有患者的「首次就诊阶段」（没有前序就诊记录），患者数必然等于总患者数，这是验证两次查询数据一致性的核心基础校验点。

二、第一次查询的验证步骤 #

第一次查询是「按患者分组统计就诊次数，再按就诊次数分组统计对应患者数」，可以从这几个维度验证：

• 核对总就诊记录数：计算num_visits * num_people的总和：1×5 + 2×3 + 3×2 + 4×1 + 5×1 = 26，这个数必须和hospital_visits表的总记录数一致，直接用SELECT COUNT(*) FROM hospital_visits;就能验证。
• 核对总患者数：第一个查询的num_people总和是12，要等于SELECT COUNT(DISTINCT patient_id) FROM hospital_visits;的结果，确保没有重复统计患者。
• 抽样验证：随机挑几个不同就诊次数的患者，比如找1个就诊5次的患者，手动数他在表中的记录数是不是5；找3个就诊2次的患者，确认每个的记录数都是2，验证分组统计的准确性。

三、第二次查询的验证步骤 #

第二次查询是「分析患者连续就诊间隔，按就诊阶段分组统计患者数与平均间隔」，验证逻辑如下：

• 各阶段患者数的逻辑匹配：
  • 阶段(1,2)的患者数是7，对应第一个查询中「就诊次数≥2」的患者数：3+2+1+1=7，必须完全匹配——只有就诊至少2次的患者，才会有第1到第2次的就诊间隔。
  • 阶段(2,3)的患者数是4，对应「就诊次数≥3」的患者数：2+1+1=4，匹配。
  • 阶段(3,4)的患者数是2，对应「就诊次数≥4」的患者数：1+1=2，匹配。
  • 阶段(4,5)的患者数是1，对应「就诊次数=5」的患者数：1，匹配。
    这些对应关系是判断第二次查询分组逻辑正确的关键。
• 平均间隔天数的验证：
  • 随机选某个阶段的患者，比如阶段(1,2)的7个患者，手动计算每个患者第一次和第二次就诊的间隔天数，再求平均值，看是否接近59.4。
  • 检查是否存在间隔天数为负数的异常数据（比如就诊日期顺序写反），如果有，说明标记就诊顺序的窗口函数逻辑可能出错（比如应该用ROW_NUMBER() OVER(PARTITION BY patient_id ORDER BY visit_date)来排序就诊记录）。
• 空值逻辑验证：current_visit=NA的分组只有next_visit=1，且没有平均间隔，符合首次就诊没有前序记录的逻辑；最后一个阶段(4,5)没有后续阶段，对应就诊次数最多为5次的结果，逻辑自洽。

四、交叉验证的补充思路 #

• 用第一个查询的结果推导第二个查询各阶段的理论患者数，再和实际结果对比（就是上面的各阶段对应关系），如果完全匹配，说明两次查询的患者分组逻辑一致。
• 统计第二个查询中所有num_people的总和：12+7+4+2+1=26，这个数要等于总就诊记录数——因为每个就诊记录对应一个阶段（首次就诊对应NA→1，后续每次就诊对应前一次到当前的阶段），这也是一个有效的校验方式。

内容的提问来源于stack exchange，提问作者farrow90