CUESTIONARIO PARA LA EVALUACIÓN DE COMPETENCIAS INTERCULTURALES (CCI)(Questionnaire for the Evaluation of Intercultural Competences (QIC).)Romero Figuera, Juan R.(Universidad de Jaén)Vega Duarte, Carlina E.(Universidad La Paz, Paraguay)Campoy Aranda, Tomás J.(Universidad La Paz, Paraguay)ISSN: 1889-4208e-ISSN: 1989-4643Fecha recepción: 12/12/2020Fecha aceptación: 15/05/2021Resumen:La finalidad de esta investigación ha sido elaborar un instrumento válido y fiable para evaluar las competencias interculturales a partir de las percepciones de los estudiantes de educación social y la educación inclusiva. Se ha realizado un amplio estudio que aplican cuestionarios para investigar este tema. El análisis de los datos estadísticos verificó la validez y la fiabilidad del CCI. La fiabilidad del cuestionario quedó demostrada al obtener un alfa de Cronbach de ,875. La validez de constructo con el análisis factorial confirmatorio se ha realizado mediante el modelo de ecuaciones estructurales (“Structural Equation Modeling”, SEM). Se trata de una técnica que combina tanto la regresión múltiple como el análisis factorial mediante las fases de especificación, identificación, estimación de parámetros, evaluación del ajuste, reespecificación del modelo e interpretación de resultados. Los principales coeficientes e índices de bondad de ajuste indican un ajuste del modelo óptimo (CFI=,735; GFI=,739; RMSEA=,052; TLI=,920; RMR=,0730. Se concluye que el cuestionario integra los componentes de la competencia intercultural para los estudiantes y se demuestra su representatividad con las dimensiones del CCI.Palabras clave: competencia intercultural, inclusión social, interacción cultural.Abstract:The purpose of this research has been to develop a valid and reliable instrument to evaluate intercultural competences based on the perceptions of social education students and inclusive education. An extensive study has been carried out that applies questionnaires to investigate this topic. The analysis of the statistical data verified the validity and reliability of the QIC. The reliability of the questionnaire was demonstrated by obtaining a Cronbach's alpha of ,875. The construct validity with the confirmatory factorial analysis has been carried out using the Structural Equation Modeling (SEM). It is a technique that combines both multiple regression and factor analysis through the phases of specification, identification, parameter estimation, adjustment evaluation, model re-specification and interpretation of results. The main coefficients and goodness-of-fit indices indicate an adjustment of the optimal model (CFI=,735; GFI=,739; RMSEA=,052; TLI =,920; RMR =,0730). It is concluded that the questionnaire integrates the components of intercultural competence for students and demonstrates its representativeness with the dimensions of the QIC.Keywords: intercultural competence, social inclusion, cultural interaction.1. IntroducciónEn palabras de González (2017), la diversidad en nuestro mundo contemporáneo nos vincula de forma directa con el fomento de competencias para reconocer la presencia del “otro” y aprender a construir opciones de futuro desde la diversidad. Las competencias interculturales han sido motivo de numerosos estudios. A pesar de la divulgación de diferentes trabajos sobre esta línea de investigación, en las últimas décadas, no existe un acuerdo único sobre las cuestiones fundamentales. En tal sentido, para León, Cobos y Dickens (2018), la interrelación entre competencia y conocimiento es una fortaleza para el sistema educativo y la sociedad actual, porque dicha interrelación promueve, una ciudadanía más sensible, global, participativa e inclusiva, favoreciendo el trabajo en equipo y el apoyo mutuo entre los discentes.Partiendo de lo expuesto y del debate terminológico, hay palabras recurrentes como habilidad, efectividad, adecuación, comportamiento o comunicación, que se centran en la heterogeneidad del entorno como una herramienta estratégica para vincularse con la interculturalidad, como un modelo más asertivo para gestionar la inclusión y la diversidad cultural de las personas migradas. Esto supone, aprender desde un aprendizaje más social y activo, lo que implica formar ciudadanos con la capacidad de influir y empoderarse de forma crítica, reflexiva y activa en las políticas públicas, económicas, sociales, medio ambientales e interculturales desde un enfoque humanista (Guzmán, Oliveros y Mendoza, 2017; García García, López Torrijo y Gozálvez, 2018). Sin duda la interculturalidad es el modelo más adecuado para la transformación social y para el reconocimiento de las diferentes expresiones de diversidad (Iglesias, 2014). Por ello la diversidad cultural necesita identificar y promover las competencias, dado que las interacciones interculturales están siendo un rasgo que identifica a las sociedades modernas, en la dirección de lo que ya señaló el informe de la UNESCO, Delors, (1996), “aprender a vivir juntos”. Esto será posible, si las competencias interculturales, se fundamentan en la inclusión, la empatía, la aceptación y la sensibilidad frente a la diversidad cultural en nuestras sociedades actuales (Freeman et al, 2014; Romero Figuera, 2018). Asimismo, la educación universitaria del siglo XXI, se fundamenta en la enseñanza de competencias transversales para poder convivir en la sociedad actual. Por lo tanto, interculturalidad como competencia es un elemento mediador de las relaciones interpersonales en el ámbito social y académico, que facilita la comunicación y la interacción asertiva, que a su vez promueve la cohesión social en nuestra sociedad actual (Allan y Clarke, 2007; Morales Rodríguez y Morales Rodríguez, 2018). En virtud de lo expuesto, los estudiantes que desarrollan competencias interculturales desde la perspectiva de la interculturalidad se relacionan con entornos multiculturales de forma más asertiva, situación que redundará de forma positiva como punto de encuentro entre la heterogeneidad y la globalización existente en nuestros entornos sociales, académicos y laborales, lo cual nos sirve como base, para la construcción de una sociedad más incluyente, justa y plural (Romero Figuera, 2018).Sin embargo, somos conscientes que no resulta fácil trabajar con las competencias interculturales y, sobre todo, de evaluar, dada su complejidad, pero lo cierto es que a pesar de lo expuesto, el desarrollo de este tipo de competencias interculturales y sociales vinculadas con la formación del discente fortalece su aprendizaje (Fuentes, 2014; Messina, 2015; Sotelino Losada, Santos Rego y García Álvarez, 2019).2. Metodología de la investigación2.1 ObjetivosSe establecieron los siguientes objetivos:Construir el Cuestionario de Competencias Interculturales (CCI).Determinar el nivel de fiabilidad del CCI.Realizar la validación del cuestionario mediante el Análisis Factorial Exploratorio y Análisis Factorial Confirmatorio a través de ecuaciones estructurales.Favorecer la inclusión en ámbito social.2.2 Características de la muestraPara la validación del instrumento se contó con 210 estudiantes del grado de Educación Social en la Universidad de Almería. La muestra fue no probabilística por conveniencia, y los participantes fueron contactados por el investigador. De éstos, el 16,8% fueron hombres y el 83,2% mujeres. El 65,3% tenía hasta 22 años y el 34,7% más de 22 años.2.3 InstrumentoEl instrumento utilizado fue el Cuestionario de Competencias Interculturales (CCI). Para su elaboración se tuvieron en cuenta los trabajos de Chen y Starosta (2000), The Development and Validation of the Intercultural Sensitivity Scale; Gómez Zermeño (2010), Cuestionario sobre Competencias Interculturales; Aguaded, Rubia y González (2012), Cuestionario Formación en Competencias Interculturales del Profesorado; y Fontecha (2016), Cuestionario sobre los prejuicios y estereotipos hacia las personas de distintas cultura o creencias.La versión inicial del CCI constó con tres dimensiones y 37 ítems; una segunda con tres dimensiones y 25 ítems, y la definitiva con 20 ítems y tres dimensiones (una primera con 8 ítems, y la segunda y tercera con seis ítems, respectivamente).2.4 ProcedimientoLa construcción y elaboración del instrumento pasó por las fases que se describen a continuación:En primera fase, se elaboró un primer borrador del cuestionario. Para ello se tuvo en cuenta el contexto donde realizamos el estudio, la Universidad de Almería (UAL). Se trata de una universidad pública ubicada junto al mar Mediterráneo, a escasos kilómetros de la capital. En este sentido, la Universidad de Almería está llamada a convertirse en un referente a nivel nacional en la difusión de aspectos relacionados con el fenómeno migratorio a través del Centro de Estudios de las Migraciones y las Relaciones Interculturales (CEMyRI).En la segunda fase, se procedió a validar su contenido mediante el procedimiento de jueces. En palabras de Gil Gómez y Pascual Ezama (2012, p.1011), “la validez debe garantizar que cualquier estudio llevado a cabo o cualquier cuestionario dé garantías de que mide lo que realmente dice que está midiendo y que sirva para los propósitos de la investigación para los que fue elaborado”.3. Análisis de datosEl procedimiento consistió en calcular el test de normalidad, análisis descriptivo de los datos, análisis factorial (AFE) y análisis factorial confirmatorio (AFC).Test de normalidadEn primer lugar, previo al análisis de estimación, se realizó la normalidad multivariada en los datos obtenidos. Así el valor de c.r. (valor de la desviación estándar poblacional) obtenido fue de 11,994 (por encima de 1,96), por lo que el conjunto de variables satisface el supuesto de normalidad.Análisis de los descriptivosSe llevó a cabo el análisis de las propiedades psicométricas de la escala con el paquete informático SPSS.23 (media, desviación estándar, asimetría, curtosis y coeficiente de correlación corregido ítem-total). Como se observa en la Tabla 1, algunos índices de asimetría y curtosis están por encima del valor 1,96. Hay dos variables (V17 y V20) que no cumplen el criterio de correlación corregido ítem-total.Tabla 1Media (M), desviación estándar (DE), asimetría, curtosis, correlación ítem-total(R IT-c) y alfa si algún ítem es eliminado (a sin ítem).MDEASIMETRÍACURTOSISRTI-ca sin ítemV11,48,8492,2895,901,477,898V21,36,8373,0229,862,661,894V31,56,6801,2391,936,613,895V41,57,8592,3076,627,679,893V51,62,9251,6572,697,448,898V61,42,7522,6519,373,566,896V71,27,5733,38717,841,609,896V81,37,8883,1109,923,484,897V91,58,7801,176,600,652,894V101,74,9361,4271,677,583,895V112,03,7781,0522,190,498,897V121,82,669,643,628,580,896V131,99,8051,0171,832,563,896V142,04,713,8371,403,458,898V152,18,799,560,151,431,899V162,411,087,692-,090,404,900V171,781,1411,5891,686,254,905V181,71,8361,051,465,508,897V191,78,8011,0571,064,550,896V202,71,886-,131,162,252,903V212,13,815,123-,765,423,899V222,26,841,235,069,340,900V231,76,7821,1392,217,559,896V241,56,7401,8915,485,677,894V252,11,994,780-,058,368,9013.1 Análisis Factorial Exploratorio (AFE)Adecuación de los datos al análisis factorialLa técnica que se utilizó en el AFE consistió en extraer los factores con cierto criterio estadístico obteniendo una estructura factorial simple para una interpretación más fácil y sencilla.El análisis factorial clásico se basó en el supuesto de que los ítems se relacionaron linealmente con los factores que miden, y además que las relaciones entre ellos eran también lineales. Fiabilidad del instrumentoA través de la fiabilidad se determinó la exactitud con la que el conjunto de ítems del instrumento mide lo que tienen que medir. La fiabilidad más que una característica, es una propiedad de las puntuaciones obtenidas cuando se aplica con determinadas condiciones.Los métodos más utilizados para evaluar la fiabilidad de un instrumento son los métodos de Consistencia Interna. La técnica más conocida es el Coeficiente Alfa de Cronbach.Por lo tanto, la construcción inicial del cuestionario quedó integrada por 37 ítems, con una fiabilidad de ,652. Tras la aplicación del estadístico “escala si se elimina el elemento” se procedió a eliminar aquellos ítems con valores inferiores a ,300 (correlación elemento-total corregida). En este caso se eliminaron 12 elementos con un valor de alfa de ,866. Los ítems quedaron distribuidos en tres áreas: (1) actitud hacia la multiculturalidad; (2) identificación multiculturalidad; e (3) interés por la multiculturalidad.En el cuestionario, se emplearon cinco tipos de escalonamientos: el primero, donde (1) fue muy importante; el segundo, donde (2) fue importante; el tercero, donde (3) fue indiferente; el cuarto, donde (4), fue en desacuerdo; y quinto, donde (5), fue muy en desacuerdo.La aplicación fue realizada por el propio investigador, minimizando de esta manera las variables extrañas y cumpliendo con las normas de validez.3.2 Análisis factorial confirmatorio (AFC)El Análisis Factorial Confirmatorio (AFC) permitió corroborar las deficiencias de AFE. Éste se representó mediante un diagrama de flujo (path diagram) por medio de rectángulos los ítems y las elipses los factores comunes. Las flechas unidireccionales entre los factores comunes y los ítems expresaron saturaciones y las flechas bidireccionales indicaron la correlación entre factores comunes o únicos. En la realización de esta fase de investigación, se aplicaron ecuaciones estructurales mediante el programa AMOS v.23 (Arbuckle, 2003).En el AFC es necesario observar las cargas factoriales que permiten establecer la correlación entre las variables y los factores. Cuanto más se acerquen a uno, mayor será la correlación (Escobedo, Hernández, Estebané y Martínez, 2016). 4. ResultadosEl modelo teórico hipotetizado que resultó del AFE formado por tres factores y 25 ítems, obtuvo algunos valores por debajo de lo esperado. En consecuencia, fue necesario modificar el modelo. Por lo tanto, en el AFC fue necesario observar las cargas factoriales que permitieron establecer la correlación entre las variables y los factores. Hay que significar, que cuanto el valor esté más cerca de 1, mayor será la correlación. Una regla empírica en el AFC establece que las cargas deben ser ≥ a 0,07, aunque este criterio dependerá del investigador.La reespecificación se efectuó teniendo en cuenta la significatividad de las cargas factoriales, la información proporcionada por la matriz residual y los índices de modificación ofrecidos por el programa. El resultado fue la eliminación de los ítems V4, V7, V14, V19 Y V20.En consecuencia, se estableció un modelo compuesto por 20 ítems y 3 factores (ver Figura 1), en el que la mayor parte de los índices de ajuste propuestos para este nuevo modelo son correctos (ver Tabla 2).Figura 1. Análisis factorial confirmatorio (20 ítems)Las correlaciones entre los factores todas ellas resultaron estadísticamente significativas (p<,001), oscilaron entre ,780 entre el factor actitud e identificación, factor actitud e interés ,720 y factor identificación e interés ,910. A continuación, se presenta la tabla resumen del modelo con las medidas de bondad de ajuste para 20 ítems. Como se puede observar la mayor parte de los indicadores de ajuste para este nuevo modelo son aceptables. Tabla 2Medidas de bondad de ajuste.Ajuste absolutoAjuste IncrementalX2,740aceptableNFI,740aceptableχ2/g.l,920aceptableTLI,920aceptableGFI,739aceptableCFI,735aceptableRMRA,052aceptableAjuste parsimónicosRMR,0730aceptablePNFI,650aceptablePGFI,659aceptableEn nuestra investigación, tras el AFC el cuestionario quedó tal y como se recoge en la Tabla 3, con 20 variables agrupadas en 3 dimensiones.Por último, la fiabilidad del instrumento se midió con el coeficiente alfa de Cronbach dando un valor de ,875.Tabla 3Consistencia interna de las subescalas CCIDimensiónNo ítemsCoeficiente de fiabilidadAlfa de Cronbachactitud8,726identificación6,702interés6,804Índice global,8755. Discusión y conclusionesEl presente trabajo tiene por finalidad estudiar la validez del constructo de un cuestionario aplicado a estudiantes del grado de Educación Social, en la Universidad de Almería, mediante la metodología SEM. El modelo propuesto cumple con las propiedades psicométricas adecuadas. De manera, que puede ser una herramienta útil para promover la cohesión social y desarrollar en los discentes, una educación inclusiva. Dado que el modelo original con el que se diseñó la escala para estudiantes no se adecuaba a los criterios de ajuste, se procedió a realizar una revisión para una re-especificación. Así, tras el análisis psicométrico se obtuvo una nueva propuesta de escala para determinar las competencias interculturales. El Cuestionario de Competencias Interculturales (CCI), quedó conformado por 20 ítems en 3 dimensiones (actitud hacia la multiculturalidad, identificación multicultural e interés por la multiculturalidad). Para evaluar el ajuste se utilizaron varios índices de bondad de ajuste (GFI, RMSEA, RMR, NFI, TLI, CFI, PNFI, PGFI). Los resultados del modelo analizado resultaron favorables. La desviación estándar se aproxima a 1 (0,83) lo que demuestra la normalidad de los resultados.En el estudio de Stemler, Imada y Sorkin (2014), pusieron más el acento en indicadores como negaciones, defensa, minimización, aceptación, adaptación e integración. Su “Wesleyan Intercultural Competence Scale (WICS)” resulta un complemento más de variables actitudinales y cognitivas.El cuestionario sobre competencias interculturales de Ospina Carmona (2017), consta de 23 ítems agrupados en seis factores (sociabilidad, consideración, carisma, flexibilidad, empatía y comunicación). El instrumento tuvo una fiabilidad alta ,930. De igual manera como nuestro cuestionario, obtiene puntuaciones altas en los parámetros de ajuste (RMSEA, CFI, TLI, etc.).Figueredo Canosa y Ortiz Jiménez (2017), también obtienen un cuestionario de formación intercultural del profesorado con veintiún ítems y seis categorías, con una fiabilidad buena ,738.Esta investigación no está exenta de limitaciones. La principal se refiere al tipo de muestra utilizada (estudiantes universitarios) considerada como reducida.Se deja para futuras investigaciones la aplicación y estudio del instrumento a otras universidades y a otros actores de la comunidad educativa universitaria.6. Referencias bibliográficasAguaded, E.M., Rubia de la, P., González, E., y Beas, M.B. (2012). Análisis de las competencias interculturales en la formación de profesorado. Revista Electrónica de Investigación y Docencia, número extra 2, 156-171.Allan, J., y Clarke, K. (2007). Nurturing supportive learning environments in higher education through the teaching of study skills: embed or not to embed. International Journal of Teaching and Learning in Higher Education, 19(1), 64-76. Arbuckle, J. (2003). Amos user´s guide. Chicago: SmallWater.Chen, M., y Starosta, W. (2000). The development and validation of the intercultural sensitivity scale. Human Communication, 3(1), 2-14.Delors, J. (1996.). Los cuatro pilares de la educación. La educación encierra un tesoro. Informe a la UNESCO de la Comisión internacional sobre la educación para el siglo XXI. Madrid: Santillana.Escobedo, Ma T., Hernández, J., Estebané, V., y Martínez, G. (2016). Modelos de ecuaciones estructurales: Características, Fases, Construcción, Aplicación y Resultados. Cienc Trab, 18(55), 16-22.Figueredo Canosa, V. y Ortiz Jiménez, L. (2017). Construcción y validación de cuestionarios de formación intercultural para el profesorado de educación primaria. International Scientific Journal International Scientific Journal, 12 (3), 146-160. D.O.I: http://dx.doi.org/10.6020/1679-9844/v12n3a10Fontecha, E. (2016). La Competencia Intercultural en el I.E.S. Miguel de Cervantes: Análisis de los prejuicios y estereotipos hacia las personas de otras culturas y creencias. Trabajo Fin de Grado. Universidad de Sevilla. Recuperado de https://idus.us.es/xmlui/bitstream/handle/11441/49076/TFG%20ESTFANIA%20FONTECHA%20BLANCO.pdf?sequence=1Freeman, S., Eddy, L., McDonough, M., Smith, M., Okoroafor, N., Jordt, H. y Wenderoth, M. (2014). Active learning increases student performance in science, engineering, and mathematics. Proceedings of the National Academy of Sciences, 111(23), 8410-8415.Fuentes, R. (2014). Problemas en el desarrollo de la competencia intercultural: Una exploración a través de portafolios culturales. Estudios de Lingüística Aplicada, (60), 89-116. Doi: https://doi.org/10.22201/enallt.01852647p.2014.60.4García García, F., Lopez Torrijo, M. y Gozálvez, V. (2018). Educación Inclusiva para la Ciudadanía Europea: el doble itinerario. Aula Abierta, 48 (2), 175-182. Doi: https://doi.org/10.17811/rifie.48.2.2019.175-182.Gil Gómez, B. y Pascual Ezama, D. (2012). Métodos alternativos para el estudio de la validez de contenido: la metodología Delphi. Anales de Psicología, 28(3), 1011-1020.Gómez Zermeño, M. (2010). Competencias interculturales en instructores comunitarios que brindan servicio a la población indígena del estado de Chiapas. Revista Electrónica de Investigación Educativa, 12(1), 1-25.González, J. (2017). (Coord.). Competencias interculturales. Marco conceptual y operativo. Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura. Universidad Nacional de Colombia.Guzmán, A., Oliveros, D. y Mendoza, M. (2017). Las competencias científicas y digitales de los universitarios: un mecanismo para el desarrollo del pensamiento crítico. En R. Roig-Vila (Ed.), Investigación en docencia universitaria: diseñando el futuro a partir de la innovación educativa. (pp. 283-293). Barcelona: Octaedro.Iglesias, E. (2014). La formación en interculturalidad en la educación en el tiempo libre: necesidades y estrategias desde una perspectiva de competencias interculturales. Revista electrónica interuniversitaria de formación del profesorado, 17(2), 167-182.León, M., Cobos, R. y Dickens, K. (2018). MOOCs and their Influence on Higher Education Institutions: Perspectives from the Insiders. Journal of New Approaches in Educational Research, 7(1), 19-24. Doi:10.7821/near.2018.1.252Messina, C. (2015). Evaluar la conciencia intercultural. Una autoevaluación guiada. MarcoELE. Revista de didáctica del español como lengua extranjeras, (20), 1-31. Recuperado de https://marcoele.com/descargas/20/messinaconciencia_intercultural.pdfMorales Rodríguez, J. y Morales Rodríguez, F. (2018). Evaluación de competencias genéricas y socioemocionales por parte de universitarios. European Journal of Child Development, Education and Psychopathology, 6(2), 97-10.Ospina Cardona, M. (2017). Diseño y validación de una prueba para medir competencias multiculturales en profesionales con personal a cargo en organizaciones del valle del Cauca. Trabajo de Grado. Colombia. Recuperado de https://repository.icesi.edu.co/biblioteca_digital/bitstream/10906/83199/1/T01126.pdfRomero Figuera, J. (2018). Derechos Humanos e Interculturalidad en el Ámbito Escolar. En A.S. Jiménez y M.I. Iglesias (Coords.). Participación, Políticas Sociales y Protección de la Infancia: aprendiendo con los niños a construir sociedades inclusivas. (pp. 353 – 361). Sevilla: CIPI Edición.Sotelino Losada, A., Santos Rego, M. y García Álvarez, J. (2019). El aprendizaje-servicio como vía para el desarrollo de competencias interculturales en la Universidad. Educatio Siglo XXI, 37 (1), 73-90. Doi.org/10.6018/educatio.363391Stemler, S. Imada, T. y Sorkin, C. (2014). Development and Validation of the Wesleyan Intercultural Competence Scale (WICS): A Tool for Measuring the Impact of Study Abroad Experiences. Interdisciplinary Journal of Study Abroad. Vol. 24, 25-34. Recuperado de https://files.eric.ed.gov/fulltext/EJ1062089.pdfSobre los autores:Dr. Juan Rodolfo Romero FigueraComponente del Grupo de Investigación (HUM-427). Desarrollo Investigación de la Educación en Andalucía. Universidad de Jaén (España) Dra. Carlina E. Vega DuarteDocente-investigadora Universidad La Paz (Paraguay)Dr. Tomás J. Campoy ArandaDocente-investigador Universidad La Paz (Paraguay)Revista Nacional e Internacional de Educación InclusivaISSN: 1889-4208.; e-ISSN 1989-4643. Volumen 14, Número 1, junio 2021Como citar este artículo:Romero Figuera, J. R., Vega Duarte, C. E. y, Campoy Aranda, T. J., (2021). Cuestionario para la evaluación de competencias interculturales (CCI). Revista de Educación Inclusiva, 14(1), 108-118.PAGE \* MERGEFORMAT2iVBORw0KGgoAAAANSUhEUgAAAFcAAAAdCAIAAABQaWcxAAAAAXNSR0IArs4c6QAAAptJREFUWEft l8trE1EUxp0gVLCxeSzqpthmdNfERSB/QMxAoQUFSRYW3DXBXQqSx1o0CS4i2EImWwsRVFBpoTTJ uhCSRSM2FkvWFmwebQULkvGrl0yHa8x1EegNuRMId86EmfP9znfOzUiapl0a+cM08gTOAAgKgkK3 EYQXzkhI1HSUJGmkJgWR34PC6OwaKHk/Cm8/vjE6orBVVFfVZDIZjUb/doqiKKVS6dnzp5PXJ3H1 xtS04lXarTbnnoJ+nQJ7Lhx8O8i9yv0LAaTm83mPx/MyvUJkt9qt5fAy5wio9NgUcmuv7XZ7Txfo 9wKjvS977999QKR91JpbmJtfmB8iEGwK1Z1qKBSCpEqlIssyXIQWaDab+MYaEcTdbrfP59v9vEuU m0wmnBopwH7kIEHj6OFhDDEoVHc+HR8dQyRSDwQCWCBpfKdSKYhvNBrwSL1ex1UE97/u602BHqG8 AGTn06g7lkhzXrhrGBR+nJwgRavViuJDLcEB/2PtcDgQDwaDfr+fyJDw+XOcnv6ULtPaiBd0zYQI Dwi2n0gMClfHx6EKCCAYslF/nKIXcAoQiMdisWw2S/l8bOyK9ot+STN64cKLTyXAoOC67TSbzUQ8 LFAoFCAGOLCGL2w2GyJkBJTL5Rl5htzdMmHB3kk9ifICVyDY03HWNZvJZJA0nI9BADGqqsIL2CCx hnjikWKx6HQ5ibZOpwM6Rp3ECJT/eWgHkiSbwuLDB4eH31H8PtWLRCI3b8n37t/FbyauWTbXNzfW N7iqdv9k2BTwj3Dp0VI8Hk8kEj3v5b3jrdVq4cdhvR3SL9JDhACpivcIDXuEeKfsRWG4nDyobNlz YVBP4vk+gsL/7ZQ813BQuQkvCC90vSS8ILwgvGCcrL8BYtAtQp5JlcMAAAAASUVORK5CYII=/9j/4AAQSkZJRgABAQEA3ADcAAD/2wBDAAIBAQIBAQICAgICAgICAwUDAwMDAwYEBAMFBwYHBwcG BwcICQsJCAgKCAcHCg0KCgsMDAwMBwkODw0MDgsMDAz/2wBDAQICAgMDAwYDAwYMCAcIDAwMDAwM DAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAz/wAARCAF4AVQDASIA AhEBAxEB/8QAHwAAAQUBAQEBAQEAAAAAAAAAAAECAwQFBgcICQoL/8QAtRAAAgEDAwIEAwUFBAQA AAF9AQIDAAQRBRIhMUEGE1FhByJxFDKBkaEII0KxwRVS0fAkM2JyggkKFhcYGRolJicoKSo0NTY3 ODk6Q0RFRkdISUpTVFVWV1hZWmNkZWZnaGlqc3R1dnd4eXqDhIWGh4iJipKTlJWWl5iZmqKjpKWm p6ipqrKztLW2t7i5usLDxMXGx8jJytLT1NXW19jZ2uHi4+Tl5ufo6erx8vP09fb3+Pn6/8QAHwEA AwEBAQEBAQEBAQAAAAAAAAECAwQFBgcICQoL/8QAtREAAgECBAQDBAcFBAQAAQJ3AAECAxEEBSEx BhJBUQdhcRMiMoEIFEKRobHBCSMzUvAVYnLRChYkNOEl8RcYGRomJygpKjU2Nzg5OkNERUZHSElK U1RVVldYWVpjZGVmZ2hpanN0dXZ3eHl6goOEhYaHiImKkpOUlZaXmJmaoqOkpaanqKmqsrO0tba3 uLm6wsPExcbHyMnK0tPU1dbX2Nna4uPk5ebn6Onq8vP09fb3+Pn6/9oADAMBAAIRAxEAPwD9+l++ 30/xrzb9qb9pPQ/2YfAFrrWrQahql9qV9Hpmj6LpsSTahrt7Jny7aCNiAznaXJLKqKjOxCqa9HZt snpngH35r41/4KRf2l8P/wBoT4UeOZ2hh0G207W/DttqVymbTQNZvoYFsJpm/wCWayvE9vvOFH2j BYZANRjd2HFXdjSHxk/aW1W1GqjRfgv4Xt2VpU0TUtSv9QuVU5+WS9jMcSEjkuscirhirSKRXoX7 KP7a9t8fdbvvC3iDQ28G+PtNsYtUl0r7cL6z1OylLBL7T7tVRbm2LKRnakin76LlS3yx8BvgN8SP FHww8daD8WDeeIbHXNIhSGw1GUm3vb5UkWadJP7QvcW0h2bYv3CZQEQrkk6/7N/h6+1D9rr4CeG9 Ot92s/B3wVPF4yeFg6aYLiwitrezlZP3e+SWAvtXlRajPUV3TwiVF1CpQsrn6DQYywzypw2B3xn+ oqSo7dtwYhlZScjb05H+T+NSV55BjeOfFmneB9AudW1i9t9N0nT4JLm8urhwkNvCg3M7kg4AA68D 3zgH5vtP+CgPir4kQLqXw1+DuueJvCsmRba3retQ6BDqaDjzbaGRJLpojg7ZJYog2c9MGn/8FdSq fs2eHX1Tc3glfHOgnxgpbbE+lfbo94mOR+4877P5u4hfK8zPavnfRP2lvHGu/EjxppfjbR7638AW aatHc2Gk6XeG+gs4GCWk9pJaweZI08KJ+7jZyzTAoMqyt0UKfO7Dirux9cfAP9uDTfiz48bwP4i8 N658PviJFbPex6FrDRyLqMCEB5bS6hLQXKruTdsO5N6blXcM+6RdW6nnHNflBpj22qQ/DO/8Nrea b4k1f4waHf8AhjQ2FwZ9DsPMgGoRB5lG6NrETyTbCUDO4BI+Zv1bszkP1+9n2/D/AD1zRiqPspJF SjYmrM8W+JbHwjoN5qWpXUNhp2n28l1c3UsnlpbxoNzMx/ugZJ/ka06+Xf8AgruGb9k+1F8tw3g1 vFWhr4x8mLzM6IdQh+1CRRhjCfk80IQxjDjoTXOSld2K8H/BQXxL8SpH1D4XfCXWfFnhY/Jb69rO rReH7TUgCd0tvG6SXDxnosjRRo2fvH+HsvgN+3FpvxP+IieBvFXhvXfhz8QJIHuYNG1Zo7iHU4Ux vktLqEtBcKu5S2w7l3puA3Ln5X8FftB/EHxn+0B4i8N+INHex8C+bqdnLa2Ftcma201I82t3a3lt b7maVdhASQ589UjIljCv5vqVpNay6ba6ElxNct8XfDd14EkNrd2YbM1uL+OGG6eSZUjtRci4YuVb MmAmCo9COFvDmLlCyufrLE+/5vu7gDg9RSoMZptt9z14GT3z7/pUleb1sZjZQNuW/h5xXkH7U/7W Fj+zpHoel2ejX/jDx34snktvD3hvTpYoZtQkRN7vJLKwjgt4wV8yd+E3qOSyg+vTnC56gckfTmvg f/goLa+LPB37YN5qGjXUGj6p4++Hp8MeCtYuQrQWusRXU9zNaCRyqRSzxlGTewDfZm5BAI0ja+o4 q7sdX47/AGqPjx8L/D3/AAkfiaT9njQdHkYA6ZqusXtiu5lBEH9oyII9xJwpa25OTjZ81e2fsfft iaJ+1h4b1RrfT7nw74o8PzR2+t6Hc3EdxJYtLGJYZEmjJjuLeWM7o7iImOTawByjBfi3w98Gfiw3 gjSrrxBcfEi4vdF157+wg0q400alYo9ibZ97apf30ckW55JDunLDK8BTtHp37DcmufFH9uTU/FE8 1rdyeEvAUHhXxbqVkm20udba9+1LaKR8pkgjJdtvGLpO5Nd2Iw8FT50VKNlc+5nYqPwz7V43+1P+ 1vafs93Ph/w/pug6h408feMJZI9E8N6fMtvJdCPaZZ5Z3ISC3j3x75CGI3qAjZ49fl3SIwX5euDn oSBz+p/Kvz6/bzsfF/gz9sfxlNod6uma98Uvh/p2geA9XuIS0dpd2V5eS6hYRvlVW4minikiV5EV mQnOUBXhjq7ExV3Y73xv+1L8evhVoFv4i8RH9nvTdPuJFiXTb3W77TmaQhsRJqEymISFUbb/AKPh ipOACSPdf2SP2rNH/ag8Mas0Om6l4b8UeGbpbDxD4e1Jka70e4ZA6ZaMmOSKRCHSWImNwTg5DAfB 9t8BPjQ0Om69qN54yupdP/tO1stNt30yXULGK5jtCjPJf39/FIhmhmyz3LyFJwgCghR7N/wT1gv/ ABp+2l408TWq2X9l+HfBOleDNcu7CNEsr3XIZ5Z5YYdnysLaNyp2/KGnKj7td2Iw6VPnLlCyufcl FR28qy7iv3cjn14Bz+RFFxKsI3M21QCScdOP8M155meW/tWftRaT+zL4d0mSbTdQ8SeJvE13/Zvh 7w9p5T7ZrdzjcY13kKiKoJaRyEQY3HJUHwzxp+0z8fvBXh248U69H+z74V0W3YNNpms6vfp5auQE jl1MhYY3O9QWa2Iz/CQATh/8FHYvEPgn9rDwn4lsbiz01fEHgXXPBnhnVr5A9loniG4ltp7cSBlZ c3IiQDIyRbuB1IPkXhj4L/GR/BthdeJf+Esv/wCx9bh1K3tRcWza5aH7BcRS3FrJe6pfwSRvJKCR LKg2LMUiQtluzDYf2sW+xUI8zsfaf7JX7ZOnftLSatot/pNx4S8deG0hfVtCurmO7KRTBmhuLe5j Hl3FvIFYo64JCncicZ9rg6euQOe+K/PT9gHwhqL/ALZ/hG1gtbS3uPhD8Nb7w34taxczQwXd7d2N xZacZCxy6QwPOU42CRccMtfoVasrqSpDDjDD+IYzn9TXPWpclVoJR5XYlrxv9t39oy6/Zx+Fdnda LpcOveMPE2oxaD4Y0yeUw293qM2ShmdfmWGNEkkk28mONwBzkeyV88/8FF/g14h+IvgHwf4p8I6e 2teKPhX4jj8VWGkrIsT6wq29xaz2qOx2rI8F1LsLcb1QZ5wYjuTvofP/AIstrd9D8Q6z48/aI+IH irxJ4deFdXsfBfiAaNHpU8zRxRQRafZNvXfIyInnu7EuGY43Ab37MX7XHjD4Z/GDQ/BvjnWtV8Se F/EWqnw1a3usQ2y654W1z7OtzFpl/JZsba5hmt23RXMXKuY1fJfjwH4KeAPhLpdj4nJ+Lnh6K5js tR0tNK8cC7gvtDF3Ks8sGoWV7eCFiJB8yRWsCkjchLbWHZfskfAqx+OXxh8M2/gfy9U8B+F/GSeP fEPjC0057TSdW1O2tfsNrY2Cs8gnChI5JZVmlCSR4LlmYDvnTp+xcuppyWjc/S+3dXeTadzKQreo OOmO3GDj396lqO3+70KnqVJ5H+fWpK88zI5l34XO3dkA45B9f514R+0n+2PN8M/iDp/gHwP4ak8e fEbUrM6gdOF+tjp+j2mdour66YEQox3bVVXkk8t9qNtJHut2QihmyNvoOp4A/wD1d6/Kv4qeDPip 4T/4LD+Pra01LUtJtvG13ouv6Lc8tZ3um2sawX8Tqb63SdUACmNre6MZmUhY9xLaUY801ENeh9J6 7+098fvhnBqGsatY/BHxPY6LAl3qOj2WrXeiXVtbtn979ruTNCF2iQqZUiDmLBaNSzJ7p+x9+1h4 L/bQ+DVr448D6h9t0y6le2uIZCv2jT7qM7JreYKzKHRwRlSVYYKllKsfjz4r/sw6pp2u/GXUPDfh 2H7N4uh0LUosXMWdXuLW5kmuYnklkVRIV8uPfKQgBADNgheo/wCCMlpq3jb4hftGfE3+yb3Q/CPx D8bRvodrdSRyNIbO1W0upg0TNGwaaMrujYqfL46V0Yqh7Ky7nTUw8VBTe593UU2NgRx2p1cZzBRR RQA1fvt9P8ayfHHgzSviH4butE13S7DWtG1KJoLyyvYVmt7iM4BV0YEMPYjH0rWX77fT/GmXTbQv H3eeThfx/n+FF7Afn38Xv2QPDPwu/bJ+EPw+8M+PPiR4T8B+LtP8Q3Op6Dp3jC4hgtzZx2bQR25J MtrH+/mG2GRQAflA5r7R+An7Pvgz9m/wadB8EeH7HQdNaQzzCDdJLdzHIaWaZ8yTSnHLyMzHua/n X/4Lqf8ABObVfFv/AAcNeCvDejzXlvpPx+vNO1ESRsT5B3C3v3H0ELuf98V/Sloul2+iaZDZ2sMd va2sYihjX7kaDgL+GKPaN6AXqK8r/am1vxwPhbrunfDKzs5PHC2Rlspr5nht7dSQryoyxSLJMoJZ InXazKMn5awfgl4b+IWq+L/D+seJtY8R6esPhmyk1fSZJLWaxutRki2TIu2MOrxmHc5DFWafChdp yWvoB654z8Laf438PXmj6taQ3+mapbyW13bSoGSeJxtZGHXaQecc9ORXwz+1P8Bdc/Yq8MeH2+Gn xV1rQ/DmseKtK8Px+G9at7bVrXSYL66W2ItZZALpUTzN6xvM6Lt6AZz97FN+PoMjsD1/TFfgH/we ifswX9l4l+EPxc0mO78nWHl8JaiICVzcL/pFqOO7D7Rj3jq6dSUH7m4XtqfsR+zn+xLovwi8YSeN NW8S698QvHlxbNYp4h1mSLdawNgmK3ghCwQq2Ax2KGf5dxbaMe7RrndxtyfTmvG/+CeH7Okn7Jf7 Enwx+HdwS194X8PWlrfPncJLsxh7hh7GZ5MewFdd+0Pr2vaP8NNQh8KrMfFGoW88Okt9nMsKXCwv IDJxtUbUbBfClto6kVFSUpay3KXvOx3WOKy/FXh218T6Jdaff29veWN9A9vPbzrujnRxgqwzggjI x/KvkXwDrnx1svEngGHUb7xdq2nHU3jubybQ1sG1W2+1LmS6h8tmt9kO5FDvGzAFvmGMfY0BymM5 KgAj0P8An3o1toTzWlZHwX+11+zZrf7CvwP1DxN8LfiV4g8OeFdLv7G3HhrVrSDWNP0y1nvI453t 5pQLhFjSSSQRtMyDyx8o6H3z9mz9jDw54B8cN481TxVq3xO8bLE1tba/qs0RTTIXVd0NpbwBYLdW AXdsUM+1NxbauPjH/g68/Ys1n9on/gnpJ468KzaqmufDC6/tG/s7W5dItQ0t9ouRIi8P5ZWKUZ6C Nsda7L/g1U+Hv/CCf8Eb/A9wylZvEWpalqrsRjzN9yyA/kgH4Vp7WfLystzm1Z7H6NRfd/i+UY5H WnVR1u9Gn2jXBMu23UyMsaszOBjgKoJZj2UAsTwOpr5I+IuofHS8+LHxBuvDuua5D4dvraBtMgn8 LER6FARabpYCW/064ZTdN5RRGiMQVs5GMyD7FrlfjH8HfC/x48CXXhnxhoem+ItDvsGWzvYw6FlI KOvdWVgCGGCDzmsv9mS68SXXwV0L/hLpLq48RJbhLue5t/s9xckM22WSL/lk7rtYx/wbsV3F4AwX 6knnHAGefbpmi9tQPz7tP2QvDc//AAUCuvhY3xB+KU3w3t/h/b6/BoH/AAml2bc3LanNaNEZc+e0 WwIPL8/aOm3Br7l+Evwn8M/BPwPZ+HPB+h6b4d0GwGLeysoBDGueSxGMlmPJY5JPJJr+b3/h2tqF t/wdbN8PI47z/hFX8VP8QURmyq6aSb/Yv+ytx+6H+7X9MIwi4429znbyeefrnPHrRz30AmrkvjR8 G/Cnx78Ez+GfGnh/T/Eeh3mHktruPcEZSCrqwwUdTyGVgw7d682/a/8AiDrul6Ba6d4ZHxIh1X7a kZufDei/aI4Q6PiS4eSGUtApXJEKGRm2KCAzVmfs0XHxUX48+L4/GV/qF94dZZRZwS6Ktjb6YVnU Wwhm3EXQmtjvYKF8h1KkZbioq7E3Y8C0P9kfw7q37fPiL4X6h8QPiZqfw9sfBGn63B4fm8ZXJgae W/u4JIHmUi4kj22yDy2m45yCDx9xfCr4XeHfgz4Ls/DnhPRtP0Dw/psax2ljYwrFDEuOwA5J6ljk nqSTX83vwA/4JoX2hf8AB1bJ8N3S5/4RXwx4hn8dFXlaRV0xY/t1spJ7GaaCPjp5lf0vC43Fm428 7W/hIxnr25/lRKXM/QuUr2LFFeC/ti+KPim/hBbX4Q2Nncaxp+q266nLeu8MotgY5CLbfDJHKzZ2 tkDCnghipFP9l/xN8Vtf+NfjiPxnpup2fh21kkWzlvnj8qWXz2WI2qpAgWIwLG3+tn5blw24VNr6 Ens3xP8Ahr4e+L3gq+8O+KtHsNe0HVI/KurG9hE0My+4I4weQRgg85FfCvjP9kXw34Y/bm8E/DHT fiB8TNL+H+ueEtX1a60GHxnciCOa3uLJYoEmYm4ih2zSfKs3TgADOf0CcL5bfd2r82WPQg5yfoea /mh/bn/4Jsahff8AB0t4a+Hdqt6vh34ma9ZeMowWyg09g1xehfYPa3Q/AUc1tAP6Nvgj8FfCf7P/ AIKi8N+C9A03w7oduTLHBZx7RI7ElndjkyO3UuzM7Z5PSuubqKh2iKONFzs27Rjrn8eO3evGf2tP iLrGieEmsvDcPxGbWfOt/wB94W0qO4MQmWYb3lngnj8pfLO4xRO6lkwvzAiak+VXGj2wjL1G+COR nIxwOcd6+cf2evE3xcvf2mNYsPEsOqXHhG3tCTqF3bi3tp5DHb/ZzbxeSpRuJvMVpZDv52xZw30a pXlg2O5z0GDWko21IjqfKX/BTnwV4Z1LXPgZrOr6fod1c2vxR0WzmlureKRjb3Ant2Ql+QpMi5x6 CvqnRmt3sUNp5ZtcYi8sYQAcYXttGBjFfhH/AMHnf7J2ptoHwv8AjRojXvk2kzeFdZjjctHkhprN sdsH7QPffX60f8ErfgOv7Mv/AATn+DPgfaFm0LwrZrcH+/PJGJpn/wCBSSOfxqSj3+isjxnrp0HS vMWG7mmmPlQ/Z7dp2WQ/dJCggAc/M2FHAJGa+MvB198fNJ+HNl/bGv8AxA1bVpLqbyNQtfDUFi09 15Vv5dvdWjJKYbNZPtAMqy7TkEAUAfcleW/td/CT4a/E74RahefFKy0n/hG/C1vNrEmq3kzWr6Cs UZaS7juUKyW5SMMxlVl27Qe3HpdgHES+YpWRlUsN2QD3Ge+DnnA4xXPfG74fWnxb+DvivwpqCeZY +JtGvNKuExnMc8DxN+jGi9tQPzj/AGM9L+B37Yv7SHxY8H6l8cNS+KHhnRdet7bwn4YvPiCZ49Wt V0u2uLh3gSRZryJJ5JwTMZE+TBxg5/TDwd4b0/wd4ds9J0mxtdL0zTYI7W2s7WJYbe0jRQqxoi8K FUAYHAwMV+CP/BoB/wAE8rrwf8ePi98W/EVnsuvBF1ceA9JeVcbLsMDeSL/uqqIf+u1fvww8mONS Qq7gOgCqM/KP5D64o57gWqK+Wfjh4S+J/j34hXWreEbHx1pNneeHrqEiTW47e2eSSHbHEIRdjyLl WVsP9nP+uR/tSbNi+u/sraHr3h74W/Z9etPEGnyNf3UtlZ65qq6rqVnaNKxijuLkSzebJt5z5sm1 WVNx2cAHpNFFFAHwj+zbP8dvjX+zn8PfG118fNQsLzxl4a07XLm3i8JaW8dvLc2scrxqSpJVWYgZ xTviR4v+Inwk8TeGdH179pjVrG58U6gtjY7vBemMhckDLssJ8sF2jjDN8u6dFP3hV79g74q+GLP9 hH4LxzeI9Bgkt/AWhJJG9/GPLxp8AJYbhxzz14zXM/H74D+Fv2hvGfibVtW+K0eltcaZFpejQabq tsi6cInE5mlD7y0rXSIflK/KkPXjHdGjFtKe3Uzp63R5v8VPhqvj348x/EzxN+0HqzeMv2aUuw1w /hHT0OnC9tY2f5BCpuFaJQVZcqsoZR0NejeG/jR438VeJvCeh6f+0/qdxrXjTSE1vS7P/hC9K86S zKI4kcCPdFlZF/1n3mD4+6a5HVv2X9N8S+LLzWL/AOJ3g9rzxBe/aNfjtpo9mqhbC3jhic+Zg+Xd 26zcAfJI1d54E8C+H/CVh8H0/wCE48LTv8NdEbTbjbcxgXrNaRwFgfM7EEj/AGWSuzC4ej/y8/p9 f0PTjTV1c7JPBfxuAVj+0HrWDkZPhHSMKPqI+T9fevJ/2G/iZ+0B+1H8LvEPiDVPjteafdaT4v1v w4kdp4R0po3jsL2S2Vz+7++2w5+gr6Dm+LfhVpC3/CTeHyVLf8xONsjnIA3HHUV83f8ABI34j+Hd J/Z28cR3Wv6LbyN8T/F0scTahHkhtXnKlfmX39e1RjcPSTvTMsbCC1ielfGXXvid8CPAk/iPxR+0 lrVjpFtLFG7r4L06RyzuEUBUj3Yy3J6DjNeW/tLfAi//AGxta0D4Z+Ov2gNU1i70+Wy+IOmWz+EN NWPdaSs8EqyLCVyCMMgwSrsrfKWr1n9oDwd4X+P3jLw+2o/EbTtO0Pw9Hc3KWlhqVqk0t3JGIRI5 mMiBUjeZTmNjiU4K9/Gbr9kaz/sa1s0+MPh1bnQtOg0XSNRkuUe8j06K5u12XDlwGnezuGhbbgcD gVjSoxe5hTV9Ddg/ao8X6j4EXxRpn7RPjjWPDPm3cMup2nw2s7qztUtXMc7yzJb4jQNlgx++uGHy 4r1hPCXxs1C0ja3/AGhtUkjuIy8br4P0zGDn5l3QghfvAdfu143c/Bi60HwjbeENF8dfDObwPdaz qGo6zpN5e+RLqYnut8NlJIjEfZwCRKjY3ZT0NfRtl8W/DItIP+Ki8Ml1RNyC/jCA7fz4GOD0z713 xw9G3vHfRpR+0fK3wj/ai/aC+J3/AAUX8dfA+b4zPZ6T4Y0mfVrfVYPC2ntc3RVdK8tCHjwM/a5M 49fpX0fN8OfjU0TP/wANDatGrfMB/wAIjpIVRjoGMe3dyxwecAsPuGvjj9mD4g6Fb/8ABdr4u6hJ rmkx6fN4TnRbpruNIWP/ABTvAPevtT40+K9F+Ivws1rQNL8c+HdEu9atv7P+2x3qO1vFIQkjRhSD 5hjZgp3ABiMg9vLlh4pvl2PLn8bj0PEPEfxt1bx38C9a1zUv2l7/AFPwVJqH/CN6mbjwJppikknl WFIpE8vcsUqyxsHPBjkjYfeNYfwH8J6p+xF4O0f4E+B/2gvFRg8DeHW1Oz0ey8DWGqXH2Iz4+8sJ Zpmlm3FR93PvV/Vf2RfB9tc3Wm6d8TdLvfCmvDSW1DT9Y1C1unnOnXSMnlmMoAHtY3iIK5xHFkmp PhP8EU+DnjOHxZb/ABS8E634ih0S/wBMW4v3XZcmW5tGtSxWTd8lraJGcf8ALVnrop0YuolLY7PZ x9n7u53nwv8AEXxX+L3ht9T0b9obxF5NvcSWUyXngXTrW4hljOHSSKSFWVgc5zmvI/8AgoP+1b8f v2Gvh7pOvWHxePimTVm1G1aC/wDDFhAluYtLu7pJQYo85V4E4PB717N+zNp/hv4G+D9WsJvE/guD +1NYn1NdP0q/UabpQkSMGG2DMW8tmVpjnHzzyV8wf8F2PHOi+JfgN4Th0/WNLvpI77VpWW3u43ZQ NC1HknsK6cRhaMabcNzorU4qld7n2Pb/AA3+NTop/wCGhNX3SYb5fB+k4xt5AAjxgFSAep71xviP xt8SPDnxa0PwPe/tL6tb+KPEdtJd2dr/AMIVpewhEZyN/kld5RWYIcF1SQj7hr2KP4u+E5LaNR4o 8NqSAm3+0Y/LRjgZb2UkE+4FfO3xN/Z+0P4jeLdc8ZSfFq103xZearbarpAi1G2aw02O03C0jZGw 7/J53mhGXP2m4BzuGPNjRTep5NHW6PNfEGhaT4Y+LniD9pq6/aI1hPEXg+0uvh5qWof8ITYC4hSO 9ZJLZYTb72lEyACQcsgwOFatn9qb9pv40/Bj4SePNU8O/HLxVq2reB4kjluJfh/py6SJyYAf3/kg AiOdOFyuc9wap+PP2KNG8X6J4msz8U/B8Fv4kOt6jcWyXMTxPqV5e3U1tdAOTgQw3k8Tk7yxjiIK 5OeP/wCCknwp0HTvgR8UfEmn638OrAXIkupbjTrgrqeqmZ4k+y3nmu52IG8w4bH7tMAV2wwtFr3j ujT0PbNXk/aO0rw9cXn/AA0dcDybNpVVfA+mKuFQkgZj6AKxz321mfs/ftD/ABS+KnhL4ZWerftH Xlh40+IHheDXxp8XhDSxEhljMuxn8vajnDlVPLLDLjoa63xj8UPDMvgnVt3iLRR5llLw19H5i/K2 5ZF/i+UEe2Urwn9j39nDSfEv7KXw38W/8LWtdL8bfY9F1awSXU4V03T/ALLbpFDbzRbS5UQeakmw j57mTOeMaYzBwTTjsTKnoauo6Lp/hz4oa9+05J+0dq8fiGOzT4d3mqN4LsfMjVL4lbdLby/M83fK X3/d8o17H4R+IPxS8ceOLrRdK+Pviy6kgmmia/8A+EBsDpqyw4SWL7UsflBkYFSrc799eV+Jf2Mt F17Qb+zj+J3heO0vrO5k+yPOpVtRed5Irlg0m5XFs7QNwMnb6V23wd+CPhj4N/GU6xY+MfBdvp1t qepar9qiv8alqn22WSVrW53yY+zRSTSOmP4419qmnhaL0lsXCmbH7S+vfHb4I/s5+PPG1j8fNTuL zwl4cv8AWoIZvCOlLHLJb27yhWxHjYdp5HXFaX7O8Xx2+L3wF8HeKr74/wCp2d54i0O11OeOHwlp XlRSyxK5Rf3f3fmGKp/t6/E7wvP+wv8AGS3h8RaHIx8C6vHHGNQj8x2+wSgZ+Y88c9Oc10H7FHxS 8MWX7HHwxjk8TaDbTQ+FtOBV9Qj8yN/IjGfqCQR9DWeKo0YyShsRjqfvKxl+PfGXxF+G3xD8L+F9 Y/aW1a11zxY8qWFuPB2l7HZEzh5PJKoCzx8HBbt0NeMePfBtnf8Axp1H9oDW/wBo3VF8WfA2zvvC N3qbeDLBXso5pEaWNYmt90pdspGRyNz7erV6J8cf2evD3xn8VeLvEdx8WLXStfujbReH/sOp232T SUsyZbRZUZd7YuHd22OmPNGc5GOO8Zfsi6T4xu9clm+KHg2E+JJ9Wn1KGOaM21xcT+Y9i5BkJUWr yyyDJOX29MVEaMGrRM6VM7TSvjR8QtU8b2Ph22/aL8TNeag0MUUr+A9PS1NxLb/ao7VpfJASZoD5 m1vmOea7698IfG6zsriaP9oLWG8mMvz4R0YbsJuBb93x1UHPJxx3ryvwx8DtJ8P/ABc0jXl8eeDA tjeWd9/aUd5H/a3lRWEdqdPHzHFu5UyH/aZq981n4seFW0m6T/hJvDb7oXPOpxmN1CFeB+GB9K7Y 4eiqeu53KnFRuz5k/wCCb/7SX7QX7dHw08UeINU+M0nh648P64uiiDT/AArYSRzbbCznaQiSPIJe d+nHHHSva/iYnxY+EvgXUvEOvftF61b6XpsRkmb/AIQvSpGkz8qoieX87szDan8RAHevmT/ggN8Q ND8O/s6fESO/1rS7KSTxkJI0uLuNGKHSNMwQe4r6k/aE0zw78eD4csW+IumaHo+l6iNRuxYalCl1 dyxr/o6bmyoiWQ72yrfMkXTv5cqcdeXc8nVzaWx4l+0t8KLn9tf4c+Gvhj43/aK1TX9F+J0Ues6M qeDdMjF6bR47lJldYT5cgBjIXjchz3rX079pHxVKl1Z6F+0h4k1eTRdUn0H7Lp3gKwmbzbWGOSYo ghA8hEZA0hztL+9Y19+yrpum6Lb2elfF7w/CvhdNQk8LXtzeQz3mkmee1uYizKyriOWGVWwo/czm prb9mPQfB/hvWdP0vxj4Bubi+137bb3E2qXNhPYwnTbazkRJbO4SUlpIGZ42DRurDfjAz1YfCwbl KXkd1Ckm9T2TQdI+MniTQbXVNN/aK1K+sNQt1urKf/hEdKWOeJwHjwPLzkpg5PXJ9K+b/HvxV+MX iH/gqf4L+BfiT4yeNL7wjdeHJPEMl5oaw+H7+SR/tqFGktVG5U+yDAfpuOOpr6j+EGp+CPg58KfD fhPT/FOizWPhvTbfSbczX0Ss0UEawgsAzYPyc89d1fFnxp+Nvg/wB/wXb8E+KtW8Q6XZ+GbHwBBB Nqhn861hkaTVtgYp90nDYz1wfStMVQpxheJriKMI020fUfxs+D9j8D/h1eeItW+LH7RF9bWrJGlp pvjO4lvrx5CPLihi/ikZmHPtXMWo8J3vjrwLotv8Zv2gJJPiHocmv6NcL4zm+wzRxeQ5VnP+rJSV GA/2TVX9of8AbH/Zr+Jt94bu/F3xw0bRvDvh26lvRbwa7daTJdXjRGKGX7TDJHKvlq8xWNWAcuCf uCvBdV+MH7Jv9gjT9P8A2q/COm22i2t7aeH5k1iOa50Nbi7gulVbmSSSSQxtFIgcsSySkH7tcNGM XNKWxxRV1Y7j4ZWfwl+GHwZ17WvBvjr9ozR/Dq+L7rSLiHTtYu1fU9TkmjE92Y4xgLK0yP58jqpz yGxx6BqkVhafFibwufiN+0s1vHqcWjvrY8bf8S2K+ljEqW7FZlmLFSeUhZOOtch4c+Mv7NsXwP8A E3hPRfjV4Vk0XxRrg1S3uLQZjtwstuwgXjBjU2uCwdeQeG7Wb745/BbUfi3Jq7/HDwsPDV5r9v4k uNLWxYXDX0NusAYXSuf3R2cjyG7fMO/oRp4e51U6aWrO4+MvgrxB8APH3wh1DR/it8YrxdY+JGja Jf2eq+LJbu2ubOaV1mjaM4BB2+gPrX6GW4OWJwM+mfr/ADNfmr8eP2tPhv8AHf4i/A/RfB/i/SfE Wrf8LU0G7e0sdxkRVncu43AYVQRz3z0GOf0otDlT74OcYzwOa4cdCKn7mxniuTmXKTUUUVwnOeRr +wb8DyzM3wa+FbSOdzlvCtgzFj1JJiySfU0f8MGfA3/oi/wp/wDCT0//AONV60v32+n+NOoA+W/2 pP8Agjj+zX+1h8NJPC/iP4R+EdPtt5niu9A02HSb22kCkB0lgUNnnowdfVTX4s/t6/8ABnJ8Rvhh qEmtfAXxRa/EDw6XA/sXWZBY61bKx6LIEMMoAJyT5bDAwhycf0lUUAfnr8BP+Cb3ij9mL4N+F/DN x8Cf2WPitZ+H9LgsmuBpQ0XWLwRxIm5zPBdxTTNj5pGljViPuoK6m3t/gX4NfyfHH7HGpeCduDNc J8MLDX7BMfebz9KF0oQd2dU47cHH3DTZORz+nWgD5W+Gvhn9jT4t3qWvh3Q/2c9WvpQB9gj0nSFv FPPDQNGJFYehRSO9dP8AF3/gmF+zv8ZvhxqnhvWPg18Om0nWIGinaw0S2sbgL6xzQqjxsOMMGH9D 6Z8T/wBnbwD8bbZrfxh4K8JeKY3B+XVdIhu9vT/nopweByCOntXmEn/BObwj4dud3gXxV8UPhlhg Y4PDPieeOwhxnhLK4E1oB148rHNAH4h/8FLf+DXP4vfspTX/AIy/Zt8S+IfHfg+zBnk8My3T/wBu WAU52QhVEd4gXIwFDYA+R85H3J/wTK/ZW1T9kn9i7wfYftAfsxD4ja9qEP8Aal74l07w/puv6hZi c7ktrmxkhjvY3hjKRlY4pxlD8wwAftdfhh+0R8PAq+Hfid4J8fWUagLb+MfDkljePgnG68sJFiye 5Fqeg4NRzftN/Fr4dfL43+BeuahDCpZ9Q8Daxba5CCO4iuFtJ+/AWFj19OS7A4GHxr+xPqXg6aQe HPg2o0tibjQrjwdbrq1nI/BDaWYBdKxxj/U+vPWu38HfBL9mPx54qXR9L+FvwtvryaIXaSr4Gthb zB0WQBZvs4jZxG8bMgYugdN4Xcu7y79p3xv+zR+2taR+H/i1qn/CGyxvH9jtPG/haPRbmyuEyWeK XVLVonZlYDA3j5VIwdrCP4W/8EsdG+GXjiw8efA/44eOopNPslgsdL1jWh4q8LoTFHGXS3kcOHdY kyyzKTtUBgFUClbqJn0TL+wZ8DSvzfBv4V/MvzD/AIRKxJIyD08rOOBkd+K/ET/gtN/wT08Rf8E9 /wBonUPiJ+zDY/2rpWoRvrfifwTqHhaHXbDTCWLtJawT28ieSUSR5FQDYkWSeBX7Hf8AC8/jZ8IS q+PPhTaeNtPXIbV/h3eec7jBz5mn3hSVM8fLHNPz3PGeT8AeJvgL8ffidHeTeMNQtfHhtmtpNJ16 eXRNZZnV41LWs6RT+Yis8eYvlIVc7vlrN819Nio7Hwl/wQA/at8Of8FGNK1C1+M3wL/Zt8L3DIv/ AAjV1b+E7fTbzxWUMkc0lvHKjJOsWwq7xNw7EELwD+pln+xT8GNCaS4tfhH8NbWRkeJvI8L2MbOj LtZPljGdyErjvnpWbp37Bnwtt/gUnw5uvDNnq3hmG4N1Al3888M/H79JU2vHMCM+YhVgR96uA1/4 efFr9mTSbqxsJtQ+PHwtmia3utF1O5A8X2EDja/2a8JjjvVCMyiKUpL0/fMSRTlewjk/if8AC3wJ 8PL7xdHZ/sr/AAd8UL4fmtLWwTStPguLm+muXXak8X9mEwhIyZnKNNtCDjkE+rfCj9kP4G/Ef4fa Prq/Bn4Sw/2pAlyI7bw1aSJAxwSgdoUZgrKwyUTOPuitL4SfEr4R/ti+EtX0/T7Hw/rH76MeIPDm s6asd9Y3QQDy7uymUMsihAoLpj5DtZhzXsWh6Ra6DpsFnZWsNja20axQ28UaxxwovCqqr8oA9BVL YD8QP+DhrVvB/wDwSo/bE/Zr+Kvhj4T/AA/1DwXqUGq6N4l8Mjw7ZR6fqUEUlpIcR+VtjmxOxSQ9 GUH1r6s8baB8Df2uvgP4D8ZfAj4efDfVPDOtXAl1GSw+G9vqU7qYA4sTt0+5gtpN0hV3l8tYmVgZ Fzz7n/wVT/4JL/D/AP4Kz+CPB3h34gar4k0fT/CGpzanDJossMNxcl4TGYWeRJAEJ2ucISTEORXO f8ENvgH4L/ZX/ZH1T4d+G9HGh+IPBfiO70fxdCLuaVbrU4gmLsLI7bBPbNbSjaFBDjjjhagch42/ 4J/+AtZ8SfEDQbX4M/DPRrizOk3Hh+TRPhdou+MXAdJYpZbqzuIZ1SQF5XiQbVUfLGTl+P8AjJaf A/8AYOXxd4p+Jnw38IL4K8IWd1FJFefDLTrGyujGLcWRs7n7DGk1xdEzKYhO4BVmCoE5/SzzF/vL +dfEX/BcX9mXwT+2j8GvAnwq8QaR/a3ijxv4kj0/w5It3LG+jkrm81BUR1WRoLYOw8xXUMV45OXq B8U/8G3+n+E/+Cm3xT/aM+MHjb4W/D230a61HTtI0Hw+vh+0/s3SLZYp28qKLZsDlfLaR1Qb2YEl sAL+nXxP/ZD+Cfw6+Hmu+IF+Bfw11iTSbCbUFsbTwlZNNeNGm9IYwITlmKgDAODjiuf/AOCW/wDw S68C/wDBKT4Q+JvBPgHVPEGsaP4h1+TXPO1qWKa6t90EMIg3xRxqUXySw+QHMr5Jr6B8aeDNJ8b2 tvb6xYWmo28LSOsVzEJIstE8TFlb5SDHJIMEdGNTJ6FR3PhuLxX+zjo5+HuieMPgD8I/Dvizx9rj aC+hf2PYBdIIzHvkae0g3Nyi7ETkSAEnivpS9/YP+A2kaXI0nwd+EdpZ2qFyx8J6dHHCoyeT5YCh eecjBHXmue+KPx8+G/wAudL+H3hLwXa+K/F1jL9t0rwT4W0+283TJznZcTbcQ2SDc371yOGYgHBF Z1h+yX4t/aVkXUP2gNXtbrSpW82H4eeHp5Y/D0C53Kl7L8suoyj+IOVgJ6QkZJpbES3Pwy/4KVf8 FJviJqn7WWsfBf4I/s+/AHT7a41Gex8PeIfD/ga11y48QxJI+bmCaeH7OYF5MmIXWNhIzSEDNfov /wAEcf8AglJ8L/gD4Qs/+Fv6ZZ/Er46fEjQl8Rar/wAJB4fW407RbPzBixtkkjNtEyM+5gAGZpN2 Ahjr9A/Gf7OPgXXruxvtW0XR7aHQ9Gl0S2KW8MCWVnK8DywxvtUxRkW6hghVWTII+UY828Z/tr/C d/ibb3PhmTWPir4z0ezk0+Ow8DWb6yIVlKOyySxn7NCTsBAmmX5Rn1w1bqEr20O4P7B/wNIZm+DX wrGck58J6f07/wDLL6e1ebfF74f/ALK/wO+JvhPwh4g+Fvwpsdc8ZeadMjPhXTETERjV2LMi8gzJ hV3M2ThTit2PxJ+0V8bH3aToPgv4OaHcEf6R4gk/4SDXAh64traRbWNuP4riTGeVOOfJPjf+yl8A /D2tWmrftF/G7WPGl9p8jXX9m+L/ABnHaaTdMuD5a6TB5NtKBxhDDI4yOSTzDcr6bFdNdzK8MftJ fsZ/GV7xfBfwo8M/ErWtMf7N/Zvhn4e2+s3iKg2Au8EbR2y8YBuHiI5GBzX5y/8ABbT/AIJw/tFf HP41+A9Y+BXwPvPh94V8Zf8AElHhzRUsba40+eNRJ9qvTZKI7KN1Ynm5f/VtkKeH/VD4E/Hn4f8A wd0u9074L/Cv4veOre8kWMXlh4deysCsWRHCl1em2i8mPc+1VJChjxyM96vin9pn4kSZ07wr8Lfh rYyj5ZNf1O58QX6e7W9qLeFWHoJmBz145Yj4B/4JZ/8ABrD4R+A2oaX44/aK1kfFbx5astxbaIs7 zaDpz4yN3mIsl0wJ6ttiGD8rZzX6D+Ov2Zf2Z/hLpMt74q8B/Azw1YKNxuNU0TSrGIL/AHi0iIo7 9MD61Vk/Yv8AGXjvMnxA+PHxO1RpOZLDwvJB4X04eoX7MjXmOnW5J/M10Xw//wCCfvwb+HmpDUrb 4e6BqWucM2ta1D/bGqORnBN1d+ZMTyerUXA8Nl8W/sj6/M0Pgr4K+GfilOAR5nhD4Xpq1o5HQfa1 txa884LTAcHkV03wz07x94e+1SfCH9mf4d/COy1BVFxe+JNQs9Nupgu7aWs9Hiud+3LYVrhD8x+6 ScfVmn2a6fAIYo0jhQAIqqFAH0AAFWKAPzy/4Kg/8Es/jP8A8FJf2OPEHgrxT8VPDM2sSSRalomj aN4dGk6Ol7ESIzPPO93dEBXfJQpnPQcY8K/4J3f8Givwb/Z4Fjr3xov5vi/4oiCyNppBs/D1u/XH lA+bcYJ/5aMEbbynav2CooAxvAfgzR/h74YtNF0DStP0XRtNiWC0sbK1W2gt0HAVI1AVR7AAfWtn FFFABiiiigAooooAav32+n+NOpq/fb6f406gAooooAKKKKACiiigAooooAo67oNl4jtDa6hZWt9a yAq8VxEJEYdwVYEEH0rxXxF/wTf+DWvarJqGn+DbXwbrEnzHUfCE0vhu6z6l7J4mZvds98dTn3ii gD54/wCGS/iN8Phu8B/HjxoI4/u6f41s7fxHZ4HYyskV2fqbgn6c55b4p+DvjD4m0VtO+JHwf+DP xw0PneunXJsLzHGHS1vlki3ehFypXHB54+sKKAPz1bXdM+BymTR7z9pb9nx7dsCz1/R7jxb4ViHo 21rqNIz/ANM7iMAemBj0T4Xft8+MLwNHHB8M/jlp0QXzLr4ZeI4F1RB/000u8lAU8cqlyzcH5RwD 9hzBWXDLu9sZrzj4o/sm/DH42s3/AAlvw/8ACPiKcfN9ovdJglmQ+qyY3q3TlSDwKAPBfiH42/Z/ /av8Z2Datrmp/CX4t2YC6df3gl8K+KLZsjEaG4VftaHA/dYljPpyCeii+P3xQ/ZVlW3+LWky+PPB S58vx34W0+RrizTBw2o6fGrPH8v3p4CYxhiyxfLub46/4Ja+C/FGgXGm6T4o+IehWE0Z/wCJfcax /b+mjJ4X7JqqXUQUYOAEXrwRgY+d/i/+w38cP2JPAut+MPht8bNO0zw94Ws7nVZtMktLmygaGKIs 3+iyG7s843fLDbwAkr8wwMaUqcqs1SjvJpL1en3dwbsrn0t8Qv2/dG8RyaXo3wgGl/FDxFrVqt6s tnqH/Eo0a2cPsub24jDBVLKyiNcyMwIwMEjzfRP2ONS1/wAd+IPF3jP4g+Km1/xeLc6vZ+FbiTw5 pc/kK8cZMcJaYuoLIXe4LEIvI6DU/YZ+D7fCz9n3SbzUorU+LfGAPiPxNcQxCMXGpXZ86faMDbGp cIi4wFTgnt1f7QXxk/4Uf8OJdXt9Ll8QaxdXEOn6Vo8EvlzandSuAsan+6AGZj/CoJ7V9RVrQy+b oYOPw+7KfxSclq7do/0znpxU7s5iT9iHwGpLLJ42F1ggXKeM9V+0HPpJ9o38f79YOqfsn654H+JO j+OvBPj/AMRXPifw3Z3Nlp9n4yuJPEFikM5i85FaQi4hZvKjHmJMxAByrdDasv239D1Lxl4D037D dR6X8QNFk1a31Jp1P9nuu1VgmQ9AdsiFv4JAq962P2XP2nrX9qnwjrmtWWi3mi2el61c6ZAl1IrS XUSbXjnwPuB0kVlQ9EKHvW1POcViP4knO3SWz8nfod1LDReiOm8L/wDBSLwj4R07VLL4sqnw08W6 GgabTZpWuo9YU4RZdMZVD3aMSoCLGJVLANGMgmtqGv8AxY/avjuJlk1T4C/DDBkmv7lUj8XarGOC UVg8enRso+/IGmIb7ke0k+b/APBQDwdeXHwF1Dxp4duI9L8dfDdX8R+HdTMIlNrcQoSyFCGEiSx7 omjKkNvBx8tcN8Pf+CV/xY/ae0jT/EXxj+PC+KbTU4FvEtYdNbUIUSTDrshuJBpo4IIP2AkdMnFe bnWW0KdOni8MnFSbUo7pStrbry9ut/vJqU+R2Pb/AIa/tJ/Af9mjT7vwv8H9K1D4gaormW/g8E2U mu3V1N/HNeagT5PmE5y084I+b0IHE/Ef/gor4q1TVWsbjxf8I/gz5g2pYXl//wAJj4ude23T7CQQ pIewEsvPVeMH1Pwt/wAErvhjYWUNp4juPG3jy0h4W017X7htOxgcfYLfyrMLwPlEIH1r2z4Z/Azw X8F9MWx8I+FPDfhezQACHS9Mis4+M44jUZPJ5OevvXz5mfD9t4Ph+Md4t1efCv8AaI/aEu8iRJvi DPF4b8N7jzuGnzGCHYuOM2sjgY5Ynn3Dwt8N/wBoi/0qHTdNl+CvwX8PxrtjsdC0241y7tl/2Wf7 LbhhjtEV/wB4V9OJkcHk+uMU6gD5zH7AcfjRxL8Qfin8XvHzyD97aS+IW0PTZD6G30wW67f9klvc nPPefCb9kX4W/AyRZfCXw78H6DcDl7y20qBbt255ecgyMeerOx5P4+oUUAMhzjptHp1p9FFABRRR QAUUUUAFFFFABRRRQAUUUUAFFFFADV++30/xp1NX77fT/GnUAFFFFABRRRQAUUUUAFFFFABRRRQA UUUUAFFFFABXJfHP4dW/xd+EnibwvdsI7bxFpV1psjn/AJZCaJo9/wCG7P4V1tRXID/Kf4gR+FVG pKnJVIbxaat5ahvofIP7GnxDuvEnwit/C+vR/YfGngEr4d8RWJ629zbIsayj/pnPEsc8f/TOVK6D 4tfAHwp8btW0W68WaXZeJrXQ3mkttL1C3jurJ5nTAlaJ1O6VApCEYwJJPWur/aL/AGPI/ib4th8b eEdam8F/ES1iEK6pDF9otdTiGMQXtsWVZoxyAwZJI9zbHXcwbzWT4kfFD4YZt/Hnwo1a8W34fV/B zjWtPkX+8kBK3a+uwwvjJwx6n66VOhj37bCSSctZQlaLUtna/wAUX069+5WH5Y3UnZHIah/wTp+H dx4e1bRoU1XTtB1KG4hhsbK4jgt9HgnuobuVbYJH+7UTxnBPTfIO9em/Cz4O6T8GYdat9Ea68nWt Sk1K4jmk3LDK6IpSMbRsTaqnbzyzHvXLN+2N4RL+Sun/ABEe+72//CAa754z28sWWPxIx71LH4t+ KfxTK2/gj4V6lo9vPwNb8ZSppdnCp/i+yoxvJD38sxxKeNzCtoZTVpKziqS7z0T7NX3Xp8jvjWpU 480ZanL/ALfni/UH+BeoeBfCmmzeIPH3xGik0PQtIgdVlui65uJNzfIqxW4kcs5CjC5614Cn/B0r 8Iv2WPFsPw1+Lnwe+MXwp8SeHYEs76xu9OtbhLUJHhRGUuAXiO0bWVdpGcV+gH7Of7IVh8G/EF14 s8QatceM/iJqcIhvPEF7EIvIhBLfZ7aEfLBCOmBlmwu5mwMYf7fn/BMz4Pf8FKfhl/wjvxP8LQ6l NbqTpus2xFvqmksQfmgmAPHzY8tgUbupwCPJzvMqFSMMJhW5RhrKbv70nvZPXlSta+t9dL2XDVnz y5h3/BPL/gp/8J/+CnnhDxBrnwo1DWtQsfDNzDZagdQ0iawaKWRGdVBkGH4BztJxxnqM/RFfmL8E P+COvxY/4JSfCG3X9lb4p3GtXVo7X+v+D/GlpDJo/i+ckqXjkjIksbkxrGnmK/lkooZlXJX2D9l3 /gsjoXj7VLrwz8YPCuqfBjxvpF2um6hBqkhl0xLph8qGfAMO/HyCUBXGTG8qgsfnyD7aoqGxuY7y 3SaJ0kikQOjo25GB5BUjgjHQipqACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAav32+ n+NOpq/fb6f406gAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACjGaKKAG+Uv91fyp3S iigAooooAiuW2FDuVcHJLdD2xn8a8O/a2/Ym0H9pSC31a1uG8M+PtMga103xDDbidjE2C1pdwODF eWkmFDxSqRgb1KOquvu1IxII9O9AH56fs3WfxB+Dvi3WvC3gSWx8M+PvB4+16/8ACvWLySTwz4mt GJCalod22+Wxhlw22Ib1iYbJY+BIfqr9nf8AbH8PfHnX77w3cWmpeD/H2igHVfCWuKIdUsev7xQC UuITjKzwM8TAcOSGVZP2tP2YE/aE0PSdQ0XVG8LfETwfPJf+E/EccXmtpNyy7XWSPI823mUCOWLI 3KeCrKrDzjwrYeF/+Ck3wpj/AOEw0W68HfFD4c6o1jff2fePFqvgzWokVjJaXagFoHV0kjYgpMjA OuVdAAfUNu273yAcjgEHPOKkr5d8G/tL+K/2X/Een+Dfjw0M1jfTCy8P/Eezijt9M12dj+7gvohx YXjA8c/ZpTu2urZiX6Y02TzfM+XaykLjaRgduvPf0H0wckAtUUUUAFFFFABRRRQAUUUUAFFFFABR RRQAUUUUANX77fT/ABp1NX77fT/GnUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUU UUAFFFFABRRRQAUUUUANkxjmvlz9ra0P7KPx20P4/WP7vw/LHb+GPiLEvSbTXkCWl9/vWlxKCf8A plPPX1LWH8S/AOlfFXwBrXhnXIftWj69ZS2F7B/z1hkUo6/iCR+NADfGHg/R/ih4NvtH13T7HXNF 1SHybuzuYhNb3cbDkFDkMpzxnuMjkCvmP+3PEn/BNS7t4dcutS8Ufs+tKIotYuCbjUPh4GYBI7kj 57jTcsFErfPBty+UwR23/BNDx7q2t/s6SeD/ABNdfbPGHwj1a58C6zPjH2trJgttc/8Abeza2m/7 aV7vrunwatYSWd1DHcWt4jQTRSIJElRgQVZTwykEgggjHUEdABNC1i3122F1aXEd3azRpJFNE4ki lVlDKyMOCpBBB7gg9CtXq+P72e5/4Jha5HKZbq5/Zt1Cc73kPmS/DKeQnEgcgl9Kd22ndk2zNkkw thPS/DH7fvwp8YeGf7W0nxFcX2mreT2ck9vpt1JHb+QEaadsR5jgjEke6VsInmIGIytAHutFQWRP zA7vlwOQOfrgAZznpkYAPep6ACiiigAooooAKKKKACiiigAooooAav32+n+NOpq/fb6f406gAooo oAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACoL6HzVHO1lBIO3cV7EjP GcEjv1qesH4leOdH+GXgvUfEHiDUrHR9D0a2kvL29vJPLt7WJFLM7sTjaAD9TigGeQ+Mv+Cj3wr+ HnxF1/wveX3ii91rwzcrZanHpHhPVNUhs5jGsoiMtvbMm7ZIjEZ43fWqJ/4Kg/Cmd1VV+JWc8n/h XniDCj1OLPHp1r52/wCCXn7TfhX9sbxJ8fviP4Jmurrwv4i+IDfYJ7iLy2ukh0+0gMoX+6zRnaf7 oFeg/tf/ABP174dXPh2PRdQaxXULbWGnxGr7zDp000R+ZT92RVf/AIDW0aKa5pExlzOxwPwq/wCC jHwz+Hf/AAUD+KDKPiBHofxA8O6T4jgh/wCED1nzJby2D2dw4txZ+ZzF9jyR+PavoH/h6N8JIGKj /hZBwTnPw88QZ4JHO6zz26V+b9x+1x4u1j/goV+zbZ3OoXkPiz+wtR0Hxi8VrEx1SGY2d1AuGULm SI20+SVI8w4ZcnPRfFyb4+aje/tLa1Ya94vkuNJtVa1trW9NpDplsbK2uRb2MH2xBHcodweZ8koD 5Zdhtrqhg+ZX6HRGk27H2/8AEv8A4KI/B34k+E7jR7x/iV/Z98PLvoF+HWtP9rtcHzoWD2RUxyR7 o2x85WQhepI+Q/2fdM+COp/tHx/BO+1Hxlr3geJ7N/CVzrOm3lhdaeZIpI4fD12t3AjPbyRW0htp BglIZYy6eWof6s/ZXi1eH9njwh/bsusTapJpUctw+qXK3NyWbk5kWSUOPQmRmxjcS2Wb5X/al8Wa zpv7Snx60TS/gX40+OUWv+CPDCy23hq/t7K70SSObVWhu0kkbzEmRzvjeFHZXi7A81isDCjDmRtK hywbP1ctvki+ZjJycYxyMnHQDtj/AOv1PnX7Rn7WHgv9mKz0v/hJ766l1TXJ/suk6PptnJfanqkw wdsFvGC74yNzcKu5ckZFfgN8dP8Ag6B/bP8AgbpuleBtd+FWm+AfE+n20Jv7/wAQeHrsarfoWMYu vLl8u3USMjfMqlNwbB4NfXvw7/4KD63B+0b4+8ceJvA9xdfEGWCGxNpqEjD+wdHt9O0+YW1s8KSR q1xJdy3JBZF+dd2eMcFOPNKxxn3Wv/BRPV9Og+26n8BPjPY6C2ZPtqw6XeTxR5++1rBfSXHYnYqN Jx9w4Ne3fAr47+E/2jPAcfibwbrVrrmjTSND5sQaOSCVfvwyxuA8Ui5AZHCsM8qK+U7jxv48n/ao /se28Qaauiat4JudT0yxuNLE0VndpcW4WWdvO3zt+8C7FaJMBjh8fL5z/wAE4/FOsaT+1/oslxqS 3l98SPCGsXvixoYkt4ry70vUI7a2vGiQBRK0UxjL8lkihBJ2111MHy03UNfZe5zn6SUU2Pgt7frT q4TIKKKKACiiigAooooAav32+n+NOpq/fb6f406gAooooAKKKKACiiigAooooAKKKKACiiigAooo oAKKKKACiiigAooooAKKjnXcVPp/n6Z461wM37Tvw1j0xr6T4g+B1sY9QGktcvr1qIlvCcLbli2P OJBwh+bg4oA725fYYz3zxn6cc9ucD8cd6/nt/wCDpv40/tQfGT46TfBnRvBus23wj0uC21JV0CRt QbXFkkEUdzqJh/494TMXRI5ON0eRnPH7t/tBfHPRP2dfg1r/AI08QTTLpfh+2M5SEE3F3LnEVvCp +/NLIUjRf42cDvXA/sL/AAL1rwL4J1bxp48hhb4m/E67Gt+IvLbfHpqgFLTToj2htbfZGBzl/Nb+ OnF2dwPl/wDYR/4JlfGT9hD4Tjw18PdS+FtxoOp22mXkkeuw30d7BdppdpbXO8wfu2LzwSSnHOZD nrXsmpfBP9pLVpIfta/AG4VdwBli1OQoGGDjP4flX1qowP6elMuOi9M54z09/wBM1pGrJPQNtT8y vHfwR+O2u/8ABR74Y2DQ/BBte0bwPrmrpIlvffZYoXuNMtT5n8e8kjZt9Hz2r3qT4F/tJXAuG/4s GH1AKbo+TqoWY7Qp3Z5zhR19a6b4OhfiT/wUw+LHiRWEtv4D8OaR4JtpF+7HPNv1K6Qf8AktK+k7 dlVcL6Aj6YwP5Vf1qotio1mndHyTD8FP2lrW2jhS4+A8aRpsRFGqqip0zjvjP610f7H37L3xD+F3 7RfxF+IXxA1XwddXXjHR9H0e1tPD8V0qW4sWvGZmM/Xd9oGNv9057V7z8SPFkfgnwneai7QmWKJl tYpZliFzcNxFCCxALvIVRV6lmGK+Q7L9vD4gSfDGHVNVuvhqurHX4bZINOgmuLfUIX8otYwyy3cR XUIkZxIkYmk3A+XBJ821TxdWqrT2NJVpyVmei/8ABQT4PXC6ZpXxg8O6XHq3iv4bJJJd6W0PnR+J tCfDX+nun8TmNPNhz1mhjX+OuP8Ai3+yqvxv8R6H8dvgs3g/VL7xNplnPe6H4it8aT4hhRP3FzHK qPLZahFGfLSZVcBQEaNtoK/XVtF5cfltsddu1cAbSATjt6EA9uDgCvmb9ldn/Ze/ad8XfA1pCnhX VoJvGfgRWPNnbST7dQ09f9iG5cSJ6R3adcVjGTi7oyTa1Ry8mufHrVb7ybX9n+Gw1gK0Meo6h4w0 7+zIQcYYSwmS78rIDbRAWyg4G75fSf2Of2Orj4L694g8aeMtT07xF8R/FUUdre3GnW7W+l6NZJuZ NPsYmJIhWR5XMjfPI8jFjwFH0DHIGDfU9vw/pTlreri51VaRcqkmrMbByzH+9gnI5B9P5VJRRXOZ hRRRQAUUUUAFFFFADV++30/xp1NX77fT/GnUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABR RRQAUUUUAFFGaKAMvxda317pqx6bPDbXTSx5klg85PK3qJVC5GHMZcKxyFbBZWUMjfN8X/BP3ULT 4W614Zt/G8ItfEFzFDK40mZwtisRjEQLXZO4A5CxtHaKAEFp5e6J/qC4JXn5sYPQ89vXj86+cf2/ P2x5vgBoWl+C/DBuP+FpfEy4XQ/CQn0u5l061ncr519POF8oQWkTNO4DZO1Vwd3ABi3Kr+2r+2Db WSbp/hX8B9QSa4lYsYvEPihUDRqCRh4bCJgxcMc3MgQ4aFs/UjoA23AOSSR6jrg/icivG/2LNK8B fDH9njT9D8F6hfTaN4ZgP2691e3msr27mcedLe3InRCWn3mYykYfeWBPWvh7/gpB/wAHQXwl/Zm8 Qt4F+D1m3xs+KNxMLO1h0mdf7ItrhjsVHuF3GVw5H7uNeQGBdCQSWvoB9F/8NTfHD4j/AB3+KXh/ wXbfCmx0X4e69Hokb63BfzXd5us7e580+VIiAHz8DGfu9u+P8Y/2sfjt8EfBmpa34n8Rfs76TZ6b YXOoyrLBqcM0lvAm+d4g1x8xRcE/UV59/wAEqJPiVcXXxouvjBcaCfiTe+MYL3XIdJgaCz0+ebSL GUW0asSWSBXVDlm8xk3ZNcd/wUn+EWpftz/tAaH8K/DMkklt4J0W71fxY0cmyNPOWM2OmTHtJNPA ZJI+8Slf4q6KdNLczp63R0X7F3j349/Dj4Wabq1/qXwF0jxN8atYu/GMljqY1CO+nvL39+bSJfP/ AHn2e2EKbfSIV6b4i/a6+NXg/R9Q1LVvGX7MGm6fpNz9ivbm6l1CGGzmIVhDKTcYSTayHaem6vK/ AP7GPjrw38ZvhvqWpLpl5ovwz1lrXSD9tVpotIbTLxCpU/xfaJ4IQf4xbZ7118Pwo8Wfs8+EPHMP w+8B6LfPr3i03elW8DW9rHp1tJbQRyXjRSvHHJIjLIdjSJvbaQy7Sa7aeFpv3jto0U9zu9H+On7R Pi/RrW/0/UP2e9W0y6KyW9zBb6nNBKAchldZipx7V1f7HH7TnxI+Jf7RXxE+HfxEsfBaXHhHRdI1 e0u/DqXSx3IvpL5WDidj937KmNv95s9qyf2ePBUfw7+Duh6PHp2raT9lgkZ7XU5YZbtXaVmZ5WhJ jLuxL/KRgMo2rjFfPPjH9mj4kftMft0/GLTPhv8AGzxN8FdStvB3hjzrzSNOtrv7eHl1XaJDKpdN m1seWyk72yeBi8ZhKdOnzRNa1GEYXR+lWt65Y+H7Q3V9eWtnbqwBkuZlijBPQbm7+lfMv/BU++h+ F3wG03442MsEesfBC/XxRBKZQgv7EjyL6z3h0yJ7aVwoZghkSIsQBX5C/tlf8Gw37aHxJ13+1m/a Ig+NESy7lj8Qa9f2t/8AeJISGbzbfjAOPOUcD5fT9BP2+P2Gviwn/BOPULFfix468YXXh+x0u9vP DV3pWky2cyWk9vNNEq21nFLJsEW5VEuZNm0khjnxzhtfQ9G8M/F/4yftNeB7TxxdeONL+CfgXVLV NS0+w02ytr7VxZSRiWOe+vLtJbeLMZQlYosKWbMp4xz/AI2/bm8YfsTy6Pq3iv4leD/i14O1GFLu SwnS00nxg9s52iexWN47a/QHH7pYo5JONjyN8h+Zf+CSXgbW/iT+y58T/h14u1HTfG2j+H7W007R LK6vTqVrKHt3ubSeHfPMnleXcW2zaUjH2chIkKOW9Z/aiv8AWfhT+zv4d0HxZ4La8+HOg+F7D/hK tSsL+wa61Ga127NNRJ5o3ZXmiUl0DPLvEceGPPpUsHzRuaclo3P0d+HfjHTPiD4Q0/XNFvodU0nV 7WO9sbyFg0d3BIu6ORSCRhlI9OnQDAG5XhX/AATQ+GOufBr9hH4W+GfEkc1vrml6Bbrd280nmPas +ZBETublA4TOcfJxxivda8x/FbsZhRRRTAKKKKACiiigBq/fb6f406mr99vp/jTqACiiigAooooA KKKKACiiigAooooAKKKKACiiigAooozQAU2RsEU7OKo63qVro9q13eXENrbW6M8s0smxI1HUtnjA 9T0os3olf0C6WrLZ5o69TXg2rf8ABSL4S2t3JbaT4huvGF1GxRovC+lXeugMOoLWsboD7MR3xnBx nj/go74RjbddeFPi7YW7cefJ4E1NkXgnJVY3dQO+U716kchzJrnVGXkmrX+8lzjY958S6pb6DpFx fXdxHa2tnE000zsEWJFG5mLHgYAzzx68Zr5O/Y9+F9x+1D8W9U/aP8YTX19b6pb32hfDzTLiJI7f TvDs0qn7aVxnzrsANnIPkeXkFicY/wAcP2nfCf7f3j/wp8D/AAZ4kT+w/ESNrPja6IksbwaXbuhG nxRTIj+ZeSlYnJUYgE46sK9S+OX7ReqaP4qi+Efwa03TNW+IaWsZmlkQNo/gayICrd3oQg7yM+Ta qQ0xHVIw8icNfBVsPLlrwlGXZjjOLWhwN7pWg/sV6VdfCD4b2+ufFX4p/EJfPWx8TXq30VlZiMWq XOpyBFEWnwxJsVApeXbsXPLL4P8Asa/8GzHwo/ZP/bP0H41NrV1r2paVbS3Z0KTTY4tMt9Ycndd2 qqf3ccYZzFA4kK8fN8oA+5/2bf2aNB/Zh8Lak0d/ea14i1qc33iPxTqro+oa3c4JaaWTACxrkqka gLEoCKMLWN8d/wBsvTvAWsWPhPwPYR/EL4ma7bfatK8P2FziGC3b5Re31wAy2lmp6yMGY/dRXYgV iM8T/bw/Z8+FfhPxNd32meF9c1r40fFm68rSdG0zxRq2mpqV2kccJvblbWZRHa26JGZZ9owgRR87 R1qfs2f8EYfhT8KfhrbWmtXHi7xJ4svP9L8Qa4ni7V7VtXvW/wBZLtiulXaPuIP4URF6qa9a/Zm/ ZbufhvrWq+NvG+rf8JR8U/FUSpqureWUt9Pt8lk0+xjyRBbRknABLOTudmY5r2u2bO7hQzHLYOQD 0xn14ovbUD54f/gll8HT/wAw/wAaf+Fzrv8A8mU1v+CWXwcHXTfGbfXxxrn9byvo6gjNHtGFz5tf /glp8G/u/wBm+M1LA/8AM8a2ARxkE/azXd/s+fsafD79mLxDruseD9IvrXVvEsVvBqV3eatdahNc pb+Z5KlriRyAnnS4xjO85zgYt/tW/wBvan8Htb0fws2vWviDUrCU2l/pUKPLZFWjDMrSTwIJNjsV BmQna2DxXjvwjsviZa+Pfh/p+saX8So47G1eTU9Ukv7Z9GkiMk/l281s9y1x9okj8qR95kWDcqI7 Yaj2jehXQ+rE/wDrfSo7tVbaGAZecgjj0OT06E9etFsytJIRj5sEkfxHHX8sDPt7VNmk720JPzy+ Iv7Bfh/4Qf8ABSrS28EeIfFnwl0b436BeS3kfheazjtbrW9PkWUB7e6hmizNb3Er5RQ2bZsMvf3/ AOH3/BObwn4f8caX4k8XeIPGXxU1zR5Rc6dL4qvI7izsLgDAmis7eKG2WQfMRIyF1J+9zVD/AIKX 6vZ/Di0+DvxBvryzsLPwT8RdMN5cXEixCK1vt+nSnezKFGLoZ617n4B+MPhL4qeZ/wAIz4o8OeJB DzJ/ZmoQ3axn3MbNg5B6+h9DWvtZ8vK9gOltlCDAZmwAPmbOevP4/wBKlpsYwW7gnOadnNZgFFFF ABRRRQAUUUUANX77fT/GnU1fvt9P8adQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFNcZNO qC7GWHptOamWkWxrU86/an/aK0z9mn4Ytr17a3WqX1xOlhpGk2i7rrWr2TIitYl67nIOW6IoZ2+V Wr59079nPVvjler4g+NmoJ4ovGkE9p4XjIbw7ow6ovlL/wAfUi95pupyUwpFavxTlb4lf8FIbXTb p92m/DLwfHqllE/+pS+1K4uIXuD/ALaQ2rov/Xdq9PkO75h8qtyq9wOvPvkkf8Br6ylzZfh6aoK1 WpHmlP8AlvtFf9u6367bI5v4jsQ2elWuiWkVrZ20VpbwoAkUcaoq/QLwF9BT92xt38Xb3rgv2hvi XqHww0Dw3caetuzax4n0zRrgSxtJvgubgRyKqhhl8cj3UV8u3P8AwUg8aP8ACDw+Y7DQ28dX3iWz tb5TCyWyaPLf21v9rjVmON6TRxD/AKaPLXB7aUpbuV92d0YqLUWfWXxT+DHhP41aSth4m0DS9WiR vMiaWDdJavwBLHIPmjcEjBTDdwy7efIfhx4jf/gmFe6hc3TTa98HfE2pi81TVpkM2seGbq4dAbm6 uPv3toSyKZDmSMDO5lDY+gWZfuqMY5+7tAGAB+PHP1FZnjDw/Z+LPC+oaXqNvDdafqFtJbXMErbI 5o5FKMrsGDBCG5257V7dDFy5Fh8Qr05NJ228uXzv/VjaWEg1zI/GP9vT49/thf8ABQiDxJ8N/wBn /wAD/F7Rfg3rF5cIdW8SaxLY3Hiq1GIkjhm1OSNxAVO4wqd8oYF+Tg/o7/wb3/sRfFP9hD9kvVPC PxSXwC2qS332yxv9BvTe3zwFQohupmQiRY9oEZDMFQhABtr46/bQ/wCCTHxw/wCCr/7Fnwxs/D/j rRtUvPhv4n1DwzaWmpWn9nrZ6dbzyWpuJbrLyyybLaAkbTyOhzkekfsJf8Gj3ws+A8lnrPxg8XeI filr0IEzafaTy6VoqSnplY2E82DtxmVA2OU7V8vmGXxwWJngr39nJxT/AJktDjpyvddj3T9jP4ce Lv2gf2bNC8aa/wDG34zQ6trT3skiWOvx29tCVvpYUjWPyThVjVcfU074tXei/BfX73Tde+PH7Q1r /Z401rqePW1ZII9QmnhgbIt+m62cEnpmuT/4J0ftpfBn4L/sa+D/AArrXxE8G+HdS0P7bZy6fd6h HBNZ4vpmUEEqUwuODuPqaPjP8Vv2ffjT8Sr7Xbr46eAIbXVo9FgmsftMb4XT5b2Qjf5nzGX7XtH0 qIxurEw1TR12qf2JpnxO8SeDLj9oL49R6t4T0hNf1Qrr2+3tYHdo0UOLfdI2BnYvc/SsXWPElpY/ CjT/AB3b/F/9pvUfDOpWk+oyX1vqSbNLtkYK9zMkkSeWq7htTcXb5tiPhsc1+zj8VPgb8B/iHJ4k u/2hPAviTVL7SJNNu55ryOOW8Y3bzpcFvM6RxiOEDv5Bqt4l+Lvwd1D9nfSvhzD8dfg/cabDbXFt eSanbx3LkytIyT25+0J5M0Pms6SYb51Xpjnv9lQ05tzso01fU9+i/Zt1a5jjlj+OHx28lyrqv/CS IrMrEDHzRBlPJ+VlUjHQVZ/YT/ai0/4Q/Cn4pN8WPipH/Z/hDx9qWjWWreMdZgiuBaRRWzIjStsD bTI3qee3fA8Pf8FAfgPo2i6fZn4xeCp2soIofOu9YhMsuzaoaRyzEkgEsQeWJryP9kf/AIJj/s0/ 8FNdE+MnjLx54C0Px5JqXxH1OKy1yK7uYJprZYbXZsmgkjJQc7eeOanMadFRThuaYqEFrE9oH/Bw /wDsn6z+0D4Y+Gvh/wCJUHivxF4n1SLSoZtKtJXsLaSQ4VpLpgsRTryhbGOccZ+gPih+2x8LfhV4 K1XV9R+IPgp10WylvJ4E163+0TLHGZD5ahyzE8AADPPGeh+JtE/4NRP2XPh78dPCfjnwrB4w0l/C +sWurf2RdaoupaXfCGVZPs8qXCM5jfaUYF2yHNfb/ij9jH4TeIPB2r6H/wAK78F2NrrVnNp05tND toH8qVNjBWRMj7/3h0OTwa8fTqcStfU/MP8AaR1jw3+1/wDsWfEb4geO72bxZ8Urnw5d+I9G0u9s ro6L4TS0CXh0/Ti6i2klt0QRzzIWlaRmD7QoUepeJ08GfGz9lS1+LHh34W6Z4J1rT2upIdYs9STR Na0SO1Z0Mi3VhDM88rtG3+jiNoZGJR8BnI8wP7OvgP8AYM+F3xB8K/FGBvDPiOPw7rWn6Lr+o6db W2j+LYrq2ljNzFfpB56XMqtl7W5uiUk3CKNoiuOc1y48F/Gv9gT4a/DPwb4mv/GXiKbTbDWJPDnh rXBc6vrWoXUbma2mjjt50s44pZEk864jEa7SCYywcelT9n7M2hT15nsfpF/wSx/am1z9qL9m+a48 XC3/AOE08J6i2g6zJCU23zLFFPBdbVJCmW2ngZh2k8wDgAD6UQYr4A/4JBf8Ez/iB+xVetq3jC68 H2rarYyT3lno8W+6kluI7VI7WaTy13Q2SWqxxNvYHzJcKo+Z/v2AjLfma4anLf3TDW7tsSUUUVmA UUUUAFFFFADV++30/wAadTV++30/xp1ABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAVFcLmS P5sc8D1PX+lS02QDHNTLYqO58nftp6fJ8BPj94W+MyxkeGLiwPhTxdMv/LhbvL5tneN/0zjlMsbf 7NzXosN0t5EsqfdkAYY+6BgLgf8AfPP+1ur1jxToFp4m0a40/ULK31CwvoXgubaeMSRzxsMMjKQQ VboRg/T0+Yr/APZJ8dfs4X8n/CqLyz8SeDfmkTwbrlyYTp5Jztsr7a7LGOcQzo6/d2ug3V9Rg8Rh 8dh6eGry9nUhpFvRSj0Teykul9Gt7dc6doSuzs/FPhPT/F9rbQ6lY2t+lpdRXlulxHvSOeNw0cn1 VgDXJn9nDwErRf8AFK6Q0kdvb2kbNb/vPIt5xdQxZ9EnXzxXPz/tWxeEXNv448C/EjwPqCHa6XXh 251O0fH8SXNks0O3np5mRkfKveu37cPw3uWEdvrGs3U24AR2Ph7U5p0OcBgi25YbeuMEnHGMGvUp 5Djbc8aMqiW0oJtffH3fuO6Fel9vY9XRiUVfl/dqFBU8NwDnH44/CuI/aB+MEHwc8BNdJbtqGuat MumaFpsZ/e6rfy5ENuv+8w+bg4Xcx+VWrx34g/8ABQi5tdK8QXnhLwD4hfT/AArdWNnrmteIoZdH 0/wybwJ5M9zbyBr7ygjpIxFv0Y/MuSa9KT/gnv4xi1fSfiZpnxSXU/i5oyOLK5v9Ljm8NtbPtY2K 2vLRQsoQG5gcXORlnlH7urlHD4Fe1xkkmtVFO7b6Xtt89exriMVTceSmfHvjr/grv8Uf+CF/gbQf BPxl/Zo1TVPCrNJPH468OeJ1ubLV55pXklMkbWwWGYvJnymlXapVVyoFfUX/AASw/wCC8Pwz/wCC snj3WvDfgPwh8QNF1LQdP+338ur2kItbdS6oI/OhlcBmydoOM7T6V634U+P3hf8AaS/tD4PfGLwb a+F/GWqWksd74Q10JeafrlsqndNYzlRFdw4+bC5kiG0yRxMVr4d+EP8AwRD8P+EPFeu+Pv2TfGOt fC+18SC5MF3Z+KrfXtEQrFPBPp0lp5b7gLjK+YJ3MaiQAq2MfE4vFTxOJnXqfFP3n8zzj9aorWFw x8uM5J/5Z/h+fHWn/Y4f+eMf/fuvjT/gn38bvE3wJ0vSfg/8dLabwv8AEC8kludBvG1BL/S/E6ts ZorS7VUj89CSfszRRMEkXy1dVMh+yLa5jcvh++AdwIP0x75GTzkGsAH/AGOH/njH/wB+6PscP/PG P/v3TvOT+/R50f8AfX8aNQG/Y4f+eMf/AH7p8MKRZ2Iq564XGa4X4/eHdQ8eeA7/AEKx0nQdZt9U s5op4tUnxAxymxGjMMqsrfMCzIypgZjkVmA84+Df7I9z8O4vhTdXU2mreeAbS+tJ4bSSR7dIrlce TBsWNNsZIXIhhU7RtiiULGgB9CUUyL7zfNnHGPTv/UUsgHf0I9qAOQ/aEitZvgV40W+jWSz/ALBv vODAEFPs75Bz7V51/wAEydAtdC/YD+Dv2exs7GSbwbpTzLDCsZZ/sqZJx15JrlP27P25/hF4D/Z2 +Kmi3vxP8AWviK38J6usemNr9sLxpBZTEJ5WdwJx6dq9Z/Y90xdD/ZR+GdirRt9h8KaVbfLyBts4 hjPegD0ijGKKKACiiigAooooAKKKKAGr99vp/jTqav32+n+NOoAKKKKACiiigAoozRmgAooooAKK KM0AFFGar6i6w2zSyMFjjUlycYA7k54/Pjv2oAsUV8k/EH9qDxZN4n8cL4O1bVtTtNLsYpo438HX UVvD5r27JJa3J/4+tsEju7jKcIFV/mU+9/s0+Lta8c/BHw7qniKGaHXLqzVrwS2v2WSRwWXzDF/D vChu2c/dT7oAO7ooooAKMUUUAIUB7D8qjlRAR8q/l7ipaKAPk79srw3ZfAb4++H/AIuXlvFJ4F8W wL4B+IsMsYeFLKdmSxvpAcjy4LiRo37CO7cngGp/2dfEd7+xz8XLP4G+JrqaXwbriSTfDPV5mLKL deX0OSTqZrcNugY8yQYB+aM19DfFz4baT8YvhtrXhbXrZbzRtfs5bG8ib7rRupU5+mc/UCvl34Me Bo/2rf2ZPEnwK+I2oXieO/hDqEejPrdsdt6sluPM0vXIT2lkhEchP/PUOO9AHRf8FYv2HfEX/BQn 9kbVPAPhXxZpPgvXJ7qK+tNWvdJF80TxEFUhfer2zOQv76LcwG4Ac1+Rv/BPLwd+1h/wbf8AxkuN N+JngvVPHH7OHiC8A1nUfCznWLbTH4Av4IVxNEVTmSOSNC4Bb5tnH7Ifsx/tD+KPiJpmreAfF0Wn 2Hxc8Czx2XiCPzBHFfW0mRBrFqm1t0M6qSoI2pJ5kZ+4K8om/wCCWGsRs8d14sbxkreJ7nX4JdZm ktZLOeZLUG/byU/f3CPby7Yn/dMJVPGDTja+pMr20PEP2Gf2Ffg1+1l+wv4R8ReMvCFn4ovvEcd3 dzapd3Nw13O/22fypt+9ZUkUeXtYEFBsAIOA3ifxD0H4ef8ABPX4ny/Drx/8NYfiJoCSaW+j+MZ5 2tpLeC9nuIlttRKFkM6fZZgsiIBMdqna+8t9N/sRfGTU/wBnr9l/w34L8T/DL40R6/of2yK6EHgi 9uoBIb2WRcSxx+W37sqcpxzjtTPjlbfDb9pK61r/AIS74S/HTVrbxBb6fZ3trJ4J1HyJY7OWd4eB Hux/pUudvqF/irqj7OxNG3K77nN6H8OPgb4x/aD8WeCdA+DFvrFr4b0CLV4b611FhJqk0kuDbRq0 iqiqvl7pDMNrMy7flrlb3Qfg7J4M+HOoL8HfCel6l48tru+ubXVNdulTSYbaWNJQ0tvHKJGBmTng erHtnfsP/EbRP2O/ik3gHWfAPxok1CGxubfwdfTeEr77ZrujG5N1Mk8LR7zdW8k5jaQ/6yNrdq9h bxBoa+A9H8PWPg/9pTR9L0yGWGaGx8HahGuoQTZ3wyxS20iEHIwyhXXJ2uuTnvvSVmzto2vqdtYf 8E+PgvqNpFJ/wgWiyLcLGreXdTzRuGKncGV9rqR6nIwMgZ580/ZD/wCCj/7PP/BOfwr8YPDHxG+J nh/wSukfEbU/7N0i7nkuryO08m12CO3i8yUr1xtWvU9F/ah03w/ptnYWnwx+NltZWUUdvBCngLUF WGGMKANoQuzLsPzEkndyTjiL9hj9kXwd+0H8PPipffFT4P6fe2vi3x9qOrWFr4x8NBbx7SSK2VHK XEe9d2w9x09qnMKlJxSjuaYrk6Hj1r/wdjfsweNPj54U8DeF28XatH4m1m20mXxBe2I0vS9OSaVU NwxncSBVzuO6NeF712H7Yf7dngP9pf45aT8MdJ8d/wBqfDC2086p4kPg+WTVLrxVcSeaINIQWYkm EISCeWbaAWAjXcoLZ7qH/g3q/ZO8PfHPwv8AEPw18L7fwh4o8Javba3YyaPfXEFt9oglSWMNblzC Vyh4AHX8sP8A4Kb/APBPi38e/F/wp8YdF8I3HiaHQbV9L8Q6Lo9paTamLQ7/AC720huFaC4khEso aBlJkSUlP3iJXkK11c40k3ZniH/BSD4h+Cvh3+yPofw98AfD3TF8IfGKG20HTdYsYba3s7c3LJFG ohyZJJDCW3ZVAn3Q0jA7NX9jn9oiD4E/tO+EY/A9ro3hz4SfELxA/hS68J2eqXFwlteN9oFrqUFv JDHDbmRrby5vszyRv5sWdrq+7jP2pf2ifgN4g8Xfs0eE7bxZb6Za+CvFg1SWw1ES2V5psdnZTEJc 20yrOCZTEdjJ9/zNvzKa9z/Z7/Zpv/2s/wBrDwd8RJIvHg+GHw3uJdT0W88Wr5N1rl6fMWJLeF40 uPsMZfzRNcFpJXSHoIxn06ns+aV+xvKEFC6P0PhOd33uuef6e1OVdtR2ikR/N1Y5/wAP0xn3zUit uryepzi0UUVQBRRRQAUUUUANX77fT/GnU1fvt9P8adQAUhPzClpD94UAY3j3xVp3gbw5ea1q95Dp ulaTbS3l5dTsEht4Y13u7s3AAUE565GegNfF/iH9qX4lfG/winjn/hLj8EfhlfSA6DDbaCNU8Ta9 E7YimkjmWRYWkTEiWyQSSFWfftKc/Tn7ZvwVu/2jf2VviB4E0+7SxvvFmgXumWs78Kk0sLLHu/2C 5UMOcgkV+av7CGm/E/wD8MfE2haHdaJp/wAUdPWw0HWPDfiDxAI30e5t2nF1qXkw2aPJJKCwincS pOFiZpj5QWujC01P3WVBXdj3CX/goH4l/ZWufDWreKPHlr8Zfhr4klzdajDoht9e0K1Ehhkv2Szh EE1rE7J5gkigkjVZGO/Ydv3gfEthH4cOsSXtuumfZjeNdFx5Qt9m8yE9NoXHPpzX5M/tf/CHULHw BovgHwnpcd18U/GWg3HhfTtK03x1d/aLaa6mZ5765t4oEhubRGJlneVUiUIwxkgn7Ksf+CYVtB8C l8MD4ofGT+0I9BGloP8AhONRTTxKLfygPKEmPLDD7uPukAcAUYqnCEkkaV4WaPavg3+1n8Mf2hbT 7T4H+IXgvxdC3DnStYguzGNxUgiM5U7hjDc8H0rxX9sf44/EPRP2qvCXgfwj410nwLo914P1LxTq 1/daHHqjn7NcWsIAVpEwoSZ2OM52jpjn8yP2df8Agy0XR9Qi1T4g/HfVre5t3Mnk+EdPFvOmRn5b iZm2tyMkIc19R6d+wN4d/Yk/bE0HwToPjfx54iHiD4Wa/ZxXvjbxPLqRjka7sVXYGwkQO9s+Wq7s LnO0Y57X0MT2fQviN8UvEs2sQ2H7SnhK4uNDsotSv4/+EFt82VtLD5sUjj7R8sbRo7j1wfSoPB/x X+J3xDhWbRP2mvC2qQyaRFr0ckPgG3ZZLCUyLDcj/SPus8MgH+4a8xi/ZG1hdftbyPxR4NjtdUtN K0bX4YtV/wCQlpUFhAlzAo/56tcW6KP9h5qufDP4E+KvgZoOjro958P9e1GTwHB4Mvkl15rOO2a3 ubuVZkAgl8xSLmRCMpgKnJzx6FOjByXNsFGLcWkekeEvG/xe8fXVzDo/7Reg6hJY2ltdzRw+AbcN HFPEZYmz5xwWVWOT8oEbZ7VzWlftGfELUtN1i6h/aa0GS38PW8dzduvw3SNpIpJDFHJCjSF5UeQY V4lZWMbdO9L4J/D/AMSfs+/E7UZ7CTwL4g8O6loGh6Yb4+JZLO4hNlbvFIyR+TLu3bjt/edC5+TG 4ZE3w28WfFmDxRqXxCt/BMniDVHs1sk0fxvNa29ta2t8J47WGVLeOSIl13tPGNzlcALs2jrWFpt2 6HpUqMXGz3O5+G/7Rnxc0b9pv4E6bqnxIsfGXg74k65qmkX1tceCTod4DbaPf3iyDLFlHnWydVXd 79vu6HjgksVGCT3/AAr8bP8AgoGvxZ8F/D34MyfDbxfHD8VtB8Ta/r2hJFqB12a1httA1O6GntLO qvMGhjeAtLnIkbPO2vef+CLn/BwT4B/4KcaFaeEPEslj4L+M1ogF3o7TbLPWdvWexk6sDgloW+ZS 2OQQa87G04wmlDY4aseWVj9HqKitZPMTPzcgE5GPzHY+oqWuUzCiiigAooooAZKm/HsQf1B/pXy9 +2CG/Zf+P3hH48WeU0RvK8IePY1X5f7OnlH2W/P+1aXD4/65XM9fUlc/8Ufh9pPxa8Aax4X16xh1 TQ/EFlNYahaTDKXMEiFHQ+mQx57ECgDw/wDb2+E2sWmjaf8AF74fws3xM+GMbT2MCyJDHr9gWDXO mXDuyIkEijcJGbETKHwcVyf7OP8AwWR+Df7UPxV8A+B/DV9fXHibx9pE2qQ2Mctsz6Q0CyNPa3SC UTpMhicfLGyFQpDYarH7J+mT/Fb4V+KPgz8QtU1668WfCmRvDl1c22pTWM+sadJtk03VA8RDh3hR f3q8iSObsSK/GX9rL/gk78TP+CEn7f8A4V/aa8E3WsfEb4TaJ4h/tLUNRkRrnVtKhnLfalvAMK6s kkiiZOG3HIDZpxtfUmSurH9JFshDse2fTnv/AEx2/OpR1Nfm5+wX8NtS/ak/ZH8F/ELWPi58bpNQ 8WJcX8j2fjm8t41LXkyRqkO4BEEQQYGelTfGOTwn8EPEF7pmtfFT9pANpseltczW3jW8MMcV/NcR wyA+Z0VrRy57LmtY0JS1jsKMrxv2Prb9uX9n3Uvjv8IoZ/C0kNj8RPBt6mv+EL5ztFtqEIOEZu0c 0Zkhcd1lPpXR/srfHrTf2mPgfofjLTIbizj1SIrd2N0u250y7jJjuLWYdpI5UdG9wa+KNQs/CH/C 4PFHgdfiz+0dPqXhXQ49b1Ke08a6lcW8UM0m0RwmJmeSbGGCryFlT1r59+FF/pfgT476lpui+LP2 jZfC3xY08eOPDNvp3jM6XdLN58kOpG4jnnhO8yLDKVBed/O+42Kr6vM3jRclzI/Vj9pW+1iL4Zap aaH4Z8TeKNQuLSR4rTRNSh0u4nZHjHki7kmi8gurMNyurbVfa6ttzwvwp+H/AI80+8+GN9eah4ws 9P0231GHXtJ1jU7a6eMyFjb+fIs07XDRsFRH86RtqgsdxavJrf8AZT+2iORvip8fNjFHCHx7qETA HblSA4YMN3TAIxyBxlf2Bv2ndB+CXwv+K0HxR+LUMdj4S+IOpaTZap418SoLiK0jitmjjaa5k3HB duvrV18JOkryLq4eUFdn2pCcsx+Yc4wfx5ouNxUbfvc4/I18Zr/wX8/ZR1X46eF/hzoXxX0vxR4p 8Wapb6NYRaJaz3lsbieVIo83Kp5IG5+oY9D6c5//AAUb/bSt/C/i/wD4QGz8fWvw88N6ToUniTxn 4qtbuKO+gsiZI7fT7Ev+7W4uWjk/eZ3IITsBdkK8iu9jDc7j4f31r8af+CnPjfXrqaD7D8HfD1v4 S0dHIBF/fkXl+w+kMWnj8a+o7YjHy8qeQQevfP61+TH7Hv7NfwY8NfD/AMC2HxD+H9t4k+I3xrN3 4um1LUdOfVZrRbhWu44ZdQlbcWjtxHEC0jyblbc3BA9P/ZS/aquvg1+0d4N8N6NN441r4IfEq8/s nSbjxBdwX8mh37Ryvai3nE0lybaZYihjugrx7k25Qrjolh5qHOzT2do3P0doqO3Lbfm+9gEjHA+n tUlc5mFFFFABRRRQAUUUUANX77fT/GnU1fvt9P8AGnUAFFFNc4pSdlcBJiCu0/xA5wecV5x8a/2S fhn+0Vc21z468EeGfE19ZKRbXd7Yq1xbg44SXh0zgZ2sM7R6DGt+0N8YNJ/Z++DPibxxrjSDS/CO mXGq3IiwZCkUZY7QeMnpk8AtzwTXwD4Fkm/bi8CT+MvGF5qnxI8UapHDfW/gWXWb/wAN+HPDtncg vbEIIx9rXyUy14I5xI4fykEeTWtODlqhxu3ofdnwR/ZY+HP7OFvcx+A/BXh3wo19g3M1hZpHPcsM 48yTlpMZONzHG44xk59Ch5H4Y5HNfk/49/aTt/2Hfgd4Z+L/AMLv+EysYbzUobfVPh2uqvqmjanZ i7W1uJYVlZxbbN+Y7iB0V32IyEttX75h/bv+FN18Lz4mbx14QFqdJ/tY2g1q1+1FPKaTywjuD5ny ldrBfmBGeDiZ05p6lShNfEe0uMj8MVwfxb/Zi+HPx+ubKfx34F8H+Mp9NV0tZNZ0iC/NsG279nmK 2zdtXOMZ2jPQV8N/BD/g6d/Y/wDjEVivPHGueA7lyVeHxLokkSrnJ3b4DKm054PmY9ccU79oX9on 4X/tqftfeFX8H/EyPx34J0X4e63rV3aeCPHM0MTXcN1ZsglNlcJslaPzVAkGeWx3qSD6z/4dvfs9 /wDREPhN/wCEnZf/ABuk/wCHb/7Pef8Akh/wm/8ACTsv/jdfE/hSb4N63qviC31C1+KumLofh2y1 +F4/iHrcx1SK4hhcxQYvPnmiaeBCn8TOgqT4DeHvhx8bLCGT+x/ipprnwRZeM5Y5viXrszxpcT3M Jti32zkqbYnf/EHU9q6Pq8lJRXUKfvxc+x9qf8O3v2e/+iI/Cf8A8JOy/wDjdQah/wAE4/2f47SQ xfA34TyybDtQ+F7KMOegGfKOM5xnHHtXyd8B/hd8N/jnrWqWkFv8T9ObTNK0vVTK/wASNck3pfQv Io2/bQQq4wSOhkXPGSM/QvhZ4N0/xh4g0XxppfxC8KtoOkR6888HxY1rUlis3kmiVLhVnjEV0RGS ETzI3B+WVyjhd45fWm+VHRToVJK/Q6fUv+CQUeiePfEvizwd4F+E2h65qUM82m+dZwrFG80kDNay xwWKSJB5CTW0hW5fzo5XQhAefmf4ff8ABut4Z/4J2fELTP2i9QsV+KOs+GfEM2u6z4T0y0kXTtJ0 6Rndm0yMZlluLR2DokjESKpHG3n134G3+iab+0V+yv408PXHj7wtYeMPFGt6fqek654z1K/jaOLQ dVaOGWO6umiUiaOPapBIYriv08ERlEitlT23KSBxjHPUbTyMnJLVyVqMqUuWW5jKPK7FP4eeMtJ+ Ing/T9e0HUrTWNF1iBLuxvbWRZIbiF1DIyMvBXBHvW1XyX4TVv8Agnj8eIvCsh8n4K/EzUz/AGBM flt/B2sSnJ09yMeXbXTHMJ/gmbb/AB19YW+QCG+Zh/FjGfwrMkkooooAKKKKACo513Mv+STkH+hq SigD5d/bTt5P2bPjJ4Q+Pthvj0vSfL8MeOgnIfRrmZVjvGHc2k7iTPaJ56+jNS0uz8RaRJDdRw32 n3EbCSAgTwzIRgrgg5BHYU34geDNN+I3gnVvD+sWsd7pWuWc1hd28n3Z4pUMbofYqxB9jXy7+yV+ 1JoH7OukXfwY+K3jTRdF8XfDzVI9A0ibWtRitZvE+mz5k0u4hRyDLIYB5Dhc4ltpPUUAnY8B/wCC ev7ZHwr+CP7IXhDwj4i8Waf4d1XQTe202mzQTQyWYW/uGQYWPCjZtx60vxZ+MPwD+MXxHvtc1D4p afHFqQ0dJdPfT5pUYWEt4+CWj+ZZBeNk9hGfWv0zhbJPtgHPUHrz+dPAwa2VZpcpMY8qa7n5dfs+ fE34E/s9+OH8QL8ZU168k0mTTJpry0kE94TdtOkzyeX95YyIwv8Acijr5/8A2tNR+CdtqPwN1LR/ iRol5deE9Rm8H6jcXOjNPENK1VtryrGQhWaGQxlJQx27m+R88fuIQBXzb/wVsl/sv9hjxJrEasbr wzqmia9b47SWer2dyP8A0Wa0ni3JprodEazjGx5Hov7fXwQ8OaNZ2EfxEsJo9PhjgEs6XMkjhNil pJNmM9QflX7o4ry/9k7/AIJkfs5/8FI9B+MHjD4hfDfQvF8uqfEPUl07XpI5LW8mtPJttmyaPy2K A5xk9zX1P+2h8SfiHb+JfDmlfDfUtcsStzcQ6sdO8OzX00jiOF4YfOe0nt7cFZi3mTGNMrjd6Y37 GVh8df8AhNvDt38QPEXjLVNF/wCEbuLbU7PW9O0u0aLU0WwxKfssMTMrs12FCBlHlk7juqq2OnWX Kyq1fmSR8x6Z/wAGln7NHgP9oPwn488MXPjXTY/DWsW2qyeHr65ttU0rUEhlVzbyJPEZNj7Sp+dv vV5P/wAFmf2BfBvhj9rD4c2Pw70//hC/DGp6a9944svCeiztbaPp1tKEF7PbWTRO0Ev2uSGXDZEY c9A1fsN488X6f8P/AAfq2vazdRWWj6Lby317czMFW2iiUyO7EEYUIvB6g4PavC/2C/CWpfEi98Wf HLxPZTWGvfFS4jk0nTpx+90LQrdWjsbdh/DLIrPcyDs90V/hri5uWV7XOdHjfgXw38Nbz4bfC+XQ fiB4dvvDPw5tWFrdW+owzQ3UTWLQFPMMku3Cux6kYPbY9eQfsofsoaZ8a/2u/h3cfD2803U/hL8H 706jP4g0rRhY2ep3MSP9ksRcrI0epyRs4keaFEjj2KBuLtj7/wBd/Ye+DPirxPJreqfCT4a6jq0j iRr258MWct2zg53GUoWJ5r0zRtJtdDs1tbK2hs7WFQkUMMQjjjA7KoAAFd9XG+0jblsdEsQ3DkJ7 VtyZ+b5vm5OcZ5xUijFLRXn8utznCiiiqAKKKKACiiigBq/fb6f406mr99vp/jTqACiiiplqgON/ aD+Eel/H34M+JvA+trcHSfF2mXOkXb25KyxRzRspZSOjDqM8EgDnIB/L3wR+zTov7HXw91b4dfEz UPH3wz1Ii108+N/DGgabb6T4nsLMsIIxdWunttWVHDTW96WlLNKd8wO4frjNgLuP8IOcDnFecfGv 9rX4Z/s63NtbeOvHHhnwzfXqk21pe3ypc3AGOUi5d8ZGdqnG4eoztRxHs2B+dXxh/Zt0X/gop4M0 n4c/D6H4kaxGy2Om6p8QP9I0DSdH0u3uhctEixJb2l5KMYiiitmKs0bsyYVq+9YP2EPhXH8Lv+EX m8C+FDCultpjXn9i2jXpTyjF5nmMhzLtwd5XknOBkiul+B/7Uvw4/aPt7mTwH418O+LGscC5hsLx JJ7YnOPMj4ePODjcoztOM4OPQoeB+GeTzTqVed3NalVzsfnh8Cv+DXv9jv4HhZpvh7qHjy8jcsJ/ E+rPdbyBjaI4/LiwMcKUx6039oz4FfDv9kT9r/wh/wAIz8Lbjwl8P9W+H+t6Jft4B8DSyRQSzXdk RvFhbuolKpJgvyfm9DX6JSlVG7uoJ98d64H4vftR/DX9nu7srfx3488H+DJ9SVntI9a1eGwa5VNu 4p5jDdt3LnGcbh6isjI+BJrX4Nvq2k3jad8epr3RbqxvLff8PdbbzmsrNbWKKQf2aFZDsR3VicmG MjG05isJvhp4f0DR7Hw7e/tI+G/7N0RPDctxZfDzU5ZNSsFd5VEzS6RKMrJO7LJEUOGIJOBj7PT/ AIKVfs8Z/wCS5fCX/wAKyy/+OUq/8FKf2eQT/wAXy+Ev/hWWX/xyuj28uZSXQVP4Wj458M+LfAfg T4gya94c1L9ojw7Dc2Gn6ZPplt8OL+WxuIbOF4oC3naRJMH+dld1lGR0GQtUPBV38O/Dfh3WtL1z UP2k/Glnr92uo3cmr+AdVt7trpJPOjna5sNOtrjdGU2KPOZQiR4G0jP2q3/BSr9nf/ouXwl/8Kyy /wDjlVdW/wCCkv7PdxZskPx0+EccjK2x28VWZCttOOky9/8AaGRkd+Nvr1ZbHTTxDirH5n/tBfCD 4PftFX3wk+Aq33xK0nwzp+oa9rur6v4rsdUsZvDsMmkakbfUpLy+ijjRU1BrfYZHOXKLkllr5r/Y B/4OBP2iP2Bv2mof2e/i9p+sftAaZDqaaLpt3pkj3niG4WTabe5sp2yL6GaN0eISHLIysHUcH9Zv CV38F/iv+0nqOt+B/wBoTwbqHxS8baNJo4sdO8Q2+pQ3Msax3TtDaCdpEiSO2dtkcisgaRlZW2uP RtP/AOCYvwfvPC0kPiLwT4b8ReJdS0VdCvvEMunJDqRtld5IxDIS0sHluwMbK7SIETLs6bzz1Kkp 6z3MZy5nc9X+Jnwp0X9oj4Rah4b8T6a02h+JLPy7q0lChoFdQwKlc7ZkYBldSSrchiQMeWfsd/F/ XPBvinUvgn8RryS88b+D7cXOlavOcL4t0fO2K7U9PtEQCRXCDpIA4+WRazfhT8a/En7KfxB0v4X/ ABb1SbWtK1qZbPwX45uGGNW4wmn6g38N8MYEg+WcLu++JK7b9sX9nC6+NvhDTdU8MXiaJ8SvBtz/ AGt4Z1cbl8icACWCXZ8xguIg0Ui9CCD1VaxJO0+N3xw8Mfs9+DT4g8WalLpulR3Mdt5kdlPdySzO QERY4Y5HZmzjCrnj60vh346+G/EnjuTw1Z3d5/ayWf21YrjT7mCOaPCkhZZEVHdd6741YvHuXeF3 LnyT4a67Y/t+fCZZb/UtS8K614cu49P13QlsNPluvDWsW+9biEi7t51w6yrskCfNGEkjZRJk9x8O /wBlbR/h58TLPxJZanrV02l6RHoVjbXC2zLaWqKg2GXyhcSZZS22SRkTcfLVAzbgD1aPjcP7pwPp inVHb/ec8/McjrjH4/0qSgAooooAgvGYMoX7zZwT0Xvk+3bPbNfzff8ABxl/wSi8efsV/tP2/wC1 V4LvvEXi/wAET6za6pqS315LeXnhi7SVZFUytkravIuxCM+XvKnIZc/0kVh/EbwJo/xP8G6j4e8Q abZ6xoutW72d7ZXUavDcQyDa6sD/ALJagD4J/Ya8afGz9r/9lTwf8TLz4/eJdHufGNvNfCztPDOj i3tR9rkiSMebatIRsUY3Hnk960Pif8VPFvwe1u807Xv2mfiDbTWP9ntMF8IaKUjF9NNDb4KWe7Ba 3lyegxzWf/wS++LPgTwF+wZ4B0JvFXhfRm0uO8txZvqkMBtES/n2ptZhsCqo+ufarfxr8CfD340f FO+1q4+JngeHT9VGgxS2LXtu/wC7sJ7yRxu8z5jILrj/AK511RpXVjOnrdE+qfE7xXo/xN8ReE7j 9qnxdHq3hLR113UmbwtojW1vas5RW877H5Zb5W+X73FeA/8ABRr4reONb/4J9aprsfxr+JnjDwp4 wW1gjEfg/SI7e4V9QhhUMRarMrMTlNuVby39K9m/Zr8BeDfgd8RG8Uap8XvBfiTVb7RW0zULiTUr eGW7l+0meO4ZvM6JAIIwO/lGvK/2nD4T0zwd+zf8NYfiR4QvdPsviJZapqzx6hbjzbaxa41IZHmc YkSPnv8AhXbUoUlFN7nbRop7n09pvgD4yahDDMv7Q/ja3a6VZP3nhfQlkTngNGbU8gDBJIJx3rs/ +Cc3xc8WfELwJ8RofHXipvEl54O8b32hQ6rcWcFk7W0UUEiMyxqseR5jDKjvVCL9oTwHHNt/4Trw aj5RP+Qzb5VvlGTiTK9Dz0Hevzn+Mf7FXwp/bP8AAnxUkvNc+JGsePvG3xT1PRvBej+F/GMlvY38 4trbE7QMZLUW8QJkmmEZOxcZXIysdh4U4JxNcVRhFXifY37an7b3wn/aJ/at8AfszyfErwlb6f4g vre98Www6wjT6oPMC2eiQhCTJJcXOwyD+GJGBxuxXq37Zv7U+seB/H+h/Cr4f6lofhXXtVsG1rVv EmqRI9j4S0sSCFZFjyEluJpDshjc7CVcsTtCP+cXwX/4M8bT4K/HT4aeOdL+NmrXEfhjWLHVdXtY 7KWwurgwyI0q2l5BIskJO19kmAfu425zXsP/AAUK/YOs/gJ+1B4R8cJ4o8R2/wAPtYs/7Lv9V8Ua 9qGuW2l6hGs626XNxdTPcQW7pctsYSkLMjrsHnZHmU7c2pxKPM7HsHiT4XeDfDvxK0HwnrHxo+PO qeOvE0Mk1iIfiLqdu7COMuxaCyMVrCCVIUeUoOzAB2sBJ+zB+3l4h+FP7Zmn/A3xrfeK/FGieJY2 Hh3xF4h0+G21TT7oGdo7K8eAiKZJ0tpjDJ5aSN9nl8wtlcdf4V/Z0TRtJ+EcdrrFvdQfDeNk3ojT DUo3s3tR5bM0jAAyFlBL/IEj3DOB5Z4Q+HS/Fv8AbT0HwzoOow+JLjQ/iF/wsXxtrlqubfRYLa0e LTtNaTJ/0hn8tfL3HbHFO2B5vPo18PBU+dG8qPLC5+j1uqqG2jqeT/e4Az+lSVHA2/cf4uAR/d46 VJXkvc5woooqgCiiigAooooAav32+n+NOpq/fb6f406gApGXdS0jNtoA8y/bM+N91+zb+yx8QPHl lYjUbrwjoF7q0NuxIWaSGFmRSQCQC4XJxgKGJIAzXwT+xV8VPDfi74Qa14g0XVNN034i3FnZ+IPF 3jvxRb2+ptqy3KyM7obW6DQqhRxHAZVMClflO7j9LfHHhqx8aeGNQ0fVbSK/0nVbSWzvLWRdy3MU i7GjPIBDKzDB659ufz4u/wDgm9rn7N/hy48H6f8ADqP42fDn7ZFdaLNb+ImsfEWipbyObW1kF1Ok U0MAYKjxXEOAGBjX5SejCypr+INWvqeZ/twa98QtE/ZP0n4/WFjovhv4geAIv7Yjv7DQJILwRRXC sWnY3O+CwltVZpoDHPtSUDY3UfWlv/wU8hk+AkfiaP4YfGL+0X0L+00b/hBr+TTxKIBIP3oVV8kk khiw+Ug8dB5PqX/BP3xR+19NoujeOfB8nw1+GukTR/2haXfiefUvEHiW1EhlaxleC4eGO1dyQ+6W bKMwGwFifvSHwzYJ4fbRltbU6alsLNrTyx5Hk7Nnl4wQF28bfT60YqcXJcuxvW5LLlPwn/Zt/wCD 0HUvEWrQaV44+AF9q11M+0y+EdSMk5AXG4W8ync/AyvmjHvnj6q0/wDbwsf20P2vdD8baf8ADX4j eCV0H4VeIbu3svHvhttNNy4ubJldTuZJUDIudjHblc/eFfoN8If2Xvhv8AtOW08EeA/CPhGBG3su kaPBZ+Y+SxYmNVLNkk5OeteGftlfBH4iax+1X4T8d+D/AAXo/jjR7PwjqfhnU7G81yPTDm6uLWRS N8b7siJ14xjd3zxz8t9L2Oc8N0D9tG4tPFGsafrXhXw3M1xoWmz+GjbWSob7Urizike1lJBO1muA 6EA7RDKcHGRq/s1/tDax8W9Fjm17QfCKSf8ACtrHxQWtNOaOH7dLPfQTRqC4BgVbdSAC20uwzxgd HN8H/iMk9tMn7MfheSTT54Luyb/hPbVmhntYDDbum634ZIsp9N1Zmtfs4+P9e0/TbGX9mTw7HY6L bNYWos/iJHbYtC242+I4VEkRbBKPwST716FOaupOV7BRtyu5ofstfF+f44+Jdc0/V9F8NxR2OiaJ qMTW+n7GEl7A8szdXJUFQBgD7zciqfgrVPG3ijx74u8PWl18P9W/sq1gePWLTwtJ9n0y+aaTdZtG 05F1IsKxhj5sSxl13EbxUdx8B/iZqHjFfEi/s46XYavHbQ2cpsficLKOSOEOI4mhgVYtiq7YDZI3 n1ql4W/Ze+IXgTw1eaLpH7OOn22k33yva/8AC1ZJIUw4cPGrqyxPvUfNHtf0Ze/bTxVFSuz0qdam o8qPJ/F37XXh/wCFvjH9m34ofEqKz8MWfhPx14h0zxBNZ6TIXsBHoeq2qia3j82RWAZGYo8iKrL8 xr9Hf2e/2rvhr+1N4eGsfDnx54T8cafMgcSaPqUd0Yz6OFbdG2P4WVSMH0OPgDUYNe8LftLfD6Dx 18JdH+G3w2+DLap4p8RX2oeJrfU7bU7fUNI1HTViVZFVpZJLm7jjYzNlxJt3Nk4+Ev2sf+Df3xx8 QPi/8Ofjd+xbe6p4d8F/F64hvHtI9bFhdeB5Z4y0jM8BJEIPmAiNnMTKUKkYrzsZUjOV4nDVneR/ QV8YPhP4f+N/w61Lwv4n02PVtF1iEw3EMjEMM8hlYco6kAq6/MpAxzXgPwz+KPiH9jX4hab8N/il qlzq/g3VZxaeDPHF0V3b2wsWmakeNtwo+WOdR5cwJVv3mct/Ym/aKPwr8F+E/g/8WrrxNoPxS02x js/tfiy9W5j8XSKAr3NlfL+6uQzZIjO2VcqGRSRn6A+J/wAN9B+NPw/1Twx4k0i31/Qdaga1vrO4 T5ZVIPHJDI2cEEcqdpGOo4zM+LP+Cjfwj+IXw4+O+g/HL4W6LrEFpoV/FH8QLGy1SS1XXNOtpYZU vhBbyAzSRR/aUAaOZ5FdozHgKy/Qf7E9prGqXHirxR9o1Cbwj4se1v8AQftGvNq8LxlZC8sLvLI4 Rw0R+by+QV8pNm5/l3w5/wAFJ1/YR+IPiD4a+P7fxx4y8EaffS6R4M8VSabI9xqMkTrDJpU82BHc SxSMI1mX5n2Kjgkqzejfs9/EiD9lLxxosMEN7p3wO+M141x4f+3Hy/8AhB9blZhLpk3P7mC4kH7o f8spy6c7xRS+FgfbFFRw5JYnJ7fl7f5zxUlABRRRQAVHcRiVdrDcp4I7Ee47ipKKAPNZv2Q/hTf3 txcXHwy+Hd1PcSGWSWTw3aO0jHqSShJPqaP+GOfhD/0Sv4b/APhMWf8A8br0qigDzKb9jj4RlP8A klfw32jlh/wjNkM+3+r9cV84eBP2W/hp8d/+CjHi7ULX4c+A4fCPwZ0QeGliTw/ZiC+1q/8AKubl pF8v5jb2yWwHp9pb1r6N/bA/aHt/2YPgTq3io2jarqqlLDRNKRtsmsalcMIrW1U9jJIyjPYZPavP PhhaaH/wTh/Y6tb7x5rUU2sTPJqniK/WIyT+INcvGMsywwrzJI9w/lxRr82xI14AJABa/aC+HnwA /Zq+Ft94s8TfDH4exafalIYLe38K2c17qVw5KQWdrAI901xI+1UiXliT0wax/wBhX9kZvAmt6x8T vFnhvQfDPjLxYClloGl26pZeDtNbG2xjCqoa4YgNcSjIeQAL+7RKt/BL4I+Jvjr8WtJ+MXxasf7L vtJjK+DPBsjiaLwtG42veXJHEmpSKxUlflgU7Bk7nP0fZfKGX5dqYAx/L6AYGfY0AOhOdzYxuOSM 9Dj/APVVPxR4esfFWjXGn6pZ2uo6fdRtHPa3MKzQzqcZVo2BDA+4rQooA+crj/glh8EfPf7L4V1T RrCfLT6VpXiTU7HSZsnkNaQzrFg9wEAPfNez/CT4P+Ffgb4Oh8P+DfDukeF9FtSTHZadapbxAnqx CDlj3JyTXTUUAFFFFABRRRQAUUUUAFFFFADV++30/wAadTV++30/xp1ABSH7wpaKAIL0hdrbWbbz xnnpxn3446HFfPfjz/goRo9l461Xw74B8J+MPitqXh64+yau3h6K2isdKmUZaKW8u5obdpBnmKNy 4xyBkV1/7eXiTxN4R/Y2+J+peDWmj8VWPhbUbjS5ISRJFOts5V1IB5Xkjg/MByDivzd/Y6/aK08f sR2dt4m0m9u/A+n6RpB0NdAiurOefULhXeWCee3JG3zAZJWnkBXzJPNAUpWtHD86YH3t8NP+CgWg +JviRpnhDxp4b8VfC3xTrb+RpNl4ihiNvrMhBIS3uraWW2aTAz5TPv5HBr6Cs+dx3ZH8z3P/ANb2 r8a/24tZ8JwfsW6foesa5ql140XSf7Y0jxA19qJ0vww0V55tu8ckj7ZrmORVhh3+ZIzRR7sEDP2t afE39qYfsxRXLfD/AOG66lH4YWeS6k8Y3y6jHILTJbyF01x9pLYIQPjcSM9KdejyNGtSnyWPsGds L65IX8CQK8S/aN/bY0v9nv4paD4NXwf408ZeIPEGm3OsRWmgW9vM0VrbuiSO/nTRYwZExtznnOOM /iL+wx+2B/wV88WPBHofgvW/GWkq5WJ/Hmg2Wmwoozz9om+yyNhQMHcT6A5r7jh8VftCeKP2sNOn +OXhfwR4V8XL8JfES6fB4O1K4vd4+1WOXbePkkDAY2lgcnnisTK19D6wb/goZqUZZT8B/jZlTjmx 01SRgEHm89CKY/8AwURv16/Af42D/tz0v/5Nr5N8N+J/it4V8WX0dn/wlFxH460zQ/DivILqaPRL 59OhZr4lvljUBbrex+USi2zztp/7Pvj3W/g74R0W78Yah4ujt9W+Flja6f8A2hHd3F1JqcVxetIW 7rdFJrUbj+8bHHCiuqOHXOovqKnJSi2+h9Xf8PFL3/ohPxs/Gz0v/wCTajvf+ChVxfWU0M3wL+OO yZdh8u101SAevzLfBh+H6V4B+zL8Srz4c/F/WfD/AI41bW7G+uvDvhyDT4b4XDNLceRKswjV1IE3 mMC2SG4TdkYxx/hH4nfD2W1+IHimKbxxD4FW0tbNdCivNYuNV1W4W5ZxdbWYvCJHMaAsASpc3HyJ x1RwNOTszvp4eMo3R9OeBP20/Cet/HHwb4P1P4T/ABG8M6345jn8O6RqGv2lk8F1HbWlxfGJnW7k f/VwTN8w5I+uPpzwP4V03wL4Zs9F0exg03S9LiW3tbWBNscEajAQDpx04Nflde+IPGfgLUP2X9X8 C6JYfE7xbD4z8RXek+H7rxC1nEVfQtXf+zV1GVJMtFASBI6FS24cbRXBfFn/AIO3NU/ZT+It54P+ MH7KHjvwJ4msADNaTeJYpmmXdt8yMtaRLIrZ4dPlbHB4rmxlONOSjDY5qkeV2P16+MHwc8M/HXwd N4f8W6FY+INHueXt7pcqrdnVh80cgzlXQhlPRhXz/qnw7+Kn7JOlzW3h+bWvjJ8L9rW76Fc3pj8V aNAVIItLsspu1UdI3ZZflG2Ung7n/BMz/go94V/4Kbfs4WHxD8O2DeH2vJpY5NGutRt7i9tAjlA0 ixMdobacBgCdp4rrf2t4/EPiX4Z6lovhfT/GT6uyo8FzoU8NqysQ2GDyXNtuCvsZo0mRnA2neheN +QyOM+HPgv4CftyeBvEs1ro+l+KbfW4P7N8RabqyTC8tHbZIYLm1mAa3m3RoxYKrloVbc20GvMfE PgKz/ZW8Iy/BH4ppc69+z/4uzp3hvxZcOfP8MzSPui0/UJB8ynzDm3vTz5hRG5xXTav/AME9/wDh bnxoX4kXep+MPh/8RIPDlnaQ+IdK1+SSSa8ZN1wslszPaSQowQBDFsJMpXhhtteJ/wBoPWvhFoN3 4L/aX8N6Te+D9ZT7C3jrT7RpfDl+r/Ls1C3Yu9jIcD5jugLHAeM4FAHRfsbfGXWvDXifUvgn8RL3 7b438G2/2nSdXkAjXxdoudkN6uPl86MFYpkHKuAx++K+jII/Lz36ZJHLHpn9BX5v/tFfC3WP2dNA 8Mpa+JluPBOi3qX/AMLfiFcTtO/gu5kwq6PqMykmbTrhW8pJ2LBd6iQkRR19ofsi/tK6f+058Kl1 mOzk0PXLCdtP8QaHO4a40PUY/lnt3xwQGG5XXh0ZW70WYHqlFN8xf7y/nTgwboaACijNGc0AFU9e 1a20PTJ7y8mhtbS2ieWaeV9iRIo3MSewCgknsBmo/E+uWfhnSZ9R1C7t9P0+ziea6uriVYobWFRv eR3YgKoVTznjqeBkfmn8YP2x/En/AAVo+LU/w0+COjtr3wp0a5T/AISLWr1ns9K1mRTu2XUmDKlk mEY20arcXbbVYRWsrSuAeia7+0hoXxQ+Juh/GzxdDfah4N0+7k074NeELNTLqXjPUcMkusQQZxl4 wyW7MVWOHfIzospNeyfBL9mbxP8AEb4jWPxW+NX2G48WWcRXw54Ws3WbTPBMbYJIYgLc3rcGS4ZQ AygRqq4rpf2Zv2MNH+CGp/8ACS6xqF14y+It1YjT73xFfRiLyoB0trO3XEdnbqAoWOMDIVSzO2WP tdvzuJG1mwWAOQD06/hQA20ZiX3evAx93268n396moooAKKKKACiiigAooooAKKKKACiiigAoooo Aav32+n+NOpq/fb6f406gAooooAr3yl2VfmKtwRj5TyOD1689sYzyOK+W9V/4J8698NvEeoXnwd+ JMfgPS9Wnkvbnw9rOhf8JFo8dzIxeSW0X7TBPbByxPlJN5YIyqV9OeJLyHTLFru4mjt4bVWmklkk CRxKoyWYsQOMdWO0HBPQV8feIP27fHXxZ0S88UeA28BfD34X2sjR2/jbx35ko11FbaJ7a1jnt/Jt 3KkpLNIGkUqwhC4J0p83N7m44tp6HV+F/wBgDVvGPjXR9b+L/j4/EiPw7dpqOl6Jp2jf2JotteRg 7J5YGuLiS4kXJ2rLKY1JJ2A4r6c0/bvk254x1Jyffnt6Hv8AQCvjqw/b58YfAFdD1D4uf8IP4h+H fiC6hs4fHvhF2trbTmnO2I3VpNJKfILlFM0Mr4JBeNV5r69tr23t7GW6NwPs+3zjK7bY9oABIbrt 4yCScg8EjGCpzX97cuUpP4jQlXdjPHfP4g18/wD7TH7G+v8Axm+O3hn4g+FfHyeCda8N6Ld6EyS6 HHqsN1DcTQzNuV5E2lTCMYznd2xXuulatbaxaR3FncRXkEgBSSJt6sOn3u+K+cv2rP2pviD4C/aV 8I/D7wHZ+Bcax4bvvEuoaj4la4EFtDbT28OFMLDk+fuOf7gx3qY3voZMqt+x98bpX3N+0Bprccn/ AIV/bDksxPH2jgcik/4Y4+NT/e+P2m/+G/tv/kisTSfj1+0RrCzfZbr9nm8azjjmuFhuNQaSFGjE gJ/ecbly49g3pVfSv2j/AI/assjWeqfs5XyizW+3QXOourW7Fgtx/rOISUcA9yjVvH21/d3Lp3to dA/7Gfxpb/mv2m/+G/tv/kioL79j34yWNu0k37QGmpDGC8jHwFbqqoBk7j9qUbe5z6VlaZ+0L+0P r9w0On3f7PN/NCsbyw20+pO6q+7aciTChtjbc9drelZ/hP8Aaw+Ofj+XUodD1r9mvXpdHmMN/Fp9 5qNw1m/PyTBWYqwCtkHGccdDWv8AtfQ6I+1t7p5L8VvBPxF+Dn7Quj/EDxl8U/D3iDwv8G9NHivS LqPw2Egm+3xXGj3FxcrBIXe3tYL2ScRROWkMYUMmfm+nNW+Bfw1/4Kn/ALK2lL8WPAel+K9F1mKZ 7Zb+wktJAomkjS7twzfaLTzkRZVXeHUOFZm25rz/AMD/ALX3xc0L9o74O+DvE+m/CW+8K/FDUtR0 lLrwy1/51iLfSb2/Eg875OTaGM5/56Cvqn4keM28F+HJLqGO3lvJUkW0iuJmgtZpgjOiyzBHWFG2 nMjAgZAAZioPJWlUWs9znlzX948mt/8AgmR8C0+Hnhvw43w30GS38H6dBpWkX6o8OrWkMKLGgF8j Lc7sL97zQeBVaL9jjxn8NXZfhr8bvHnh60HKaR4mjTxdpqH08y6C3232+1+leZfCD41fGL4keCfA +pXmsardald+M7qC7m0G0stR0PUNOS7RJEknhtpREI4xIiYmiJ2MWlkcGN/tC2GF7g/3T/D7en+e 9Qtrko+ez8U/2ifhWdviD4Z+FfiZYxddQ8Ha2ul30oHU/YL8iPPsLwnrweKp6z/wUu+FOl2E+n+P ofFHgO/miMcmkeKPDV5byXTHI8iJxG0Ny7dAkTuWLADORX0jP/D7c9OtfIL4/aL/AG1fF2sapibQ fgzdQ6F4fst37qPU5LaK4u75o/42WO6igX+7h/WvUybB0sTUnPE39nTV3y79Ekt920tnZXdnaxnV qSStHc8t8B/s9+NvGWta9J4LEnwL+EHi21niuvBuoRQa2dQ81gTdpaXCtBpbuu4eQpmj/eAtAsmS eq+F3/BM74b/AAysZIxc+OtUunt7a0nuZfFF9aNdLbxCOMGK2kSIKinaqlQwweANoHrvx0+J4+DP wq1rxNFYtqP9jRecbZ5vKEu1lADSbTsIwnHfZjvXhviz/gonY+FPBXxVvJvC8zax8Obr7FYaYt9g 66mxjGwk2j7PHujm38HylUNzu2t6kc8q09MHFUYrS0XaS6Xct3fzfyQqdFy1md037Dvw6UN5Fl4g s5D1a28W6rbyn6slwCfxI71Nb/Bnxt8OCsnw9+LHi3S44+f7P8RhPEenSAdFPnFLlRyfuXK5zzna KwbH9sl9U8EfEnWpPDflt4AtrO48n7dzd+fp1vfbfM8keVsMp+bLbmDN8vmbR1nwQ+N3/C6brxgv 9l/2b/wi+uvo+fP837Vi3gn837q7c+djbz93Peu6ObYypOUK1R1FFbStNO/k9PTtudscPCxvfC/9 te+0Pxpp/g74uaHbeDta1iVbTR9Zsrr7Voeuzdo0kKqbeU8EQyg5zhZJNrY8N/4LLf8ABe/4d/8A BKzwdJoOnrZ+MPjBqFuJNO8MpMRFp6MPlnvXT/VxjGQgO5yMDAy6+3/FT4aaT8YfAOpeG9cs4r/S 9WhME8UnygA8B1b+GRWwUOQd2MV89/8ABMf/AIJcfs96n4d8Ra94i+Ffh/xR8UtB8T6jo3iHX/EL 3Ot3Op3MEuVut13I4QywvC7BQBuY9cVw5pl+HnhljcPFwkrKcE24q+0lzapN6NPra2mimtRdJpLY +Lv+CQHx98ef8HEF9r/g/wDaO8feIpvBvgMR6l/wjHh/Rn0fTvFnmzOwN7ewYIWDCxC2DKrKd3zF WY/uR8I/hp4f+D3gey8N+FtF0vw9oOlx+VZ2Gn2628EC5JwEXjJzknJLEknrzs6Boln4c0uGx0+z tdPs7ZBHDbW0SxQwoOgVF+VR9Ku18uYhRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUANX 77fT/GnU1fvt9P8AGnUAFFFIT8woA8n/AG6vhfrnxr/Y++JnhLw1dNa6/wCJPDN/plg6ttbzpoWR cHIwSTjrj5uQelfnR+wz41+LEX7Nt9qsfhfUvHmoaXFp2lJ4Y1Ca0hk8P6ramSHUJkN5qc7IYsDE ANqD5WEgQSOT+tsp5CgkFgemK8U+Mv7Anw3+M/jSTxPcafrPhzxXMojuNc8M6zd6HfXaL0SZ7WRP OUZOBJuxlsYyc74bERjpPYcdz8//ANuf4E6boX7FngnR5fC9/qXjb+2nstP0q/eyfVbu7vvtCSiC KGSSEb3n3ExEpFHvzwjV9YWH7EXxig/ZwPh3/hf/AI0XUE8Of2cdNg0bQza+d9nKCATSWhlMY4Xe zbiMMfmJr1T4KfsJfDj4CeLm8S6Xpepax4seIwjX9f1S51nU4Yj1SKa6kcwoe6x4BwM5wMezW7ZH H1HOeKdaspaR2LrVOdryP54/2IP+DW79rz4Z6nBqDftA2XwVj80TNH4a1S9vZmBYnJSNooCxz0zj +v21of7I3xE/Z6/a90bwr4x+NPjH4565qnwp8QxWd5r1lbWn2eQ3Finlx+Vljv3jPmu+Ni4xls/q JJ95fY5ryX48fsU/Dr9pfxPo+ueMdH1G+1nw/bTWdjd2OtX2lzRRSlTIm61miLBtifezjHGMnPPZ PRmZ8P2P7H3xI0vxG9xY2MNrZ+K9M0bwx4k/0+BcabDpsKTyoBz50U0LRrntdvVr4M/Abx9+z34W 0Ur4F1DWrm8+HFr4PnstMvbGNtFu7e5vZlEhmniPlFboAsgcqQ3AyM/UkX/BLD4KyouNF8X4UADH j/X8D2yL3+dD/wDBKz4KDrofi9vr4+8Qn/29rojXjGamug6PuRcO589/s7fDnxn+z58WNYh1DwLr evaZq3h/QNOGq6df6e9mk9pC8MwfzbmGbA3I+9ImJwcHAbNr4N/DDVPip4h8W6j4++GOoeDIdQ0V NAstLmutMOmw6fFI7CESWd1JI7SFg2GVEXtuJfHvDf8ABKj4Jt/zAvF3/hfeIB/7e01/+CVfwVgx t0Pxf1zx4/8AEIH4n7b0xng9a645hBPn6nQqyUeVnyL42+AnimC5/Y9+Hun+J9U+F3iqHW9Sso9W 0q1sby50R08Nan9xJkmgIKqY8lQw87qDXhH7cn/Brn8fv2nL64vLj9sDXPiJH5hkjsfGdrdRwxAA sAPJmkTO4nG2NAPTsPu3S/2Xvhz8Bv2g11rw/wDC/VJvEXw/tLnVdC1PUfiFqV5Dao0T200kkU9x KkAkhnmVCyNvw+MFc19UfDPxjfeOfhzpOt6ppZ0O81KAXMtk10tx9lVtxUGRVAYbfmB29SB71xYj Ee0fOZVpxclY+H/+CVn/AAR88d/slfsZeHvAPjv4v/EDTdX0O5ux9l8G65FBpQiednRk8y283cQ3 zZbsK+ipP+CfOlzMv2r4ofHq9U/eDfEPUIQfwhdR+WK4vx9+3NrHhX4v+NYbjxJ8L9F8C6NpZvtO 1C5eS7ubP9xFIb6+8u6ULat5jrEhRDKyqodOWHuX7NHxNuvjD8FdF8R3F7ouoy6pFJILvRyPslwq yuiOql5NhZVUtH5j+WxK7jjccVFtcyIjuefv/wAE1vhtdD/TL/4qaju4Y3XxO8Sc8jst8B+leS+G vh7pv7Cf7UGreGYo76HwH8V7mDUNIvr6/mu2g1pIFguLKW4mkeQNNDFBLHuPzHzOuDX0V8cP2wPh 3+z5dwWXiLxFbrrl0CLTRdPil1HVb1hj5Y7O3DSv1HIXaMjJAIryH4oP8UP25/CFz4bh+G2g+A/A uqALLqnj5ftmqOnPzw6bbSp5Mq8FHkuFKnko3QellOYU8JKUat3TqaSUbt7qzSXVOz9Lq6uRUpt6 o634keA7D4q+B9Q8P6oszafqyeXP5Mu1m5Jz7naoBPsK8z8VfsN+AfF+rXN/eW+pSXV3/aheb7Yw 3HUYUt5wV+7uUIrKzfd2HHU1o6P+zH8bP2afD9np/hrxRY/GLQ7OFUNr4lddJ1eEjOfLu4UZZFAI wsijGAC7ZJEF/wDtK6j4Tn+z+LPhd8VNAuB9423h9tYtnI6sk1iJlI6csVJ444OPf/smNX38LONa /mk35ODtJW9PmzSjWjHSehBr/wCyF4b1ue6WLVfFNjp+qW1ta6vpdpeKYNdS2URRecpjZsYVUZoW TdtG7OFxo+EP2dbX4bfEbXNd0XxT4ntbPxBqB1K90jzLJ9PnnMMURlXzLf7RhliXpKKoH9sTQWjZ YfDPxQupugii+H+tF29BlrbA/wC+lH9LNl41+LXxM8uPwd8Ir7S4Jvval4z1GHSIFU9CIoGmu2Pc oyRg8DetdMcrrUlefLT/AMTSVuu7Wvbu9j0KdajbSR03xa+KOi/B3wFqXiHW7iO30+zjyQoLm6Zv lWBEOSzSMVQDJyzKP4q6z/gn18JNY+F3wJlvPE9s1n4s8a6teeKNYt2+9azXcpdICP70UIhiY/xN Gzd6wfg7+xCul+Nrfxp8Sddfx94wtG3aeGtFtdJ0Bv71panI3gcebIXfgYIya+ibFmJkzuxnIBXb t9uvPfnpzXl5vmGGhQWCwsnK/wAUtk7bRj1aW7bSu9kra8das6rutixRRRXzJiFFFFABRRRQAUUU UAFFFFABRRRQAUUUUAFFFFABRRRQA1fvt9P8adTV++30/wAadQAUh+8KWigBkz7Bnk8Hp1rxr4y/ t1fDX4G+Lv8AhG9S1jUNW8SKnnTaN4f0q51vULVP78sFnHI8S+jOBnBxnBrS/bk+K+s/Ar9kL4k+ M/DsPn694W8N3+p6epUuonjgcoWQfeUH5iCCPlyelfA/7APxX1LxR+y34ksPC9tpPh3xRL4ftvFE 3ieYPqc+rXV4s0k9xcrIIZHuSySNlnaL94QAdpVtKOH502Fr6H3X8Ff23fhx8fPFMnh/Q9cuLPxJ FF5/9ia1p1xo+qSxc/Olvdxo8iccsgIHGcZGfX4O/p2xxj8K/HH9vP4l+JPEf7Nvg3xoNeaz8ReB fh7afEC11cGK1u7bVQit9pgZkZ7pj5UiPaRmJCkjAu2REPtTSf2tvjf8Tf2codQ8P/AXxVaaxrnh wTwandeI9IhjhuZLYlbiNBK7tHv+dQYgSCMqudorEUfZNLuaVIWsz67lfaw9+/pyB/WvCP2kv2zr r4F/GHw/4F0T4eeIvH3iLxFpNzrgh029srUW1tbywwyM7XM0Y6zJjbnoc44z+J/7D/8AwVc/4Kpf tHX0J8IfDyPxxpMkpVdR1/wimm2GTkj/AEv/AEdXwvdTnj35+4rLUf2jPFH7WOlv8ftF+GujeLrj 4U+Il06y8BXF5d7F+02XEnnZJlLbVGx2HzN04ziZn1SP25PiVC3zfs2ePl3f9TN4ew2CRnP23nOB Q37dXxIH/Ntvj7/wp/D3/wAm18peGLH4seFfFF01jZeMlt/G2k6F4buneC52aNMdPieW/UN8yeUq 3SOydHMGe1P/AGfLzxF8C/CGi3HijT/iB5ep/Cyx0aBBpN9qE0WpW9xelkkESOUkZZ7c+ZKuCQ2C NprpWG99RfUKPvxcux9Tv+3f8Rk+9+zd4+/DxN4fP/t7VfUf25viFqFq0Lfs3/ELy5AUdV8T+H1J B9MXu7J+6AP730rw/wDZc8R6t8JPjLqmheLbPxjb3GoaB4bs7GV9Fvby0+0JbzecjzpE8KsJWXcC 4K5GQKzfG/gDxPo2mfGy1jm8ZapZ6x4i0a5trq8W4vES0Mdq1yqxp89xbLsfzLeIK0inbuTO4d39 n0lG7Oyjh1LVnpnwn+NnhLQv2lPC3hrV/wBmvUvh9rfxlnudIOt3NzpF0L97bTJLow3LQXEkrH7N Y4+ZT9z616P/AMFA/wDgqb8Gf+CZvgO11T4k+IFtbi82rp2gaYi3WrX/APDmGAOpEYH8bbVGD16D 4o1Twr8Rr7Xf2ctF8CajZ+C/FsnxF8TQeG9U13SJDa2ts2h6sVmTT5JEkii8lpDDBLv2ERq3mbQx 5u9/4NHtD+PfxRv/ABn8df2hviX8SvFWrSCXULy0tINPaY5DGPdK021BkhURVVVC4Ve/BiqMaUlG Oxz1oxjKyPvrRf8Agop4Z+JejWsPwP8ADevfGKa4gjNvNoEMdvoFsCi7PM1KYpbgKuAViaV1242H jNhP2ffjN8e0WT4lfEiPwTpMxy/hv4eO0LOvXbLqk6mdsjg+QkHfDCu+/Yu/ZK8N/sN/s6eH/hh4 RvNdvvDfhiNorB9WuluJ0jZ2fZuVVG0FjjCjrXqlc5mecfAv9mDwB+zxZXC+D/Cul6Hc3Zzd3ccJ lvLxxn55rhmeWVuTzI7Nyeea9Ej5/IcHrT6KACkKKf4R+VLRQAmxR/CPypcYoooAMUUUUAFFFFAB RRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUANX77fT/GnUUUAFFFFAGf4k0+HVtPktbiGG 4t7lHhmimi8yJ0ZSGDKSBtx1z1GQOSK+N/Dn7C/xC/ZPivtH+DEfw98QfD2+lkntPD3iZ5dGutED sW+zR3dvbTCeEbsIk9v5iKFXzWAGCiqhUlB80dy6cnGV0OvP2AvHX7Uuu6Evxrh8A6P4K8PXkV8n hbwy0mqPqskZyIrm7nt7cLb5Cs0UUXzFRuc4XH2ZYWlvbW32aGOOOGFVjWONdqIAMBQBwMAAYHQY ooqp1JT96RE6jlLUleFV2/whR07YyCa8K/aT/YkT4+/GLw946sPiD4y8Ba94b0m50RZdDSxZZ7ae WGZw4ureboYUxs29TnPGCis+ZrVAc3/wwH4wc7n/AGkPi4xOTk6foHOWJ76f70H/AIJ/eLn/AObj vi5+Gn6B/TT6KKuNed9xxbWwyT/gnx4sb737R3xc/HT9A/rp9N/4d6+K/wDo4z4tH/uH+Hv/AJXU UVaxNRapl+2n3HeEP+Cb82j/AB08C+Otf+MXxI8YXHw9vLu/07TtSttIis5JLixuLJy/2eyjkJEV w+MOMV9NWaeWCOT3JOc9T6/40UVnKTk7yJdSUtyeiiipJCiiigAooooAKKKKACiiigAooooAKKKK ACiiigAooooAKKKKACiiigAooooAKKKKACiiigD/2Q==12021-06-28T08:04:00Z2021-06-28T08:20:00Z011384921172Microsoft Office Word817649falseTítulo1false24972falsefalse16.0000