La preparación teórica en futbolistas categoría 13-15 años de la EIDE de GuantánamoTheoretical preparation in football players 13-15 years category of the EIDE of GuantánamoAlfredo Maximiliano Soler-Agüero1, Marelis Chibas-Monier2, Omar Vázquez-Pozo3________________________________________________________________1M. Sc. Profesor Asistente. Facultad de Cultura Física, Universidad de Guantánamo. Cuba. asoler@cug.co.cu2M. Sc. Profesor Asistente. Facultad de Cultura Física, Universidad de Guantánamo. Cuba. mareliscm@cug.co.cu3M. Sc. Profesor Asistente. Facultad de Cultura Física, Universidad de Guantánamo. Cuba. omarvp@cug.co.cuFecha de recepción: 6 de junio de 2020Fecha de aceptación: 3 de septiembre de 2020__________________________________________________________________RESUMENLa presente investigación tiene como objetivo contribuir a mejorar uno de los aspectos del juego de Fútbol más importantes dentro de las acciones ofensivas para lo cual se realiza un estudio experimental para revelar los resultados de la preparación teórica en los futbolistas categoría 13-15 años de la EIDE de Guantánamo. En el desarrollo de este estudio se tomaron como base las diferentes teorías que giran en torno a esta temática. Se utilizaron métodos y técnicas de investigación que facilitaron el proceso investigativo, así como el arribo a conclusiones.Palabras clave: Preparación teórica; Acciones ofensivas; Futbolistas; Estudio experimentalABSTRACTThe present research aims to contribute to improving one of the most important aspects of the soccer game within offensive actions for which an experimental study is carried out to reveal the results of theoretical preparation in football players category 13-15 years of the EIDE of Guantánamo. In the development of this study, the different theories that revolve around this issue were taken as a basis. Research methods and techniques were used to facilitate the research process,as well as reaching conclusions.Key words: Theoretical preparation; Offensive actions; Football players; Experimental studyINTRODUCCIÓNValorar diversos criterios sobre el grupo y/o equipo deportivo como forma de grupo social, asumiendo posiciones críticas y reflexivas al respecto, argumentando desde la esencia de las características psicosociales comunes para el equipo deportivo (Estructura, dinámica, normas comunicación, actividad, motivos y metas, igualmente lo relacionado con las estructuras interna y externa, el liderazgo, igualmente recrear los factores psicosociales que inciden en la eficiencia del grupo escolar de la educación física y/o el equipo deportivo tales como cooperación, compatibilidad, coherencia, clima psicológico entre otros. La integración de grupos sociales es una característica fundamental de los seres humanos. Nos unimos, participamos y pertenecemos a variados grupos para desempeñar diversas actividades y esto conduce a un intercambio de influencias reciprocas.Existen varias definiciones de grupo, donde cada una de ellas con rasgos distintivos, bien de orden subjetivo como objetivo. Según G. Homans (1950) al grupo se le define por las interacciones de sus miembros, formado este por una cierta cantidad de personas que se comunican a menudo entre sí, durante cierto tiempo y que son lo suficientemente pocas para que cada una de ellas pueda comunicarse con todos los demás cara a cara.Lomov (1973), concibió que el grupo era la comunidad de individuos agrupados en espacio y tiempo, que se dedican juntos a una actividad determinada mediante contactos inmediatos.Por otra parte, Fuentes Ávila (1992), planteo que el grupo es entendido como uno de los niveles principales de construcción y desarrollo de la subjetividad y, por lo tanto, como un privilegiado espacio socializador en el cual cada ciudadano recibe una particular influencia social, comunitaria, institucional e interpersonal y donde, a la vez, devuelve su reflejo particular de la misma. El grupo es una parte determinada de la sociedad donde sus generalidades y particularidades se determinan por la naturaleza clasista de la sociedad y del sistema de las relaciones socioeconómicas. Es un conjunto de personas donde surgen nuevas características, actos y formas de comportamiento que no son observables en los individuos por separado. Realmente el grupo es un intermediario entre el individuo y la sociedad. Con la pertenencia al grupo, los individuos incorporan los valores y las normas imperantes en toda la sociedad. Al mismo tiempo en el seno del grupo, se forman actitudes, principios y valores que son la expresión de la ideología prevaleciente en el sistema social. Aunque la mediatización no es absoluta, pues la sociedad influye sobre el individuo a través de otros medios como es el sistema nacional de educación y los medios de difusión, el grupo no vive en el vacío, forma parte de estructuras más amplias como son: instituciones, organismos, partidos, clases, status sociales. Los grupos presentan un conjunto de propiedades que son comunes a todos, independientemente de sus peculiaridades distintivas, como son: el tamaño, la estructura, las normas, la comunicación, la actividad, los motivos y las metas, etc.Un grupo lo conforman por ejemplo 4 entrenadores que laboran en un mismo centro los que comparten espacio, tiempo, conocimientos, intereses y preferencias e incluso formas de comportamiento. Entre ellos mantienen relaciones interpersonales, de trabajo que son fructíferas entre sí y que mantienen la estructura del grupo, aunque pueden ocurrir cambios en su tamaño. Precisamente estudiar las relaciones grupales que existen dentro de este grupo pequeño de maestras es el objetivo de esta investigación en la que se van a “medir y representar gráficamente” las relaciones que se gestan dentro del mismos, utilizando para ello una serie de técnicas matemáticas. Se trata, de un intento por analizar las relaciones grupales en su dimensión interpersonal. Para tal fin, se disponen de una serie de técnicas sociométricas, en nuestro caso, nos vamos a centrar en el test sociométrico o sociograma. El test sociométrico consiste en un instrumento diseñado para analizar las relaciones humanas, en este caso empleado para analizar las existentes en un grupo específico y pequeño de maestras de preescolar. De hecho, lo que vamos a conseguir a través de esta técnica es representar gráficamente (y, a través de ciertos cálculos) las relaciones de atracción y rechazo, las relaciones afectivas positivas y negativas: la proximidad social que existe entre ellas. Dentro de los grupos no todos los miembros se relacionan de la misma forma entre sí. De hecho, es muy posible que existan, miembros que mantengan entre ellos una relación mucho más cohesionada o cercana. Además, a través del test sociométrico y su representación gráfica (el sociograma), podremos considerar el papel que juega cada uno de los miembros del grupo (identificar los populares, los individuos segregados o rechazados…), así como los posibles efectos de las relaciones interpersonales sobre el funcionamiento total del grupo.DESARROLLOEl objetivo de esta investigación es determinar la Integración Grupal, que constituye el grado de ajuste que los entrenadores de fútbol tienen con su grupo y que se expresa por la calificación que los modelos de valoración grupal dan a la aceptación social, a la amplitud de interacción, a la cooperatividad y a la armonía de la relación.Aceptación Social: Es el grado en que un sujeto es aceptado u rechazado por el grupo al cual pertenece.Amplitud de la interacción: Es el grado de extensión de las relaciones del sujeto en el grupo.Cooperatividad: Representa la calidad de las relaciones de colaboración que el sujeto establece en el grupo.Armonía de la relación: Es el grado de reciprocidad o de fricción de las relaciones del sujeto con el grupo.Dicha Integración Grupal se comprobará en la práctica con la aplicación de métodos sociométricos, cuya selección se determinó por su aporte al proporcionar una técnica que permite analizar el funcionamiento de las interrelaciones de un grupo pequeño (el test sociométrico), es decir, de los aspectos más importantes de la dinámica de los grupos y por su alto valor diagnóstico en las investigaciones psicosociales para el estudio de la estructura de las relaciones interpersonales en grupos pequeños. Para la elaboración de estos tests se tuvo en cuenta el criterio de algunos autores como Matvéev (1983), Grosser y Starischka (1989), Morales (1996), Forteza (1997), Moreno y Pinto (2000), Cooke y Wilkiason (2001), González (2004) y Collazo et al. (2006).La aplicación del test sociométrico está determinada por un conjunto de pasos entre los que están la realización de la encuesta sociométrica, el procesamiento y análisis de los resultados de la encuesta sociométrica y la valoración de los índices sociométricos. Esta técnica consiste en el análisis de un conjunto de elecciones y/o de rechazos que emite cada miembro del grupo hacia los demás, que permite evaluar el aspecto socio afectivo del grupo y sus integrantes.Encuesta SociométricaPara su aplicación concreta, se pregunta a los componentes del grupo acerca de los miembros que elegiría para llevar a cabo una actividad. Dicha pregunta (denominada criterio) es de especial importancia para los buenos resultados de la aplicación del test por lo que es preciso tener mucho cuidado a la hora de seleccionar el criterio de elección.Criterio Sociométrico: es la situación esencial concreta, caracterizada por el establecimiento del contacto y representada como base para la elección o eliminación. Para la encuesta sociométrica es esencial que la elección o el rechazo de un individuo por otro se efectúe con una actividad realizada (practicar deporte, estudiar, trabajar, recrearse, etc.) Los mismos se conforman a base de preguntas, cuyas repuestas sirven de fundamento para establecer la estructura de las interrelaciones.Cuestionario Sociométrico: En su elaboración toma en cuenta dos tipos de criterios: uno funcional y otro emocional.Las preguntas del criterio funcional se corresponden con las actividades fundamentales que se realizan por el grupo, el contenido abarca el cómo desearía estructurarse y orientarse el grupo para cumplir con la tarea específica. Al tipo de organización grupal que se deriva de este criterio se le denomina socio grupo.Las preguntas de criterio emocional o afectivo, son las que se orientan hacia los sentimientos de simpatía-antipatía, aceptación o rechazo. La organización grupal que se deriva es el psico grupo.Procesamiento y análisis de los resultados de la encuesta sociométrica.El procesamiento de la información obtenida incluye la construcción de:La Matriz Sociométrica.La planilla Sociométrica.El Sociograma (Método Gráfico o Topológico).La Matriz Sociométrica, primera etapa del procesamiento lleva todos los resultados individuales de la encuesta a una tabla general. Es la matriz de los vínculos por cuyo intermedio se analizan las relaciones en el grupo. Se deben realizar matrices en correspondencia a los criterios sometidos en la encuesta.Los Sociogramas son la representación gráfica de los vínculos del grupo, establecida a base de la elección. Este ofrece grandes posibilidades para analizar la estructura intra e Inter colectiva.El Sociograma se construye a partir de los resultados de la Sociomatriz, constituyendo su representación gráfica. Para el análisis del sistema de vínculos se aplicarán diferentes Sociogramas, los cuales reflejarán distintos aspectos cualitativos de las relaciones sociales de este grupo de maestras. Principales formas de representación gráfica. Índices SociométricosLos índices sociométricos permiten determinar a partir de la cantidad de elecciones que recibe cana miembro por el resto de los integrantes quienes dentro del grupo es o son populares, aislados o rechazados por de este.Popular: es él o los miembros que reciben una cantidad de elecciones significativamente alta. Cuando hay varios sujetos populares, se le denomina estrella sociométrica a quien recibió más elecciones entre todos ellos. Aislado: Es él o los miembros que reciben una cantidad de elecciones significativamente baja. Rechazado: Es él o los miembros que reciben una cantidad de rechazos significativamente alta. En el caso que nos ocupa no se trabajó con criterios de rechazo.Índices GrupalesElecciones Recíprocas: Son las que se refieren a los miembros que se eligen mutuamente. Para algunos autores, este índice es considerado la base de la unidad existente en el grupo. Aplicación de la Técnica SociométricaPara realizar la encuesta sociométrica se tuvo en cuenta que:El grupo tuviera alguna experiencia de actividad conjunta, no inferior a seis meses.El tamaño del grupo, el cual no debía ser muy numeroso.Los criterios sociométricos a emplear, claros y precisos.Limitar en cada criterio las elecciones.Para ellos se tomó como muestra un grupo de entrenadores que laboran en la EIDE de Guantánamo, compuesto por 4 entrenadores con algunas semejanzas en sus características como son contemporaneidad en cuanto a la edad, con el mismo nivel educativo y ocupación, que realizan la misma labor educativa en el centro, personas con un status más o menos determinado con relaciones de roles entre sí, que comparten tiempo, espacio, conocimientos, intereses, preferencias, y que poseen además una serie de valores y normas propias que regulan la conducta de los mismos; personas que se unen para solucionar una tarea, llevar a cabo una actividad que permite vínculos entre sí y que se relacionan sobre la base de necesidades comunes, a fin de satisfacerla.En este caso solo preguntaremos las preferencias para hacer una actividad social, laboral y recreativa determinada. Para ellos se seleccionaron aquellos criterios generales adaptados al grupo objeto de nuestra atención. La formulación de las preguntas concretas se basó en tres criterios, A – Recreativo, B – Laboral, C– Social, cuyas preguntas son las siguientes: ¿Con qué compañeros quisieras compartir los fines de semana? ¿A qué compañeros acudirías para que te ayudaran o te dieran alguna idea para prepararte una clase de entrenamiento? ¿A qué compañeros pedirías que te asesoraran en cuanto al trabajo en los ejercicios físicos?El número de elecciones se limitará a elegir cuatro miembros. De esta forma se podrá conocer la cantidad de interrelaciones deseadas en el grupo lo que no implica dificultades para computar la totalidad de las elecciones en la matriz sociométrica.Para las elecciones de cuatro miembros se ha utilizado el valor de 4 puntos para la 1ra elección, 3 puntos para la 2da, 2 para la 3ra elección y 1 punto para la 1ra elección. La matriz sociométrica nos indica la cantidad de elecciones realizadas por cada miembro (a quien elige cada quien y en qué orden, y que cantidad de elecciones recibe cada integrante); solo ofrece una idea general de la red de relaciones, pues es un instrumento de análisis.Para el procesamiento de la encuesta sociométrica se concibieron la:Preparación de la encuesta.Familiarización con el grupo.Realización de la encuesta.Procesamiento de la información.Conclusiones y recomendaciones.Primero se elaboró la Tarjeta Sociométrica que es la encuesta en sí. Encuesta SociométricaEntrenador:Las relaciones en el equipo de trabajo influyen y determinan en los resultados que se puedan alcanzar en la labor educativa, así como en el estado de ánimo de cada uno de sus miembros, como también en la capacidad de trabajo de todo el equipo. Con el fin de estudiar las interrelaciones en su equipo, solicitamos que Ud. conteste las siguientes preguntas con la seriedad y sinceridad que se necesita. Para ello mencione por orden de preferencia las tres compañeras que selecciona. Gracias por adelantado¿Con qué compañeros quisieras compartir los fines de semana? 2. ¿A qué compañeros pedirías que te asesoraran en cuanto al trabajo en los ejercicios físicos?3. ¿A qué compañeros acudirías para que te ayudaran o te dieran alguna idea para prepararte una clase de entrenamiento? CONCLUSIONESEl estudio experimental realizado reveló deficiencias en la preparación teórica de los futbolistas categoría 13-15 años de la EIDE de Guantánamo, lo que influye en el desarrollo de acciones ofensivas por estos atletas. La consulta de las diferentes teorías existentes favoreció la selección de las técnicas y métodos a utilizar así como la elaboración de los instrumentos aplicados para realizar la investigación y analizar los resultados obtenidos.REFERENCIAS BIBLIOGRÁFICASCollazo, M. et al. (2006). Teoría y Metodología del Entrenamiento Deportivo. Tomo II. Ciudad de la Habana, Instituto Superior de Cultura Física “Manuel Fajardo”. p.103Cooke, M. y Wilkiason, H. (2001). Dirección y entrenamiento de equipos de fútbol. Barcelona: Editorial Paidotribo, p.179Forteza, A. (1997). Entrenamiento deportivo: Alta metodología. La Habana, ISCF “Manuel Fajardo”.Fuentes, M. (1992) El grupo y su estudio en la psicología social. La Habana: Editorial Poligráfico Félix Varela.González, L. (2004). La Respuesta emocional del deportista. La Habana, Editorial Deportes.Grosser, M. y Starischka, S. (1989). Test de condición física. Barcelona: Editorial Martínez Roca, S.A.Matvéev, L. (1983). Fundamentos del entrenamiento deportivo. Moscú: Editorial Raduga. Morales, A. (1996). Pruebas psicológicas específicas para el control del desarrollo de los procesos cognoscitivos en esgrimistas. Villa Clara, Tesis Doctoral. ISCF “Manuel Fajardo”. Moreno, M. y Pinto, J. (2000). La observación en los deportes de equipo. Disponible en: http://www.efdeportes.com/ Revista Digital - Buenos Aires. Marzo del 2006.Revista Cultura Física y Deportes de Guantánamo ISSN: 2519-9455RNPS: 2286 Vol.10, No.19 (2020)Publicada en línea: 28 de septiembre de 2020famadeportes.cug.co.cu __________________________________________________________________Vol. 10, No.19 (2020) RNPS: 2286La preparación… Alfredo Maximiliano Soler-Agüero, Marelis Chibas-Monier, Omar Vázquez-Pozo____________________________________________________________________________________________________________________________________Vol. 10, No.19 (2020) RNPS: 2286/9j/4AAQSkZJRgABAQEA3ADcAAD/2wBDAAIBAQIBAQICAgICAgICAwUDAwMDAwYEBAMFBwYHBwcG BwcICQsJCAgKCAcHCg0KCgsMDAwMBwkODw0MDgsMDAz/2wBDAQICAgMDAwYDAwYMCAcIDAwMDAwM DAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAz/wAARCABhAgMDASIA AhEBAxEB/8QAHwAAAQUBAQEBAQEAAAAAAAAAAAECAwQFBgcICQoL/8QAtRAAAgEDAwIEAwUFBAQA AAF9AQIDAAQRBRIhMUEGE1FhByJxFDKBkaEII0KxwRVS0fAkM2JyggkKFhcYGRolJicoKSo0NTY3 ODk6Q0RFRkdISUpTVFVWV1hZWmNkZWZnaGlqc3R1dnd4eXqDhIWGh4iJipKTlJWWl5iZmqKjpKWm p6ipqrKztLW2t7i5usLDxMXGx8jJytLT1NXW19jZ2uHi4+Tl5ufo6erx8vP09fb3+Pn6/8QAHwEA AwEBAQEBAQEBAQAAAAAAAAECAwQFBgcICQoL/8QAtREAAgECBAQDBAcFBAQAAQJ3AAECAxEEBSEx BhJBUQdhcRMiMoEIFEKRobHBCSMzUvAVYnLRChYkNOEl8RcYGRomJygpKjU2Nzg5OkNERUZHSElK U1RVVldYWVpjZGVmZ2hpanN0dXZ3eHl6goOEhYaHiImKkpOUlZaXmJmaoqOkpaanqKmqsrO0tba3 uLm6wsPExcbHyMnK0tPU1dbX2Nna4uPk5ebn6Onq8vP09fb3+Pn6/9oADAMBAAIRAxEAPwDx74Wf 8FS/2k/2EPH2oaDZ+K/EEFppl26SeG/FNs93BAoY4jEU/wC9gX2iZK+5P2ff+DqTTbmOC1+Kfwxv LSQYEuo+F7tZkY+otrgqVH/bZj/X72j1D9mz/gp94Skt2b4efFO3tlKtDKkcmo6cM4PysFubY57/ ACGvlT9oL/g2E+DvxAknuvAPifxT8PbuTJS2lI1fT4/QBJCs35zGvjY5fmeHXNgqynHs/wDg3X3N H9KVuLuB83l7DifLpYWut5RTWvd8qjJvylCXqe+fB7/guD+zF8ZI4lt/idpvh+7kxutvEFvNpZiP oZJVEJ/4DIRX0Z4D+NXg34pwLL4Y8W+GfEkTjKvpeqQXikeoMbGvww+MP/Bsj8evA8ksvhbVvBPj i0XPlpDfPp92/wBUnURj8JTXzl48/wCCRv7TPwvnb+0Pg143meE53aVajVAMdwbVpAfwqv7czKjp iMPf0v8AnqjL/iFnBWZe9lGcqN9lNwb+5unL8D+oKiv5V/8AhHf2ifhT+5+wfGnw15XGzydTs9n4 YXFH/C7f2iZf3P8Awl3xpbts/tXUz+m6j/W1L4qLXz/4Af8AEvU5a0cypyXfl/yk/wAz+qiuP+IX 7QvgH4SxPJ4q8ceEPDSRjLHVdYt7Pb/38cV/MP8A8IB+0T8Xv3P9ifGjxR5vGz7Hqd7v/DDZrsPh 9/wRz/ac+J0qDT/g54ttPMP3tWSLSgPc/anjxR/rPXnpRw7f3v8AJB/xAvK8L72ZZxTgl5Rj+Mqn 6H7cfGP/AILvfsw/B2OVG+Icfii9izi18PWM1+ZPpKFEH5yCvjb9oP8A4OpWaOe1+Ffww2MciLUf FN3nH1tbc/8Atf8ACvIfg7/wbBfG3xnJFL4v8TeCPBVo+N6LPLqd5H/2zjVYj/3+r7J/Z8/4Nlvg f8NJILrxvrHin4j3seC8Msw0vT3I/wCmUB838DMR7UvbZ5idIxVNfd+d3+Af2d4WZH71etPGTXRN tfLlUIfJyZ+bOh/8FJv2jP28f2oPA2k6z4u8TarYXHiGxkbw/wCH4GtbPyVuYy2+C3AMqKMkmXeQ Opr+kSvBo/F37Ov/AATustP8NWtx8PPhrNq80NrbaXZRxRX+oyOwSMmKMGeYlmA3sG68mvea9jKM FPD86q1eebtfy/G/5H5z4icT4bOHhpYDA/VaEFJQ0SU7tXekUtLK9nLfVhRRRXsn5sFFFFABRRRQ AUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFAB RRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQB/IRc+IL/wALePLnUdLvrzTd QtLySSC5tZmhmhbefmV1IKn3Br6r/Z9/4Lv/ALSv7P8AHBbDxuPGmmQYAs/FNsNRLAes+VuDx/01 r5I8SHPiLUD63Mn/AKEapV+MUcXWoycqMnH0Z/plmGQZbmdCNLMaEKqt9qKdvRtXXyP2M+D3/B1f GY4oPiB8JJFcY8y88P6sCD64t50GPxmNfRnw/wD+Dkf9mbxjHGdS1Hxl4TZvvDVNCeXZ/wCArTfp X889FexR4ox8NHJS9V/lY/Nsx8CeE8U26dOdK/8AJN/lPmR/TZoH/Ba39lvxJGrW3xh8PxBun2q1 u7Q/lLCuK2W/4K4fs0rHvPxo8DY9r3J/LGa/l6orsXGGJ6wj+P8AmfOT+jjkjfuYmql58j/9tR/T N4i/4Lc/sseGI2a5+L+izBe1pYXt2T9PKhavJ/iH/wAHKv7Nvg+OT+ypPHPiyRfuf2dovkqx+tzJ EQPw/Cv58aKzqcXYyXwxivk/8ztwn0eOG6bvWq1Z+TlFL8IJ/ifr78Yv+Dq6/mjlg+H/AMJbS2fn y7zxDqrTA+mbeBU/SavjX9oP/gt9+0n+0RHPbXnxBu/C+lz5BsfDMQ0tFB6jzU/fkEcYaUivkyiv KxGdY2srTqO3lp+Vj73J/DHhjLGpYXBwcl1leb9U5uVn6WO//Z01O51r9qTwFd3lxPd3dz4p06SW aaQySSsbuPLMx5JPqa/rRr+Sn9l4Z/aY+HQ9fE+m/wDpXFX9a1fU8HP93V9V+p+EfSSSWKwCX8s/ ziFFFFfZn8zBXzRpn/BWD4T6t/wUFl/Znhk8R/8ACzIXdGVtOAsMpYG/Yedv/wCeAP8AD97ivpev ww8Cf8rj99/19Xf/AKiT0DSP3PooooEfNH7UH/BWD4T/ALIn7Vfgj4N+L5PEa+MviAtk+lCz04T2 uLu7e0h8yTeNv72Ns8HAwa+l6/DD/gvX/wArBf7LX/XDwt/6kd3X7n0DaCivmK//AOCtvwk0X9vn WP2dNSl13SvGuhWTaheajewQwaLDCunrqDM1w0uVC27ZJZAAVPOBmvL/ABn/AMHCPwXPi290P4ae F/i58db7TnMVxJ4A8KyajaxOO3mu0e4ejIGU9QSOaAsfdtFfn14c/wCDkD4K6Z8QrHwz8TfBvxj+ COo6gQIpfG3hc2dvyQAxMcjyKuSMsYwo6kgc1996Jrdl4m0Wz1LTbu21DTtQhS5tbq2lWWG5idQy SI6khlZSCCDggg0BY+ev+ChH/BU/4V/8Ey7bwnL8TZPEKDxo12umjStP+1k/ZhD5pfLLtx58ePXJ 9K9h+AXxt0P9pL4K+F/H3hlrt/D/AIv06HVNPNzD5MxhlUMu9Mna2DyMmvlD/gob/wAFOvgV+zj8 QdQ8N/F74RePfF9t4SjhnbWT4Ei1bRbUXKRsPLuZmCKSWjRsY+YBeSBX0F+wx+034G/bA/Zc8MeP vhtp13pPgrVFnttMs7myjsntktriS2ZBDGzIih4m2hTjGOnSgD1uivlB/wDgsf8ACfSf2+h+zhrt j4z8L/ECe8+xWk+q6fDDpd+7R+ZAYp1mYssy4EZKDczBThuK+r6BBRUV/fwaVYz3V1NFbWttG0s0 srhI4kUZZmY8AAAkk8AV82/sG/8ABVf4b/8ABR3xf4y074aaZ4zudN8EusV5rl/p0dtply7OyxpC /ms7s6ozgFFwgy20kAgH0vRXm37UX7YHw0/Yt+HbeKvif4v0nwjoxYxwvdMzzXkgGTHBCgaSZ8c7 Y1YgcnA5r5I0b/g4P8IfEuFrv4b/AAA/ag+JujBiF1bQPAxnsZgD1R/O3H/gSqaBpH6AUV8M/DP/ AIOD/gP4i+I1t4Q8e2XxF+B3iS7IWK0+Inh59IRiTgZkVpEjXP8AHKUX3r7is7yHUbSK4t5Yp7ed BJHJGwZJFIyGBHBBHIIoESUV82/tyf8ABU/4Z/8ABPn4jfD3wx49t/FEt/8AEqeS30uTS7KO4hhK SwxM0xaVCo3Tp90McA8cc8N+0h/wXq/Zv/Zv+Itz4Pl8Uat438V2MjRXWmeENLk1aS2dThkaRcQ7 wcgqJCykEEA0DsfZdFebfso/tRaF+198B9K+Iegab4j0PRtWe4SO28QWP2C+h8mZ4mMke5goJQkH JypB9q+YfiP/AMHB3wL0L4m33g3wDpXxM+OPiLTmZLi3+HnhxtXjRgcHEjPGsig/xxb1PYmgR9z0 V8EXP/BeW18Np5/iT9lf9r3w9p45a8ufh/8Auox6sTMMD6Zr7I+Afxp0z9or4N+HfHGi2es2Gk+J 7Nb60g1WzNpeJGxO0yREkqSBkc8gg96APnf9vL/gtZ8E/wDgnL8X9O8D/EaXxUuuanpMetRDTNK+ 1Qi3kmmhUli64bdA/AB4x619Y6bqEWradb3cBLQ3UayxkjBKsARx9DX56ftpf8Fgf2Z/g/8AFDWL T4ufBXx/ql34Y1KXw8uvar8O7e5sbh4pJMJbXVw4DxsVkdNuNwywHWvur4J/FXSfjp8GvCXjbQUu Y9D8YaNaa1p6XEYimW3uYUmjDqCQrBHXIBIB7mgbOnorD+JHxN8O/B3wTqHiXxZrmk+G/D+lR+de ajqV0ltbWy5xlncgDJIA55JAHJr4i1n/AIOLfglrnim70b4ZeE/jN8bryzbZI3gfwhLeQqfrM0T4 9CEIPbI5oCx98k45r5O/4Jj/APBXnwL/AMFTNQ8eW3gzw34t8Pv4AazW8OtJbqLj7SbgJ5flSv0+ zPndj7y4zzjza4/4L76H4VjM3jD9mr9rLwbYjlr3UfABW2jHqzecCB9Aa+O/+DOudbnxB+0jKuds h8PsMjBwW1Q0BY/b6iqmv6uvh/Qr2/eG5uUsYHuGit4zJNKEUsVRR95jjAHc4FfCdv8A8F8tE8VL 5nhH9mn9rTxfan7t3p/w/LW7j1DecTj6gUAkfe9Ffn3qH/Bxf8LvhrrNnZ/FX4U/tCfBqK+kEcd7 4t8FtbWpPtskaRsDnCxk4r7f+D/xj8LfH/4b6V4w8Fa9pviXwzrcXn2Wo2MokhnXJBGeoZWBVlID KwIIBBFAWOlops88drA8srpFFEpZ3YhVUAZJJPQAV8TfG3/g4H/Zz+FHj6Twn4f1bxP8WvFUTtG2 meAdHfWHLDqFl3JDJz/zzkbHfFAj7br5O0b/AIK8+Bdb/wCCn17+ytH4b8WJ4zslZm1Zkt/7Lbbp wvzg+b5v+rO37n3vbmvN/wDh/JFYR/atS/ZP/bD07TDz9rf4fZRV/vHMwAH4mvgL9iT9ofRf2rf+ DqU+P/D1jrum6R4ghu2htdZsjZ30Bi8N+Q6yxEnYweNuMnIwe9A0j99qKKKBBRRXzJ+2X/wWD/Z/ /YT1xtD8ceOIZvFY248O6NbvqWqAsMqrxxArCWBBAlZMgjGaAPpuvk7/AIKYf8FefAv/AAS813wD p/jLw34s1+X4gtdrZNoyW7LbfZ2t1fzPNlTqbhMbc/dbOOM+a2v/AAXsttdhW80X9lT9r/WNIYbk vrf4f7o5F/vLiYgj8RX5h/8ABwr/AMFCvDX7d/xD+BqaJ4O+JfgnUPCM2pLqGn+MtC/sq6H2iSx8 sou9w4/cvnB449aBpH9G9FFeW/tXftqfC79iDwAviX4peMdK8J6ZMzJbLOWlur5wMlIIIw0srDIy EU4BBOBzQI9Sor8/9F/4OCvC/wASbb7b8PP2eP2pfiNohPyavofgXzrGdf7yOJskfUA10Hwk/wCD gf4B+OPiVb+DfGkfjz4J+KrplSKw+Imgto+5mOADKGkjjBP8UrIPfPFA7H3BRTYZkuIkkjdZI5AG VlOQwPQg9xRQI/j98QnOv3x9biT/ANCNU6t6+f8Aie3v/Xd//QjVSvxB7n+pNNe4vQKKK6X4PfB3 xN8fviVpHg/wdo95r3iPXJxBZ2VsoLyNjJJJwFVVBZmYhVUEkgAmiMXJqMVdsVatClCVWrJRjFNt t2SS3bb2SOaor9yf2Jf+DZvwF4C0Wy1f416nc+NvEEirJJounXElppNoeuxpE2zTkH+INGvUbSOT 7l+2T8R/2a/+CPHwYs9ah+FfguLW9Ud7fQtI0zSLaK+1WVACzPOyF1jTcu+RixG5QAxIB+kp8M1l SdbEzVOK76v+vmfi2M8cctqY6OW5Hh54urJ2XLaMW/Ju7st23FK2t7an85FvZTXefKhllx/cQt/K mzQvbuVkR42HZgQa/SHxJ/wc9/HK41GQaD4Q+F2h6YG/cWx067uJEXsGf7QqsfcIv0Fe/fsKf8HE tj+0p8T9G+H/AMcvAvhexj8TXKafaazp0bNYRzyMEjS4t5zIVRmIHmCQhSRlQuWXko4DA1JqnHEN N94WX5n0GYcV8VYPDSxdXKIyjFXajiE5JLfT2avbsm32Pxeor+nH9of/AII2/s5/tIaXdRan8NtE 8PajcAldT8NwrpN1E/8Af/dARu3/AF0Rwe4r4ttf+DUjQh4ru5Z/jPq50Myk21snh2MXax9g8xn2 Fh0yIwD1wOldeI4VxsJWp2kvJ2++9vwufPZR4+8M4qk5YxzoSXRxcr+jgn+Kifk3+y1z+038OR6+ KNM/9K4q/rVr4E+CP/BuN8Avg34h0jWpb3x54i1jRruG/gmvdUjijWaJw6EJDEny7lHBJ+tffdfU cO5XXwcJqtb3rban4R4ycd5ZxLicNPLOZqkpJuSte7Vrat9Otgooor6M/GAr8MPBbC2/4PILwSER l7q6A3cZz4RbH51+59fkD/wW0/YG+LPwV/bw8H/tlfArw/c+LtT8PvaTeJdFs4Wnut9snk+cIk+e SCW1AgkEYLoF3dGJQGj9fqK/P34C/wDBy5+y98UvDUDeLPEur/C/xKihL7Rte0i6ka1mHDqs0Ebx sobIBYoxHVFOQNX4uf8AByN+yR8LvD093ZfEO88ZX8aFotN0LRLyWe4PZQ8sccKkn+9IKAsz4c/4 LzMJ/wDg4S/ZaiQh5BD4VG0cnJ8R3eBX7oV+KX7Cn7LfxZ/4K2/8FXbT9rf4o+DNS+H/AMM/CdxB d+FtN1KNo5777KD9hjhDhWeNJD9okm2hGfKpkE7P2toBn8837cn7K1j+2x/wdMav8MdWurq00TxL e6Y2qm3kMck1nb+Hba6nhDDlTJHAyZ7Fwe1fvx8K/hN4Y+B3gLTvC3g7QdK8NeHdJiENpp+nW6wQ QqB2VRyT1LHJJySSTmvxlj/5XLT/ALh/9Qyv27oBs+Iv+DiH4P6D8VP+CTnxPu9X0+2ub/wnBbaz pNy8YMtjcJdRKWjbqu6NpI2x1VzWb/wbY+ONT8b/APBIj4d/2ndS3b6Pdalplu8jFmWCO9l8tMns ittA7KqjoK7r/guz/wAokPjj/wBgJP8A0qgry7/g2F/5RFeD/wDsM6v/AOlklAdDtv8Ag4Y/5Q5f Gn/r003/ANO1lWJ/wbYf8obfhT/131r/ANPF7W3/AMHDH/KHL40/9emm/wDp2sqxP+DbD/lDb8Kf +u+tf+ni9oDoee/8HHP/AATVvP2mvgRZfGjwBBcW/wAVfg/H9uSSyyt1qOmxv5zohX5jLbtmePBz /rVALOuPoT/gjn/wUPs/+CkP7Feg+Lp5rdfGejAaP4rtEwpiv40GZgo6RzKVlXHA3suSUNfVLKGU ggEHgg9DX4k/G37T/wAG4v8AwVRufiHpWl6hdfs3/HSGcX+maegI0u7XdJ5MakhQ8Mrb4gcAwTyo MlCQAj6D/wCDiH9tTxDp3g3wx+y78KRNqPxW+OsqWFxBaviWy0uRzGysf4PtDBkLHgRR3BOODX17 /wAE3v2FvD//AATs/ZK8NfDXQ/Jubqyj+163qKptbVtRkA8+4PfGQEQHlY40XnGa+LP+CFX7MXiX 9pr4xeMv23fi/Zk+L/iXPND4LsZgWXRdL/1XmxhuQGjVYIjwfKR25E2a/UmgGfzp/tCftJaZ+1p/ wcDeK734seCviJ8VPh/8HtW1DR9O8G+FdFbWZSmnSm3Uvbb1Bge6HnSkkhtyoQVIA/UGx/4LleGd Msoba2/Zm/a8t7a3QRxRRfDEokSAYCqBPgAAYAHSvlT9tf8AZF+LP/BK3/gq5dftc/CnwVqXxJ+H Piuae48XaLpSNLfWP2lR9tDIoL+W8g+0JKFKq42ybVAL/Xvwd/4OG/2Tfi5ocNxN8TI/B+okf6Rp niPTrixubRu6O2xoWIPHySMPegbPnL/gpn+3b4B/4KEfsh+LfAeo/st/tVz+IJ7CabwzqF58MmU6 TqaoTbyiUTM8aGQKsm0EtGzjBzivZP8Ag2v1H4oWv/BOceGfiloPirQL/wAFeIrrSNGh8QafPZXT ab5NvNEAsyq7RpJNMinoFQKOEwPRvGf/AAXo/ZF8C2L3F38bfDd0qDITTrW71CRvYLBC5r6f+F/x I0f4x/Dbw/4u8PXf27QPFGnW+radcbGjM9vPGssblWAZSUYHBAI6EA0Cufij/wAHfumz6z8Xf2dL O2cR3F3b6vDE+SNrtPYAHI6YJr9cP2M/2JPh5+wn8GdK8G+APD2naXDZW0cV7qCW6re6xMqgPcXE uN0js2TycLnaoCgAfk//AMHaH/JxH7MP+/qX/pTp9ft3QD2OT+PfwuHxw+BfjTwUdRuNIHjDQr7R Pt8AzLZfabd4fOQZGWTfuHI5HWvyK/4J4eDP2kv+CCFr4z8G+If2cdV+MfgXxBqw1RfFXgCZb3UP liWLBgCmZ4gqbljkWLYzyEMwbj9dvjn8bvDH7Nvwh8QeO/GeqR6L4X8L2bX2o3jo0nlRrgYCqCzs zEKqqCWZgACSK+cfC/8AwXi/ZF8XWK3Fr8b/AAxAjDO29t7uykH1WaFGz+FAI5H4Uf8ABxH+zb45 8WReHvFWqeLfhF4ilYJ/Z/jrQpdMaNicYeVDJDGOvzSOo96+3tG1qz8R6Ra6hp13bX9hfRLPbXNv KssNxGwDK6OpIZSCCCDgg1+P3/BbX/gqL+zb+25+zBqXwl+HFjP8cfipr0kUfhv+w9BuJ5NFuBKj GeOdowxJRWXZBvL7trYUk19mf8ELf2ZPiD+yR/wTc8F+D/iWZ7fxHHNdXy6bNL5r6LbzymSO1Ygk BgCXKg/K0hXtQDR85f8AB3N/yjX8H/8AZRrD/wBNup19uf8ABMv/AJRw/AH/ALJz4f8A/Tbb18R/ 8Hc3/KNfwf8A9lGsP/Tbqdfbn/BMv/lHD8Af+yc+H/8A0229AH5U/wDBXHxPrX/BSn/gu18Ov2Ud S1e/034a+GrqzbULK2lMYvZXsf7Rupz2Mv2UiGMkHyzuIHztn9nvg98F/Cf7Pvw807wn4J8PaV4Y 8OaTGIrWw0+3WGKMAY3EDlnPVnbLMckkkk1+Wn/BZn/gnx8XPhD+354Q/bK+BHh+fxtq/h97SXxJ 4etY2lvJTbR+R5qRr88sUtriB1jBkTbuAIJKe/8AwD/4OOv2ZfitpEcPizxNqXwp8VQgJf6F4o0y 4iks5R99fOjRomAPQsysRglF6ABn3mehr8RP+DPP/kZ/2lP9/QP/AEPVa/Q7Wv8AguL+yZoVm00/ xz8FyIozi3ea5f8A75jjZj+Vfnf/AMGdsq3HiD9pGVCWjkbw+ytjAI3aoaAR+z/xP+KXhz4KeAdU 8VeLtb0zw54c0WE3F9qOoTrBb2yZAyzNxkkgAdSSAASQK+Gn/wCDib4Z/ELxDeaZ8H/hZ8ePji9l IY5L3wl4RklsgfdpGWVfX5ohxWR/wc4fswfEv9pv9gbS4fhzp2q+IP8AhFvEUWsa1o2nI0tze2q2 80YkSJfml8p3ViignBLY+SqP/BM7/gtl+yj4O/ZK8C+Br3xLpvwh17wjpFvpep+HtX0+ayFvdRRq k0glCGKTzJQ7li3mEsS6hiaASMj9sr/gqBqfx6/ZS+IPg/xr+xZ+0zDoevaBeW8lxdeE1uLaxfyW Mdy5yPLEThZPM6oU3DkVyX/BoN4lvtQ/Yq+JWmT3MstjpvjLzLWJmJWAy2cG/b6AlAcDjOT1Jr6O /aq/4LPfstaj+zn490uz+Nngy/1DVfDuoWdpb2ksty800ltIiIBGh5LEDnjmvmP/AIM+v+TSPix/ 2N8X/pFFQPoXP+DsT9sfxT8HvgN4A+E/he+udMi+Kc97Lrc9u5jkuLO18hRabh/yzlkuAXA6iEKc qzA/eP8AwTp/4J7+BP8Agnd+zxonhHwpo2nxaz9jiOv60IV+2a3ebQZZZJMbim/dsTO1FwAOpPzp /wAHC3/BK3xD/wAFHv2efD2reAVhuPiH8Np7m506wllWEaxazrH59ursQqy5hidCxC5VlJG7I5H9 jr/g4h8D+FPB+k+A/wBqDTPFfwX+K+g20dlqb61od19i1WRFCfaFKRtJEXxuYOgQE/K7CgXQ/Tav xF+H/wDyuMa//wBc5v8A1FEr9E3/AOC3P7J0dmJz8dfAxQjOBPIX/wC+Qm79K/L79kn47eE/2mv+ DsG68ceBNZh8ReFNbiumsdQhikjjuBH4a8lyBIqsAJI3XkDOMjIINAI/eiiiigR8z/8ABYf9rHWf 2KP+CcnxM+IPhxxD4ksLKGw0qYqG+y3N3cRWqTgHgmLzjIAcglACCDivkT/g2V/YO8KWP7Ktp+0T 4nsofFHxP+JOo39zDrOpj7VdabbxXUtu3ls+SssssUsjyg72DqCcA5+7/wDgoL+yJY/t3/sc+O/h TfXg03/hK7FUtLwpvWzu4pUnt5WA5KrNFGWAwSu4d6/Lv/gmt/wUI8U/8EPvB8v7Pv7VfgPxZ4X8 LaRqVxL4Z8Y2FhJf6UY5pWlkj3xj97EZGeRWi3SAylXjUjgGtj9qK/EX/g73/wCSkfszf9dNb/8A Rul1+huif8FyP2S/EGnJdW/xz8GRxONwW5ae1k/FJI1cH2Ir8mP+DlX9ur4S/tq/E/4Cx/Czxtpn jQ+F5dUXU2sY5glqZ5bDyhudFDbvJk+6TjbzjIyDS1P6FK/nJ8QftN6R+1p/wXu8c+Lvi74D+JHx c8F/DDUNRsdE8JeFdBOuNFDY3P2W2M1tvUC38wmeTJIaV1VgyuRX9G1fi/8AtNfst/Fb/gjd/wAF XNc/al+HHgfVviV8IfHsl3J4q07RozLfaWl5Is12jIoJVBcIs8cmPLG3y3KcMwJH1vb/APBdDw3a W8cMP7NP7X0UUShERPhkyqigYAAE/AA7V83/APBVf9tXwN/wUY/ZA8TeCpv2XP2qH8XR2z3PhXVL 74ZOh0rUFw0beasrOkbkbJNoOUY/KSBj6m+Ef/Bwl+yX8WdDhuj8U7XwveOo87TvEOn3Nhc2rd0Z ihiYj/YkYe9anjb/AIL3fsi+ArB7i7+Nfh682jIj020vNQkc+gEML/rgUAj85v2G/wBvj9sv9nD9 lLwb4Gj+D/xD1ODwzbSWVvNqXhS9e5EInkMUZLR52xxlUUHoiKBwKK/cTwL40034keCdG8RaNci8 0fX7GDUbGcKVE8E0ayRvg4IyrA4IzzRQFz+Q3WznWbw+s7/+hGqtWNXOdWuj6zP/AOhGq9fh7P8A UmHwoK/Vr/g1X8G6Dqnxz+K2u3fkP4k0jRbK201XwXW3nmlNy6j2aG3UkdA+O9flLXpf7JH7WPjL 9ir44aV4+8D3yWur6dmOWGZS9tqFu2PMt5kBG6NsDuCCFYEMoI78rxUMNioVqiuk/wDgfhufKcd5 DiM5yHE5ZhZ8s6kdG9rpp2flK3K/Jn9YtfhT/wAHTUuoH9szwBHLJIdLXwYjWyZO1ZjfXXmke5UQ 5+gr75/YE/4LtfCb9tW90vw3qCX/AIG+IF/iMaTextPa3cmOfIuUXaV9pRG3YA9a2P8Agr9/wSpt P+Ck3wy0qbSNStNB+IHhLzTpF5dBja3cUmDJbT7QWVSyqyuAxQg/KQxr9BzRLMcBJYSSls/u6evk z+PeA6lTg7i2jLiGlKirSi21tzJpSTV0430bjdWufzaU+3uJLS4jlid45YmDo6nDKQcgg9iDX1h4 6/4IbftR+A9bkspPhZqOqorbY7rTL61u4Jh/eBWTKg/7YU+wr6a/4Jxf8G6fxC134raL4q+N9nZe FfCmjXMd62g/aoru/wBYKMGWJ/KZo4oWIG/LFyMqFGdy/A0MnxlSoqaptebTSXzP64zTxG4bwWDl jJ4ynNJXSjOMpS8lFNu722sutj9sPBN9c6n4M0i5vFZLy5soZZ1IwVdo1LD8ya8q/wCCjHh+z8Sf sH/F2G+vJdOjtfCt/fxXccxhe0nt4GnhlVgQQVljQ8HnGO9bvx+/bJ+Ff7LOlSXXxA8e+GfC4iTe La6vFN5KMf8ALO3XMsh9kQmvxg/4LAf8F13/AGyfCt38M/hfaaho3w+uZF/tXU7tfKvdfCMGWMIC fKt9wDEE73wuQg3K36NmuZ4fDUJRqSvJpq3V/wCR/GXAHA+cZ3mlGthKThSjNSdRpqMUmno3pJ9k r672V2eH/sTf8FTv2g/hr8ZfB2hWPxV8VX2i6prNlY3Flq866rEYZJ0R0T7SJDH8pPKFSO1f0tV/ JJ+zWdv7RfgA+niPTv8A0qjr+tuvI4Rr1KlOopybs1a7vbc/RfpEZZg8LjcHPC0owc4z5nGKXNZx teyV7X6hRRRX15/OQUUUUAch4/8A2e/APxXuvP8AFPgfwf4lnxjzNV0a2vHx6ZkRjVTwT+y78M/h pqKXnhv4deBPD93EdyT6boFpaSKfUNHGCKi+MH7Vnwy/Z+IXxx8QfBvhOYruWDVNXgtp5B/sxuwd vwBryh/+Cxf7MSXJhPxl8IlwcZDylf8AvoJj9a56mLowfLOaT82kethMgzPFQ9phsNUnHvGEmvvS Z9LUV5X8I/25Pg38etYg03wb8UPAviLVbnPlWFnrMD3kuASdsG7zDgAnhe1eqVrTqQmuaDTXkcWK weIw0/Z4mm4S7STT+52Mr/hBdD/4Sf8Atz+xtK/trGPt/wBkj+1Y27MeZjd935evTjpWrRRVnMV9 W0i01/TZrO/tba9s7hdssE8SyxSD0ZWBBH1qPQPDmneFNMSy0uwstNs4ySkFrAsMSknJIVQAMmrl FAFXWdEsvEemTWWo2drf2VwAJYLiJZYpACCAysCDyAefSk0PQLDwvpcVjpljaadZQZ8u3toVhijy SThVAAySTx3NW6KACs7xP4P0jxtp62etaVpur2iOJFhvbZLiMOAQGCuCMgE8+5rRooAisbGDTLKG 2toYre2t0EcUUSBEjUDAVQOAAOAB0qWiigAri/Hn7Nvw6+Kd+114n8A+CvEd0/3ptU0O1vJD9WkQ mu0ooA4Hwn+yl8LfAV6lzoXw18AaLcxnKy2Hh60tnU+oKRgiu+oooAyvEfgXQ/GE9vLq+jaVqstm SYHvLSOdoScZKlgdvQdPQVq0UUAR3lnDqFrJBcRRTwTKUeORQyOD1BB4IrznWv2Mvg94kumn1H4U fDW/nc5aS58MWUrk+pLRE11nxK+KPhv4NeDrvxD4t17SPDWhWOPPv9SuktreLJwAXcgZJ4A6k8Cu E+D37dnwe/aC8X/2B4H+InhjxVrPltKbTTLoXEiovVyF6KPU8VnKtCMlBySb6X1Oyjl2Lq0ZYilS lKEd5KLaXq0rL5nbfD/4PeEfhPbyQ+FfC3hzwzDKMOmlabDZK49xGq5ro6KK0OMz/EnhPSvGVgtp rGmafq1qjiRYby3SeMOAQGCuCMgEjPuat2NjBpllDbW0MVvbW6COKKJAiRIBgKoHAAAwAOlS0UAF cz49+Cngz4q7f+Eo8I+GPEm0bR/amlwXmB6fvFbiumooA8y039if4M6NcCaz+EfwxtJlOQ8Phaxj YH6iLNeg6F4e0/wvp6WemWNnp1pH92G1hWGNfoqgAVcooAK5Dx/+z74B+LFz5/irwP4Q8SzYx5mq 6NbXrY9MyIxrr6KAPN9E/Y3+EPhmcS6b8Kvhvp8qnIe28M2UTD8VjFd/pWj2eg2SW1jaW1lbJ92K CJY0X6BQAKs0UAFZXi7wJofxA037Fr+jaTrlnnPkX9pHcxZ/3XBFatFAHly/sO/BRLkzr8H/AIWr MTnzB4UsA2fXPlZruPB/w48O/Dy2aDw/oOi6FCwwY9PsorVSPoigVs0UAFFFFABUOo6bbaxYy2t3 bwXVtOu2SKZA8cg9Cp4I+tTUUAeZan+xT8GtbvGuL34SfDK8uGOTLN4XsZHJ9cmLNdB4K+AfgT4b TpL4c8FeEtAlT7r6bo9vasv0MaDFdbRQAUUUUAcR45/Zl+G3xP1B7vxL8PfA/iK7kOWm1PQrW7kY +7SISaj8H/stfDH4e3qXOgfDnwHodzGcpLp+gWls6n1BSMEV3dFABRRRQB/HxrMTQ6xdo6lXSZ1Y HqCGPFVq99/4Kgfs23n7Kn7dnxG8KXFu8Fi2rS6npTFcLLY3LGaAqe+1X2Ej+KNh2rwKvxSvSlTq Spy3TaP9Pcqx9LG4OljKDvGpGMl6NJhX7S/sGf8ABtR4MuPAvh/xb8ZPEGp+Ib/VrOG/Ph7SpDZ2 VsJEDiKacZllIBGTGYwDkAsOT+LVfp1/wTw/4OM/E/7PXgHRPAfxK8K3Xj3RtHijsdO1PTpxFq0E CgLHE6ONlwVUBVO6NsAZLHmvVyOpgY1n9dV106q/mv6R+f8AinheKK2WwXDE+WSb50mlNxtpyydr W1vZpvSz6P74/bj8H+N/+CeX7Ndlb/sh/BLw9JqN/M1vqt1pWlLdX+nwhAUlEI/e3cjNkbnMm3aM q24EfjN8ZPEv7XnxL8eNrvjKL48za3Ex2PNYalaC0yeVijRFSIZ/hRVHtX9Cn7LH7auh/tY6PHea T4Q+J3hlJk8xP+El8K3WnRyDGflmIaFv+AyHPavTvEXjvQ/B4B1fWdK0sEZH2u7jgyP+BEV9pjco hjEp06zjDol8P3aH80cNeIeJ4cnPDYzLoVsQ2+ac7uo79HJ81100su93dn80GifGb9smwjW3sPE3 7SiovCxx3utMF+gzxUPjPxd+2F4ssHh1/UP2kb+0cfNHey6y8RHurfLX9Ip/aT+HQcqfH3goMO39 uWuf/Q6ni/aC8BTkCPxv4Qcnpt1i2P8A7PXD/q4mrfWX/XzPqV401Iz51ktNPvbX7+Q/k38X+CfE fhe7eTX9I1vTp5mJZtQtZYXdj1JLgEmsWv6/dN17RvG9hItne6ZrFq42yCGaO4jYHscEgj614B+0 5/wSR+AP7VujXUWv/DzRNI1W4U7NZ0G3TTNQic/xl4gFlI9JVdfauKvwfO16NVP1Vvxuz6XLPpHY Z1FTzHBSprq4yUrf9uuMfzP5uP2ZrWS+/aR+H0EKF5pvEunIijksxuowB+df1s1+Jf7Mn/BDbxZ+ zl/wV+8E6TqMreIPh54c3eNLPXhD5a3EdrIvkwSLyFnW5aAMoJBQ7hxkD9tK9ThbBVcPTqqsrO9v uX/BPhvHjifL83xeCll9RVIqm5XX996J9U1y6p6q+oUUUV9SfggV+Mf/AAWZ/wCC3HjG9+L+rfBf 4Iald6PbaRdHStY13TcnUdSvA2x7W1dfmjRH+QumHdwQpCj5/wBktcluINFvHtED3aQO0KnozhTt H54r+Y3/AIJR29p4q/4Kg/CNvEzef5/imO5la55aS7XfJEWz1YzhOvevmeI8XVh7LDUpcvtHZvy0 X6n7f4M5BgMQ8dnWPpqqsJDmjB6pyam7tdbKFle6u77pH6KfsR/8G1+j614atPFv7Qmu67q/ibV1 F3PoFheGKO1Z/mKXNzzJLLz83lsgDZG5+tfWln/wQu/ZTsbFbdfhHp7ooxuk1jUXkP8AwI3Gf1r6 0or08Pk2DpRUVTT82k2/mz4nNvEniXH13XqYypC+0YSlCKXRKMWlp53fds+Y/wBnv/gj38Af2WPj pZfEPwN4OuNH8QabBNDaCTVbq8gtjKmx5EWd3IfYWUHOAHbjpj6cr83P+CmP/BeXWP2A/wBqq++H Nj8NtM8S29jYWt6b6fWHtnk85N+3YImAx0zk5r9Cvhz4rbx58PdB11oBatrWnW98YQ+8RGWJX25w M43YzgZxVYKvhOeeHwyScXqkra/dboYcT5XxAsPhs2zuUpxrx/dylNTbitbbuSXvXs7bnlPir/gp N8CvA/xcm8B6t8S/Dtj4vt71dOk0yRpPOS4ZgqxEhdoYlgMZ717fX82/7bv/ACnG8Sf9lJs//SiC v6SK58qzKeKnVjNJckrK3z/yPW494LwuRYXL6+HnKTxNJTlzW0douyslpr1ucP8AH79pTwJ+yz4M t/EXxC8Tad4V0W6u1sIbu8LBJJ2R3WMbQSWKxuenRTTvgJ+0d4G/ah8FS+I/h/4l07xTokF09jJd 2ZYxpOqozRncAQwV0PTowr4P/wCDo/8A5MB8If8AY/2f/pu1Krn/AAbA/wDKPPxB/wBjzff+kdjT WZT/ALR+p2XLy3v1B8F4VcGLiXnl7X2vJy6ctu+17/M+6Pjf+0N4G/Zr8Jxa74+8VaJ4S0iecWsV zqV0sCTSlWYRpnln2qx2rk4UntXgWpf8Fxf2VdKuTFL8XtKdwcZh0vUJl/76SAj9a9U/bU+Hvwc+ IvwUkt/jknhk+B9PvIr4ya5ffYreG4QMEYSB0O/DOoUHLBiuCCRXwb4i/as/4JkfD5306Dwr4E1o w/Iz2ngq5uwPpNJCN31Vj9aePxdajO0Z04r+83f80Z8KcPZfmOGcquFxdaom7+wjFwS6auMnfunY +3fgl/wUq+Av7RWtwaX4P+KnhHVNVumCW9jJdfY7u4Y/wxxThHc+ygmvcK/mz/4KreIv2VPG194Z 1/8AZuS/0XUpZZo9e0v7FdW1qFAUwzxCbhGzvUqhwflO0EEn9nf+CJXxy8Q/tBf8E2vh/rnim/n1 XWrUXely3s7l5rpLa5kiiZ2PLP5aoCxyWKkkkk1z5ZnEsRiJYapytpXTi7prT/M9jjjw4pZRlFDP MI6kYVJcjp1oqNSL95pu2jT5X0Wln109V/aB/bt+EP7K3iex0X4h+PdD8KarqVsLy2tr1nDywl2T zPlU4XcrDJ9DWl8ZP2wfhb+z34Wsda8bePfC/hvT9UhW4sWvb5EkvoyAQ0Med8owQfkU1+OH/B01 /wAnneAP+xLj/wDS67r6H/4JY/8ABGTwR8dvgD4X+L3x4Oq/EjxP4w06C606x1DUZxZ6Xp4QLaph GVpD5IU4Y7FVlUJ8u4xHNcVUxlTCUYJ8uzbaSXnvfySOqrwBkWD4cwXEOY4mpFVr3hGMZSlK7soX sopJNycm+iSuz6o0T/gtt+yz4g1ZbK3+MGhxzM20Nc2N7aw595JIVQD3JxX0r4M8b6N8RvDFnrfh 7VtM13RtQTzLW+0+5S5trhc43JIhKsM9wa/Pn/gqL/wRh+BMX7F/j/xV4M8E2HgrxT4J0S512zvN MkljSZbWNppIZYixR1dEYZxuBIIOMg/NH/BrF8b9ei+NvxD+HL3s83hq50L/AISGO1dy0dtdRXEE DOg6KXScBsdfLTPQVUMzxNLGQwuKjH39nG/43OfEcEZJmHDmIz/IKtVPDtKcKqjdp21i4WWzvre9 mtNGfqz+13+2v8Of2HvhtJ4m+IevwaXA4ZbKxjxLf6pIB/q7eEHLnkZPCrkFmUc18A/sT/8ABwXZ ftC/tl+KJPiJrHh/4XfCey8PyjQ7G9dWlubz7VbhZJp9uWlMXm/Im1FGRhiNx+nf+CqX7E/wr+Jv 7NHxd+IviDwXpereNtG8E6lPY6tcNI89o8FlK0JQbtq7WAYADGcnkk1+UH/BvN+zJ4B/an/aw8Ya H8QvC+m+K9JsPCct9b216GKRTi8tUEg2kc7XYf8AAjXNmeMxsMdSoU2kpbLXX/F/kj2uCOHOGcRw pj81xkKk6lJJSdo+7ez/AHabav0cpa9kj9w/gP8AtwfCT9p7xLeaN8PvH/h3xZqlhbG8uLWwuPMk ihDqhkIwPl3Ooz6sK0P2gP2tvhn+yvZWM/xE8beH/CC6p5hsk1C5Ect35e3eY0GWfbvTO0HG4eor J/Z//YS+EP7K/ie81r4eeAdC8KarqFqbK4ubJHEksJdXMZLMeNyKfqormv2/fh9+zv4r8GaJqv7Q yeDxo/h+4lm0qXXb5rbbK6gSJEqurSlgq5jAbO1TtyAR7kp4iNBym4qa9eX/AD2Py2lh8nrZrClh 41pYd9EoOq3bol7r1t8vM/Oj9rnxh+zB+298brXW/iv+2TrmteHLC5Mln4Y0jwveWWn2MefuROIp VDEcNKwZyONwGMfff/BPr4nfss6T4Th8G/ADxB8P40C730/T7kJql6VHMsqzYuJmA6u+7A4yBxXy L4h/bB/4JkeHw+nw+DvBmqRr8hltPAtyfykeFWP1B/Gvzg/4KO+JPgJZftAaF4n/AGYb/WdH0mS2 W6urbZd2raRqEcpKyW7zfvFDLtYBWIVlOCAQB8tPMFg5PEJ05tvXlbcvk22fvWG4QqcR0IZNOONw 1OMXye0pwVFNa+9GEKer6N3bfW71/p0rx34mf8FAvgx8G/i6ngLxT8Q/D+ieL5HgjGmXLusoaYKY gSF2jcGUjJ7ip/2Cvi1qvx2/Ys+FvjDXZRPrfiDw1ZXd/MAF8+cwqJJMDgbmBbA4Ga/Cr/g4OvZd N/4KueMrmCRop7ey0mSN14ZGFjCQR7givbzbNZYXCxxNNX5mt+zTZ+W+H3AVLPc9r5Ljajh7OM3e NvijJR6p6avzP3c/aC/bh+EX7KsiRfEH4heGPDF5InmJZXN2HvXT+8LdN0pX3C4rzPwZ/wAFof2X vHmsR2Fj8YvDkM8rbVbUILrTos+8lxEiAe5avFv2Jf8AghV8Mbf4b6b4z+Ndhe/FL4n+K4E1XWbv Wb+eSC2nmUO0SorjzCuQrPLvLMCRtBCjyT/guV/wSQ+Dfwi/Yv1r4ofD3wra+C9e8IXVmbiOwlkF tqNvPcx2xRomYqrK0yuGUKcKQc5GM8Ri8xhReIUIKKV7Nu9vXRXOzKOH+DMRmNPJp4ivKrOSgqkY wVNybsrRd58reibs+tkj9XNJ1a017TLe+sbq3vbK7jWaC4gkEkUyMMq6suQykcgjg1g/Fz4zeE/g J4Kn8R+NfEWkeF9CtnWOS+1K5W3hDscKm5jyxPQDk1+aP/BrN8b9e8afBH4m+B9SvZ7zR/Bd/YXe lJK5f7It4tz5sSZ+6m+2DhRwGkc9zX6I/tUeA/ht8SfgXrek/FyPQn8AyiObUjrF59jtIxHIro7T b0KEOqkEMPTvg9+ExrxOEWIppJtPfa601fa58pxDwzHJOIZ5Ni5OcYTim4JczjJKS5U9Obla0btf S/U8W1n/AILffsr6FcGKf4v6PI6nGbfTr+5X/vqOBh+tdb8I/wDgqh+zv8c9ag03w38W/CFzqN0w SC2u7htPmnY9FRbhYyzH0XJr428SftJ/8EyPhLK+mQ+G/h/rkkHyMbPwjc6kPwneIq/1VzXw7/wV Z8Y/sc/FDwHo+ufs9Wt34f8AGkWprDqWmxabd2djd2TRSEyhZB5aOkixgBNuRI2QcAjxcRnVejFz c6UrdE3f5as/TMn8M8rzKvDDRwuOo8+iqThFwXZySjFped/nbU/oqrzH9on9s/4W/smS6TH8R/Gm keEpNdErWC3pfN0IygkKhVPC70zn+8K+X/8Ag3W+OviL43/8E7oI/EmoXOqT+D9fuvD9ncXDmSU2 scNvNGjMeTs88oueioo6AV8rf8HX3/I0/A7/AK9da/8AQ7GvQxeauGX/AF6kuidn5tI+PyDgGGI4 w/1Xx1RpKU4uUbXfLGUk1dO17LR7XP1G+If7bPwk+E3wz0Xxj4l+IfhXRvDniO0S+0m7ub5F/tOF 1Dq8CfflBVgflUkZ5ryvw1/wWt/Zb8Wa0lha/GHQIp5G2Bry0vLKDPvLNCkYHuWxXxh/wRY/4JJe Cf2lf2ctB+MPxohvfH11qsb2HhvSb+8lNlpWn2kj26AorDcS0cm1CfLVdp27iSOh/wCC5X/BKP4M /DP9h/X/AIleA/B2m+C/EfgyezkY6Xuhgv4JrqK2aKSLJTIMwcMAGymMkEiueWPzB4b63CEVG17N tu1r300Xex7NDhPhCnna4exGIrzqup7PngoKmpuXKlZ3k7PRy01u0rH6V+MPjd4N+H3w6Hi/XfFf h3SPCrRLMur3eoxRWMiOMoyyltjbh93BO7tmvnuX/gt7+yvDq5sW+L+jmZW27l06+aHP/XQQbMe+ 7Ffld/wQ5/Yjs/8AgpL4j1bTfihr3iHWfhn8IIoZNP8ADI1KWK2e5vpJmIG1sxx4gkZ/LKszMnzA ZB/T34zf8EMP2bvid8LtS0LTPh3pfhXUprZ47DV9MlmjurGbadkhJciQA4ysgYEZ78isNj8di6Kr 4eEUn/M227b7WtrormWccJcK8P5lLKc5xFapUTV3SjCMYKWsb87bk+Vpuysr2TbR9LfCD45eDf2g fCSa94H8UaF4r0d22fa9LvI7mNHxko20nY4BGVbBHpXVV/O5/wAG9vxd8QfCj/gpx4c8K2d7NHpP jSC/0vWLQOTDP5NpPcROV6FkkhGG6gO4HDHP7E/8FdP2zdS/YX/Yh8ReMdBEQ8T300OjaK8qB0gu py374qeCY40lcAggsigjBNbZdnMcRg5YqouXlvf5K+n3nncY+G9bKeIqOQ4Op7X26i6bemkpOPvd NGndrprboeq/Hb9rv4X/ALMdtHJ8QPHvhfwm8y74oNQv447mdfVIc+Y491U14rb/APBcX9lW61AW yfF7ShITjc+l6gkf/fZgC/jmvzA/4Ikf8E+dL/4KbfGLxz8SvjNfav4t0rw9cQrNBdX0vm65fzB2 LTzBvMMcaICVDAsXQZ2qVP61al/wSe/Zs1Xw+2mS/BX4fpbMmwvDpiQ3GMdpkxKD7hs+9ZYTG4/F 0/b0YxjF7c12391rHbxBwzwpw9jHleZVq9avBLndJU4wi2k7Ln5m2k/L77pep/Br9obwJ+0RoDap 4E8YeHPF1jHgSyaVfxXXkE9FkCklG9mANdjX88P/AAUy/Zx1f/gjB+3joet/BzxHrGhaXrNkNZ0V vtBklswJSk1lKT/r4QVU4kB3JIFbcQWP7nfsV/tFx/ta/sp+BPiMltHZy+KtKjurm3Qkpb3AJjnR SeSqyo4BPOAK3y7NJV6s8NWjy1Ib21TXdHlcZcC0srwOGzrLqzq4TEfC2uWUX/LJXavo9V1TVtm/ UKKKK9g/OQooooAKKKKACiiigD4j/wCC0v8AwSsj/wCChPwltdc8LpbW3xR8Hwv/AGW8jCNNXtyS zWUjnhSWy0bNwrlgcB2Yfzv+NvBGsfDbxbqOgeINMvtF1rSZ2tryxvIWhntpFOCrq2CDX9flfOX7 dn/BLT4S/wDBQPSN/jDR30/xPbxeVZ+I9LKwajbgfdVmIKzRg/wSBgMnbtJzXy+ecPLFP29B2n17 P/Jn7v4W+MMsgprK80i54a/utayp3306xvrbda2vsfzGeE9Ltdc8U6ZZX19HplleXcUFxeOu5bWN nCtKR3Cgk49q/qP/AGOP2BPg7+x94G0yL4d+FtFFwbZGPiGSOO61LUwVB81rogsQ+dwVCEG75VAr 8cf2pf8Ag2y+N/wcu7m78BT6R8UNEQloxayrp+pqv+3BM2wn2jlcn0HSuM+Av7fH7W//AASqtYvD +o6N4ns/C1k22PQvGeiXLWEIz0gkbY8a9cCKQISc4NeFlM3llWTxtF67Ste36fcz9W4/w8OOcBSX DOYwfLdypOXLz3ta6+JNWdlKNtd11+0f+DlX9qb4z/Ba48F+G/B9/r3hb4ea9YySahrGlO9u9/e+ YwNm86YZFWJVcICvmeY2dwTA/FW/1C41W8kubqea5uJm3SSyuXdz6knkmv190D/g5/8AC/xG8KS6 F8UvgTBqunXieXeRWmpRX1pdDuDbXEIGPZnavNPFn7Wn/BN34vzPc6p8B/iP4XvpTln0hFtIUJ/u xwX4jx/2zFTmsKGNrOtSxC16SuremhtwDiM24Zy6GWY7JqnNG96lH2c+e7bvL3k79N3otlsfmRRX 6FXer/8ABNmVzKmlfH6IdfKjeIj6fNIf516X8FfhN+x/8SrqH/hX/wCyl+038UZGIMc9wksGn+xe eO8VFHu3FeZTylzfLGrB+jb/ACTPt8V4hU8PTdSrgMRFd5QhBffOpFfifl94M1zW/DviazuvDt5q lhrKyKtrLp0skV0HJ4CNGQ24npjmv6Rv+CMGq/HfWP2PYJvj2mpDWzfN/Yr6suzV5dP8tNjXQPzb 9/mYMn7wrgt2Jt/sXfs1SfDW6gv9G/Z3+GHwOtVHMz3sWs+IJl7o7QRqqAjubqTHPyV9V19lkOSy wsnVlUbv0s0vnfV/cj+avFfxOoZ9SWX0sLGPK0+dyjOat0TheKT62lK/kFFFFfUH4UFFFFABX4N/ 8Ff/APgk149/ZE/aG1D40/CfT9SvvBV1qf8AwkCy6VGZLrwleiTziWRQSIBIN6SAbUHytjCl/wB5 KK87M8tp42nyTdmtU1umfZ8EcbYzhrGvFYaKnCa5ZwltKPbya6PW2ujTaf5ofsPf8HJPwv8Aid4M 0/S/jG1x4C8X28axXOoR2ct1pGouBjzFMQaSEseSjrtXPDnt9YWf/BVT9m+/sRcR/Gz4dLGwziTW Yo5P++GIb9Km+NX/AAS//Z9/aE1Ga98V/Cfwje6hcktNeWtsdOup2P8AE8tsY3Y+5JNeSy/8G+H7 KUlyZB8PNQjUnPlr4l1Pb+s+f1rlpwzWmuW8J26u6fztdHu4vE8BYyo66p4nDt6uEPZzgvKLk4yt 6/gfkJ/wXQ+OnhD9on/goLrfiXwPr+n+JdBl0qwtkvrJi8LyRw4dQSBnB4yOK/oe/Z4/5IB4G/7F +w/9Jo68G8E/8ESv2WvAN1HPZfCDQ7qSM5H9pXt5qKH6pcTOp+mK+o9N0630fT7eztIIbW0tY1hh hiQJHEijCqqjgAAAADgAVOVZbXoV6teu1eetlfTfv6mvH/GuV5tlmAyrK4VFDCpx5qnKnJWilpFt fZ1P55P+C2XwU8Ufsmf8FR9U+IE+mTS6H4l1a18UaHeMp+z3bxiJpYSw4DpMjAr1CsjYwwr9i/gJ /wAFef2ePj74GsNYtvil4P8ADl1dQq8+meIdTh0q8s5CPmiZZ2UMVORuQspxkEivdfih8JPC3xt8 IT+H/GPh3RfFGiXJBksdUs47qBmHRtrggMM8MOR2Ir5d8T/8EEv2U/FF49w/wvFjLIct9i13UYE/ BBPsA+gFZ0stxWFr1KmFcXGbu1K6s/Jq/c68dxpkWfZVhMFn8KtOrho8kZ0uSSlGyXvRk42dorZ7 3fWy+Xf+DkL9q/4X/Gr9i7wroHg34i+CPF2tW/jW1vpbLRdbtr+aKBbG/RpGWJ2KqGkQZPdh616X /wAGwP8Ayjz8Qf8AY833/pHY16t4c/4IH/speHLhZR8L/tsinI+2a/qUy/8AfJuNp/EV9J/A79n3 wT+zT4KPhzwF4Z0nwrojXDXTWlhD5cckzKqtI3dnKogLEk4UelVhsuxP1942u4rS1k2/zSM864xy RcKLhnKlVl+85+eooR9VaMpH4if8HN2p+O5P22dHtNbfUV8DR6HBJ4aQ7hZs5z9qZf4TN5mA38QT ys8ba+9/2BvEX7Deh/s9+GW8K3vwVsrw6dD9ubxDLYRa40/ljzPtBusTFt+7p8n9z5cV9m/Fz4Je D/j74Rk0Dxt4Y0PxVo0rbzaapZpcxK2MB1DA7XGeGXBHY18weI/+CBX7KfiO9e4Pwyexkc5YWev6 lCh+ieftH0AFZvK8RSxdTE0uWfP/ADXuvRpP+rHUuPMox/D+FyTMPbYd4fS9HlcZ+c4uUNeu71bf XT4W/wCDjPxj8EfEnwz+HMPwv1P4W6hrMOrXTaivhaexluUh8lQpm+zksF3Zxu4znFfaP/Bu7/yi z8G/9hLVf/S2Wt/w1/wQX/ZT8MzLKnwsjvZV6G813Up1/wC+WuNp/Kvpn4O/Bbwp+z74BtPC3grQ dP8ADfh6xZ3gsbKPZFGzsWc49SxJJPUmtMFluIhjpYytyq6taN/Lul2OXifjXKcRwvR4cy72s3Tq c/PVUVde/paMpfzaeSPxP/4Omv8Ak87wB/2Jcf8A6XXdfrR/wTP/AOUeHwP/AOxH0j/0jipf2nv+ CcnwW/bL8W6fr3xL8EW/ifVtLtBY21w+oXls0UAdnCYhlQEbnY8gnmvVfh18PtH+E3gLRfC/h6xT TdB8PWUWnafaK7OttBEgSNAzEsQFAGSSeOTWuDy2pSx1XEyatPbv89DzuI+NMHmHC+X5JRhJVMO3 zNpcrvf4Wm316pHmn/BRb/lH78cv+xA13/03z1+QX/BrV/yfR43/AOxEuP8A04WFfuX4/wDAmk/F HwLrXhnX7NNR0PxFYz6bqNqzsi3NvNG0csZZSGAZGYZUgjPBFeS/sx/8E3vgp+xt40vvEXw18D2/ hnWdSsm0+4uU1G8uWkt2kSQx4mldQC8aHIAPy9aeNy2pWxtHExatDfv8tA4a40weXcMZhklaEnUx FuVpLlVrfFdp/cmbf7dXhTUPHf7E/wAXtF0m1lvtU1bwZq9paW0SlpLiV7KVURR3ZmIAHqa/Dn/g 3j/ac8Ffswfts63cePdf07wtpfiPwxcaVBqGozCC1iuftNtMqSSNhYwVik+ZiBkAZ5Ff0N185/HH /gkj+zl+0X4nudb8VfCvQbjV71zLc3dhLcaXLcyE5LyG1kj3uTyWbJJ6mpzLLa1avSxNBrmh0d7P 7jXgnjXLsuynG5HmtObpYm3vU+Xmi15SaT6Pfp56el/DT9rT4WfGjxY2g+DviR4E8Wa0ls141lo2 u2t/OsKsqtIUidiFBdRk/wB4V+Bv/BafU/Ed7/wVh8QQ/FZ9bHha11K0XT403bU0I7Dm0B+XlfMJ K/8ALXfnkGv2y/Zl/wCCWnwI/Y88fjxV8O/AiaB4hFvJafbW1a+u3ET43pieZ1wcDtnivRvjv+zD 8PP2nvD0el/EHwb4f8W2cBJgGo2iyyWxPUxSffjJ7lGBNTmOXYjG4ZU6jUZJ30u0/J7M14O4yyjh jO5YvBU6lWjODg3JRjUi20242co9Lbq9911+ff2fvFf7D2ifDvTx4I1H9nux0owLsE82nRXpGOPP +0EXG/HXzfm9a/L/AP4OKPFHwm8TfHD4ft8Kb/4e6hawaNcLqbeFJrOWJJjONomNsSN+3pu5xX6Y av8A8G/n7KWrXbTL8NrmzLHJS38R6mqfkbg4/CtXwr/wQo/ZU8IyrJD8KLO7lX+K+1jULsH6rJOV /SubG5djcTQeHcacVpqm+nZcp7vDPGXDWS5ss4jXxdaS5vdnGnrzJr3pe01tfe252v8AwSi/5Rt/ BX/sVLP/ANAr8Tf+Dhv/AJSoeN/+wfpX/pDDX9D/AIE8CaN8MPBumeHfD2m2mj6Ho1utrZWVsmyG 2iUYVFHYAV4l8f8A/glb8Av2o/ihdeNPHnw9tdf8TXqRRz3r6nfQGVY0CICkUypwqgfd7V0ZrlVX E4KGGptJxtve2it2PF4C49wOScS4nOsXTnKnVVRJRSclzzUle7S0S11PcPBP/ImaR/15Q/8Aota+ UP8Agvj/AMonPit9NK/9O1lX19Z2ken2kVvCgSGBBGijnaoGAPyrl/jl8DPCn7Sfwt1XwV430iPX vDGtCIXti80sKz+XKkqfNGyuMSRo3DD7vpXq4ujKrh50o7yTX3qx8Fw/mVPA5vhswqpuNKpCbS3a jJSaV2ley01XqflN/wAGnf8Ax7/Hn/e0D+WpVzP/AAdP6n47T4u/DizlfUU+Gj6Q0tqqbhaSasJp RNvxwZBB5G3dyFZ9vVq/VD9lj9hX4U/sUQ63H8MPCMHhZfEZgOpbL26ujdeT5nlZM8jkbfNk+7j7 3OeK7/4jfDHw58YPCV1oHivQdI8SaJegCew1O0jureXHQlHBGR1BxkHpXjxyao8sWBlK0u623v5H 6NV8SsJDjifFNGg50pW92VlJfu4wbVnJJppta6rTS+n54/8ABJ3XP2KdG/ZK8GPDd/B+08bDS4P+ EibxU9lHrB1DYPtHN3h/K8zds8v93t24715f/wAHCfjj4B+IP2OtEtfhxq3wjvvFq+LLWSWPw3ca fLqC2otbsOWFuS4i3mPOflyV74r668Wf8EF/2VPF189zJ8L0sJpDlvsGt6jbR/hGs+wD6KKi8P8A /BAz9lLw/Oso+GBvZFOQbvX9TlX/AL5+0bT+IrKpl2MlhnheSmla11f77cp3YPjDhqhncc9dfFzk p8/JJU2u/K5e027abHkn/Br1/wAo+/E3/Y93v/pDYV4R/wAHX3/I0/A7/r11r/0Oxr9Y/gP+zp4H /Zh8FP4c+H/hnS/CuiS3LXklpYoVSSZlVGkbJJZiqIMk5worlP2pv2CvhJ+2rNosnxP8HweKZPDy zLp7PfXVqbYSlDIB5EqZ3eWn3s/d4xzXRXyqpLLFgotc1kr620aZ5GWcfYKhxxLierTn7JynLlVn K0oSit2lu9ddjy7/AIIb/wDKKv4Rf9eV5/6cLqqX/Bef/lE78Wv+uel/+nayr6V+C/wX8Mfs8fDH SfBng3So9E8M6Gjx2NkkskqwK0jSMN0jM5y7seSetM+OHwP8K/tIfC3VfBXjbSI9d8Ma2I1vbF5p IVnEcqSp80bK4xJGjcMPu+ldzwk/qP1a6vycvle1vuPlocQUFxQs85X7P6x7W2nNy+057b2vbTe1 +p+U/wDwaff8eXx2/wB/Qv5ajX7Bnoa8l/ZZ/YW+FP7FMGtx/DDwlB4WTxEYW1HZe3V0bkw+Z5eT PI5G3zZPu4+9znivWqWU4OeFwsKFRptX221bZfiBxHh89z/EZrhYyjCpy2UrJ+7CMXeza3XfY/m5 /wCCJv8AymJ+G/8A2EdX/wDTbe1+0H/BZH9jrWP22/2FfEPhbw3Gtx4o0m5h13SLYsFF5PBuDQgn gM8UkqrnA3FckDJrf+DX/BKP9n79nz4v2Pj3wf8ADu00Xxbpkkstrfrqd9MYWljeOQhJJmj5SRx9 3jdxjivoeuHK8nlQwlTC12nzt7dmkuq30PquOvEelmfEOEz3KYyg6EIJKaWsoylLaMneLvbdPc/B 3/ggj/wUH8NfsD/E3x18Nfi09z4PsPEtzDJHe39vJGNJv4N8bw3K43Rh1YDcRhGj+bAbI/YTUv8A goD8CdJ8PNqs/wAZfhcunqm8Sr4nsn3DHRQshLH2AJPpR+0X+wN8Gv2s5xcfEL4d+HPEd+FEf294 Db3+0DAX7TCUm2jsN+BXh1v/AMG/H7KNvfic/De7kQHIhfxJqhj+n/HxnH40YPB4/CU/YUnGUVs3 dP52TDiLiHhPiHGvNcdGvQrTS5401TnBtJK8XKUGrpdU1+N/yy/4K3/tSP8A8Faf27PDvh74O6Tq nijTtFsxoei+TbMsurTNK0k1yFYAxw8qNz7cLEXbaDx+4n7C/wCzm/7JP7IngD4dTTxXV54Y0mOC 8ljyY5LlyZZymedvmu+M84xWl+z9+yJ8Mf2VtMltPh54G8O+E1uFCTzWVooubkDoJJmzJIB/tMa9 GrbLsslRqzxNeXNOe9tkuyPM4z45oZll+FyPK6LpYXD/AA8zTnKWvvStonq9F1b8kiiiivZPzYKK KKACiiigAooooAKKKKACquu/8gS8/wCuL/8AoJoopMqHxI/EH/gpr/yNmo/77fzr4A0//kaV/wB/ +tFFfl2a/wC8fM/u/wAP/wDkUR/wn6jf8El/+Rs0r/rov86/YEdBRRX2+Rf7ufy34rf8jh+gUUUV 7Z+ZBRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUU UUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRR QB//2Q==/9j/4AAQSkZJRgABAgEAYABgAAD/4Qm4RXhpZgAATU0AKgAAAAgABwESAAMAAAABAAEAAAEaAAUA AAABAAAAYgEbAAUAAAABAAAAagEoAAMAAAABAAIAAAExAAIAAAAbAAAAcgEyAAIAAAAUAAAAjYdp AAQAAAABAAAApAAAANAAAABgAAAAAQAAAGAAAAABQWRvYmUgUGhvdG9zaG9wIENTIFdpbmRvd3MA MjAxNjowMzoyMSAwODoxODo1NwAAAAAAA6ABAAMAAAAB//8AAKACAAQAAAABAAAAWaADAAQAAAAB AAAAHgAAAAAAAAAGAQMAAwAAAAEABgAAARoABQAAAAEAAAEeARsABQAAAAEAAAEmASgAAwAAAAEA AgAAAgEABAAAAAEAAAEuAgIABAAAAAEAAAiCAAAAAAAAAEgAAAABAAAASAAAAAH/2P/gABBKRklG AAECAQBIAEgAAP/tAAxBZG9iZV9DTQAC/+4ADkFkb2JlAGSAAAAAAf/bAIQADAgICAkIDAkJDBEL CgsRFQ8MDA8VGBMTFRMTGBEMDAwMDAwRDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAENCwsN Dg0QDg4QFA4ODhQUDg4ODhQRDAwMDAwREQwMDAwMDBEMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwM DAwM/8AAEQgAHgBZAwEiAAIRAQMRAf/dAAQABv/EAT8AAAEFAQEBAQEBAAAAAAAAAAMAAQIEBQYH CAkKCwEAAQUBAQEBAQEAAAAAAAAAAQACAwQFBgcICQoLEAABBAEDAgQCBQcGCAUDDDMBAAIRAwQh EjEFQVFhEyJxgTIGFJGhsUIjJBVSwWIzNHKC0UMHJZJT8OHxY3M1FqKygyZEk1RkRcKjdDYX0lXi ZfKzhMPTdePzRieUpIW0lcTU5PSltcXV5fVWZnaGlqa2xtbm9jdHV2d3h5ent8fX5/cRAAICAQIE BAMEBQYHBwYFNQEAAhEDITESBEFRYXEiEwUygZEUobFCI8FS0fAzJGLhcoKSQ1MVY3M08SUGFqKy gwcmNcLSRJNUoxdkRVU2dGXi8rOEw9N14/NGlKSFtJXE1OT0pbXF1eX1VmZ2hpamtsbW5vYnN0dX Z3eHl6e3x//aAAwDAQACEQMRAD8ANh4f1cw/q3j9X6xj0Wm2iu/IyL2Nuuttub69n6S31L7br7nv /wAJ/wBt1MVfC6Z1nrQGV0j6rdLxcB+tNnUKmhz2/m2NbV6b2tf/AMXZX/wtibpmC3rXWfqt0jKG 7AxOl09QtqPD3bfSa17fzm766v8Arfqf6Rb3Tvrt9YM/Eu69T06h31eofdv/AEpblCqhrrXZO136 F/0f5ln6T1P0f83+lSU8/cK+iWsr+tn1awsXHuO1nUMSmuykO/dsbtse3/tz1P8AgrFvP+r31fLQ +vp+GWPAc1zaayCHfRc121Wuj5vXfrVgtHWem4v7C6rQ8h1dhNtYnbU21lrffa/6ddlH83/Ofo7f 0ayfqQ7I/Yl+DkO3u6Xl3YTX+Latrm/+fXs/4tAoLnHAxs45tnS+mdPp6f0wPOb1LLoDqx6Qc+6r Gox6/WyH1ta71Hs/9J+oh06jBbh39U6V063p3Utn2PqWLSG1zY31aGZNGRX61DrWfn/za1OmX3H/ ABW5mJ03IOF1PpVdwytji22t9NjsrI97P0jXZdLbPTf/AML/ACEup33D/Fbh4vUsg53UurV0jFL3 F1j33WNysf3O97n4lL6/Uf8A8EiloZWD05/UKej9K6Rh5PUr2l8WV1sqqYP8Ne709/5rvZX+ksQT 0h1NORmMwejdXxcFxZnswKtt1RYN9rmtyG2MvZWz9z+c/wC3Ff6Z0ronUOv9YxOqUufm2105HTyx +y1zGV+la3GdurZ61d1X0H/+evUQug5nWeiNzcjDwvV6V0+sVZLuoMqxchvpbnOwqsmr2ZDKN36N 99f6T1v0XpoKR5lf1cowacujpmPlOy9rcOmuivda5/uYxv6P2fv2P/waH/zfyPW+zij6vftGf+SY Hr8b/R9b+Z+0bP8Ag/TUfq4+np+V9WszOZ9nxC7LY0vMCp2Vufg7v3P0Ps3/AODVjL6c89Oyeg0Y GXb123P9WvNtoa0MBe237T9ux/Z6Ozd7/wDSW/zVdXp11pQa12P0i7ouflUdPr6f1Hp7bS5rGNqv x8jHHqtc2+j03tcx7Wvreyz9L/4GvW15X1nIozMv62ZuJD8d2OKPWb9F9tOPY3Jc3/i91TN69URU /wD/0KeJ1SvCr6B9a8A/aqemY1fT+r1Vg762bNu7Y/8A0b3Wv3/zdlno/wCDsXYdJ+qH1Qzo6l02 63IwLbHXtw23OOILHt2WO+y/mv2O2enZ/wAX6fpfo15L9UrOv151lnRqhftrJy6rC0Uuq8Mg2urq /qfpPU/cWvi5P1cycl78LD6tg5gMXVdGsZbWT+8yxp+j/wAS30klPb9QxPqv9QmDqDL8i/MrrsZ0 zp1t7nhptPubRR+ZS9/87ZZv/t2+msjo/U+m/VfpTMbrmUKepZz35uRVte9zXW7f51tTbNj9jW/T 9P8ASf8AFrBw87plGd6XQem35XW3fzeR1e2ttjHf8HU6yuuy7/MuXJ9V/aP7Rv8A2pv+3b/0/q/S 3eaSnvsv6wfVG7LOdjdUvwMwgB+RiC6p72j6Lbv0NjLW/wBetRx+v/VGvL+3ZPVL8/MALWZGWLrX Mafzam+jXXU3/i61kdJyL2/UXLpGNfZQb8o2XAAY0mnD2tybbMluPVdU5rH0Nyum5d2Tc+qnpF+J 1D9Zqzeuv6i7DpF7HMexwb1Vw9Pc/Om19Nmb6Dn3faP2e6ur9d9K77bX1b/tb+1LHpT1vUPrJ9Te oNYbsxzLaTuovqZdXbW796q1le9qr2db+q+SWftLreb1Oqsgsoyza+rc36Ln1Mx62Wv/AOM9Rcx9 XLrKaesOZRXkA4H6RlxYKhW3JwrLfW9Wyh/6RrPQp+yv+3fabqfs36f9NXt9Qvfb0/J+zY2TjY1e NR6rd1D2WVu6fg1YTer3ud6VTMb0vtfSH24nrZ2Xk24/T6+ndS3+ilOzk/W36n5VDsbIyRZS8bXM NNsR/wBtqj+2/q36H2T/AJxdR+xcfZfUu9PZ/od32f1/R2ezZ6i4bp4ac/FBc1jTawbnNre1vuHv sry304j2/vMy7a8f/T/oV31XUcurq9z8npmbkPe7DGQzPNtb29Pacv8AaD/Ry89+RT02xzqvXZnZ 2f0T1q329R9D1cTGqSlsv6y/VRnQ8rp2BeGB2PbXRU2q0AuexzWt3Pr/AD3u+nYvY18r6RqvqhJT /9n/7Q6CUGhvdG9zaG9wIDMuMAA4QklNBCUAAAAAABAAAAAAAAAAAAAAAAAAAAAAOEJJTQPtAAAA AAAQAGAAAAABAAIAYAAAAAEAAjhCSU0EJgAAAAAADgAAAAAAAAAAAAA/gAAAOEJJTQQNAAAAAAAE AAAAHjhCSU0EGQAAAAAABAAAAB44QklNA/MAAAAAAAkAAAAAAAAAAAEAOEJJTQQKAAAAAAABAAA4 QklNJxAAAAAAAAoAAQAAAAAAAAACOEJJTQP1AAAAAABIAC9mZgABAGxmZgAGAAAAAAABAC9mZgAB AKGZmgAGAAAAAAABADIAAAABAFoAAAAGAAAAAAABADUAAAABAC0AAAAGAAAAAAABOEJJTQP4AAAA AABwAAD/////////////////////////////A+gAAAAA/////////////////////////////wPo AAAAAP////////////////////////////8D6AAAAAD/////////////////////////////A+gA ADhCSU0EAAAAAAAAAgAAOEJJTQQCAAAAAAACAAA4QklNBAgAAAAAABAAAAABAAACQAAAAkAAAAAA OEJJTQQeAAAAAAAEAAAAADhCSU0EGgAAAAADTQAAAAYAAAAAAAAAAAAAAB4AAABZAAAADABpAG0A ZwBfAGwAaQBjAGUAbgBjAGkAYQAAAAEAAAAAAAAAAAAAAAAAAAAAAAAAAQAAAAAAAAAAAAAAWQAA AB4AAAAAAAAAAAAAAAAAAAAAAQAAAAAAAAAAAAAAAAAAAAAAAAAQAAAAAQAAAAAAAG51bGwAAAAC AAAABmJvdW5kc09iamMAAAABAAAAAAAAUmN0MQAAAAQAAAAAVG9wIGxvbmcAAAAAAAAAAExlZnRs b25nAAAAAAAAAABCdG9tbG9uZwAAAB4AAAAAUmdodGxvbmcAAABZAAAABnNsaWNlc1ZsTHMAAAAB T2JqYwAAAAEAAAAAAAVzbGljZQAAABIAAAAHc2xpY2VJRGxvbmcAAAAAAAAAB2dyb3VwSURsb25n AAAAAAAAAAZvcmlnaW5lbnVtAAAADEVTbGljZU9yaWdpbgAAAA1hdXRvR2VuZXJhdGVkAAAAAFR5 cGVlbnVtAAAACkVTbGljZVR5cGUAAAAASW1nIAAAAAZib3VuZHNPYmpjAAAAAQAAAAAAAFJjdDEA AAAEAAAAAFRvcCBsb25nAAAAAAAAAABMZWZ0bG9uZwAAAAAAAAAAQnRvbWxvbmcAAAAeAAAAAFJn aHRsb25nAAAAWQAAAAN1cmxURVhUAAAAAQAAAAAAAG51bGxURVhUAAAAAQAAAAAAAE1zZ2VURVhU AAAAAQAAAAAABmFsdFRhZ1RFWFQAAAABAAAAAAAOY2VsbFRleHRJc0hUTUxib29sAQAAAAhjZWxs VGV4dFRFWFQAAAABAAAAAAAJaG9yekFsaWduZW51bQAAAA9FU2xpY2VIb3J6QWxpZ24AAAAHZGVm YXVsdAAAAAl2ZXJ0QWxpZ25lbnVtAAAAD0VTbGljZVZlcnRBbGlnbgAAAAdkZWZhdWx0AAAAC2Jn Q29sb3JUeXBlZW51bQAAABFFU2xpY2VCR0NvbG9yVHlwZQAAAABOb25lAAAACXRvcE91dHNldGxv bmcAAAAAAAAACmxlZnRPdXRzZXRsb25nAAAAAAAAAAxib3R0b21PdXRzZXRsb25nAAAAAAAAAAty aWdodE91dHNldGxvbmcAAAAAADhCSU0EKAAAAAAADAAAAAE/8AAAAAAAADhCSU0EEQAAAAAAAQEA OEJJTQQUAAAAAAAEAAAAAjhCSU0EDAAAAAAIngAAAAEAAABZAAAAHgAAAQwAAB9oAAAIggAYAAH/ 2P/gABBKRklGAAECAQBIAEgAAP/tAAxBZG9iZV9DTQAC/+4ADkFkb2JlAGSAAAAAAf/bAIQADAgI CAkIDAkJDBELCgsRFQ8MDA8VGBMTFRMTGBEMDAwMDAwRDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwM DAwMDAENCwsNDg0QDg4QFA4ODhQUDg4ODhQRDAwMDAwREQwMDAwMDBEMDAwMDAwMDAwMDAwMDAwM DAwMDAwMDAwMDAwM/8AAEQgAHgBZAwEiAAIRAQMRAf/dAAQABv/EAT8AAAEFAQEBAQEBAAAAAAAA AAMAAQIEBQYHCAkKCwEAAQUBAQEBAQEAAAAAAAAAAQACAwQFBgcICQoLEAABBAEDAgQCBQcGCAUD DDMBAAIRAwQhEjEFQVFhEyJxgTIGFJGhsUIjJBVSwWIzNHKC0UMHJZJT8OHxY3M1FqKygyZEk1Rk RcKjdDYX0lXiZfKzhMPTdePzRieUpIW0lcTU5PSltcXV5fVWZnaGlqa2xtbm9jdHV2d3h5ent8fX 5/cRAAICAQIEBAMEBQYHBwYFNQEAAhEDITESBEFRYXEiEwUygZEUobFCI8FS0fAzJGLhcoKSQ1MV Y3M08SUGFqKygwcmNcLSRJNUoxdkRVU2dGXi8rOEw9N14/NGlKSFtJXE1OT0pbXF1eX1VmZ2hpam tsbW5vYnN0dXZ3eHl6e3x//aAAwDAQACEQMRAD8ANh4f1cw/q3j9X6xj0Wm2iu/IyL2Nuuttub69 n6S31L7br7nv/wAJ/wBt1MVfC6Z1nrQGV0j6rdLxcB+tNnUKmhz2/m2NbV6b2tf/AMXZX/wtibpm C3rXWfqt0jKG7AxOl09QtqPD3bfSa17fzm766v8Arfqf6Rb3Tvrt9YM/Eu69T06h31eofdv/AEpb lCqhrrXZO136F/0f5ln6T1P0f83+lSU8/cK+iWsr+tn1awsXHuO1nUMSmuykO/dsbtse3/tz1P8A grFvP+r31fLQ+vp+GWPAc1zaayCHfRc121Wuj5vXfrVgtHWem4v7C6rQ8h1dhNtYnbU21lrffa/6 ddlH83/Ofo7f0ayfqQ7I/Yl+DkO3u6Xl3YTX+Latrm/+fXs/4tAoLnHAxs45tnS+mdPp6f0wPOb1 LLoDqx6Qc+6rGox6/WyH1ta71Hs/9J+oh06jBbh39U6V063p3Utn2PqWLSG1zY31aGZNGRX61DrW fn/za1OmX3H/ABW5mJ03IOF1PpVdwytji22t9NjsrI97P0jXZdLbPTf/AML/ACEup33D/Fbh4vUs g53UurV0jFL3F1j33WNysf3O97n4lL6/Uf8A8EiloZWD05/UKej9K6Rh5PUr2l8WV1sqqYP8Ne70 9/5rvZX+ksQT0h1NORmMwejdXxcFxZnswKtt1RYN9rmtyG2MvZWz9z+c/wC3Ff6Z0ronUOv9YxOq Uufm2105HTyx+y1zGV+la3GdurZ61d1X0H/+evUQug5nWeiNzcjDwvV6V0+sVZLuoMqxchvpbnOw qsmr2ZDKN36N99f6T1v0XpoKR5lf1cowacujpmPlOy9rcOmuivda5/uYxv6P2fv2P/waH/zfyPW+ zij6vftGf+SYHr8b/R9b+Z+0bP8Ag/TUfq4+np+V9WszOZ9nxC7LY0vMCp2Vufg7v3P0Ps3/AODV jL6c89Oyeg0YGXb123P9WvNtoa0MBe237T9ux/Z6Ozd7/wDSW/zVdXp11pQa12P0i7ouflUdPr6f 1Hp7bS5rGNqvx8jHHqtc2+j03tcx7Wvreyz9L/4GvW15X1nIozMv62ZuJD8d2OKPWb9F9tOPY3Jc 3/i91TN69URU/wD/0KeJ1SvCr6B9a8A/aqemY1fT+r1Vg762bNu7Y/8A0b3Wv3/zdlno/wCDsXYd J+qH1Qzo6l0263IwLbHXtw23OOILHt2WO+y/mv2O2enZ/wAX6fpfo15L9UrOv151lnRqhftrJy6r C0Uuq8Mg2urq/qfpPU/cWvi5P1cycl78LD6tg5gMXVdGsZbWT+8yxp+j/wAS30klPb9QxPqv9QmD qDL8i/MrrsZ0zp1t7nhptPubRR+ZS9/87ZZv/t2+msjo/U+m/VfpTMbrmUKepZz35uRVte9zXW7f 51tTbNj9jW/T9P8ASf8AFrBw87plGd6XQem35XW3fzeR1e2ttjHf8HU6yuuy7/MuXJ9V/aP7Rv8A 2pv+3b/0/q/S3eaSnvsv6wfVG7LOdjdUvwMwgB+RiC6p72j6Lbv0NjLW/wBetRx+v/VGvL+3ZPVL 8/MALWZGWLrXMafzam+jXXU3/i61kdJyL2/UXLpGNfZQb8o2XAAY0mnD2tybbMluPVdU5rH0Nyum 5d2Tc+qnpF+J1D9Zqzeuv6i7DpF7HMexwb1Vw9Pc/Om19Nmb6Dn3faP2e6ur9d9K77bX1b/tb+1L HpT1vUPrJ9TeoNYbsxzLaTuovqZdXbW796q1le9qr2db+q+SWftLreb1Oqsgsoyza+rc36Ln1Mx6 2Wv/AOM9Rcx9XLrKaesOZRXkA4H6RlxYKhW3JwrLfW9Wyh/6RrPQp+yv+3fabqfs36f9NXt9Qvfb 0/J+zY2TjY1eNR6rd1D2WVu6fg1YTer3ud6VTMb0vtfSH24nrZ2Xk24/T6+ndS3+ilOzk/W36n5V DsbIyRZS8bXMNNsR/wBtqj+2/q36H2T/AJxdR+xcfZfUu9PZ/od32f1/R2ezZ6i4bp4ac/FBc1jT awbnNre1vuHvsry304j2/vMy7a8f/T/oV31XUcurq9z8npmbkPe7DGQzPNtb29Pacv8AaD/Ry89+ RT02xzqvXZnZ2f0T1q329R9D1cTGqSlsv6y/VRnQ8rp2BeGB2PbXRU2q0AuexzWt3Pr/AD3u+nYv Y18r6RqvqhJT/9k4QklNBCEAAAAAAFMAAAABAQAAAA8AQQBkAG8AYgBlACAAUABoAG8AdABvAHMA aABvAHAAAAASAEEAZABvAGIAZQAgAFAAaABvAHQAbwBzAGgAbwBwACAAQwBTAAAAAQA4QklNBAYA AAAAAAcACAAAAAEBAP/hGTtodHRwOi8vbnMuYWRvYmUuY29tL3hhcC8xLjAvADw/eHBhY2tldCBi ZWdpbj0n77u/JyBpZD0nVzVNME1wQ2VoaUh6cmVTek5UY3prYzlkJz8+Cjx4OnhtcG1ldGEgeG1s bnM6eD0nYWRvYmU6bnM6bWV0YS8nIHg6eG1wdGs9J1hNUCB0b29sa2l0IDMuMC0yOCwgZnJhbWV3 b3JrIDEuNic+CjxyZGY6UkRGIHhtbG5zOnJkZj0naHR0cDovL3d3dy53My5vcmcvMTk5OS8wMi8y Mi1yZGYtc3ludGF4LW5zIycgeG1sbnM6aVg9J2h0dHA6Ly9ucy5hZG9iZS5jb20vaVgvMS4wLyc+ CgogPHJkZjpEZXNjcmlwdGlvbiByZGY6YWJvdXQ9J3V1aWQ6NzdiMzhjOTctZWY2Ny0xMWU1LThh NzctYzlkOTI0NTRjMzEwJwogIHhtbG5zOmV4aWY9J2h0dHA6Ly9ucy5hZG9iZS5jb20vZXhpZi8x LjAvJz4KICA8ZXhpZjpDb2xvclNwYWNlPjQyOTQ5NjcyOTU8L2V4aWY6Q29sb3JTcGFjZT4KICA8 ZXhpZjpQaXhlbFhEaW1lbnNpb24+ODk8L2V4aWY6UGl4ZWxYRGltZW5zaW9uPgogIDxleGlmOlBp eGVsWURpbWVuc2lvbj4zMDwvZXhpZjpQaXhlbFlEaW1lbnNpb24+CiA8L3JkZjpEZXNjcmlwdGlv bj4KCiA8cmRmOkRlc2NyaXB0aW9uIHJkZjphYm91dD0ndXVpZDo3N2IzOGM5Ny1lZjY3LTExZTUt OGE3Ny1jOWQ5MjQ1NGMzMTAnCiAgeG1sbnM6cGRmPSdodHRwOi8vbnMuYWRvYmUuY29tL3BkZi8x LjMvJz4KIDwvcmRmOkRlc2NyaXB0aW9uPgoKIDxyZGY6RGVzY3JpcHRpb24gcmRmOmFib3V0PSd1 dWlkOjc3YjM4Yzk3LWVmNjctMTFlNS04YTc3LWM5ZDkyNDU0YzMxMCcKICB4bWxuczpwaG90b3No b3A9J2h0dHA6Ly9ucy5hZG9iZS5jb20vcGhvdG9zaG9wLzEuMC8nPgogIDxwaG90b3Nob3A6SGlz dG9yeT48L3Bob3Rvc2hvcDpIaXN0b3J5PgogPC9yZGY6RGVzY3JpcHRpb24+CgogPHJkZjpEZXNj cmlwdGlvbiByZGY6YWJvdXQ9J3V1aWQ6NzdiMzhjOTctZWY2Ny0xMWU1LThhNzctYzlkOTI0NTRj MzEwJwogIHhtbG5zOnRpZmY9J2h0dHA6Ly9ucy5hZG9iZS5jb20vdGlmZi8xLjAvJz4KICA8dGlm ZjpPcmllbnRhdGlvbj4xPC90aWZmOk9yaWVudGF0aW9uPgogIDx0aWZmOlhSZXNvbHV0aW9uPjk2 LzE8L3RpZmY6WFJlc29sdXRpb24+CiAgPHRpZmY6WVJlc29sdXRpb24+OTYvMTwvdGlmZjpZUmVz b2x1dGlvbj4KICA8dGlmZjpSZXNvbHV0aW9uVW5pdD4yPC90aWZmOlJlc29sdXRpb25Vbml0Pgog PC9yZGY6RGVzY3JpcHRpb24+CgogPHJkZjpEZXNjcmlwdGlvbiByZGY6YWJvdXQ9J3V1aWQ6Nzdi MzhjOTctZWY2Ny0xMWU1LThhNzctYzlkOTI0NTRjMzEwJwogIHhtbG5zOnhhcD0naHR0cDovL25z LmFkb2JlLmNvbS94YXAvMS4wLyc+CiAgPHhhcDpDcmVhdGVEYXRlPjIwMTYtMDMtMjFUMDg6MTg6 NTctMDU6MDA8L3hhcDpDcmVhdGVEYXRlPgogIDx4YXA6TW9kaWZ5RGF0ZT4yMDE2LTAzLTIxVDA4 OjE4OjU3LTA1OjAwPC94YXA6TW9kaWZ5RGF0ZT4KICA8eGFwOk1ldGFkYXRhRGF0ZT4yMDE2LTAz LTIxVDA4OjE4OjU3LTA1OjAwPC94YXA6TWV0YWRhdGFEYXRlPgogIDx4YXA6Q3JlYXRvclRvb2w+ QWRvYmUgUGhvdG9zaG9wIENTIFdpbmRvd3M8L3hhcDpDcmVhdG9yVG9vbD4KIDwvcmRmOkRlc2Ny aXB0aW9uPgoKIDxyZGY6RGVzY3JpcHRpb24gcmRmOmFib3V0PSd1dWlkOjc3YjM4Yzk3LWVmNjct MTFlNS04YTc3LWM5ZDkyNDU0YzMxMCcKICB4bWxuczpzdFJlZj0naHR0cDovL25zLmFkb2JlLmNv bS94YXAvMS4wL3NUeXBlL1Jlc291cmNlUmVmIycKICB4bWxuczp4YXBNTT0naHR0cDovL25zLmFk b2JlLmNvbS94YXAvMS4wL21tLyc+CiAgPHhhcE1NOkRlcml2ZWRGcm9tIHJkZjpwYXJzZVR5cGU9 J1Jlc291cmNlJz4KICAgPHN0UmVmOmluc3RhbmNlSUQ+dXVpZDo1Nzk2ZTA2ZS1lZjY3LTExZTUt OGE3Ny1jOWQ5MjQ1NGMzMTA8L3N0UmVmOmluc3RhbmNlSUQ+CiAgIDxzdFJlZjpkb2N1bWVudElE PmFkb2JlOmRvY2lkOnBob3Rvc2hvcDo1Nzk2ZTA2ZC1lZjY3LTExZTUtOGE3Ny1jOWQ5MjQ1NGMz MTA8L3N0UmVmOmRvY3VtZW50SUQ+CiAgPC94YXBNTTpEZXJpdmVkRnJvbT4KICA8eGFwTU06RG9j dW1lbnRJRD5hZG9iZTpkb2NpZDpwaG90b3Nob3A6NzdiMzhjOTYtZWY2Ny0xMWU1LThhNzctYzlk OTI0NTRjMzEwPC94YXBNTTpEb2N1bWVudElEPgogPC9yZGY6RGVzY3JpcHRpb24+CgogPHJkZjpE ZXNjcmlwdGlvbiByZGY6YWJvdXQ9J3V1aWQ6NzdiMzhjOTctZWY2Ny0xMWU1LThhNzctYzlkOTI0 NTRjMzEwJwogIHhtbG5zOmRjPSdodHRwOi8vcHVybC5vcmcvZGMvZWxlbWVudHMvMS4xLyc+CiAg PGRjOmZvcm1hdD5pbWFnZS9qcGVnPC9kYzpmb3JtYXQ+CiA8L3JkZjpEZXNjcmlwdGlvbj4KCjwv cmRmOlJERj4KPC94OnhtcG1ldGE+CiAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAKICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgIAogICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgCiAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAKICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgIAogICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg CiAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAKICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgIAogICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgCiAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAKICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgIAogICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgCiAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAKICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgIAogICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgCiAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAKICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgIAogICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgCiAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAKICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgIAogICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgCiAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAKICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgIAogICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgCiAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAKICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgIAogICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgCiAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAK ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgIAogICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgCiAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAKICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgIAogICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgCiAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAKICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgIAogICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgCiAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAKICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgIAogICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgCiAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAKICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgIAo8P3hwYWNrZXQgZW5kPSd3Jz8+/+4ADkFkb2JlAGRAAAAAAf/bAIQAAQEB AQEBAQEBAQEBAQEBAQEBAQEBAQEBAQEBAQEBAQEBAQEBAQEBAQEBAQICAgICAgICAgICAwMDAwMD AwMDAwEBAQEBAQEBAQEBAgIBAgIDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMD AwMDAwMDAwMDAwMD/8AAEQgAHgBZAwERAAIRAQMRAf/dAAQADP/EAaIAAAAGAgMBAAAAAAAAAAAA AAcIBgUECQMKAgEACwEAAAYDAQEBAAAAAAAAAAAABgUEAwcCCAEJAAoLEAACAQMEAQMDAgMDAwIG CXUBAgMEEQUSBiEHEyIACDEUQTIjFQlRQhZhJDMXUnGBGGKRJUOhsfAmNHIKGcHRNSfhUzaC8ZKi RFRzRUY3R2MoVVZXGrLC0uLyZIN0k4Rlo7PD0+MpOGbzdSo5OkhJSlhZWmdoaWp2d3h5eoWGh4iJ ipSVlpeYmZqkpaanqKmqtLW2t7i5usTFxsfIycrU1dbX2Nna5OXm5+jp6vT19vf4+foRAAIBAwIE BAMFBAQEBgYFbQECAxEEIRIFMQYAIhNBUQcyYRRxCEKBI5EVUqFiFjMJsSTB0UNy8BfhgjQlklMY Y0TxorImNRlUNkVkJwpzg5NGdMLS4vJVZXVWN4SFo7PD0+PzKRqUpLTE1OT0laW1xdXl9ShHV2Y4 doaWprbG1ub2Z3eHl6e3x9fn90hYaHiImKi4yNjo+DlJWWl5iZmpucnZ6fkqOkpaanqKmqq6ytrq +v/aAAwDAQACEQMRAD8AE3qHqL+XJ0v/AC3OnPml82Omui971e8+i+rO6e4+4O6ut9n9092d29z9 2bJk7W3rI29OwRurs7sHsbtXsPcGRszZbUNR/wCLdjKE+/de6BXpn40fMf5z0lN2v8NP5DP8q/oz 4z7iQ1fXm9fnX0hs6h3TvvbqRpNgt24LA7AbaO58Ngtz02mURnD5fESCuIXJZBR5B7r3THu2Lb/w Q3VtjbX84v8Aki/CDo7qvf8Alk25t/5e/Fr4/dN9j9H4vcTNUGHFbzwS4DeO58FDYu1/4uuaIoSy 4vJLrIq/wmnWm4Hq2HL/AMvT+X9VYygze2vh78O8ht/cGGxmYxOWxHx96cyOMyGJz4/3CZjCZwbb 5U+0MhPdnpDKTVuqqajojrrv6r+Tu4fiP8Fv5dWwPi58LqLfeU+TPzZ+UXxvxu5OraJupsLuDcPZ uyelur+netH7H7c3BtLBYatOYyeMtrag0p6mxxyBh0v65xfHjY/QlD8dN/8Ay3+A/wDLl3t8VPmK etv9lz+anxl6B29tvrqbIdpbTXe3VO1u6uq+2+vpOzOp81vfb7LKmUF8QiOBIFdXC+690t+zujfj tnfkH1z8J/h//Lw+Gfb/AMtOz9s5LeAot8dQ9PbK6g6a2Jgzoi7I7SzP+jj+8x9WHr/9xWJ/3M5n 7E2uSAWM+uOt9BlN8RcjsbZ/bvdOA+LH8l3+YB1B8Ys1kdsfLDavwc6VO1O8emMpsfCw7i3xncJh O49u7s2z21t7aWAYAjG6GzLLe1hkT79U+vXuhK7fwf8ALj6+6N657h6/+EPx17zyXfNRtfA/HHrP r/47dPJubunce9aZ8rgcBhSeuR/AFWkdq/NZLn+DJQ6ACDb3ocek8VaLXpIp8A+w33metIupv+E5 X+zSrXeU/wAvlcLiH+Qoti/49/o2/wBJqoeuP9Ln93zbjC/wS/7l/H6vfuPS2M0IJ4dJjduwPiXv T4YfLDtrr34i9e/E/wCU/wATNudyVWXxO1dhbL6o7++L/wAnfjdhxv3BZjD9o9TDaG48Hm9rbkwd DlcLk8bltObB9Q+uN9qOmevoie/de6//0GD409HY/wCdnzJ/kK/DDteH+MfGnoj+VR0V87t9dfV7 pHQ9h7pGzI9hYXE5/AusqZ7BR7g2VgyiuhV8PXVw4+/JHuvdWx/Hj+dh/ME+Q3U/ZX8w3ZXwz6Iy X8rbrLdnf755F7kze3fmBg+nPj1sjcG+c53PNg85HJ1lnqV4sQIl2zjFOYbK/wCQllx6jK+/de6G L4edzfOX+b30dhqb5wfCb4tj+W/86uh+wMhR5br3tzO5PtrqSgizdTg9iYnfWA35gxFn9/bqidcr hcztYxDCNQLkGbHZRUx5q/wnrTcOq9/5JWT39H8J+0OhOy8wM/l/hN8ve9fh9h8+rErX7Z6oTb+d wzoT/ZeTe1fjLfRcNQUS/j2hl4k9IZuLdKb40b03dN/wlz+SXT/xg7gynxu+X3wU6070p+/ptpbj zu2u3etd/wDRPc+4++O3BJn9vNFurA535AdeYLNDC5UCMF88QJb0NaUMOl/XXya3ru+m/wCEtvxy 6l+UXb+V+S/y2+dvWnRVP0TV7t3Pmdydmdk7+707n253p1JfM52V9053PdAdc57DfxnJuJbtgPU9 6xC/uvdBd8afi18JfkZ8+f5kfTfy260zW4e/d89b9E9//Dmp2lvl9mdvbv2DsfpobD3xi+ks4Nx7 T2zH2LtDsfZIH8MypCKleS4/hYyLe0/W+kN8DO3/AJi/A3G/KDszpb4y0++/hb8TuvMX1n3jmfnl snoj4efJva/+iM53N5r40bG7v2Av92+4dvdXHOo2HyW68OUzT7h8eL+wQgNvr3QGfy585s/42dn/ AMkbu3vvbQ6s6Tm3P87dr4bJbor0xuK6d3N8x23BnviuMxMzLHgRJ1wP4WuSNkxAyFmZRz710xFT tp0L3bHxzzFZ8d+6f5ePX/xG+Wu9/wCZJvT58DsvZ/yh7O+OGydt4nr/AB2Z7Rwe/D3Wnyo6ej/u 4evZdtvXB8qzkDNZyr04vG4w0GOoNdLYviXps+ZW/wDZfd3bP/ChHvTp5sduLqzK/HDFdM/6RcEI 5ttdk9ydGfEvf2D7xyuGVGkjkfaZzuDxTZIErfH8Fgb+1PTHW/P7917r/9EuHUnyd250Pt3+Uh/O B+Otc3d+xvhf8ZerfgT/ADEev9jUeYTevWGxB1ocG2WfbufQOP7p7kzmbyf8UV4sPlsyMNYjG14K +691shfE/wDlFfyhu+nx3ym+L3YfaPbHxo3v2BufuLB/HHbfyE3jlvhfju0d77Rl2xvHNS9FokD4 Pc0m380cdUYfLOhiiP8ADZKBcYooB7r3Rb+/+qP5YP8AwnawtL8j8R2r8i+z++No7E7S2h8Ffhh2 N8l93b+w+38p2zlic9g+perI0gl2515uPcUanOZfKplEXlwa7K/YL7917quL4gfJn43fylvivtnq z58d/UHXXy2+T28N8/MHt3r59odlb13TtXdHaw2+ka73wPX+3d3/AMA3K228FQ2TKHEEZn70C/8A D7+/de6Lj2z/ADAv5Rm9+2p/kD1b87+//ir3xX0tFitw9v8AxVxfyX6j3nvrbuEWBcTiOzkfpXde 1uwMMRHHqGUw5dgq3BAt7917pt69+fH8pDbHbB+QPafzt78+VHflNTZbD7c7h+UWK+SfbO4djbcz IZ2w2yMKOldpbV2FgwZCf9xOI1Xfj629+690ru/f5j/8m/5GY/bFRvf5J7nwW9evMwdydWds9Y7D +S3W/bfVW51dG/i+x987e63/ALyYNQ6Kbci4Hv3XugjznzU/ld9qT7Xj+UX80X5rfM7Z2z6qhr9v dTfJ+u773z1Iu5MEf9w+c3BsTb3xy2pt3fWesbFsuMvqUm5IJ9+690Z3sr+bX/J97e2HnOsux+7M Tu/Yu4cYuIym2cj0T8gI6CpoY2Dxuki9cK8csbKCCLEEce/de6Kp/s7P8uH+5P8Aoc/4ec/mT/6A dX2H+gf/AElfJP8A0af3Fvp/0Zfxz/Zcf9J3+jv+7f8AuK/hf8Ytb37r3Sx7a/mVfypsH8IO9PjL 8d+2sVgKXK/HTubr7rDYO3enO/MdQ1m5969Z53A4vEJmty9dwB5dy7hzupsnl3XSOWKjn37r3X0n ffuvdf/S1c/5TWf+e+1+792bi+DuyKHsn+DbArqrv/YO/q/aOJ6S3d1BGGQ4/t7Idhbn2jsKgoqi F5nxnly9FlVCVH2M32zVCj3XurHesOzP5dPaHZG4M70Z8av5ufxg76pq6Wm7C2B/KJ7S6y7g6wrc kWlZ8ptbemDy01VJigdSpT7doaLA6dOhtPjPv3XunPpzvL4y7E70baX8vD4Sd893fzD8xO52f25/ NW7n6f2p2RsndHp/a2ZsLL9hbN2lvTsIpfwywvjNxD16Iz67+691r4fKn/Zim+QvazfLQbzi+RP9 7aj/AErp2Pd91f3k13mOQ8l4hT6SgVFY02kJpexW3uvdXbfEvsLfOK/kWfIPY9F0p35ufr6v7++a mR3b2ZQ0eHoPitS5jJ/HT4XUeNxXdO/d5/J7G9ObG7C2HlsPj8ptKg390l2BuLee5cnjcN1Jndp9 gMNxYr3XuiT/ADsy/wAhcp051vRdh7Wzu287t7PUOH+f+Yp6nqeo3Bvr+YNPX9pbj653X8l4OsNw Z7sOm7eovh/m8NgI4e0afCbmbtHD9sSmlfeT9pZCu917pn/l1bxzuzdp/wAx/LYDqjr3teiqfgHJ JvXbHa+S6touo6HrnBfND4Obu39D2NP2B2R1ZuISb1wu2Dtfbf8AcDI1Xa1PvTceIk209JnoYc1j vde6tM7/AN8ZXeHx97rbrHpP5NdO9TbX+MPx0m3xhI95fEzf2ye0+stx/wAn34F7B+MOL/mH9p5L ca7J2LtnpZ9iSdgfHfKZvrybcXaXYG9crgdgY3rzsqlrajEe691rq/H6ChrO9+jaesy+2Nt42t7T 64oWzm5NsdM7525t6J954eKbcO79m/IneXXXQG6cLSVrmetxvYO4cVtCqokMObq6bEM06+691tzb U+Q/bO1Plx2Rne0fg181u3c3uDP/AAKo+4MB83K/v/rXfm3P5amCz3y8PzBz0HXvyK/mA7h7g68+ Ee687lcHS7pxvava3bPxcqdy4WtyvYdZgaLK7S25i/de60vGaNYQJ0Mig2iZWYkoRUxSGmjlMNY9 N4nWWFlaOFNGiVJCb+/de6++x7917r//2aBGHfB3UgAATtKo5gAAAABYTítulo:HUMANkobelg22020-10-05T20:35:00Z2020-10-05T20:36:00Z2020-10-05T20:36:00Z110275915178Microsoft Office Word012635falseTítulo1Título:false17902falsefalse16.0000<data data-version="3" zotero-version="4.0.29.16"><session id="qReS2mE2"/><style id="http://www.zotero.org/styles/apa" locale="es-ES" hasBibliography="1" bibliographyStyleHasBeenSet="1"/><prefs><pref name="fieldType" value="Field"/><pref name="storeReferences" value="true"/><pref name="automaticJournalAbbreviations" value="true"/><pref name="noteType" value=""/></prefs></data>