Un estudio publicado en Nature propone un marco teórico para describir procesos de contagio de orden superior en redes complejas, donde las interacciones no se limitan a pares de nodos sino que involucran grupos de tamaño variable. Estos procesos, presentes en la propagación de enfermedades, la difusión de rumores o la adopción de comportamientos, no pueden capturarse con los modelos clásicos basados únicamente en enlaces binarios.

El trabajo aborda una limitación conocida de la teoría de redes: la mayoría de los formalismos existentes describen contagios a través de interacciones uno a uno, mientras que en sistemas reales los eventos colectivos —reuniones, aulas, mercados o plataformas digitales— generan correlaciones que alteran de forma sustancial los umbrales de propagación. Al incorporar hiperaristas y complejos simpliciales, los autores logran unificar en un mismo tratamiento las contribuciones de distintas escalas de interacción.

El método combina herramientas de topología algebraica con teoría de procesos estocásticos para derivar ecuaciones de evolución que integran simultáneamente interacciones de orden dos, tres y superiores. La formulación permite identificar cómo cada escala de interacción modifica el punto crítico de la transición epidémica y la velocidad de difusión, mostrando que los grupos amplificados pueden reducir el umbral de contagio respecto al predicho por los modelos de pares.

Los resultados tienen implicaciones para el diseño de estrategias de contención en epidemiología, la gestión de información en redes sociales y la comprensión de fenómenos colectivos en sistemas biológicos y tecnológicos. El marco ofrece además una base para futuras simulaciones y para el análisis empírico de datos de contacto de alta resolución, donde las interacciones grupales son la norma más que la excepción.