轻度                    中度                  重度           
              干预前       干预后      干预前     干预后       干预前     干预后
研究组 34（52.3）   51（78.5）   22（33.8）   13（69.1）   9（13.9）   1（1.5）
对照组 35（53.0）   39（59.1）    23（34.9）   21（44.5）    8（12.1）   6（9.1）

非参数检验

要检验这两组数据（研究组和对照组）的差异，可以使用卡方检验（Chi-square test），特别是针对分类数据的情况。这里的数据似乎是关于不同干预前后的病情严重程度分布。以下是进行卡方检验的步骤：
1.建立假设：
零假设（H0）：两组之间在干预前后的病情严重程度分布没有显著差异。
对立假设（H1）：两组之间在干预前后的病情严重程度分布存在显著差异。
2.构建列联表：
将数据整理成列联表（contingency table）的形式，其中行代表组别（研究组和对照组），列代表病情严重程度（轻度、中度、重度）以及干预前后的情况。
3.进行卡方检验：
使用统计软件（如SPSS, R, Python等）进行卡方检验。
计算卡方统计量及其对应的P值。
以下是列联表的一个示例：

轻度        中度        重度        合计
研究组干预前        34        22        9        65
研究组干预后        51        13        1        65
对照组干预前        35        23        8        66
对照组干预后        39        21        6        66
4.结果解释：
如果P值小于显著性水平（通常是0.05），则拒绝零假设，认为两组之间存在显著差异。
如果P值大于显著性水平，则不能拒绝零假设，认为两组之间没有显著差异。
另：这里的Z值和P值在您提供的数据中没有明确的意义，因为它们通常与连续数据的t检验或Wilcoxon检验相关，而不是分类数据的卡方检验。