Dalam ranah penelitian kesehatan masyarakat dan epidemiologi, pengumpulan data dari seluruh anggota populasi target sering kali tidak dapat dilakukan akibat kendala efisiensi waktu, keterbatasan anggaran, dan ketersediaan sumber daya manusia. Sebagai solusi metodologis, para peneliti menerapkan prinsip sampling yang mencakup penentuan populasi (target dan terjangkau), pemilihan teknik penarikan sampel (probabilitas maupun non-probabilitas), serta kalkulasi ukuran sampel minimum melalui formula statistik yang valid. Pendekatan ilmiah ini memastikan bahwa karakteristik yang ditemukan pada sampel dapat digeneralisasikan untuk merepresentasikan kondisi populasi secara objektif dan bebas dari bias seleksi. Ketepatan dalam merancang metodologi ini memiliki korelasi struktural yang signifikan terhadap pemenuhan indikator-indikator dalam Agenda Tujuan Pembangunan Berkelanjutan atau Sustainable Development Goals (SDGs).
Keterkaitan utama berada pada SDGs-3 mengenai kehidupan sehat dan sejahtera, di mana validitas data dari sampel yang representatif menjadi landasan ilmiah bagi penyusunan intervensi klinis, kebijakan preventif, serta evaluasi program kesehatan publik agar tepat sasaran. Penerapan metodologi yang baku dan transparan ini juga mendukung SDGs-4 terkait pendidikan berkualitas, dengan membangun standar edukasi riset yang akuntabel dan berintegritas di lingkungan perguruan tinggi. Di samping itu, penggunaan teknik sampling yang dirancang secara inklusif berkontribusi langsung pada pencapaian SDGs-5 tentang kesetaraan gender dan SDGs-10 guna mengurangi ketimpangan. Hal tersebut dicapai dengan memastikan keterwakilan proporsional dari kelompok rentan, perempuan, serta populasi marjinal yang secara geografis sulit dijangkau, sehingga kebutuhan kesehatan mereka dapat terpetakan secara adil dalam basis data nasional maupun global.
Dari aspek tata kelola sumber daya, perhitungan ukuran sampel yang optimal menggunakan estimasi titik (seperti perbedaan rerata atau proporsi antarkelompok) berfungsi sebagai instrumen efisiensi ekonomi yang mendukung SDGs-9 mengenai industri, inovasi, dan infrastruktur melalui optimasi manajemen riset. Dengan menentukan jumlah subjek yang presisi, tidak terlalu kecil sehingga mengorbankan kekuatan uji statistik (statistical power), dan tidak terlalu besar secara berlebihan, peneliti secara langsung mengimplementasikan prinsip SDGs-12 mengenai konsumsi dan produksi yang bertanggung jawab. Efisiensi jumlah sampel ini meminimalkan penggunaan logistik laboratorium, bahan kimia, serta alat medis habis pakai, yang pada gilirannya menekan volume limbah medis dan jejak karbon operasional riset lapangan demi mendukung SDGs-13 tentang penanganan perubahan iklim, sekaligus mengurangi dampak negatif terhadap ekosistem hayati sejalan dengan SDGs-15 dalam menjaga ekosistem daratan.
Lebih lanjut, penghitungan sampel yang cermat mencerminkan kepatuhan terhadap aspek etika penelitian, baik terhadap subjek manusia maupun pengurangan penggunaan hewan coba secara berlebihan. Penegakan integritas ilmiah dan transparansi data ini selaras dengan SDGs-16 mengenai perdamaian, keadilan, dan kelembagaan yang tangguh, karena institusi riset yang mematuhi kaidah metodologi baku akan memperkuat kepercayaan publik terhadap luaran sains terapan. Akhirnya, standardisasi metodologi sampling yang diakui secara internasional memfasilitasi ketercapaian SDGs-17 tentang kemitraan untuk mencapai tujuan. Keseragaman indikator pencuplikan data ini memungkinkan para ilmuwan lintas negara melakukan kolaborasi riset multisentrik, mempermudah integrasi data global, dan mempercepat perumusan solusi kolektif atas berbagai krisis kesehatan transnasional.