MIME-Version: 1.0 Content-Type: multipart/related; boundary="----=_NextPart_01D6E354.C0207940" Este documento es una pgina web de un solo archivo, tambin conocido como "archivo de almacenamiento web". Si est viendo este mensaje, su explorador o editor no admite archivos de almacenamiento web. Descargue un explorador que admita este tipo de archivos. ------=_NextPart_01D6E354.C0207940 Content-Location: file:///C:/2C48CB21/01Incidenciametodologiasadministrativas_CesarCasanova.htm Content-Transfer-Encoding: quoted-printable Content-Type: text/html; charset="utf-8"

Recibido: 10-10-2020 /Aceptado: 04-12-2020/ Publica= do: 02-01-2021

 

Incidencia de las metodolog= as de enseñanza en las carreras de ciencias administrativas ofertadas por las universidades públicas del DMQ.

 

 

Incidence of teach= ing methodologies in the careers of administrative sciences offered by the public universitie= s of the DMQ.

 

Giovanni Herrera Enríquez. [1], = Sergio Castillo Páez. [2],<= /span> Danny Zambrano Vera.<= /span> <= /span>[3] , Maybelline Jacqueline Herrera Sánchez. [4], & César Iván Casanova Villalba. [5].<= o:p>

 

D= OI: https://doi.org/10.33262/visionariodigital.v5i1.1526

 

 Abstract.                                

Introduction: The diffusion of knowledge is part of the evolut= ion and human development, in this space the higher education plays a fundament= al role in the search, diffusion and construction of the knowledge. Several methods of teaching have been developed to allow the students to assimilate= the learning. Objective: To determine the effectiveness of the various teaching methods given by teachers to students at the undergraduate level, focusing the student's perspective on the methods applied by their teachers= and the conception of learning. Methodology: This research is of a theoretical type based on documents, with the use of tools such as the application of surveys, giving an exploratory descriptive result, applying = an analytical deductive method. Results: the most applied methods by the teachers are master conferences and problem-based learning, however, the ca= se study and simulation methods are qualified by the students as the ones that provide better results for the learning capture. Conclusion: The res= ults of the research were analyzed for the final year students of the Business Administration, Accounting and Auditing careers at the Central University of Ecuador and the University of the Armed Forces ESPE, and there are two important conclusions: the first is that the students do not have a correct interpretation of each concept of the different methods and therefore do not understand the difference between their application; the second is that the teachers do not look for new ways to reach the students and they are pigeonholed into the typical methods, for this reason there is no circumstantial difference in knowledge.

Keywords: Teaching methodologies, teaching methods, student perspectives, conception of learning, Public Universities of Quito<= b>.

Resumen.

Introducción: La difusión del conocimiento forma parte de la = evolución y el desarrollo humano, en este espacio la educación superior juega un pap= el primordial en la búsqueda, difusión y construcción del conocimiento. se = han desarrollado varios métodos de enseñanza para permitir a los estudiantes asimilen el aprendizaje. Objetivo: Determinar la efectividad de los diversos métodos de enseñanza impartidos por los docentes a los estudiant= es en nivel de pregrado, focalizando la perspectiva del estudiante sobre los mét= odos aplicados por sus docentes y la concepción del aprendizaje. Metodologí= a: esta investigación es de tipo teórica basada en documentos, con la utiliz= ación de herramientas como la aplicación de encuestas, dando un resultado descri= ptivo exploratorio, aplicando un método deductivo analítico. Resultados:= los métodos más aplicados por los docentes son conferencias magistrales y el aprendizaje basado en problemas, sin embargo, los métodos de estudios de c= aso y simulaciones son calificados por los estudiantes como los que brindan mejor= es resultados para la captación del aprendizaje. Conclusión: Se anali= zó los resultados de la investigación  a= los estudiantes del último año de las carreras de Administración de Empresas, Contabilidad y Auditoría de la Universidad Central del Ecuador y de la Universidad de las Fuerzas Armadas ESPE, y se tienen dos conclusiones de trascendencia, la primera que los estudiantes no tienen una correcta interpretación de cada concepto de los diferentes métodos por ende no con= ciben la diferencia entre su aplicación, la segunda es que los docentes no buscan nuevas formas de llegar a los estudiantes y se encasillan en los métodos típicos, por tal motivo no existe una diferencia de circunstancial en conocimientos.

Palabras claves: Metodologías de enseñanza, Métodos de enseñan= za, perspectivas estudiantiles, concepción de aprendizaje, Universidades Públicas de Quito= .

Introducción.

La responsabil= idad permanente del profesor abarca la enseñanza-aprendizaje, la investigación= y la vinculación con la sociedad, las cuales e= stán interrelacionadas, no obstante, la presente investigación se concentró en= la enseñanza, donde el docente genera curiosidad, expectativas y compromisos = con sus estudiantes y con la humanidad. Así, el papel del profesor no está li= mitado a que conozca el contenido de una asignatura para enseñarla, puesto que la transferencia de conocimientos específicos no se debe considerar como suficiente tarea de la docencia. Corroborando con esa concepción sobre la docencia, Delors (1996), expone que la profesión de un docente no es simplemente el dictar una clase, si no que el objetivo de un docente es el transmitir conocimientos para que el estudiante pueda solucionar problemát= icas de su profesión.

De acuerdo a Cullen (1997), el educador debe impartir una enseñanza trascendente la cua= l, tomando como analogía, aquella persona que después de permanecer en la ca= verna sale de ella y contempla la luz y la belleza del mundo, vuelve a la caverna para ayudar a otros a salir de la obscuridad, lo que semeja a que los docen= tes deben compartir sus conocimientos y los estudiantes, los cuales deberán utilizar estas enseñanzas con fines profesionalizantes. El principal desaf= ío colocado al profesor universitario tal vez sea el de dar respuesta adecuada= a las reformas ocurridas en la educación superior y orientar su docencia par= a el proceso de enseñanza-aprendizaje. Andrade (2004) comenta que la enseñanza aprendizaje debe estar en concordancia con= el modelo de profesionales que se desea formar, bajo un pensamiento de formaci= ón de la academia con la metodología pedagógica acorde.

Al observar la importancia de las prácticas de enseñanza, que aproximen a los discentes = a la realidad del mercado y de la profesión, se puede formular la siguiente pregunta: ¿cómo deben ser las prácticas pedagógicas en el área de Administración y sus impactos en el desempeño profesional en la visión d= e los graduados de pregrado en esa área? Para sustentar este cuestionamiento Akt= ouf (2005) afirma que la enseñanza de la ciencia de administración debe cambi= ar de ser un método de reproducción y dejar de lado el conservadurismo y/o conformismo, o sea, abrirse hacia la creatividad. Además, es relevante que= las IES paren de "formar clones" y que los profesores se comprometan = con la creatividad y el cambio.

Una vez que la excelencia de la enseñanza y del aprendizaje en la educación superior es cuestionada por varios sectores de la sociedad, la competencia pedagógica presentada por los profesores se torna un aspecto importante para la calida= d en los programas. Esta relación de consecuencia es también sustentada por Lindberg-Sand y Sonesson (2008). Casanova (2018) detalla que la calidad debe mantenerse tanto en el sector público como privado, en el cas= o de educación se deberían tener estándares más altos lo cual también es el pensamiento de Herrera (2018).

Rosselló (2005) se refiere a la didáctica general que= , a partir de la década de los ochenta, presenta las siguientes particularidad= es:

a.      Contexto científico y epistemológico. Surgen nuevas formas de concebir y construir el conocimien= to científico por lo que es cuestionado el enfoque positivista como la única= vía para crear conocimiento científico.

b.      La postmodernidad y la sociedad= del conocimiento favorecen el surgimiento de nuevas maneras de conocer la reali= dad, de relacionarnos, de enseñar y de aprender.

c.       Debido a los cambios que se mencionaron anteriormente, las profesiones requieren que la función del do= cente colabore con una conducción que aproxime el estudiante al mundo del trabajo (formación ocupacional, formación profesional, la enseñanza-aprendizaje = con TIC en el ámbito universitario) (p. 138).

Los diversos métodos de enseñanza son herramientas o canales disponibles para ser utilizados por el profesor para construir una relación con el estudiante, dirigiendo el aprendizaje. La utilización de = un método especifico, de manera correcta, en el momento correcto, consigue facilitar al estudiante la asimilación, procesamiento, crítica, comprensi= ón e incorporación de los conocimientos de un determinado estudio que esté sie= ndo trabajado.

Es importante considerar que la educación no cambia con la introducción de medios y productos tecnológic= os, porque estos son acoplados dentro de la pedagogía y didáctica, articulán= dolos para el alcance de objetivos de la educación. Los estudiantes, durante su permanencia en el curso, experimentan varias formas de enseñanza, como efe= cto, son ellos los que experimentan y son capaces de discernir la calidad, la pertinencia y la utilidad del conocimiento colocado a su disposición. Los estudiantes están calificados para expresar su satisfacción o insatisfacc= ión con la experiencia educativa. Ellos tienen derecho a expresar sus opiniones= , en cualquier caso, y nadie más puede reportar la medida en que esa experienci= a fue útil, productiva, informativa, satisfactoria.

Se = debe destacar que los profesores tienen un control limitado sobre varios factore= s de aprendizaje (Carreño, 2012), debido a que existen otros elementos que tamb= ién tienen influencia sobre el aprendizaje del estudiante, como su preparación emocional para aprender, los conocimientos previos sobre el contenido del curso, las habilidades de aprendizaje, el tiempo que el estudiante dedica e= n su aprendizaje, y otros elementos relevantes de cada alumno. Se puede argument= ar que lo que aprende el estudiante no siempre es la consecuencia de una responsabilidad compartida entre el profesor y el estudiante. Además, existen muchos estudiantes capaces de aprender a pesar= del profesor, mientras que otros fracasan a pesar de todos los esfuerzos de un profesor experto en la materia.

Para efectos de la presente investigación se analizar= n los principales métodos de enseñanza como son conferencias magistrales, estud= io de caso, el de discusión en grupo, el aprendizaje basado en problemas, la investigación, simulación, seminario y juego de roles (Sáez, 2018), métodos que = son aceptados y utilizados dentro de la comunidad académica y considerados com= o los más utilizados y con mejores resultados de aprendizaje.<= /p>

En este estudio se identifica como problema de investigación los siguientes cuestionamientos ¿cuáles son las metodologías de enseñanza declaradas? = y si ¿ellas son aplicadas para consolidar el aprendizaje de los estudiantes?, c= on lo que se pretende cumplir el objetivo de investigar la calidad de las activid= ades de enseñanza, definida como la consolidación del aprendizaje en base de la aplicación de distintos métodos impartidos a los estudiantes del último = año de las Carreras de Administración de Empresas y de Contabilidad y Auditoría, ofrecidas por la Universidad de Las Fuerzas Armadas ESPE y por la Universid= ad Central del Ecuador – UCE, en 2018.

Metodología.

Como metodología inicial se tomó en consideración los criterios de Blaich y W= ise (2011) que definen el uso de la evidencia del aprendizaje de los estudiantes como cinco pasos que ayudan a las instituciones a identificar procesos efectivos de evaluación y el uso de estos datos. Estos pasos incluyen la auditoría de datos; Involucrar a la facultad, el personal y los estudiantes para conversar y diseñar un plan antes de recopilar datos de evaluación en preparación para la reflexión; Asegurar recursos (dinero, espacio, tiempo, etc.) para fomentar la colaboración interinstitucional regular para el di= logo sobre los datos; Centrar los esfuerzos de evaluación en uno o dos resultad= os basados en la evidencia; Y alentar la participación de los estudiantes con= los datos de la evaluación para ayudar en la interpretación de los resultados= .

Realizada la planificación o estructura del proyecto según los pasos anteriores, pa= ra la recolección de datos se utilizaron encuestas y entrevista por medio de cuestionarios, por lo que se estructuró el instrumento de investigación q= ue fue aplicado a los estudiantes del último año de las carreras de Administraci= ón de Empresas, Contabilidad y Auditoría de la Universidad Central del Ecuador y= de la Universidad de las Fuerzas Armadas ESPE.

Variables estudiadas

En función de acceso a los datos, la variable operativa seleccionada fue rendimiento y satisfacción de los estudiantes, la cual es una variable com= puesta, que se especifica a continuación:

Variables relacionadas con el rendimiento y satisfacción de los estudiantes:

·      =    Condiciones de docenc= ia.

·      =    Calificación subjeti= va (merecida para el estudiante).

Con la finalidad de obtener los datos bases para el estudio de las dos variable= s, se realizaron dos cuestionarios, uno para cada variable estudiada, pero se aplicaron a la misma muestra representativa de estudiantes. El primer cuestionario cubre los criterios de que el método es utilizado de acuerdo = a su concepción, su facilidad en comparación con otros métodos y por último = el grado de contribución a las calificaciones respondiendo a la variable calificaci= ón subjetiva del estudiante; en el segundo cuestionario se aborda conceptos puntuales de cada método con el énfasis de analizar la aplicabilidad por = parte del cuerpo docente correspondiente a la variable de condiciones de docencia= .

Recolección de información

Fueron diseñados varios instrumentos para la recolección de información sobre l= as variables señaladas, tanto cuestionarios como protocolos de entrevista, pe= ro, el enfoque de la investigación se centró en los resultados de los cuestionarios, los que fueron elaborados por el equipo de investigación pa= ra obtener información sobre los métodos de enseñanza, respondiendo a una selección exhaustiva de ítems representativos de los dominios de contenido objeto de análisis. La variable “Condiciones de docencia” se configura= con distintas dimensiones: características del aula, metodología didáctica, materiales y recursos utilizados, implicación del alumno en el proceso doc= ente, estrategia evaluativa, prácticas y valoración global. La medida de estas variables se realiza a partir de un cuestionario propio de N ítems, en for= mato tipo Likert con cinco categorías de respuesta.

Muestra

Dado el inter= s en analizar escenarios de enseñanza en el desarrollo curricular, la muestra f= ue conformada por estudiantes de los últimos niveles de las carreras de Administración de empresas, Contabilidad y Auditoría de ofrecidos en las universidades de análisis, siendo un total de 185 estudiantes encuestados.= En esta oportunidad se utilizó un muestreo no probabilístico para lo cual se= requirió construir conglomerados, los cuales fueron compuesto por grupos de estudian= tes del último año de la carrera, se eligió un grupo y a cada individuo se l= es aplicó los cuestionarios.

Análisis de consistencia del instrumento

Para cada sección del instrume= nto, correspondiente a cada uno de los métodos estudiados, se analiza la consistencia interna de las respuestas de aquellos estudiantes que declaran= que el método fue efectivamente utilizado. Para esto, se calcula el alfa de Cronbach en cada subgrupo de ítems, y se observa que este estimador presen= ta valores aceptables (cercanos o superiores a 0.70) en todos los casos.<= /o:p>

Como una medida global de consistencia, este análisis también se aplica para todos los estudiantes = que declaran haber utilizado todos los métodos, los cuales son 114 de la muest= ra de 185 encuestados (61.6%), los que declaran que han utilizado todos los méto= dos. En este caso, el alfa de Cronbach es también alto, indicando que el instru= mento es consistente de forma general. Además, es importante indicar que, de acu= erdo a este análisis, ninguno de los ítems utilizados debió ser eliminado, lo= que corrobora la consistencia del instrumento.

Resultados.

Análisis estadístico

Los estudiantes son evidencias racionales y fuente confiable (Arreola, 1995; Braskamp y Ory, 1994; Pratt, 1997). Los estudiantes están calificados para expresar su satisfacción o insatisfacción con la experiencia educativa. Ellos tienen derecho a expresar sus opiniones, en cualquier caso, y nadie más puede rep= ortar la medida en que la experiencia fue útil, productiva, informativa, satisfactoria. Bajo este enfoque el levantamiento de datos se realizó en la Carreras de Administración de Empresas, Contabilidad y Auditoría de la Universidad de las Fuerzas Armadas ESPE y en las de la Universidad Central = del Ecuador, por lo que el análisis fue, inicialmente, aplicado a cada univers= idad y a seguir se compararon los resultados obtenidos entre las universidades.<= o:p>

Análisis de la utilización de los métodos de enseña= nza aprendizaje

Díaz y Herná= ndez (1998) enfatizan que los métodos de enseñanza se enfocan en factores como= el diseño y el empleo de objetivos de enseñanza, aporte que se trata de demo= strar con la utilización y calificación de la satisfacción por parte de los estudiantes, se presenta los resultados de la aplicación de los cuestionar= ios para medir en primera instancia la frecuencia de uso para cada método util= izado por los diferentes docentes, en las carreras de estudio, los ítems están clasificados en la frecuencia de uso de cada método, así como la relació= n entre la teoría del método y la aplicación áulica, y como estos dos factores = se afectan al aprendizaje que se mide con las calificaciones obtenidas por los estudiantes.

Frecuencia de uso para cada método

De acuerdo con la frecuencia de= uso para cada método, se puede comprobar que todos los métodos tienen un alto porcentaje de uso (superior al 80% en todos los casos). Los métodos más utilizados son las conferencias magistrales (CM), estudio de caso (EC), el = de discusión en grupo (GP) el aprendizaje basado en problemas (ABP), la investigación (INV) y la Simulación (SIM). Los métodos menos frecuentes = corresponden al seminario (SEM) y al juego de roles (MJR).

Concordancia entre la fundamentación teórica del mét= odo y su aplicación en el aula.

La mayoría de los métodos uti= lizados en el aula concuerdan en un grado alto o muy alto con su fundamentación y = características teóricas, es decir que si se ejecutan según las características del mét= odo. Sin embargo, esto no sucede con el uso de la Conferencia Magistral, seguido por= el Estudio de Casos, en esos dos métodos se observa una valoración neutral a= lta. Los métodos con mayor concordancia en este sentido corresponden a Juego de Roles y Simulación, siendo el primero de estos uno de los métodos con la = menor frecuencia de uso. Los resultados también nos arrojan que no hay claridad = en la percepción de los estudiantes sobre las características teóricas del mé= todo para poder compararlas con su aplicación en sala de clase.

Relación entre el método utilizado y la facilidad de aprendizaje.

Si se analiza como contribuye el método utilizado en clase con la facilidad de aprendizaje por parte del estudiante, se puede observar que todos los métodos presentan, en la mayor= ía de los casos, una efectividad en grado positivo o neutro. No obstante, al pare= cer de los encuestados los métodos más efectivos corresponden al Estudio de C= aso, la Simulación y el Juego de Roles. Entre los métodos menos valorados positivamente se encuentran la el Seminario, el Aprendizaje Basado en Probl= emas y la Investigación. En lo que se relaciona a los métodos Aprendizaje Basa= do en Problemas y de Investigación, la dificultad del estudiante en el aprendiza= je puede demostrar una preparación académica deficitaria que no le permite visualizar claramente la solución de problemas y ejercer la lógica de la metodología de investigación. De los resultados se desprende que la ense= anza practicada por los docentes no alcanza transmitir suficiente preparación a= los estudiantes de manera que ellos puedan asimilar mejor los métodos Aprendiz= aje Basado en Problemas y el de Investigación, lo que dificulta su aprendizaje= .

Incidencia del método utilizado en la calificación ob= tenida.

En este ítem se analiza la per= cepción del estudiante en cuanto al grado de incidencia que tiene el método utiliz= ado en clase respecto a su calificación (nota) obtenida. De manera general, se verifica que se reporta una alta relación de todos los métodos con la calificación obtenida cuando la valoración es aceptable (entre 30% y 46%)= . Este resultado parecer ser más evidente para los casos de la Conferencia Magist= ral y el Seminario En caso de una valoración muy alta, esta se encuentra entre 2= 4% y 37%. Por otra parte, el uso del método de Aprendizaje Basado en Problemas presenta una mayor incidencia neutra respecto a calificación obtenida.

En esos resultados obtenidos de los encuestados de la UCE, también se puede interpretar que los estudiantes podrían esperar una mejor calificaci= ón caso los métodos fuesen aplicados, puesto que Seminario, Juego de Roles y Aprendizaje Basado en Problemas fueron identificados como poco utilizados en las carreras estudiadas.

Resultados específicos para cada método de enseñanza=

Para = el análisis de la segunda variable, la cual se relaciona con los resultados de cada método según los atributos que contribuyen a la enseñanza, se prese= ntan los resultados objetivos recabados de los estudiantes encuestados. Como se mencionó en la metodología se realizaron dos encuestas las cuales los ít= ems unos, dos y tres fueron analizados en el apartado anterior, por lo cual para los siguientes ítems se utilizarán las siglas del método analizado y las numeraciones subsiguientes.

Análisis de resultados específicos para: Conferencias Magistrales

Se analizaron los siguientes í= tems específicos:

·      =             &nb= sp; CM4: Experiencia y conocimiento del docente

·      =             &nb= sp; CM5: Participación de los estudiantes<= /p>

·      =             &nb= sp; CM6: Lenguaje claro y accesible para la audiencia

Rodríguez (2011) señala que el= método conferencias magistrales pese a tener más de ocho siglos es uno de los mé= todos más utilizados pero que se lo debe empatar o combinar con otros métodos p= ara que tenga un mayor impacto. La tendencia general de respuesta en todos los = casos es hacia valores altos de la escala. Adicionalmente, en todos los ítems, aproximadamente las dos terceras partes de los encuestados valoran de forma aceptable o muy satisfactorio el conocimiento y experiencia del docente, la participación de los estudiantes y la claridad del lenguaje utilizado en e= ste método. Por la valoración obtenida se desprende que la percepción de los estudiantes es de que el docente practica satisfactoriamente método Confer= encia Magistral en su tarea de enseñanza.

Análisis de resultados específicos para: Estudio de C= aso

Se analizaron = los siguientes ítems específicos:

·      =             EC4: Explicación metodológica del docente

·      =             EC5: Fomento del pensamiento creativo

·      =             EC6: Evaluación basada en desempeño

La tendencia general de respuesta en todos los casos es hacia valores altos de la escala. Adicionalmente, en todos los ítems, aproximadamente las dos terceras parte= s de los encuestados valoran de forma aceptable o muy satisfactorio cada uno de ellos, siendo más clara esta tendencia para los aspectos relacionados con = el fomento del pensamiento creativo y la evaluación basada en el desempeño.<= o:p>

Análisis de resultados específicos para: Simulación<= /span>

Se analizaron = los siguientes ítems específicos:

·      =             SIM4: Logro de objetivos del método

·      =             SIM5: Evaluación consensuada del problema de estudio

·      =             SIM6: Ejercicios pertinentes a la realidad profesional

La tendencia general de respuesta en todos los casos es hacia valores altos de la escala, siendo un poco más leve este comportamiento para el logro de objetivos del método.

Álvarez (2001) considera que la formación de los estudiantes debe ejecutarse con activida= des que den una visión integradora para la preparación de actividades laborales.  Este método pone a la enseñanza en una posición de aproximación con la realidad que es valoriz= ada por más de dos terceras partes de los estudiantes. Sin embargo, casi una terce= ra parte de los estudiantes encuestados no valoriza la relación de los ítems= con la aplicación del método. Ello significa que la enseñanza del docente en= el desarrollo del método no llega a todos sus estudiantes.<= /p>

Análisis de resultados específicos para: Grupos de Di= scusión

Se analizaron = los siguientes ítems específicos:

·      =             GP4: Diálogo abierto y participativo

·      =             GP5: Iniciativa para investigar puntos clave

·      =             GP6: Exposición y retroalimentación del docente

De acuerdo con= los resultados obtenidos, se observa que la tendencia se centra en valores intermedios y altos de la escala para cada uno de los ítems. También se evidencia que más de la mitad de los encuestados consideran la aplicación= de este método en términos regulares o solamente aceptables. Esto se hace m= s evidente al ser consultado sobre la iniciativa de los estudiantes para investigar puntos clave sobre el tema discutido.

La discusión presupone que los participantes se encuentren con suficientes conocimientos para ser objetivos sobre el tratamiento del tema. Si el método no es altam= ente valorizado, eso podría estar relacionado a que existe poca orientación pr= evia por parte del docente para que el estudiante realice una preparación adecu= ada sobre el tema a ser trabajado en cada reunión.

Análisis de resul= tados específicos para: Seminario

Se analizaron = los siguientes ítems específicos:

·      =             SEM4: Apoyo y orientación del docente<= /p>

·      =             SEM5: Presentación y análisis de los resultados

·      =             SEM6: Elaboración de conclusiones y documento final=

De acuerdo con= los resultados obtenidos, se observa que la tendencia general de respuesta en t= odos los casos es hacia valores altos de la escala, siendo un poco más leve este comportamiento para el apoyo y orientación del docente. El nivel aceptable= de respuestas presenta un mayor porcentaje en todos los ítems. Por otra parte, casi del 60% de los encuestados valoran de forma aceptable o muy satisfacto= ria a cada uno de los ítems consultados.

Los resultados también arrojan que aproximadamente una tercera parte de los estudiantes se colocan en una posición neutra en todos los ítems con relación al métod= o y su desarrollo. Eso puede significar que la percepción de esos encuestados es = que las directrices en la enseñanza y desarrollo del método no son satisfacto= rias para su aprendizaje.

Análisis de resultados específicos para: Método de J= uego de Roles

Se analizaron = los siguientes ítems específicos:

·      =             MJR4: Análisis de sus propios roles

·      =             MJR5: Aprendizaje significativo y grado de tolerancia alcanzado

·      =             MJR6: Relación del método con el aprendizaje obtenido

la tendencia general de respuesta en todos los casos es hacia valores altos de la escala, siendo un poco menor el nivel de satisfacción cuando se analiza la relaci= n del método con los ítems aprendizaje significativo y grado de tolerancia alca= nzado y relación del método con el aprendizaje obtenido.

Adicionalmente= , en todos los ítems, más de las dos terceras partes de los encuestados valora= n de forma aceptable o muy satisfactoria a cada uno de ellos. El alto involucramiento del estudiante en la aplicación de ese método está refle= jado en la elevada valoración obtenida en todos los ítems.

Análisis de resultados específicos para: Aprendizaje = Basado en Problemas

Se analizaron = los siguientes ítems específicos:

·      =             ABP4: Presentación del problema y selección del Materia= l de aprendizaje

·      =             ABP5: Rol del docente como tutor

·      =             ABP6: Participación del grupo en la resolución del prob= lema

De acuerdo con= los resultados obtenidos, se observa que los niveles de respuesta se concentran= en altos y muy altos de la escala para cada uno de los ítems, mientras que la valoración en el nivel aceptable se presenta algo menor para la participac= ión del grupo en la resolución del problema.

De los resulta= dos obtenidos se despliega que, cuando ese método es utilizado, los estudiantes tienen una valoración alta probablemente porque los aproxima a problemas d= e la vida real. En el ítem Participación del grupo en la resolución de proble= ma se presenta con una valoración neutral en, aproximadamente, una tercera parte= de los encuestados, lo que podría indicar que la enseñanza mediante el traba= jo en grupo no aporta mucho para el aprendizaje de esos estudiantes.

Análisis de resul= tados específicos para: Investigación

Se analizaron = los siguientes ítems específicos:

·      =             INV4: Relación del tema de estudio con resultados de investigación

·      =             INV5: Aplicación del método científico en clase

·      =             INV6: Desarrollo del sentido crítico, análisis, síntes= is en los estudiantes

Se observa que= los valores para todos los ítems son casi similares y representan la percepci= n de una tercera parte de los encuestados en lo que se relaciona a la escala más alta. También se evidencia que más del 60% de los encuestados consideran = la aplicación de este método en términos regulares o solamente aceptables en cada uno d= e los ítems consultados.

Esos resultados pueden ser atribuidos al no dominio, por parte del docente, de la práctica= de la investigación para poder enseñar a los estudiantes a aplicar el método científico en las respectivas disciplinas.

Análisis comparativo entre los resultados de las universidades ESPE y UCE

Preliminares

Con base en los resultados de la encuesta aplicada a estudiantes del área de Administraci= n, en las Carreras de Administración de Empresas, Contabilidad y Auditoría de la Universidad de las Fuerzas Armadas ESPE y de la Universidad Central, se procedió a realizar un análisis comparativo entre todas estas carreras y = las respuestas relacionadas a los distintos métodos de enseñanza contemplados= en el instrumento utilizado.

Para esto, en primer lugar, se seleccionaron las respuestas dadas por aquellos estudiantes que respondieron afirmativamente al hecho de que cada método haya sido utilizado en clases. Así se eliminan sesgos de respuesta a favor de determ= inado método, y se potencializa la discriminación de parte del estudiante, pues= cada uno de ellos usó todos los métodos y puede comparar sus bondades y su aplicación en el aula.

Asimismo, se analizaron las respuestas de las preguntas comunes de cada sección. De esta manera, se asegura que cada método pueda ser comparado de forma efectiva, = al ser evaluado frente a los mismos ítems y con la misma escala.

Luego de obten= er la base de datos correspondiente, se procedió a realizar el análisis comparativo identificando, en cada caso, la carrera y universidad a la que pertenece cada estudiante encuestado (variable que llamaremos carrera).

El método de análisis estadístico utilizado fue el Análisis de Correspondencias Múlt= iples - ACM, tomando en cuenta que en la base de datos se cuenta únicamente con variables categóricas, y que el objetivo de análisis es reducir las varia= bles e interpretar la información relevante para cada grupo y variable considerad= a.

El ACM permite construir dimensiones (o ejes) donde se recoge la mayor cantidad de informa= ción (variabilidad) y representa gráficamente cada individuo, variable o grupo = de interés en función de estos ejes. Esta representación depende del nivel = de relación (correlación) del objeto a representar respecto a cada dimensió= n. Asimismo, permite interpretar cada dimensión en función de aquellas varia= bles más correlacionadas con la misma, y a su vez permite identificar subgrupos, pues aquellos individuos o variables que presenten información similar se correlacionarán de forma parecida en cada dimensión, por lo que su representación gráfica será muy cercana entre sí. Por otra parte, aquel= las variables o individuos que tengan menor relación se ubicarán más lejanos= , pues sus correlaciones a cada eje (dimensión) también serán distintas.

Para aplicar e= ste análisis, se simplificó la escala de respuestas de la siguiente manera: 1= – 2 =3D Bajo, 3 =3D Medio, 4 – 5 =3D Alto. Esto permitió tener el tamaño muestr= al necesario para cada nivel de la escala (por lo general, hubo pocas respuestas de nivel 1). Esta escala fue recodificada en 3 distintas variables por cada variable original. Por ejemplo, variable CM1, que corresponde a la pregunta “Recon= oce que este método fue utilizado de acuerdo con la definición” relacionada= al método de Conferencias Magistrales (CM), cuya escala original era de 1 a 5 (variable categórica ordinal), se recodificó en 3 variables: CM_Alto, CM1_Medio, CM1_Bajo, cada una de ellas de carácter nominal, asignándole el valor de CERO o UNO, dependiendo la respuesta del estudiante encuestado.

El ACM se realizó utilizando el softw= are estadístico R, y en especial el paquete “FactoMineR”.  Detalles sobre este paquete y su utili= zación para realizar el ACM se puede encontrar en el libro “Exploratory Multivar= iate Analysis by Example Using R” de Husson, Lê y Pagès (2011). <= /span>

 

Análisis generales

Una vez realiz= ado el ACM, se procede a representar bidimensionalmente la información de cada variable recodificada y de cada individuo. Adicionalmente, se representó la variable “Carrera” donde se indica a que carrera y universidad pertenec= e cada estudiante. En las Tablas 1 y 2 se presentan las variables más correlacion= adas a cada Dimensión o Eje.

Tabla 1: Variables correlacionadas a la Dimensión 1<= /o:p>

Variable

R2

p.value

JR1

0.640

0

SIM1

0.584

0

JR3

0.485

0

SIM2

0.465

0

Fuente: Elaboración propia.

Tabla 2: Variables correlacionadas a la Dimensión 2<= /o:p>

Variable

R2

p.value

INV1

0.299

0

SEM3

0.245

0

ABP1

0.242

0

Fuente: Elaboración propia.

Como se puede observar, la dimensión 1 está relacionada al uso de los métodos de Juego= s de Roles y de Simulación, mientras que la segunda dimensión, implica el uso = de Investigación, y Aprendizaje Basado en Problemas. Para conocer el nivel de representatividad de estos ejes, es necesario saber el porcentaje de variabilidad (información) que recogen los mismos. Esto se puede verificar= en la Tabla 3.

Tabla 3: Varianza explicada por las dimensiones 1 a 3=

Información

Dim.1

Dim.2

Dim.3

Varianza explicada=

0.286

0.136

0.119

% de varianza

14.294

6.808

5.936

% Acumulado de varianza

14.294

21.103

27.039

 

Fuente: Elaboración propia.

En la tabla anterior, se puede verificar que en las dos dimensiones se puede representar hasta un 21.10% del total de la informaci= n. Este porcentaje se puede considerar bajo, aunque era de esperar, tomando en cuenta que se trata de un estudio exploratorio, y que existen muchas variab= les (y métodos de enseñanza) que han sido analizados.

Para analizar = la información para la variable “Carrera” y como esta se representa en ca= da dimensión, se construyó la tabla 4, donde se presentan sus coordenadas y = el valor de Coseno Cuadrado, que indica el grado de calidad de representación= en el plano (a mayor valor, mejor representación. Si este valor es cercano a 1 indica que la representación en el plano es adecuada)

Tabla 4: Coordenadas y coseno cuadrado de las carreras en = el plano

Dim.1

Cos2

Dim.2

Cos2

COM_ESPE

-0.341

0.059

-0.070

0.003

COM_UCE

-0.013

0.000

-0.105

0.002

FIN_ESPE

0.133

0.010

0.214

0.027

FIN_UCE

0.513

0.040

-0.301

0.014

 

Fuente: Elaboración propia.

Como se puede verificar, la calidad de representación no es tan buena, posiblemente se requieran más dimensiones para representar estas carreras. Esto puede debe= rse a que existen métodos altamente representativos (como las conferencias magistrales) que no se encuentran representadas en ambas dimensiones). Los resultados anteriores se pueden visualizar en la Figura 1.

 

Figura 1: Representaci= ón bidimensional de variables

Fuente: Elaboración propia.

En esta figura= se observa claramente que las variables relacionadas a Simulación y Juego de = Roles tienen mayor correlación con la dimensión 1, mientras que Investigación, Seminarios y Aprendizaje Basado en Problemas están más correlacionados al= Eje 2. También se evidencia que las carreras tienen una correlación muy baja = en ambos ejes, lo cual se explica a que la mayoría de las respuestas no están representados con estos métodos.

Para analizar = las respuestas dadas por los individuos de cada carrera, y como se relacionan e= stas con cada eje, se construyó la figura 2. En esta figura se evidencia que la mayoría de los individuos se correlaciona muy poco y de forma negativa con= el eje 1 y que su correlación se distribuye de forma casi paralela al eje 2. =

Las elipses de confiabilidad de cada carrera indican que la carrera de Ingeniería Comerci= al de la ESPE se representa mejor dentro de la nube de puntos, siendo parecida pe= ro más dispersa la información de la misma carrera en la UCE. También se ev= idencia que la información recogida en la carrera de Ingeniería en Finanza de la = UCE es distinta al resto de carreras (se encuentra correlacionada de forma positiv= a al eje 1), lo cual indica que en esta carrera existe relación con el uso de l= os métodos de Juegos de Roles y Simulación.

 

 

Figura 2: Representaci= n de individuos y elipses de confiabilidad por carrera

Fuente: Elaboración propia.

La Figura 3 presenta la representación de cada carrera en función de las variables de escalas de respuesta obtenidas. Aquí se vuelve a evidencias los comportami= entos similares entre las carreras de Ing. Comercial de ambas universidades, y qu= e su representación es parecida a la obtenida por los valores altos de la escala (ALTO). La Carrera de Ing. en Finanzas de la ESPE en cambio, tiene mayor relación a valores medios de cada variable, y se observa nuevamente que la Carrera de Finanzas de la UCE se encuentra muy alejada del resto de datos.<= o:p>

Figura 3: Representaci= n de variables de escalas de respuesta y carreras

Fuente: Elaboración propia.

Conclusion= es.

·         De acuerdo con la información obtenida, se observan patr= ones de respuesta similares entre las carreras de las universidades sujetas a estudio; lo que indica que la metodología de cada universidad no repercute directamente en los métodos aplicados por los docentes, estos últimos apl= ican sus métodos de acuerdo a la carrera y asignatura independientemente de la institución en la que laboran; al ser carreras técnico – teóricas es a= ceptable suponer que los docentes apliquen más los métodos de conferencias magistr= ales y estudios de caso. Pero por parte de los estudiantes no se tienen claridad s= obre las características teóricas de cada uno de los métodos para poder compa= rarlas con su aplicación en sala de clase, sin embargo, si son capaces de identif= icar que los métodos de estudio de caso y la simulación, les han facilitado el aprendizaje de los conocimientos, y que los métodos aprendizaje basado en problemas, grupo de discusión e investigación, lo califican con mayor dificultad para el aprendizaje, esto nos puede demostrar una preparación académica deficiente del docente en la aplicación del método de enseñan= za generando una percepción de no aportar para el aprendizaje de los estudian= tes.

·      =    Los niveles de representatividad en ambas dimensiones analizadas no es lo suficientemente significativo para inclinarse por ciert= as metodologías de enseñanza, pero si se evidencia una clara disposición al= poco uso de los métodos correlacionados a cada eje (Juego de Roles, Aprendizaje basado en problemas, Seminarios, Simulación).

·      =    Las carreras de ingeniería Comercial en ambas universida= des presentan información similar, y se encuentran poco relacionadas a ambos e= jes. Ambas carreras también se representan cercanos a valores altos de la escal= a de respuesta. La carrera de Ingeniería en Finanzas de la ESPE presenta inform= ación relaciona a la escala media de respuesta y se correlaciona de forma positiva (aunque con valores bajos) en ambos ejes. Sin embargo, no es factible concl= uir su comportamiento con algún método en específico. Por otra parte, muestr= a un comportamiento diferente al resto, y se correlaciona de forma positiva con = el eje 1, aunque su nivel de dispersión en las respuestas es bastante alto

Referencias Bibliográficas.

Aktouf, O. Ensino de administração: por uma pedagogia para a mudança. Organizações & So= ciedade, Salvador, v. 12, n. 35, p. 151-159, 2005.

Álvarez de Zayas C. Hac= ia una escuela de excelencia. La Habana: Editorial Academia; 2001.<= /span>

Andrade, Rua Otávio Bernardes de. Gestão de cursos de Administração – metodologias e diret= rizes curriculares. São Paulo, SP: Prentice Hall, 2004.

= Arreola, R. A. (1995). Developing a comprehensive faculty evaluation system. Bolton,= MA: Anker Publishing.

= Blaich, C. F., & Wise, K. S. (2011, January). From gathering to using assessment results: Lessons from the Wabash national study (NILOA Occasional Paper No.= 8). Urbana, IL: University of Illinois and Indiana University, National Institu= te for Learning Outcomes Assessment.

= Braskamp, L. A., & Ory, J. C. (1994). Assessing faculty work: Enhancing individual and instructional performance. San Francisco, CA: Jossey-Bass.

Carreño, Inés (2012). Metodología del Aprendizaje, Editorial Cultura. Madrid.<= /p>

Casanova Villalba, = C. I. (2018). Análisis y mejoramiento de la eficiencia del proceso de emisión de licencias de la agencia nacional de tránsito, Santo Domingo de= los Tsáchilas (Master's thesis, PUCE).

Cullen, Carlos A. (1997) Crítica de las razones de educar: temas de filosofía de la educación. Ed= itorial Paidós. Buenos Aires. Argentina.

Delors, Jacques (Coord.) (1996). Educação: um tesouro a descobrir. Relatório para a UNESCO da com= issão internacional sobre educação para o século XXI. Rio Tinto: Edições ASA= .

Díaz Barriga F, Hernán= dez G. Estrategias docentes para un aprendizaje significativo. Una interpretación constructivista. México, DF: McGraw-Hill Interamericana Editores, S.A.; 19= 98.

Herrera Sánchez, M= . J. (2018). Mejoramiento de los procesos del área técnica de la unidad administrativa provincial de la Agencia Nacional de Tránsito de Santo Domi= ngo de los Tsáchilas y su impacto en la satisfacción del usuario (Ma= ster's thesis, PUCE).<= /span>

= Husson F., Lê S., Pagès J. (2011). Chapman & Hall/CRC Press, Boca Raton, 240= pp.

= Lindberg-Sand, A. and Sonesson, A. (2008) Compulsory higher education teacher training in Sweden: Development of a national standards framework based on the Scholars= hip of Teaching and Learning. Tertiary Education and Management, 14 (2) 123-39.=

= Pratt, D. (1997). Reconceptualizing the evaluation of teaching in higher education= . Higher Education, 34, 23-44.

Rodríguez, M. (2011). Metodologías docentes en el EEES: de las clases magistrales al portafolio. Tendencias pedagógias, 83-103.

Rosselló, M.R., Didáct= ica General versus didácticas específicas: un viaje de ida y vuelta, ISSN 2386-7272, Revista Educación y Cultura, 18,133-142 (2005)

Sáez, J. (2018). Estilo= s de aprendizaje y métodos de enseñanza. Madrid: UNED Publicaciones.

 

 

 

 

 

 

 

 

PARA CITAR EL ARTÍ= CULO INDEXADO.

 

 

 

Herrera Enríquez, G., Castillo Páez, S., Zambrano Vera, D., Herrera Sánchez, M. = J., & Casanova Villalba, C. I. (2021). Incidencia de las metodologías de enseñanza en las carreras de ciencias administrativas ofertadas por las universidades públicas del DMQ. Visionario Digital, 5(1), 6-25. = https://doi.org/10.33262/visionariodigital.v5i1.1526=

 


 

 

 

El artículo que se publica es de exclusiva responsabilidad de los autores y no necesariamente reflejan el pensamiento de la Revista Visionario Digital.

 

El artículo queda en propiedad de la revista y, por tanto, su publicación parcial y/o total en = otro medio tiene que ser autorizado por el director de la Revista Visionario Digital.

 

 



[1]Universidad de las = Fuerzas Armadas ESPE. Sangolquí - Ecuador, E-mail: gpherrera@espe.edu.ec. ORCID: https://orcid.org/0000-0002-2835-4586

[2]Universidad de las Fuerzas Armadas ESPE. Sa= ngolquí - Ecuador, E-mail: sacastillo@espe.edu.ec. ORCID: ht= tps://orcid.org/0000-0002-5402-2462

[3]Universidad de las Fuerzas Armadas ESPE. Sangolquí - Ecuador, E-mail: dizambrano@espe.edu.ec. ORCID: https://orcid.org/0000-0002-5920-0790

[4]Universidad Técnica Luis Vargas Torres de Esmeraldas. Santo Domingo - Ecuador. E-mail: maybelline.herrera.sanchez@utelvt.edu.ec. ORCID: https://orcid.org/0000-0001-6840-3891

[5]Universidad Técnica Luis Vargas Torres de Esmeraldas. Santo Domingo - Ecuador. E-mail:= cesar.casanova.villalba@utelvt.edu.ec ORCID: https://orcid.org/0000-0001-6486-1334

------=_NextPart_01D6E354.C0207940 Content-Location: file:///C:/2C48CB21/01Incidenciametodologiasadministrativas_CesarCasanova_archivos/item0001.xml Content-Transfer-Encoding: quoted-printable Content-Type: text/xml Wul13JournalArticle{85036D1D-B423-4696-A9F8-74A5479186CA}The= effect of polymer surfactant on the rheological properties of nanoemulsion= s.Colloid and Polymer Science 2013 709–716291Wulff-Pérez MiguelMartín-RodriguezAntonioGálvez-RuizMaría J.de Vicente<= b:First>Juan5Zam15J= ournalArticle{FB40766B-903F-463C-A57E-3F34CA9E5021}<= /b:Guid>Composite chitosan/Agarose ferrogels for potential applica= tions in magnetic hyperethermiaGels.201569-801Zamora MoraVa= nessaSoaresPaula I= .P.EcheverriaCoro<= /b:First>Hernández RebecaMijangosCarmen6Bha10JournalArticle{3EC2A2EA-5A35-480A-9A1D-C11383B455BF}S= upermacroprous chitosan-agarose-gelatin cryogels. in vitro characterization= and in vivo assesment for cartilage tissue engineering.Journal of the Royal Society Interface20101-15BhatSmuritaTri= pathiAnujKumarAshok= 7Rui04Report{289ADC54-049A-4459-B615-36603B0D1B08}Desarrollo de un Sistema de liberación de fármacos basado= en nanopartículas magnéticas recubiertas con Polietilénglicol para el t= ratamiento de diferentes enfermedades.2004Universidad Autónoma de Madrid. Departamento de Física Aplicada.MadridRuiz EstradaGladys Amalia<= /b:NameList>8Cor11JournalArticle{2CE82786-F4F8-40AE-B743-82C4554E5E89}Hidrogeles nanoes= tructurados termosensibles sintetizados mediante polimerización en microem= ulsión inversa.Revista Mexicana de Ingeniería Qu= ímica.2011513-520103CortésJ. A.<= b:Last>PuigJ. E.Mo= rales J. A.Mendiz= balE.9MarcadorDePosici= ón1JournalArticle{819DA773-94= 7B-4BC2-855C-003DB219D8AF}Enhanced spinnability of narbon= nanotube fibers by surfactant additionFiberes and= Polymers2014762-766154Song JunyoungKingSoyo ungYoon SoraChoDaehwanJeongYoungjin<= b:RefOrder>10Ilg13JournalArticle{752C8BEE-7C38-4885-8859-F650685= 01C9B}Stimuli-responsive hydrogels cross-linked by magnet= ic nanoparticles.Soft Matter20133465-34689= IlgPatrick11Bos15JournalArticle{8726F6AC-1312-4A0D-94FD-908B651CD5BC}F= unctionalized microfibers for field-responsive materials and biological app= lications.2015BossisGeorgesMarinsJéssica A.KuzhirPavelVolkovaOlgaZuba= revAndreyJournal of Intelligent Material Systems and Structur= es1-912Lin12JournalArticle{CABBB6F0-E9CB-4C6D-BB4E-88B488FEA5A4}Microfluid= ic synthesis of microfibers for magnetic-responsive controlled drug release= and cell culture.PLoS ONE= 20121-873LinYu= ng-ShengHuangKeng-= ShiangYangChih-Hui= WangChih-YuYangYuh-Shyrong= HsuHsiang-ChenLiaoYu-JuTsaiChia-Wen13= Tar05JournalArticle{8A8= 9917D-A7C1-4E7C-9FB6-ED9C063087E3}Advances in magnetic na= noparticles for biotechnology applications.Journal= of Magnetism and Magnetic Materials200528-34290TartajP.MoralesM. P.González-CarreñoT.<= b:Last>Veintemillas-VerdaguerS.SernaC. J.= 14Gar03JournalArticle{9B65BBFA= -A814-4A04-9249-A6A47D160DAB}Síntesis y propiedades de f= errofluidos de magnetita2003Super= ficies y Vacío.28-31161G= arcía-CerdaL.A.Ro= dríguez-FernándezO.S.Betancourt-GalindoR.<= b:Last>Saldívar-GuerreroR.Torres-TorresM.A.15Dia11JournalArticle{7FD6F= 7BB-B6BD-4D3D-AC43-1AF5FDBD6366}A biotechnological perspe= ctive on the application of iron oxide magnetic colloids modified with poly= saccharides.2011= DiasA.M.G.C.HussainA.MarcosA.SRoque<= /b:Last>A.C.A.142–155Biotechnology Advances 29 2916= Lew11JournalArticle{69BACEF5-DDAD-42EE-BC36-71ACEA6223A9}Biohybrid car= bon nanotube/agarose fibers for neural tissue engineering.2011Advanced Functional Materials<= b:Pages>2624-263221LewitusDan Y.BranchJonathan R.SmithKaren L.CallegariGerardoKohnJoachimNeimarkAlexander V.17Est10JournalArticle{AD2B140= 0-8746-4FD6-8914-4CA8F67548A7}Hidrogeles poliméricos pot= encialmente aplicables en Agricultura.2010Revista Iberoamericana de Polímeros76-87= 122Estrada GuerreroRodolfo F.Lemus TorresDafneMendoza AnayaDemetrio<= /b:First>Rodriguez LugoVentu= ra18Ald16JournalArt= icle{D12368F2-04FB-475B-B3C1-20843943EEEC}<= b:Title>Facile synthesis of magnetic agarose microfibers by directed selfas= semblyPolymer2016= 61-6493AldanaSamuelVeredaFernandoHidalgo-AlvarezRoquede VicenteJuan19= Sáe18Book{3CF6F536-693= A-433C-9EC0-3EA5DE868AE7}Estílos de aprendizaje y métod= os de enseñanza2018MadridUNED PublicacionesSáezJosé3Rod11JournalArticle{95914A6= 8-9AE5-4A4D-B7EC-DF8D1A4CEED8}Metodologías docentes en e= l EEES: de las clases magistrales al portafolio2011Tendencias pedagógias83-103Rodríguez= Manuel4Cas181Book{31636709-D804-466C-8C22-67B8A372FB72}Análisis y mejoramiento de la eficiencia del proceso de emisió= n de licencias de la agencia nacional de tránsito, Santo Domingo de los Ts= áchilas2018Casanova VillalbaIván= César= (Master's thesis, PUCE)1<= b:Source>Her181Book{15F= B61DA-4AA2-4420-A0FA-2BA6D30B16FE}Mejoramiento de los pro= cesos del área técnica de la unidad administrativa provincial de la Agenc= ia Nacional de Tránsito de Santo Domingo de los Tsáchilas y su impacto en= la satisfacción del usuario2018(M= aster's thesis, PUCE)Herrera SánchezJaquelineM= aybelline2 ------=_NextPart_01D6E354.C0207940 Content-Location: file:///C:/2C48CB21/01Incidenciametodologiasadministrativas_CesarCasanova_archivos/props002.xml Content-Transfer-Encoding: quoted-printable Content-Type: text/xml ------=_NextPart_01D6E354.C0207940 Content-Location: file:///C:/2C48CB21/01Incidenciametodologiasadministrativas_CesarCasanova_archivos/themedata.thmx Content-Transfer-Encoding: base64 Content-Type: application/vnd.ms-officetheme UEsDBBQABgAIAAAAIQDp3g+//wAAABwCAAATAAAAW0NvbnRlbnRfVHlwZXNdLnhtbKyRy07DMBBF 90j8g+UtSpyyQAgl6YLHjseifMDImSQWydiyp1X790zSVEKoIBZsLNkz954743K9Hwe1w5icp0qv 8kIrJOsbR12l3zdP2a1WiYEaGDxhpQ+Y9Lq+vCg3h4BJiZpSpXvmcGdMsj2OkHIfkKTS+jgCyzV2 JoD9gA7NdVHcGOuJkTjjyUPX5QO2sB1YPe7l+Zgk4pC0uj82TqxKQwiDs8CS1Oyo+UbJFkIuyrkn 9S6kK4mhzVnCVPkZsOheZTXRNajeIPILjBLDsAyJX89nIBkt5r87nons29ZZbLzdjrKOfDZezE7B /xRg9T/oE9PMf1t/AgAA//8DAFBLAwQUAAYACAAAACEApdan58AAAAA2AQAACwAAAF9yZWxzLy5y ZWxzhI/PasMwDIfvhb2D0X1R0sMYJXYvpZBDL6N9AOEof2giG9sb69tPxwYKuwiEpO/3qT3+rov5 4ZTnIBaaqgbD4kM/y2jhdj2/f4LJhaSnJQhbeHCGo3vbtV+8UNGjPM0xG6VItjCVEg+I2U+8Uq5C ZNHJENJKRds0YiR/p5FxX9cfmJ4Z4DZM0/UWUtc3YK6PqMn/s8MwzJ5PwX+vLOVFBG43lExp5GKh qC/jU72QqGWq1B7Qtbj51v0BAAD//wMAUEsDBBQABgAIAAAAIQBreZYWgwAAAIoAAAAcAAAAdGhl bWUvdGhlbWUvdGhlbWVNYW5hZ2VyLnhtbAzMTQrDIBBA4X2hd5DZN2O7KEVissuuu/YAQ5waQceg 0p/b1+XjgzfO3xTVm0sNWSycBw2KZc0uiLfwfCynG6jaSBzFLGzhxxXm6XgYybSNE99JyHNRfSPV kIWttd0g1rUr1SHvLN1euSRqPYtHV+jT9yniResrJgoCOP0BAAD//wMAUEsDBBQABgAIAAAAIQAC Thl/wwYAAFEaAAAWAAAAdGhlbWUvdGhlbWUvdGhlbWUxLnhtbOxZz48bNRS+I/E/WHNP82smP1bN Vskk6UJ326pJi3r0Jk7GXc84mnF2G1WVUHtEQkIUxIFK3DggoFIrcSl/zUIRFIl/gWfPZGInDtuu elih7l4ynu89f37P/p49vnzlfsjQMYkTyqOWU75UchCJRnxMo2nLuT3sFxoOSgSOxpjxiLScBUmc K7sffnAZ74iAhASBfZTs4JYTCDHbKRaTETTj5BKfkQjeTXgcYgGP8bQ4jvEJ+A1ZsVIq1YohppGD IhyC2yHYoDFBNyYTOiLO7tJ9j0EfkUhkw4jFA+mcZDYadnxUlohkkfgsRseYtRzoacxPhuS+cBDD iYAXLaek/pzi7uUi3smMmNhiq9n11V9mlxmMjyqqz3h6mHfqup5ba+f+FYCJTVyv3qv1ark/BcCj EYw05aL79DrNTtfLsBoo/Wnx3a13q2UDr/mvbnBue/LfwCtQ6t/dwPf7PkTRwCtQivc28K5br/iu gVegFF/bwNdL7a5bN/AKFDAaHW2gS16t6i9Hm0MmnO1Z4U3P7dcrmfMVCmZDPrtkFxMeiW1zLcT3 eNwHgAQyLGiExGJGJngE89jHjB7GFO3TaSBkN3iHYO192jRKNppkjygZxXQmWs7HMwwrY+X1n5c/ /vPyOTp99OL00S+njx+fPvo5dWRY7eFoqlu9/v6Lv59+iv56/t3rJ1/Z8YmO//2nz3779Us7EBbR is6rr5/98eLZq28+//OHJxZ4O8aHOnxIQ5Kg6+QE3eIhDExFxWRODuO3sxgGmOoW7Wia4AjLXiz+ eyIw0NcXmGELrkPMCN6JQURswKvzewbhQRDPBbV4vBaEBvCAc9bhsTUK12RfWpiH82hq7zye67hb GB/b+vZxZOS3N5+BelKbSz8gBs2bDEcCT0lEBJLv+BEhltHdpdSI6wEdxTzhE4HuUtTB1BqSIT00 ZtPKaI+GkJeFjSDk24jNwR3U4cw26i45NpGwKjCzkB8SZoTxKp4LHNpcDnHI9IDvYxHYSA4W8UjH 9RIBmZ4SxlFvTJLEZnMjhvFqSb8GAmJP+wFbhCYyFvTI5nMfc64ju/zID3A4s2EHNAp07EfJEUxR jG5yYYMfcHOFyGfIA462pvsOJUa6z1aD26CdOqXVBJFv5rEll1cJN+bvYMEmmCipAWk3FDuk0Zny nfbw7oQbpPLVt08tvC+qZLdjal0ze2tCvQ23Ls8+j8f04qtzF8+jmwQWxGaJei/O78XZ+d+L87b1 /O4leaXCINByM5hut9XmO9y6955QxgZiwch+orbfCdSecR8apZ06eZL8LDYL4KdcydCBgZvGWNmg mItPqAgGAZ7B1r3sSCfTJHM9TdCMJ3BkVM1W3xLP5uEBH6dHznJZHi9T8UiwWLWXvLwdjgsiRdfq q2NU7l6xnarj7pKAtH0bElpnJomqhUR92SiDpA7XEDQLCTWyd8KiaWHRkO6XqdpgAdTyrMDmCMGW quV4LpiAEZyZMCNjmac01cvsqmS+y0xvC6YxA0rwZSObAatMNyXXrcOTo0un2htk2iChTTeThIqM qmFJgOGrivogkqUwWxAbUV7ReNtcN1cpNejJUGSx0GjUG/8VjPPmGuzWtYFFulKwCJ20nFrVgykz wrOWM4GjO/wMZzB3ErmpxWwKX8BGIk4X/HmUZRYnoouTIA24Ep1UDUIqSIwYDVuOHH4+G1ikNERx K1dAEC4suSbIykUjB0k3k0wmEzISetq1Fhnp9BEUPl0F1rfK/PxgacnnkO5BMD5Bh2we38Iwxbx6 WQZwTBP4vlNOozmm8EkyF7LV/FsrTJns6t8E1RxK2zGbBTirKLqYp3Al5Tkd9ZTHQHvKxgwB1UKS FcLDqSywelCNappXjZTD1qp7tpGMnCaaq5ppqIqsmnYxNXpYloG1WJ6vyGusliGGcqlX+FS61yW3 udS6tX1CXiUg4Hn8LFX3DQqCRm3VmUFNMt6UYanZWatZO5YDPIPamxQJTfVrS7drcctrhLU7aDxX 5Qe79VkLTZPlvlJFWt1e6NcL/PAeiEcXPuTOmUhUKuHyIMawIRqoapnKBiyR+yJbGvALzWPach6U vLbrVzy/UGp4vYJbdUuFhteuFtqeVy33vHKp26k8hMIigrDspTcnffjYxBbZ/Ylq37hDCZff0y6N eFjk6m6kqIirO5RyxbhDSe9D0FBekTiIgug8qFX6zWqzUys0q+1+we12GoWmX+sUujW/3u13fa/R 7D900LECu+2q79Z6jUKt7PsFt1aS9BvNQt2tVNpuvd3oue2H2TYGRp7KRxYLCK/itfsvAAAA//8D AFBLAwQUAAYACAAAACEADdGQn7YAAAAbAQAAJwAAAHRoZW1lL3RoZW1lL19yZWxzL3RoZW1lTWFu YWdlci54bWwucmVsc4SPTQrCMBSE94J3CG9v07oQkSbdiNCt1AOE5DUNNj8kUeztDa4sCC6HYb6Z abuXnckTYzLeMWiqGgg66ZVxmsFtuOyOQFIWTonZO2SwYIKObzftFWeRSyhNJiRSKC4xmHIOJ0qT nNCKVPmArjijj1bkIqOmQci70Ej3dX2g8ZsBfMUkvWIQe9UAGZZQmv+z/TgaiWcvHxZd/lFBc9mF BSiixszgI5uqTATKW7q6xN8AAAD//wMAUEsBAi0AFAAGAAgAAAAhAOneD7//AAAAHAIAABMAAAAA AAAAAAAAAAAAAAAAAFtDb250ZW50X1R5cGVzXS54bWxQSwECLQAUAAYACAAAACEApdan58AAAAA2 AQAACwAAAAAAAAAAAAAAAAAwAQAAX3JlbHMvLnJlbHNQSwECLQAUAAYACAAAACEAa3mWFoMAAACK AAAAHAAAAAAAAAAAAAAAAAAZAgAAdGhlbWUvdGhlbWUvdGhlbWVNYW5hZ2VyLnhtbFBLAQItABQA BgAIAAAAIQACThl/wwYAAFEaAAAWAAAAAAAAAAAAAAAAANYCAAB0aGVtZS90aGVtZS90aGVtZTEu eG1sUEsBAi0AFAAGAAgAAAAhAA3RkJ+2AAAAGwEAACcAAAAAAAAAAAAAAAAAzQkAAHRoZW1lL3Ro ZW1lL19yZWxzL3RoZW1lTWFuYWdlci54bWwucmVsc1BLBQYAAAAABQAFAF0BAADICgAAAAA= ------=_NextPart_01D6E354.C0207940 Content-Location: file:///C:/2C48CB21/01Incidenciametodologiasadministrativas_CesarCasanova_archivos/colorschememapping.xml Content-Transfer-Encoding: quoted-printable Content-Type: text/xml ------=_NextPart_01D6E354.C0207940 Content-Location: file:///C:/2C48CB21/01Incidenciametodologiasadministrativas_CesarCasanova_archivos/image001.png Content-Transfer-Encoding: base64 Content-Type: image/png iVBORw0KGgoAAAANSUhEUgAAAHgAAAAqCAYAAAEPJa+4AAAAAXNSR0IArs4c6QAAAARnQU1BAACx jwv8YQUAAAAJcEhZcwAAFxEAABcRAcom8z8AABbISURBVGhD7ZsFlBXH0oA3CSS4S4AQXIIHWByC BXd4uDtBggRJcJfFLbi7w7LALvaQuLufuAtxT/qfr+bWbN/ZWYGf985LTuqcunemu9q7y7om4vXX Xzdp06W9Jozg5+T5U0Zhzea15mDModCbMfuO7Zf/p556ypz6d6zJnz+/eeONN0xERIRbeOXKleau u+6SBKBSlcomJiZGno+fiTE5cuQwmTNn9vIVpHCmTJnMli1bzKlTp8zjjz8uraVKlUqIeea/VKlS 8rw/+oCZPHmyORJ7jPQIE3fpjBDceOON5tCJw/Lcrl0707FjR3m+8847zf333y/PPkyQkHLUmbsW jNAxATfffLOMq1atWl7tZcuXMz/99JM5f/68jFdByp389ymZ+j179gjxjPkzJVMrXLFihSldurTp 0aOHad2+tXnttdck74SzvBH2mgJH46LN5t1bzAMPPCCTt/foPjNgwADTq18vb+bB0HOEqVGrhunf v7+XATZo0MB7rlmzpvfcp08f79lB7+HqkVmjCyAT0qVnV5MuXTpTo3ZNE33muJcHRp8+7hWs36iB DEnzxj4w1stjHjX9yKmjXnrlqpFeGa9hMoKAdOa0Wctm8r5+/XqP9vPPP3d26VFZCNLmzp0r6QDv g4cP8Z7t/5izJ9yGY86dMG+99ZYpWLCgZPihd//ezihizTvvvCPvdkV2p/nX59UbHzTHz8aYs2fP mkuXLiUsky59OpmaAgULmO+//14ybYCQCqC5nujU6/YS7De4vzlw/KA55mxP1nvDtg1enuLChQsT pIEjR470zsYNN9zgpcMfvvrqKxkE7EvTI9hIejT/W1i5cqSJ4MAx5+BRh53lvjW3yZI1q1m5fpWX rjh01DCvxzBgTaecpteuWztst0+YEs/12Eukbdm9Nb7hDBkzCONWuHLlihBrJYWKFJL01q1by//h w4edtYqVpYHFAEw1QDnK1KpTS95/+OEH+X/22Wdlfb2G125Zay5evCiZfmAGqGT8+PHyTqVFihSR Z9ava89uZtCgQZKuAKM8djraNG3a1HzxxRfmjz/+MF27dpU86LyGtRD/YPbs2U3ZsmW9NDba7t27 5R3p07NnT3kmr/Zdtb3nkiVLyj+AzJw6daq3seLi4uSf/AQNlyhRQv71HeCZEWsaMlIBxkwDzz// vPn44489GhUZ+s5/ixYt5Dlq+cL4hrPnyC6JnOOPPvpInvft2yf/2jBrzfPgwYNN0aJFhSuRDu48 uEvyJk2aJP+HTx4JK9O7d2+ZwX916Sjp0vDpy2eEJULgB6buaNyxsIN/TejMiv3OhnTac9f1xLmT 8l++fHlTv359eabHiC6ladu2rfds40033eQ9582bNyxPxVzVqlXD0h2Mf4m9ECfTBOOHTbJr7XzW cdmyZTIbdnratGnNe++9J+nwezuPtY2MjDSrV68OS3cw7OW/h6lvTi1njk2WGMKZ0PygY0aCaBLD E+dPmjMPnTWnL5+VGT10MpjORpbdLXPGxF50VyGIzkZErZaJu3g6sMzuw44sgWfzoicDhKXWrBOv 7rBs7KvatWuHzRZ8xWbLimzijJkyimrMtrABBZayeuIU6fCteW41GTJk8LaLQq9evaTMAV97KEgF ChUQnvbmm2+GqF0YOnSolNlxYKdXRk6xPWBOc9HiRYUQDpscFC9eXGhZfe2EshIbGIAtfoBKlSoJ l6dM6FSLavz111+bKVOmyHvu3LnD6oLzN2/dQsocc7iLnVehQgV5V0QbBmDuNR3tcV+0b8AMNlfu XHIgbTh58qT55ptvQm/GPP300+by5cuhN2POnTsnDUQ7g6bjRYoWESVLAftGO0GnbCCNLV+hYgVz 9OhRSYO3Kj3IoG0gDVncsHFDs2rVKkl76aWXJP3PP/+Ud0xC3hV4RnkIG7Com04GxABCoFixYvKs YFdiA+loocw82obKaoUgi2/nzp2mYOGCMkmzomabnDlzhnLc+rAiAQbx3XffmerVq0t6jpw5ZHGW r1lh0qVNJzS///675E2fPl00ZZ4LFXKVlueee86kSZNGjlDYgBEYEG7YsEEIH330UXnXM0cHb7nl FjkvjRs3ljQFnqfOnioD5rxs3LFR0tgNwPLly01UVJQ8A+Q1bdFUeABlwO37dkj6xUvBShAyCL7C BGkZylPm+PHjIapwyJgxo2M1lvWObIIzvHLdSqngmWeeCRVJHqDPkiWLV4eNcNsVTp0dOnUwrdq1 NtPmTJeJ3Xc0nM5GdtqDm9aYDp3/ZVq2bWmmzJoq9QTRKsJD1m5Z5/CErk6ZVmbyzClyVPx0MmA6 rLj70B4hRLvnfdOmTaFhhQNbjG0CzSpH8Yar2/X8j2PCxBhm1OFqrFprZ2UQFaSnSp3KlC5b2ixa sVg0E2beFl9+5FigIi9atMi8//77plGjRmb48OGBtKAyTJ5hlpzf1KlTx7uJApD86Oho4TeVK1c2 S5Ys8epIBAMTPcxfIL/p0qOLGTdxnBl4zyBTpVqVQLogBGAiM2bM8N79NDayszBCu3XrJtwfLRnx 8vPPPwfSgwwYgDl17tzZTJw4UfgM4i2IPoJZ4Rz/3ZHJFHG15/Be2bqJIewcFw+MASU7iCYxxM1z +tIZUfdQ+6gniM5GysRdOu2Vod0gOhvpY1gZ57j5aWgbNToCzuXnZiCMKGpZlKlYuaLJlDmTwTGT 77Z84huxNasgRDTRiWLFi4VtJ+pYsmppmGixy+BvKVWmVFgZRCH9QPYGlaEv5e8sH1aGLT1z3sww 9ZVBs9IJBkwlW/du8wpjMmG3tWnTxuTLl89Lb9WulcyaXVbLz1k0V2jmz58v50vhkUcekXRcI3TA LoMrjDyUBxvwWJAO72D17TIbtrvyfty4cSFqF15++WVJL3FHCZlE6AMHTCXY6BBnzZrV/PLLL6Eq wmHWrFlCg0fEv9qqF3/77bchapdR2V4VlIiBQwd6ZdRP9MEHH4QojKivhw4dMj/++KO8w8E7d+/s lVFRCFNUeOWVV8L6jPbWpHkToQ8c8EEnkUqqVKkSKpI44MiEtmr1qp7GRKXZsmczW7duDVG50K9f v9BTPFD25AXXP5X/9vzi/sNo1jwQq17FDEAaOjHtsfVHjRol6Rg6WgYsXLiwpAO8MzkJBgxD4ryw hVMKOGSocO8R1/xCqefdBu2EPx3ZjtKiKi1bl10VRKuQL28+5zwvFPNTaZDV6OoVK1aUd4A8de5h sEyaMSnhgPcc2SuE9hbhjsi2jABudtRHBlAGxqYr7O8s74o2NGzYUGS7OvkBtXJs/PLLLyUPYKcM uGegKEZaBsAdp/4+ALdanTp15Hn06NGmY9eOCQfcb3C/sErQkHgvU6aM/Ou2oSL+dftxqcI7Z9nu vILaqWxPNd8A/D7T5swI6/yJE+65RJm444475GqMd87vww8/bJo1a2ZGjh3p7QqFF154QTQ5BfI6 dOggz927dzf9hwxIOOBqNavLlgY4+HaFAI3TCT+g1kHLNlNG8uuvv4Zyjfn0008lDaPeBtIOnjgk Xgue0YwA9UHaXo/NmzdLGrjr0G5xLXL03n33XclHeeKdHaLllWnCGzbt2hw8YNVl8S1TyAa2Tbly 5UJv8cBtJ7QMmHqYTVw7CjhgyefyUmHOnDniAlI5OXr8aNGEFJo3by5lQMQhcODAAVEc4OiUmTZ3 unB7hRo1XDcniwY/AI4cOSIDVoUnbMB9BrjXdAoIb7bW3XffLenKldU+Vu45bJh7JYF2Qz04+nLm yun51PE6ox8rL2Cw0LMboAcZBEpNYldca9askTIqU0GcgRgyHL0gwH6nDAMVev+A2SoQqEscwGLZ v9+95AaQibhsbHnJVqJh25jHpmXHUB9nHuOhU6dO8s71ClYWMl/pQbZ2vYb1hIbVogw3FryrZ9Vf hq3donULoWFbc2w4s7zTLxQVLZNgwMxyamdV4XApBWUyeAbtjoBMAHWOmXCfON76Duxrtu/fIeLP T6tIGbYfV7CU4YZ5y56tYSsbhDBMXEst2rQwPfr0NJt2bpYJsmm8ASP44XrMFhkMAFUyOdAtjgtF 6whEvXfQ/5TgtZRRTKQMhgW6vNNnlzngHIOJzF7onjG/t9AG7qGhQXXj7C5YGiXvfxGMf+nRt6ds q8274l2rcD3kH7EHiCVNb9aquWw/9Xb6ES9jly5dxPupXBdNinc/rSL3MvyrrEcqJOUhUZw5c6ZJ nz69PDdp0iRBvg/DE7r16i7bG9/WDMfEKl6yhLB/2HvWbFlFgWegcjai3SMQhHgs+Qf4R3HQ58QQ 5WH79u0So4No4zlXrlzCOIPoQRWhMFj+YaxMtE3jw4SJmbNklnsYDj7nE+YD4+DgY5eiwLdq2ypB ORsRQ3BaFAjekYl2tEoQcom9dOlSkaOsNpfepFerVi0BrSLik4n57bffxJfdt2/f5CY2MNHDuvXr mqH3DhXO2aFzB5MrdP2RHKKHY65p46iiuHP9dDYqrf2PmPTfadnIyhKp9Nlnnwk9ugN2t3pVAzAw 8e+LhKB179NdtjAyD7n8l8W/ev+vBzpzgJ+yW+/uEl4YkSZdGslQlTOlqEoRMh1+xgZBweHGA6Qh 6BDT0IjO7zB1fz1Xi2iKouc4+gX8c+GKReYeh8VwX9CkhXubyi3sxOmTpD9osX6lK6XIGBFWqCdL Vi81I8aMMG3at5FrseaOVO7UrZMoeOu3rRfp7Amvq0Rpx+knwpGbqVHjRpk2Hdx2CM9r37G9sFBu oFAqmVPKBNUFspasaZq0DhtDu0zJAjOxEvrhNDBpxmSJ5AxkCYkgvJOgxgVLF8iC057fFEgKoWVR 8W2WcZRZrTdbtmyi1hAIu3jxYrNgwQJxSXDdrjRoET369JAFYLGSapc87Dg2R6R1x5IhfQa5KBo7 dqxcHNHOkCFDEsTMtOvYTtqwzZYgJA9zCSukVt14GYSaRzzOfffdJ+MBR4wYIaqYHfTXqFljqSfI pNIFFsshuQWmMAuyaOViCcDQBkD0Pi59udTh8scPGMJPPvmkBIoVKFAgrGzJUiXFqcxkJjcRbKpV G1Z7N3poL/6ADhxfSxwDHfPND2vXrhXthLL1764vp23/8fATQDtwoo07NnuKBlFbjC2lgNdQ9dsq 1asK1wq6PTh86ojY4gULufFOOAEeeuihUC3JQ2xsrBgxlC1esrjZf+yAOAe0/hQtMANmh3FiUDOp DMQhh1f/WgF9Gp+x1oc/etfB3WE3CjaeuhBrevd3PTHo1B9++GGopnDARat1osIGAZuRfBwQGEfq XgLhDsNHu0YKixQ0RvxquLm0HUUNy1TAJ086XIuNqWY3yIZ+YNpEycfvoPaFAhv13nvvlUXHgQEN xhaeV3yDNuA91j7MXTRP1os2UrTATCwyRivgBPrDrf4/8Oqrrwp71fpHjh0lk2z3Ae8tbmvyiY7C NvADLnRYMuwSKxJ2hhXLqQ0CdXMVcE4PDlPkORxi5nz35ogJZWK1X2xGbBF9v/322yWgFwcrTtEn nnjCfPLJJ6Ha4+HMGff7Ci5hOK2cZBZ66YPLhNWyiWwvGaAxuiAhNLjZaQtXvKYjeuybJKJcqQ/W vnHHJtm0yS4wi4ss0UqZwP8UqD8URInRRUaJQL5UinRlqX2nYIPtrbaRONXEAPc/NITXsLhsJGKR SeNDDwWiW+w6QewvDFX6DRLhmxhonJNcGzjjQtQRokMaRrMCG5cbMm0DLqF2n8Lp06e9fFyUNqjL Euc4H6QkucAc8zkLXWcVqDHONmDk+q14draGxAG4OuzPa0DuWQjWsoFoMg3uTp8hvbBO+sLJ4r9I MdcXZIf12aAff/jRH01nAxda0IyfNF60V5QvwgBJ01BAAA8lyo5dbxAyrgkTJiTQC/TkcRHGDSNt ETpImj8GE4ATJBalz3UK3IWy+K9t0M3B5RlemSQXmF3WqGkjKQDyQYoNGgMJG8OlArBIBG/Cyt5+ +20zZswYoYF17NixQ2j4BICvbqDh0ssGBqvtDR05THah25dYcRKSjvaaGCCbNKwRRKlLDPgCCGWN /nNNi2XAmLv3ck8BfVSgz8SXEkJJHhOsShf3Zpw8PDHz5s0L0ytATjf+OJ652oUb0Q4mHWlo5DYQ BKhl/XkAEU2av27dulCqC3Ar0rFujjsKZKILDFvExqpaw/WVMWm2nGByCFskz753tgH5QDwnNJyU lABaIfRgd8dAZyJYYOQWQYG4ysnjtAYBk2wvsH1f5wc1n7CV2UC0o9wCuUwe3l4bWGRxGoTqpy3u KFhEFt9PT2iZ3jJjl+vXP8wv3KJcBdfEJJTbBlxw3GNqO2j+qv2DtOvXtpU9Ey6j13TJnmBlIyCN 2qDfWWBb2toqMoWvivBPDhw40KOxWR40rVq1kkBEG1CItL0hI+7xTrBMfowz+Y7igFlFPgvkl09s Qi0PwkH8ALfRfE6RTrqiTn5kVdf2RXOFG/mBxSPGD0WOBUIs2bESjBftmTrw7PvbAZHHDRu7ugen XC91bUDEMb/4Ygm49AMLrb5fwnV1s4JJLjBKx4y5bkAkqPECNjAIZVuKaMS2fKVjyEGbhg75A7YA PR0oMOu3bQgzX0BMNmzXletWmTx58wgtO52PWDWK3Q/Y5QRP6zfKIF4hNFm0Z7t+ux3Gv2HHRvkc kjKIGTTzF198MVRzOMCm0Zjtm/s69erIGEDqDGoHmxvtukw5N44ERPxpYLkfEBeYVPqVM0hADR5E 7G27nSQXGGTXtWzjansgisZ/CthA2s6gYYM89hyEDILBoAhOmHx/gjBDP7LpcC2u27pednhS7j0b aQdnBJuKoPSKkRXNTanivwTzIyEbjZs1ETcjcwfLD1pYP0LDvHOisWP5Ik0VqSBM55hWcNfFq5bI eBBhQe0ku8AgHW3bIf6zNwJ3NLjmegAaqv3J3MChg8Q8s/uQHLJgLDiyh7JMFP1mk3AS/WO6VqQd HDFeO079LsaKznK92gGlHWdj6TjsdvycLTEMW2DkRbuO7UXp4LYXVXt21GyRR5wUPh9WFyGIeWTL nKuFxx57LIy9E5KKaQTLgn1iM9IH+vIPXhuylqxpSBdwJ9qPxAyxW/HZspuII+ZTNZtGvxP1238K yCdMIuKL/TK7cNEicuvEbmVnckr4BNym+QevCwYmesg32HyOilzR26SxE8dJrEcQfWKIshJZNdKR NXM9b4sr52IkaDuoTGKomj3hE7gLietAmULpAtRTdfDgQXn3K3spQUIfiQ+hfnXso2jpF3pYCgAa PaEZmFI4IOw6UorY7SiFuB0xM1EctU2CeYErV66EcdKrwMDEBMhV38adm+R7ZQLlOXEsNjKCE0je sjXL5aRzR4sTYdvebSIjkSEY+iLLnHfqWLAsyhQpFn6qU4p4ewjRxokSFxcni8DNFnl8YQuw6PiJ 2Vj+8ilBtHQ8SxcuXJD66tatK859Ng0uSMC2jbWM/Z5S5BYMgBNyPaiePepjYVFy+fqBcfvLpgAD E5NE5CafPvIBHouGC06VHBQRkIWHtaMc7Dq0Rz6iadyssbgjg+q8GsSUIAhK3/G2cYL0nfhcxEMS cTvJIpPLCeaeGUe+xuFzWXHbbbfJ87Jly4QWWQc3IZrMX09yiKLJwmqorQZaT5s2TTxW9AGdR21h PHr+OpLBwMT/acQ/jm3KNR1Yr54bY6wIq+QSgIWx068G8SD179/fY/cgzo2WLePNxwYNG4ibEk+W RsxdC9IWrl4CCagLt2eePHnMyJEjw27c8B7id86UKVNY+STRNlX+wb8X5s2b1/wfwqTu9MTyProA AAAASUVORK5CYIJ= ------=_NextPart_01D6E354.C0207940 Content-Location: file:///C:/2C48CB21/01Incidenciametodologiasadministrativas_CesarCasanova_archivos/image002.png Content-Transfer-Encoding: base64 Content-Type: image/png iVBORw0KGgoAAAANSUhEUgAAAxEAAAIoCAMAAAAhu5aFAAABj1BMVEUAAAAAADoAAGYAALYAAP8A OjoAOpAAOv8AZmYAZrYAZv81hO46AAA6ADo6AGY6AP86Ojo6OpA6ZmY6Zv86kNs6kP9NTU1NTW5N TY5NbqtNjshmAABmADpmAGZmAP9mOpBmZgBmZv9mkJBmtrZmtv9uTU1uTW5uTY5ubo5ubqtuq+SO TU2OTW6OTY6Obk2ObquOyP+QOgCQOmaQOv+QtpCQ29uQ2/+rbk2rbm6rjk2ryKur5OSr5P+2AAC2 ZgC2Zv+2tma225C22/+2/7a2/9u2///Ijk3I///bkDrbkP/b/7bb/9vb///kq27k///rqF7ryYTr 66jr68nr6+vuhDXu6+vyXgDyXjXy6+v1NQD1hF71yev4AAD4ADX4qOv8AAD8ADX8AF78hMn/AAD/ ADX/ADr/AF7/AGb/NYT/OgD/Ojr/Omb/OpD/Xqj/ZgD/Zjr/Zmb/Zrb/kDr/kGb/kJD/kNv/tmb/ tpD/trb/ttv/tv//yI7/25D/29v/2///5Kv//7b//8j//9v//+T////4lRaGAAAACXBIWXMAAA7D AAAOwwHHb6hkAAAgAElEQVR4nO2diZ/bxnmGaVVRu6ls91A2kZW41zqur1Zbp3IPd900lUW3Omxv ktp14qRmFHoVhjHpLJKsGC2Xwh/euQAMSADEMQN8H/i+v59NLqnFswDn4RwAZgYhgiBJBl3/AQhC KjACQezACASxAyMQxA6MQBA7MAJB7MAIBLEDIxDETj0jji7dVo+rw731t1aHV+4mPy1v7GW+XrDp wTO3zC8M9swrIgfm7SB+hiA+Us+IqFwurh6sv9XciME1s21lhHhQ2TNbGWw4iCAOU8+I5Q1daoem rij4h5WNuPSX+h8O/0j+7vKGUkA8HMgXF1f/xFQhCOIlNfsRR6rU6kZTIL/Cr6mfhoNn/lGV/Og1 YYR4Kr3RRoiSrX6SX/aDzAbQ0aV/V2V+dfg30ohhXGMo4vDSd69eq/cnI0iZ1DQiUKVWNZqGulVz IMrwV64Orvy3LPnxa8sbX5GtHvGvlRFKFP3TYJCtxNGl76kKaPHc94QRq8NULSQEW3sFQdymphG6 2SQbTbqELq7K0qtriit3k9dEnXBNSrNnXpcOyNcXV6/ZTSorotN+JF8e7sm31/6J7L+gb434TN3R V9lsWh2aBoxsC0Xf51F/Qb+2vKF+EsVcvr7QLR4hkuk2Z2340u1AiXawaYQiZHqEII5S1wjZbIqa TmYsSLug/h+/Zrrgw2duydd1o0k1m9SQatTXHppeh4wwYnnjQDSabm8aYTaLvjXiL3WNkEX9KOor H6iSmxiRvJZrhC7dpkuwZkQomk3DPbPNqNcwjDRK/imCuE/tc9bDK/+le8DqlITuR0RGJK/p73hZ rpPXkxxldAmkEcGl/zzURsVjTcsbsu5QlYp8WvevRpAtqW3E4tnvPKsbTfqsgew3J0ZEr633rGXt IP0IVEEfZrR/pBGLq3/9nOkwJOcjrsV96iH61oi31DZidTgw5yR0S8Y2InlteePPTOvIGn0Vhdv8 i4yTdkfq3w72oqGo5Jx13IJSwiGIl9S/0i9pz8iOgRlNMj3r+DXRj0idoVPl+yA0ImUVbHXJlKoF TK9ay3MQhov43NwR+taIr+DaVwSxAyMQxA6MQBA7MAJB7MAIBLEDIxDEDoxAEDswAkHseDKiJdGO e0QBhgYGRlChAEMDAyOoUIChgfFUdNkej+4owNDAwAgqFGBoYGAEFQowNDAwggqlAWbx8MlyNJPP gvHqRD0J5/Jh+fCJQ0ylsMWgZ02F0tSI0VkojQjnY/nS6kT+OIURlQMjqFCaGvHrSaiMWCgLFsIL YQmMqBwYQYXS1Iiz6akyIpSPqtEUzBYwonJgBBVKYyNktSCNCCZRoymEEdWDnjUVSmMjwvmpMkJ2 pxfj6A2HmEphi4ERVCjNjRAqSCNks2k+i95wiKkUthgYQYXS3AjhgTIimJhGE4yoERhBheLAiNWj L6URy4e/GcdvOMRUClsMetZUKA6MCIORUmH6aBa/4RBTKWwxMIIKxYUR4VQZEegfYESdwAgqFGBo YLYU3YvX9q/fV88e7+9/446rzboKjBi1g6ketpjiovv0rZvhvRfks/OX75hnpcL2eHRHqYUZjSor QXhvSGCKjbh4445yQSd5tjVsj0d3FBhBA1NsxPkr98OL1982P+k6Qs7UfYyQyEim6z+iJylnxOPr iRHnL3397cJ/bIftN0R3lDoYZUTFWoLu3tDAVKkjkmcNN+ssu24EMN32I8J3b7rZrLPACGBcZ9tY 06um92C3nxpv1llgBDCuU+p8hBp63d+v0I+AEcAwxeBKPyoUYGhgYAQVCjA0MDCCCgUYGhgYQYUC DA0Mrn2lQgGGBgZGUKEAQwMDI6hQgKGBgRFUKMDQwKBnTYUCDA0MjKBCAYYGBkZQoQBDAwMjqFCA oYFBz5oKBRgaGBhBhQIMDQyMoEIBhgYGRlChAEMDg541FQowNDAwggoFGBoYGEGFAgwNDIygQgGG BgY9ayoUYGhgYAQVCjA0MDCCCgUYGhgYQYUCDA0MetZUKMDQwMAIKhRgaGBgBBUKMDQwMIIKBRga GPSsqVCAoYGBEVQowNDAwAgqFGBoYGAEFQowNDDoWVOhAEMDAyOoUIChgYERVCjA0MDACCoUYGhg 0LOmQgGGBgZGUKEAQwMDI6hQgKGBgRFUKMDQwKBnTYUCDA0MjKBCAYYGBkZQoQBDAwMjqFCAoYFB z5oKBRgaGBhBhQIMDQyMoEIBhgYGRlChAEMDg541FQowNDAwggoFGBoYGEGFAgwNDIygQgGGBgY9 ayoUYGhgYAQVCjA0MDCCCgUYGhgYQYUCDA0MetZUKMDQwMAIKhRgaGBgBBWKb8x8NBo9fBKGH56M VMbhQvwnshxNwnAlXj11iWN70GAEFYpnzFyW/mB0JoyISv5CGSIehBHTmTDDpRJsDxp61lQofjGr kzP5MJ2kjPhCPp1/MQkX0o35xCGQ7UGDEVQovo2IPLCN+K1sLz360pgAI2RgBBWKZ0wQ9RNsI373 C/H/SaBNWI7OHPLYHjQYQYXiHSO71rOkZ30qjDibn4XBqTJCdK1dVhF8Dxp61lQobWDksJJdR5wF s3B6ZuqIMBg7RLE9aDCCCqUVjOhBp4xYTpbjMDLCabOJ7UGrZ8Qxwizv//QT8/Dhx59Fr/3k0+P/ +d9fHj/4/AcPfv7R8fEHP/q0w7+w6zQzYrsyfjbbDaYXOzOV46urk1m61SQ6F6eyjlCDswHGmkL0 rOlQ2jhnLYebop71wyfSCHkiIjDnrNGzloERVCjA0MDACCoU75hRO5iQOQZGUKH4xoiGUhuYKGwx 6FlTocAIGhgYQYXiGaN60/4xcdhiOjNi1A6GD6UNI0beMXHYYroyIqrDPWOchO2HC0yNdNWzhhHA 0MR0ZETcqm0WGAGM63RpRHMlYAQwroPzEVQowNDAYPSVCgUYGhgYQYUCDA0MjKBCAYYGBkZQoQBD A+OtZz1XUz+s9MX4Z/EzNWdWuNQPjQMjgHEdX0asTr6Q97HraYLkVHJmwiA1tZy+octBYAQwruPL iGC80DWDrilOIyPk3e3LqKpoHBgBjOv4MmI6kff0ZhsRzBYwAhiiGE9GfCB6EbKBZFpNk3iaxalq NcEIYNrB2POfh2pKqlU8g5t6Y6MkejLiwVhP9WDw49B6FsIIYNrC2POfh8aIU/2Gnhq6LSN+ONNT oWi8NDSZijeEEcC0hbHmP5dJjJDrA2T2aP0YsfyRqRAM3vpD9N8JI4BpBbM2//maEVk9Wj9GzAf6 rzmDEcB0ilmb/zwpiIFuNbVkxOpkoB9mG2NN5u+EEcC0gknNf57qWes5blsyYjHSm50//P1J1K+H EcB0gFmb/zyqIxbRCmNttZpwfwQwNDBr85/Hraag3TqCzPHgRAHGB0YOsv7qy5k0Qi4qFkzSJ8Zg BGEKMD4w1vzngSj801lyPmKmHmAEWQowPjD2/OfT0Si5eMJcnA0j6FKAoYFBz5oKBRivmNITv8AI KhRgvGJKz4UEI6hQgPGJKT87GIygQgHGJ6b8hHnoWVOhAOMRU2EKSRhBhQKMR0yFWVVhBBUKMDQw MIIKBRgaGPSsqVCAoYGBEVQowNDAwAgqFGBoYGAEFQowNDDoWVOhAEMDAyOoUIChgYERVCjA0MDA CCoUYGhg0LOmQgGGBgZGUKEAQwMDI6hQgKGBgRFUKMDQwKBnTYUCDA0MjKBCAYYGBkZQoQBDAwMj qFCAoYFBz5oKBRgaGBhBhQIMDQyMoELJwcxHeq20xcMn9rqbcl2Q08xfqIdxHrYYGEGFko2RSyCr xQ6UEcm6m9OZMKOWEmyLaksY9KypUDIxqxO9xuxEGxGvu6mmtJ5PXGE8hC0GRlCh5BgR1QPKiNS6 mzDCCwZGUKFkY4Kou6CMSK27uTQLR7nAuA9bDIygQsnDyK71zBhhrbsputa1qoh+fTR8jEDP2iVG ji5pI+x1N+Uyg04xTsMWAyOoUIowUgdlhL3uZs1mU/d7QxsDI6hQMjFmmbTYiGjdTVU9wIgOjLh4 bf/6ffXs/KX9/ZuuNusqvTcinEolVicz02qK1t1Uo7IBxppaN+LpWzfDey/IZxevvx2ef/vtsptl ezy6oxScs5bDTcaIaN1Nec4aPev2jbh44054/vId8eyx9OLd0pUE2+PRHQUYGphiI85fua9qBx39 bCByjLSSUdd/wA6lnBGPr1tGPH3r1dKisf2G6I6ShSm9nGAzjI+wxZSvIy5eKy8EetZOMOUX2GyE 8RK2mLL9iPD8pfIjTTDCDab8coKNMF7CFrNtrOlVM9ZUTQgY4QJTYYHNJhg/YYspdT5CVBP39mVK WwEjHGAqLLDZBOMnbDG40o8KBRgaGBhBhQIMDQyMoEIBhgYGRlChAFMm690qNkY432x2BxNG7Bhm Y6BhZ43IGXOBEbuF2Rx7gxHpwIjdwsCIKHkD8zCichY/fbKU923Lm1LlfRcy81mDGdFy4mNvMk7Q sDHC8R+ad64KRlSOMkLdfBeM9fxo6vaj+jOi5YTtQeNhRLeYXu2MMuLX8mYjYYS+aXUxbjIjWk7Y HjQYQYXSphFn01M9lcdUTRKo204wQgVGUKG0aoSoFpQR+gZVPYFBzRnRcsL2oPHoWecFRlSONiKc nyojlqK1tDCdiZr3beeE7UGDEVQo7RohVFAz3IhmU9RoqjkjWk7q7k3O6gBaXneY/FAxYq4GOuQY 4EiNhJhn8igsxWPOZwUjKscYITxQAgSTqNHkuNlUc2/yVgcw8/S4whSEiBGrky/GYTQVtjwgZlJs cYDU6Pk0u0aHEZUTGbF69KWaBe3hb1QZrD8jWk7q7U3e6gDya5G3EVX/0GC80DWDrilOIyPEhxSY OtQFpl56aYT43lEV7/SRbDQ1mBEtJ3WNyFkdIJhlF4HeGjGdqPOnWUao94kYkW7Zym9W07pTbb6C 5l01jM/ERoRT9bcG+of6M6LlpObe5K8OsFtGyNOlsgVpWk2T+MtiakoYkVZTumWrjTjVb5wVNu+q YbyGOiZndYAdM0I2Yxeq96C+cMeh9Uxmnl1FdGBE0rINbSPkVRBFzbtqGI8ZkTcizFkdgLkRFTc7 nenpfnX5kgckaVCG8msjp8vXvhGpda/SRuh/QduIEQsjMlcH2CkjliNTIZjyZZU0mexxN5n2jUit e5X8nUHkLO1WkzzKpI3IWx0g3DEj9CWY4gBkGjHP7622b4TdsrV71kaIvOZdNYy3kDcib3WAcLeM MJfpi4eNsaawuB3SgRH2uleRuYvoOurc5l01jK/4mQAqO03OWWesDsDeiEp/6MKUo/nD359EQ5mJ EfPUl3ADTO2kjLDXvYrrMtNoym/eVcN4DTDFoWAEdUzKiKhlKy+dDiapUeKC5l01jNcAU5yUEcOB yrXmm2V7PIopVstWjrVOZ8n5iFmTYaY1jNcAU5zEiOWNSIXh4JlbDTfL9ngUU+yW7VSd5I1ad8KT ouZdNYzXAFOc2Ijlt24nr6Z+aLRZv8F1TcC4DoWxpvpp3wiPIzVsy1C/MDCiEsXn4CXbMtQvzFrR FZ2J5p2Izc36CowAxnXWiu7Rgeg+PtewExEyPh7FFK9nuHp1zPhi0j3r1eEBjCigeD3p26tjxhdj j75eueus1cT2eHRHAYYGxm41La7uudos2+PRHQUYGph0PyJwcb56c7PeAiOAcZ31ojscHPjYrKfA CGBcJym6i6uDwSXRpz7C6GsnFGBoYJKxpm8KEQLZkVj9Q/OxJhgBDFNMhhEuwvZ4dEcBhgZms9Xk JGyPR3cUYGhgcMcQFQowNDAwggoFGBqYxIjV4WBwEAwGAxd9CfSsgWGKSYru0bVweUMNvzpQAkYA wxSTjDXdODAyBA761zACGKYYGEGFAgwNjKdWE9vj0R0FGBoYTz1rtsejOwowNDAYfaVCAYYGBkZQ oQBDA5NhBHrWnVCAoYHZ4dlp4pWTty2bzPbDBaZGdtaI1YkUQE5vv3XZZLYfLjA1srNGmMWA5pNw 67LJbD9cYGrEHn29cleOwDq51Zr88bBWM9+6bDL5nQHGYawzdFIIacNOnKGzCv7WZZPJ7wwwDpO6 imPxrLzF2sVYE/njsUhWP9m6bDL5nQHGYWIj5HR+6s7SHTHCriO2LJtMfmeAcZik1STnahqqaf0c dCTI96yjfsSyxLLJbD9cYGrEKrqqW+3oXmvyRqh15EK1dtzWZZPZfrjA1MjOjr7a5yO2LJvM9sMF pkZ21gi1kJw5Z71l2WS2Hy4wNeJpHTq2x6M7CjA0MKm1Sg/0s/6vVVptCQjiOwOM06SaN0dl17M+ 5p3RqBXM90Wz7GefHB9/+LFeieXnH73/k59/JN744Eef/0A+/PiTVv4OpEwyjXAX2t8QFdcJqkmZ y5OAgeikRGteh8UXFdI+ZjuD2cWeddWVs+pRVifqjMd0kjKi4KJCtmWoX5hdNaKKEnWNON14VnhR Idsy1C/MDhpReXnFmkc9GI20CbYRBRcVsi1D/cLsoBHtUeRdejNphJbwtPiiQrZlqF+YnexZt0iR 96radUTBRYW9OmZ8MZYRR+aapp249rU1iij2KSPyLyrs1THji0ndMRQG8iQdjHBCMeV93Yj8iwp7 dcz4YtLzvor/78EIRxR1umF1Mku3mvIvKuzVMeOLWTMiXB3uYb4mR5S57k7HPWt1K0b+RYVsy1C/ MOlWU6gub4IRXVCAoYGxe9b6+r7VIYxwTilz+oNtGeoXBucj2qCUOiPItgz1C4PzEW1QYAQfTMoI uaS1mzut2R4PL5Ryl4306pjxxdhGrA5dLKaiwvZ4eKGUu5KqV8eML8Y2wgzAugjb49EdBRgamHQd ceBjsx4DI4BxnVTRdXFuLmOz/gIjgHEdTz1rGAEMU0y61eRiovyNzXoMjADGddCzpkIBhgbGU8+a 7fHojgIMDUy6H/Gcq5412+PhiYLrmthg0q2mAc5Ze6GUmuigV8eMLwZX+rVAKTf3B9sy1C8MjGiB khihbiI6i28ikrcMLcXj2AmmXIApjn0PncNW0w4bsVkbxJc1rU70xJen0Y2m87EQYmaWEmZbhvqF QR2Rnbmafcx8lae/1OXT6MbpzfJf1EAK9HKQ83jCmuXoLFBLWMj/sS1D/cLg/ojMrE6+GIfRbHwP ktmM5ezG05koyUaJzeJfYEQyA4FlhPoRRtDB2EYEqs104GKzbI+HSTBe6JpBFtwPT06tIqxKr1nF brPLXHTdt7WqvNnc1KwhjFYTHUxihLm/enlDz0DQLGyPh8l0IqeVyTRCvV9sRI4SC73Gl2x7mUaY EWKuJuXgfsx6gkmMGBoTnFzdxPZ46MhWkWwgmVbTZP1L3YhRcU5lq41kNaD08pAh+2PWF0xqhXed oYNKgnnPWnaBF6r3EH2V21/q4vmkzlYjDdaMiBZWYVuG+oVZn8EsdHOXBHMjpjN7Nr4PUrMZq5hR o4qZ699KGzGPNsW2DPULAyMyshyZCkEX3ONgvG6E1Umukqk+H5GaLjye2I9tGeoXBkZkRH9ti2ZT lhGqeqhphFxlZZQMYinWKDrlwbYM9QvjyQi2x0NGDTOph42xptCsLxesdSQyrs4Qh3RzsfiisD5m /cFYRgyi7LoRi2iI9eHvT0bxbMbW2bXRWs866+qMcGMt0m1hfcz6g8E5aweUrKszNtcibYxxE2CK AyOaU7KvzthYi7QpxlGAKQ6u9GtOybs6A0ZwxMCI5pS8qzNgBEcMjGhOybs6A0ZwxMCI5pScqzNg BEsMetYOKJlXZ8AInhgY4YKScXVGCCN4YmCEE8rm1RkhjOCJgRGdULJuqujVMeOLQc+6E0rWfUZs y1C/MDCiC0rmnXdsy1C/MDCiC0rmzahsy1C/MDCiA0r27dlsy1C/MOhZd0DJnrGgV8eMLwZGUKEA QwMDI6hQgKGBgRFUKMDQwKBnTYUCDA0MjOiOsnj4RM2VL29LXZ3MFGY+SxaU8BO2RbUlDIzojqKM UPdWBONwPv4oVBN9JAtK+AnbotoSBkZ0R1FG/FqWfWHE4uEn8qVxmCwo4Sdsi2pLGPSsu6MoI86m p3oyj+lnoWo0RW95gvbro4ERnWD8GiGqBWVE8LmZHU0GrabOMDCiO4o2IpyfKiOWP34iG00qc39V RL8+GhjRCcazEcuHT9QUaD88jRpN85qzypZKrz4aPkagZ10ixgjhgTLiwcQ0mirOjlkxbItqSxgY 0R0lMmL16EtpxAcPf6MaTXOPJyNCxkW1JQyM6I4SGREG6ozc8fTRLPQ6zKTCtqi2hNlSdC9e279+ 3zw/f/mOq826Sk+M0HN5HAfqh2RBCT9hW1RbwhQX3adv3QzvvaCfP97/Rnkj2B6P7ijA0MAUG3Hx xp2oanj36/9SoY5gezy6owBDA1NsxPkr98OL1982P2gj5JorxwjSs5Qz4vH1TSNKhe03RHcUYGhg qtcRDjbrLDACGNcp3Y+AEcDsBGbbWNOr8VgTjABmFzClzkdoF2AEMDuAwZV+VCjA0MDACCoUYGhg YIRrilmcUU8eMB+ZVa3lq6fFv9irY8YXAyNcU1KrW8tb4dTdDlM5x0axEr06ZnwxuPbVNcUywtwb Op/oC1rnxbeKsi1D/cLACNeUxIjl2gWsMIIDBka4piRGrN3psC5IM0ztAFMcGOGaEvWsT+N5BKKX t8yvwbYM9QuDnrVrSm4doWbccIapHWCKAyMqUObxGr2qFpAFfnNUdbMfsTRmbGk29eqY8cXAiNKU 1Ylex/00KvRyioDNUVVrrMl0pcW/U9UDjOCAgRGlKabRI4q5KfRyQr7NUdXM8xFq3pkAY00MMOhZ l6WkSnpkhPpx3YhR3KYKp/Y5a/SsOWBgRFmK1eYxRkzH6284wHgPMMWBEWUpqoG0UN/5phpQQuSM qmas4F4O4z3AFAdGlKVEVcFCGpHqS2+OqmasVl0W4z3AFAc967KUSINNIzaaTXV86Nkx44uBEaUp Zj7WlBFZo6q1KoiwZ8eMLwZGlKdM9fmIiTXslB5VlSrU9aFnx4wvBkZUoATxOWtrIDYZVZUy1Pah Z8eMLwY9a2cUNf7kH9M0wBQHRjijNBSCbxnqFwZGuKKMUEf0AgMjXFGaVRClMY0DTHHQs3ZFadhm 6tkx44uBEY4oTXsRPTtmfDEwwhGlaS+iZ8eMLwZGuKE07lf37JjxxaBn3YDStC9dEuM2wBQHRtSn NB5dKodxHC+Yhb40fmnO3wfj8MN4SpJSU3zWDYxIp1MjmvelS2Fcx5MR6k7BhW3EqX6j3BSfdQMj 0oERRDCL0ReyxM+/WDdC2lBmis+6YWME50+3JMVBX7oMxnk8GfFbUeJXj77MMkIFRrQSOmNNO45Z jH73C/H/SbBuRBDNWeXoZvT1wIguML3aGV9GnM3PwuA02OhZKxG2T/FZN7ttxGYTBUYQwQgjglk4 PVurIxZJf3rLFJ91w8YIH5vNaLXDCCIYYcRyshyH662mIG4seWo2wYh0YAQRjBxk/dWXM2mE7EKL hw+TOa3KTPFZN7tsRNbQjs9CFC0hl6wrZ5+GWkbzNbkLdyPmookkVAjEQZvOkvMRs1JTfNbNzhux poTHQjTX0wzIKVs/My9Zp6GW4oOOFtVyFe5GyNMOstxP1Z3n0ejrXM0cvXWKz7phYwTnT1dFfa+p Qm8bEZ+GCtQEf2vrQzQM+2PWDwyMyI49AU1iROo0FIxIpb3q2y8GRuQkiC5Os41InYZCq8lOiw1a vxgYkRvZtZ6l1pVLn4aau60ieB+zjT4e273h07POiu/Dvhyl+xH2aai56+FEtmVIBkZ42mw05Fly oNP7YVeTvFpGJKehpo5rCMZlKMwaCGS7N6SMSFapKjnQ6e+wm17zuhHRaahoWmSXYVuG+oUhZYQp 9/NJ2YFOj4d9qs/OzdKtpug0lONhJhW2ZahfGEo9a+tEf8mBTt/nrOVwU7KunHUaam5d2OkqbMtQ vzCUjLCKfcmBTlzXBIzrkDIiaZuXHOiEEcC4Dikj7Dqi1EAnjOgEU+ZeWj57sxZKPeuoH7FUTfYy A50MjcgvTWzKUKnby9nszXooGRHdnT4flx3o5GdEQWliU4ZgRGubtc9HlBrohBHV0xhTbg4SLnuz EVJGqGvrzTnrUgOd7IwoKk1cylC5aXm47M1GKPWsqWJcG5FTmnp1zPhiYAQVCjA0MDCCCgUYGhgY QYUCDA0MsZ51xcAIYFwHRlChAEMDAyNcU5L5ncLkDqhQnYl3iamdUpj4zi15+UCtWaoo7U2lwAjX lGQWD+uMY1jipjtCZSierEoZUWuWKkJ7Uy3oWbumWEYkd0DJb1c+RiSTVSkjas1SRWdvKgZGuKYk RthTnQazrSWJzjFLdkEZUWuWKjp7UzEwwjUlVZys1xkZkUxWpYyoNUsVob2plnpGHCO5+fBj3bP+ 7Pj9//vIev39n37S2d9UPd8Xe/BL9Ue//5NPv//p8YPPHnz+A/XGzzjtRoU0M2Jr0LMOOdcRKnJ0 SdURtWaporY3pQMjXFM2+xF63JWdEUqH0jdv1cc0CoxIh7YR1h1QISsjksmqtBF1ZqmiszcVAyNc U/LORzAyIpmsyhhRY5YqQntTLRhrck1J5ncKkzugQl5GxJNVLWrPUkVpbyoFRlChAEMDAyOoUICh gYERVCjA0MCgZ02FAgwNDFUj3rsscss8/Zp8ePOyytfsp8fR08u37ffj33ETth8uMDVC1Ig3//Cu LNYH6vlfifIuHlQZf/L8gfX02DwN0+/Hv+MmbD9cYGqEphHvSCGEEvLh7PJ/qFJuyv47X7Webhqh 3o9/x03YfrjA1AjNnvWLB8lzYcebspRXMSL6HTdh++ECUyMkjXjy/K3khxe/JppPt6MSfyZbUvHT TSPU+/HvuAnbDxeYGiFqRFKaz0TJ1p0H3XMWz5Knx1Z/2no//h03YfvhAlMjRI1I6gjVCnrTNJWe POv9ITsAAAdWSURBVK+HnaKn63WEeT/+HTdh++ECUyM0e9ZRP+LFW+GL8eiqLOy6URQ/3Wg1mUaT +pU/+Lf1dYDlJUenYeWw/XCBqRGaRrxnxpou39bdAdkE0mX/naRLIZ5u9iPk++J3VicT8Ttr6wCH 05kwo7oSbD9cYGqEphHJ+QjT9hEP0fmGryanHjLGmuT74h/Lm4HFQ3odYHX16bzcbcJ22H64wNQI USPEd706Zx31j9+7fOvN5Gx0/PSP43PWt5IX//z5A3X32nvqnPf6VBIwApjCkOxZN8bkrwO8rLEG NdsPF5gaYWPE5SqYvHWARde6ehXB98MFpka4GHH5chVM7jrAYRiUv1V4G8VxgCGBYWKE7CpUwOSt AxzWajax/XCBqRGqPeu1VDQiex1gVT3ACGAKw8MIPZ60+Xru8chcB1hN8BtgrAmYovAwIi8FxyNj HWB1zho9a2AK01sj2FGAoYFh0rOuhNm6+rgTivMAQwLTQyNyl1B3SnEfYEhgYERNipvYi9Ydx4vW VVjurXrYFtWWMP0zQpUw7xRHsSeJ/TgaHquy3Fv1sC2qLWH617MeOVeiHSOmn6uHebXl3qqHbVFt CdM/I1hR7MUmPk29AyM6wsCITin2gkSfpN5Bq6kjDIzolBL1rE/Dxfgj+425ryqCb1FtCdO/njUr Sl4dUXq5t+rp1UcDIzrBtNqPUIvWlV/urXp69dHAiE4w7Yw1zc1Y07jScm/V06uPBkZ0gmn7fIS3 YSaVXn00fIxAz7pc7EXrjqPLdass91Y9bItqSxgYQYUCDA0MjOiQkj6zzrYM9QsDI7qjrF1swrYM 9QuDnnV3FBhBEQMjOqOsX5HYq2PGFwMjOqOsX6Tbq2PGFwMjqFCAoYFBz5oKBRgaGBhBhQIMDQyM oEIBhgYGRlChAEMDg541FQowNDAwggoFGBoYGEGFAgwNDIygQgGGBgY9ayoUYGhgYAQVCjA0MDCC CgUYGhgYQYUCDA0MetZUKMDQwMAIKhRgaGBgBBUKMDQwMIIKBRgaGPSsqVCAoYGBEVQowNDAwAgq FGBoYGAEFQowNDBbiu7Fa/vX7689KxO2x6M7CjA0MMVGPH3rZnjvhfSzUmF7PLqjAEMDU2zExRt3 wvOX76SelQrb49EdBRgamGIjzl+5H168/nbq2cDkWASPeOzLYzkjHl+PPEieORDNWVBHAOM61esI B5t1FhgBjOt46kfACGCYYraNNb0ajzW9WmWsCUYAwxRT6nyErBxwPgKYncDg2lcqFGBoYGAEFQow NDAwggoFGBoYXOlHhQIMDQyMoEIBhgYGRlChAEMDAyOoUIChgUHPmgoFGBoYGEGFAgwNDIygQgGG BgZGUKEAQwODnjUVCjA0MDCCCgUYGhgYQYUCDA0MjKBCAYYGhrcR7aRXO4O9aX2LPjfbTXq1M9ib 1rfoc7PdpFc7g71pfYs+N9tNerUz2JvWt4ggnAMjEMQOjEAQOzACQezACASx49iIuiuwkEyyC+cv 7e/f7PivaRr7A5GrgfBOsjdP39r/eun5iEvErRG1V2ChmGQX5BTQ5992edjbT+oDucfdb2tv3r2p Jq53FrdG1J45mWKSXXgsj/27vAuR/YGc/+3f8d6ZtYLmNG6NqD27PsWkd4H5zth78/Sf/pV7q8ku aP9MudVUewUWikntgpwbnXWsvbn3Kvt+RLI35y/dVH44C+qI3Ni7cPEacyHSHw17IzwWNPQjcmPt gvwiYp5kb+7ty/A23Cpof0/aiNorsFBMsgs9ECL9gbCvI6y9eZd0q6n2CiwkE++M/lZlXoiSj6YH RqQL2jdctkVwzhpB7MAIBLEDIxDEDoxAEDswAkHswAgEsQMjEMQOjEAQOzCi9awOBzJ74uni2Vvr 7y6/eSv5hwf2C/E/lhu4Jh4D87CX/jWkUWBE61kdXlP/v3I3692jZ+KiPdyzX1gdRu8c7YXLG9fE fwdSkuW3bssXg+zNIVUDI1qPNkIW6M33ljcGsRHqaz95YfgVU0eoumJ45e7iuduyFhleM1vN2BxS PTCi9RgjZBUgCvfi2e9cFa2fhfjfgWwBJQ2pofzWj19YPPddu4kVG2GqCFQSrgIjWk9khCjC0oir oiQPB/J/l2TZtnoL+p/pF0TZtzsdsoLRrSZTRWT2SZAagRGtJzbi0m1lxIEozep/qkjHBTtqVekX dIUSb2Gg6g9Rt4gq4ki3qzJbYUjlwIjWs1ZHyHKe/C/HCNFCSlcCwSXdWBpeE2+pBlO0WaRZYETr iYrukelHlDFiqAZsBwfxRsy7y7+4O1RiwQhXgRGtxxprKm2E/URVD+bdo4MwMgKtJjeBEa3HOh9R ZER4ZPesrSdqnFWPLC3+9G4YtZrQs3YTGNF6zDlrWd4LjTDDqSkjlE1yA+o9fQ5iqHvWQ4y+OgmM IJtqF2bgDJ2jwAi60VdxlAxO0DkKjKCbKl/7uNLPVWAEgtiBEQhiB0YgiB0YgSB2YASC2IERCGIH RiCInf8H1i7JG+XIEIMAAAAASUVORK5CYIJ= ------=_NextPart_01D6E354.C0207940 Content-Location: file:///C:/2C48CB21/01Incidenciametodologiasadministrativas_CesarCasanova_archivos/image003.png Content-Transfer-Encoding: base64 Content-Type: image/png iVBORw0KGgoAAAANSUhEUgAAAxEAAAIoCAIAAACZB/HgAAAACXBIWXMAAA7DAAAOwwHHb6hkAAAg AElEQVR4nOzdf3gjeX0n+PcXJrQb6Mlo+OFuDxA8qDqN1pkF92Y3V9rMJgdJTupng5nkfENuL31k 2NI+myeRbtm+Z/fGwAN4ss9zHfYpkezeqsKE7dyFDN5nwTwXV2025Fggqme5nE1CjOi4ihZhGHc3 Ia1mOoPVw8D3/qgfKkklqWRLtmy/X4//sFWlqq/kkvTR9/v5fr5CSgkiIiIi6utFB90AIiIiokOA MRMRERHRYIyZiIiIiAZjzEREREQ0GGMmIiIiosEYMxERERENxpiJiIiIaDDGTERERESDMWYiIiIi GowxExEREdFgjJmIiIiIBmPMRERERDQYYyYiIiKiwRgzEREREQ3GmImIiIhoMMZMRERERIMxZiIi IiIajDETERER0WCMmYiIiIgGY8xERERENBhjJiIiIqLBGDMRERERDcaYiYiIiGgwxkxEREREgzFm IiIiIhqMMRMRERHRYIyZiIiIiAZjzEREREQ0GGMmIiIiosEYMxERERENxpiJiIiIaDDGTERERESD MWY60qyCaFOw9udUhXI5K4QQIlt2B99ljK0aP7f9kfb/k0YsySVkFVpbJ/n/EW3nQZuU56n9XaX3 05P8ja61Z/c+waOOEd054W799ot5ixh0tGQPgcaOMdNRZRWEEHmj/UYjP6a3QasQPZWaOTv6UxAN zSp0vwgm0WFp5/7qfFdR4nca5o3OWg33NFaHiDiMfKI3zoS77emku30INBqMmY4kt5zt+Q5sl5SR fz1xtzYBAKruSClltZgrVqX3W3rEpzpc0nweDlD7Z+7kmrx2TsR12/Wu0t2WYd/oIvHG0BGHXbqc ZP+Eu+36pHt5CDQCjJmOILd8sWR7v/pvN1JKKR1d9Xcwltu/vbR3D2fjN2bLbrQLvLWXVRCKfz67 pHib4vv2Y+/eoU9v/MCW9DhKTBd20j7/3e4f1+TocQpW2yE7j9jZXz/wIXY1KckRkt+h9TCscLfI Dn2vn7jhM/+2cM/k/9kkl1C4Z/BxauTjnqPEJ0r2H+9/yfV+evu0c2AbOh5C/Ehlwld323924Ot3 FJdc37bFvat033vINzo/3lA1TQV6RxzRg0kppal5t29uubvYDZop43TEgAmPlvAh0PjE/jfpMAvf Mrpfq46udt7ceoOJiryA43eI7BS8uKO3B3dqHaf3YVoN6jpS+6MY2JI+R4nsMeAsXfrv3/FI+/8Z f6yOBvZ4mNEW7u6J6v0Y45vVt0nBxoHXT3DsmPaHeyX7zya5hPo8Js3sd4ghnt6Ez1+r6X2f3th2 JmhD90NR1a4X/m5e3arudF23o7/kBrUt7l2l1wESvdHJ6GXX/fiiB+w6Vfv1mnC3cL9+T0LyoyV7 CDR2jJmOnrgPqV7Ct52uj8C4zzP/iL336X1D+BYYtCrynujf1NXuPp+sPVsSHqXrvTfpWQY9mz3e GIeOmbqeiAEN7H4uezVp8BHadb239/x3dh0iwfUzZMw0+D/b5xLq0H3q7geSoMEDrpBBl9zgp7e7 nYPbkOTZGOrV3fbwel23o7rkhmpb4pfmANE2xx67xwk7W5Zwt34xfsw/adDRkj0EGjvGTEfOMC+l 2Hedjhtjvs113TQwZurzwdnxxTquY2GIlvT4mOz3+df36+DA/XcZM8U9EZoZfUQ9PwoGNWnwEfpp e6Pv+vDtOGKS62eomGmo/2yPp7Nf8+IeSPzHf+IrZOAl1yb26U0SpXW0IcmzsctXd/Tm9r6wEV5y w7RtQKifNGYY3FnUP8hJGAsl6T2NPvKkR0v2EGjsmM90nIVJlm0zUpSM91LsHL1v7ZQ+O7e7E2kL udaNuQUtZhcvecETJDQkb0nMI0oXq1JWckOfZVf7J9X2RLQ94ekLi/57qJfd0pUZMrBJA48Qo5VX EhwqVsfUpaGunyQS/Gf7XEK7O1HArjnR8yT+jw+65IDET2/nIXu3IfaZ73g2dvvq3kV7hr7kRn7l DBYkAi1eSAOtJtsra8lOppmJEuIT7pZQ+9H2+hBoFBgzHTnBh43/GdCPU/Pe9+bORl/lQxwgqeBE e9tlCO2PaPdnGW2remh/wtPFamcuh/dZ5SfdDm7SoCN0csvZ1ke5Zsp+aVdtdnv9BJ+Yw9iX/8Re ztPrktvF0zu4DfHPfJJ9dvPqHv0lN4q2DbW3W142Is2KBH2DIw6vHycaAw+3W3zf24DjdR9tLw+B Rocx09ETfFuLmVLhlrPRt7H473Xx3wFH0qQ+XyCDXeLeYIb/5tbrRMOeZbSt6qHrCc9VpJRdvfb+ JKBETep7hM7Tr63YQOKPhoh9u356nmv0dv0f79WwXTy9g9uQ5NkY3X9n5JfcaNqW/I0u/CfE6Z7O 3zEIZ5eU2E6zhLslNOhowz0EGhvGTEdP2FHeURIt+L7bujn+m1qS77DDNinuRG2FRsJd9jZ5Nu5E VqE1UDDsWUbTqm5tx+t6wt1yNlt2wyI5Qb+E3w+VpEl9j9Ch+/+d9LMr0fUT8/G4m76cBJfQSAz9 Hx90ye3i6R3chiTPxuhe3SO/5EbTtuRvdP3iDfR+XOlitRXB9K43kXC3hHocbZcPgUav+4sDHX4D 8gpjcmKHm73SmcE50nlzXbv0mKIW25Kuo3Smpw48S4dB+4963lzMfJmBieTtTUpwhDa9pgX1+//2 um+/mVndKbRDXWO7mDfXfdgkJxr2Chlwye3q6R3chhHPm+sxa2tMl9ye2hZ7lHj9E927NsSfsOux J9xtUOOGOmnSh0Bjx5jpqOqdMxE/Q6bnPqOJmRI1aECZm0SfrL1O1D2Pu8dZkj2TvR5p8pipZ/t6 vNXGPeoBT1TCx9j7vX1gzJTg+ulz+OFipuTXdPwdogFM/xMNe4X0v+QGP73d7UzQhu7DJq7PNODV HXvzaC+5vbQt0XMfPVSfsKJ906Bp/32jnO7Jg3uJmXoF3oMeAo0dx+aOqlxFdr+faKbsTKlIF6sd L27NHC6rJXmDos3RzO53u1yloymq7gyfNpSrdD5wVXcij2jYs4ymVe00M3rM9vZ1/0cAzWw744Am JThCVGs0IDyW/3eCHv/B10/M4RPmmHdKcAl13iGyQ/JMqKH/430vuQRPb0w7B7YhXax29C1Vl7qm s47u1T3aS26EbRv4RheOarVNufTbEA7vxedd+Q1d8g9v5PsMvSXcLaG2o5X3+hBodISU8qDbQHRc BAtlaOY4wlI63vyrS9Udrm9INB7sZyIiOmTCpd9ayc/hXPQRTt4gonaMmYiIDpmwfmWrzqRfrUfV L7EHk2hcGDMRER023SlUGEmmHRH1w3wmIiIiosHYz0REREQ0GGMmIiIiosEYMxERERENxpiJiIiI aDDGTERERESDMWYiIiIiGowxExEREdFgjJmIiIiIBmPMRERERDQYYyYiIiKiwRgzEREREQ3GmImI iIhoMMZMRERERIMxZiIiIiIajDETERER0WCMmYiIiIgGY8xERERENBhjJiIiIqLBGDMRERERDcaY iYiIiGgwxkxEREREgzFmIiIiIhqMMRMRERHRYIyZiIiIiAZjzEREREQ0GGMmIiIiogTksXHQzzTR PloH1ttveQRYBx7q+h3AauTPdwPrwIcTn+jDwGeC060DjwAPdR1tvf10RETtJOAEv2i9d9MB77P8 oAIJcXyCCSGO0YMdCT5jh1KjIOoGAEAz5ys5/1a3XFNW7neqp9Pe31Zd5GHK2Rya5WytNDcrK6lg 1xtZZXsuct8+rHds5J/Cm/XMRnHKP7X2Gn3zG6W5WblwW+Qbqp6pXridVbZxDvbDkbMQEXWyCsgD shK/tZxFCXCqQjmwzyaOzREdIY2CqBvqjCNn27+qNddWmpg7kQ5vUE6qaKxaAKaK1fm2UCZ9Yg7Y 3GomOF3T/gKAlz1RnAIApCpmCsZzL1+cwubdJ1cbUGeuFKfg7NhILf3fM6pxvezu/TES0XFjFSAE Sjb0K0gP3n18GDMRHSGpipyXYWdSOzVzsvVH+sRcr2NYtw1g7uxUgtPtuHUAL+64daZ4RrO3Hzeg Lt6XRqOQb6j6mVz6xByaK2tJQjEioqhcBVJCOlhRkC2rB9eQCY6Z3HJWiIJ10M0gOgJ2anbMrXGd SY1CvgF15lKCgTm4d78OTOPZ5XKzdV/tvhxSFScFwC7VhKhv6pmq3xEFu7bj37WcFS2zS37/k1UQ cZK/Dwghku5KRIdMGksa7JXFg2vBJMRMPd4mlZINGPlh3zOJaLe8XKiU2aOnqlP6dFXO35Czc6Wa EBteeOQP86XP/EsV0GalnPcDJvfuZnA/t5xVSraqO1KaGgB87QnFe4nnKo6uAqruSCmlNHMAkDOT pFYR0dGnZAD77MGdfxJiplzF1NB6mww4ugpopvcH3zOJ9uBkJq43u30ArpULNcSrzaoLUYc5L+W8 lJnFlZrI3nABYKq4lIJRz/pdUM3yxe2gq8tdW7GhmdVi2irkDQB4/SyMVau1bamYBgB369sA8Nrh HisRHRFuGUIg2mXi1ABt9cAaNBExE5CrSGnOlRSRZYoo0ZiE42JAW68PALg3sl7AlLCHydcsLzeg zQZfaaaKV2ZUe/uy9xaXm5Vmyva7oGq1pXlT83Kq0sWqlJUc3PKyoeq6BkydATa3Ol78bvliyY6N 9YjoWEgXoQHL5eBvF8sG9EvGwbVoMmImgHET0RhNXVicwubd1kvL2bGRWvBiHfdGVtm2tdleyeO9 7dTsmNTyVppUblZKrwtqvpJrbm1Ge7bc8sUS9CvFswAaNjB3Ng0gfWFRhbFcdmFdLtk4V7OhLbCX mei4qkjMlSAEhIBQsCRRPMiJc5MTMwFAriIdHYybiEYtXTyj2dsXI8naqn4mB/ijZuqMEy034N7I ig3h/RQabQdq2/R8Rm3vvgLQa86de3vFnsoowV9+xJQGngZuYl73s87Txar35SlvADipO8MNzLOi GNEhlqvEFGeqSMjg56C/QE1WzATvHdOLmy6uHHRbiI6QVMWZQSRZO0jNvr1iA/a2EkZCYkMo23/+ 9jdIOS/lrGbUW2GTeyOrbEPPBJueKf3gy2DUgykazXK2bgRz7qzChhD1IBOhUVC2oT/of0NsRUxW IW8B09rHg++OVkGIPExTA1T90xdX+A2KiCbHPtYcH4qjq0ArB3wEJvjBTig+Y8eNc10Nljo5p+/4 N5rXgGve69DR/xxYz4UvSm+Tea21QIp6PTqTw9TChVPW1fCA0tFVtCbNZSLz5MKZH17I5HRMBSEi OtDPponrZwqki1UpJ3a+XLS4TEcZhLa6M5Ft/u0de3t1FnpXUmivYtN12PbNPW4WQojwu/qAA9Lx ZdWFsg094+hTwL0Pr9Q6R+WAz648H3PHSNKSDPurvC2V+XBTWKLJmxpnlxThDb/VbHh/FSzAqdlQ M4q1akBdvJAG0mfnYtLDe2N9JiIan4mNmVomrralVRBKbckPOh19M99qnVUQSmmu9TUc+baBBVVV /RnVwf6rhqoOmhjU/SXbjyStQvRk7S3puJc5V1LClvQ8IB1jVrDUSfrC/Sqe3fxvX6Ua18tuWKay URAb77IBYGO1o4JlIAiVOn/vkC5WvW5k70IMu5QqOUDJqLBrn93aDHLCAbT9SkR0cA5BzBRMTE4k tjqmZ0TNsQp5Q2vV2EsXr+iqsVx2AbjlZUMzI23NVRwdpYth1DS3uKhGvzJbq4a2uOuKptaqoeqt cs1eS1bjg8vcJV21a85uT0VHXmPVX+rEq1Q5O7f8VzaaJcUrU4noMnYpo6uC5XDc8sWSrepOzKs6 XVzSYLzr39lQMwrglrP5tquciOgAHYKYaSh9hiFHcwJr1eiY+5wuVmW1mPaGHDqnRacvLKr2yloQ Jp29sIjWX9aqoS1c2HVTlIxqly5HYqR0scoeI9ozv0zlrAZAe83iSk1k717ylrGzvmkAeH93Bcth uGsrwXCcEN4And2aLJuryI+oV/3tSgm6Uz3QqcVENBH8cgMHPPh+1GKm/aCG86XbOTW7e1P67Bwi HTzpSNBkrRqJKs8E68d0Zh+li1VTCzf2H720Lpda8VyvA9IxdjKoGhCUqVS8opc/EClT2SwvPwfg 4R/17tJewRKAnG99M4n+3sHPVezUCo0eq8bdSkTHVjRUOtCwaXJipvjk5CP3ed4KmpKGTN3pR9HB vyBfyQ+eWs9We2CU34yMhPQ5IB19YUGBtlvDpU6+XbOhZl7UWuqkVaZyp2ZjOnqnjgqWAMJk8LE/ jB5G1qNMRNRlImImt5wVQllZdGQ3E3kxYQVaeuUFKZkeKUNtvU9B0JQ4ZEokV5FSOmFmFboCI35d J6Bvmra/1MkzBmCXvhpZ6gTwy1SezKi42XXI+AqWRERHzyTETO7aiq32ylrIVRw9mhF00HILGjoS ra2C17+TvrDYlYPtlpcNb850KH12zl5Zs7Y2e43xJRScNnLkC4tM9KY98KoGmF5at7fUCSJlKqeK Sy8D8Lk/8fZuq2DZJr4ri4hod6L9xwfal3zPAZ474NRszC317AYJM4Imo6Mkd0lXlXw248d4/sQe Jwdvzo/IC5jRYgDQnY5gMLeg5fN5W9WdPT2ijoYEtZWdHDApASYdSrlZaULkawCQryG6cG/u1Rrq xvs2xPsAALFr+nZ0Ze3zOJ0QgsNzREfQZLyuJ6GfScmo/YrWuVubPdOuD0K4HpYQQnjlmMIuslzF H030s4hgxg2K5RY0oKP3qY+ulG2/f6m9Id7oZqIhuF4HpKOvd5p221Inufs0QPXWSOmKijQzSFoa ek1fIqLDbCK+k7nlrFKy2yobhayCyBs9R+6GwS+gw+IzdsxYhY284f+uhgvStWkURB3mfL9ZA61+ po8BH/J+m9acG5W0fxIRniQi/uU/PF60REfeAb7MJ6GfyZt7HOmeiVrOOExgJtoPSuZXgPPej116 41Kk79d9z4NCCCHuN3De+OX39Bv99buvPgZ8CN7CcUDKCMvQ5yqOHllhzswBQM6s5FoFacf1+IiI 9mYiYiYAkWnzvYq2HGnxlRYma74gHWleb29r6Vx87QnFH7J13/Ogslyf1hwppXS06fqyIt7RbzRX zpvah6Bqj+b9PqU3aa36q+7aig1tyXthu1vfBoDXtq0Tx7CJiCbT5MRMx1t8mb9jEjDSBPAiGbNa TFsFL855/aw/Q9S9/Ft1TGt/7A2upSt//Pjrgad+o28KXK5iarbxlKo7fgQWf9LyxZKdGbTg4lA4 MEdE48OYiYhayzq65WVD1XUNmDoDb25GunJDyiAdCQBeNQXgL3tP2wDgdxwHUf9nDDtcNS59YVGF sVx2YV0u2ThXszHCSmVEROPDmGlX3HJr7ZtCZ0Wm1iZR6Lq90H4gK+7GjqMV+t0S25K2NsQ1hiiW V6/iSvEsgIYNzJ0NIqWw5JJbvli6CuDvn03SCepnfN88p18JO03DCZ95A8BJ3ZGVXFv/EPuKiGgy MWYanlWAUoOUkBLSwWa+FaxYBSglmNLfagIiG6mWpEI1EA2xrFWoexiZ6NMSaMHt4U9l9yeiYyGI mNLA08BNzAddQ/5UuCpwHkrJBhD2Gg2Qq0hTAx59eCVchBdWQYg8TFMDVP3TF8Mt4Zj0Xh4Dc6GI aHwYMw3LQt6AGcYfaVzRYSzDBeBi2YApEVkODjpwsRz8PYdFFdEhjVUDi4tjaAnR0FoRk1XIW8C0 9vFiuq2cdxb4MABgGkOW5r93YUnz7+OWlw1oZgWrBtTFC28pXtFb+eFERJOMMdOQrFVAQ/QrdroI WUUacNdgt28CcGER9korjrmwiJW18FgwNFwYQ0uIhhVGTFZB5I2MCrwho3QsflIFfhV4N+RHtWGD JigZ1Svn79RsqBnF8kKmtFfov19RWyKiScGYaXhqJv52pxazKX0WsBGuAZe+AAQhlLUKbWEsLQEA ozOfiaW+qTd3bcWGXVKEl2RUswG7hPNANdjjY0HA9OuyFQD1PFw521Fc3glSvb37fnZrM5otFf2V iGhSMWbaZ2ksAt439FUDY5wu1JXPNJIqy3REpYtVR1cBaKaUXoUmVcc6kAWeBs4DH4JmSvnrEogE QL0Pt6R5c+M8z64uG34KlLfpXf/O9lZE8hdsTJYdRUR0oCZhjd7Dxq7F365kemxSEV0t78IiLq6h eBaGhsre1tPt1RKiYbnliyVb1Z1oaO3My9bw3OsfD+IarxyB09rRRVbBkmwbKF41JABFAKgAMH7w 92QRsCDyAPws75KCEopAUTs7ssfBOXdEND7sZxpSbgFon/vm1QuwgPSFzmlxAMrLUBfbcozSZ2Gv wNrqO7IW2RmbbXFVOALYpyVEQ3LXVmx4g3NCeAN0dkkRWf1e6XxNBYCvPRGsBq2UbNili2EnUkGB 3Xk4bAK6E+noNAEAuc7eTw2Axj5QIjocGDMNKwddRT6sIOAim4eqIwcgjSUN+UjUYhVQAq4UO4+g 2ciXsJgk/TsHzY7MvLOQN4I79mkJ0XDiC9HLajHdb5MXpcesuOvABgamKLllGIhM/SQimmyMmYZX rMKcg+LlViuYM1ENoqJcBdJEPki7ziN+ItuCBqi4kCzrtSIxVwpSufPQHYTFAfu0pDsHnF1QNFoW RB6qHvQhRbhbnXM6Y7i4WBp9kM/6TEQ0PuL4DP8LcYwe7EjwGaNELIh8W2Eyq4DlTdjBiJ2qR4L5 yD759nJmI8GLlujIO8CXOfuZiKiNeyMbrpRSaMTvY9WFqJV7TWBYNWADTpC0tFRDthyzD0eSiehw Ycw0GeJXiMuyqDftM/dGVtmGnpFyXspZzajHhU2NQr5HLOWpyLZB6dwC7FLndAUDyTL6iIgmBmOm yZAudi0PJ1nUm/adu3bLRmqpOAUASFXMFIzbHXlwVqEek/bdjwIVWLUgAtbqEBl9REQTgjETEfWU /33g9/PRxGr3xrIxpeupoQ9l5MODaHmjswTHqDCZiYjGhzETEYXSF+5X0VguNwFA/JxAFvgvwEMQ G8IC0Cxf3Ib+YPEsgO+tKF7ak/v5tmO4yAqc/g0/I0rULa/0QEQGwNzo6lgSEe0PxkxDapazQXps W55ss5zdKFjBDtkbbvtdei/2FndA0drfLdcit9et3vfKep9zgw5I1E/6dFXOzpVqQmwIPA68E/gE 8FFvo1u+VsLMleIU8Dzw3e3HvbSn06eAz682g0O8omD/97i5KeW8lPOm1siL/xOqHj3JWcDNKCAi OlwYM+2CZs57nwf+T6VrnMLevjxMjNJ5QDnvF0a26krppBnc6Og7+VbY1HGv2blSLQibeh+QqD+r LkQd3vWDdwIfBdb9Tds3LpagXzmdBtzVHeCef/Q/e2lPL38T8DfGde/KdMvXDfXDrglvJkPOOC/x 3xSWitFRMwVIj2lRXtZnIqLxYcw0Dpo+s7l8Y+9z3qzVhqqfCaOddPFBXW2sxkdjqUv6lF3b2fM5 6Thrlpcb0Gb9CFv+F82//QkA6r/ehv5gMQ2gufa57wPilf7WHJzry/CuzObaSlNdvC+dq0QmM/xK cEBfWo66LBMR0T5gzDQWZ09fWbw1VFdTLCUzZZeuRw4zVayyx4jGZ6dmQ82cDP5MVeSsBqj6/6EB X63B9sbsRK10FcB3S0pQwCl9Yi5yhLmzU1YhGBfOjuDLAxHRRGDMtAtGfiMux6hNungG+fhNgw7Y Oma6mDG1Rr7viQKNy6WmtpDqf0Civk5mVHT3Vs6d/QEAb2sN+M5qAPAS3WkbmN7casK9uwkY+Y3V hWBAefGWwsuPaDSi6ao9Xlb9683SHjFm2oWORKIe/T6pS/rOcrkZv7HfAduOmavMR3Jp214nHaHb pp4Ju6D6HJCot6niUgpGPZgx0Cxn64Y6c2nIq0eNXIrp4hkNvQaUiSi5RkFcw5XoJ0J32DSo3izt EWOm8UkXH1xcuT6qD4tcZV7KjK42lnskelf9OoREu9AoeMF3voFWOF4rfTXlVE972dqfCmL0bPlF mXMxh5g7O9XxCwCv78pY3a/3cdZnoiPKLV831PvDQrC5SzNq17eR4evN0pAYM43TVHEJ+cLt3d69 UeisETB1YZGJ3jQOqUr7REtTA5Ayb8ymAVjfNABoXmWBzOLKV0sNQHugGE59c+9uer+0EpvaRHKk iGgXgtkV4Q3p09WOCdG7rjdLyTFmGq/cGX1zu2QP3jFO6pI+ZeQjI9PujYsl6Jf4kqAxc28sG9BM f0jXWn0OwE8ueL1HU8UrM/M3X4Q/udtKmXB2bKQWcgBSC1pHr5KfFb5/jacYLrICvTq9rULn4pbR BTBZ220iDJxdEa03S2PDmGnMpopXZtRBO3WlbPvTkdLFjDRPlpTgRuXWopMpJqhr0+uAdNxY7xDt oh+AViG49XQh+vbbLF/ctltpTI1VA9PAveH29Im/g+9Pf3H7oj9M3CjkW0UxcpdmVOO6H+gL4YrP GfjYsBlRu8f6TLEKCnp+c7OQbx/PcctQStAdSAlpwsgzbDp4g2ZXROrN0ljJY+NYPdiR4DN22DlL s8C05kgppTQ1QNWdYJv/p6kBwLnoJvMasK6Z4VFuaVif7roFj15TsQ6sA+uqvtN+4ltasAl4twPI fbuUeNF2MqX3/APSjNuueVtVGV4auiqhRQ6gtf1JB8K5rna+0G5p4avSua7iy/4r2LyG8Pej6gBf 5uxnIjqqrMvLdeAnF7yeydwlXbVLl4Nq3cuGqr2upHhdDA+/Xws3WasNtM2VO5lRcTMsdIkge+ne +6o95x+kKnJe4rzEeYkPjafgNyVhQeSh6pBm/Ha3DEOFrsVvpQnTY3ZFMCrHV9o+YMy0X+KXgcsm K0ZAtAu5S7oK7RdjxsXctRUbtvGUqjvS1AA8kFFhrFrwRuLaUk2DAgStBQ0vbu8yQ4/2Ww5Solrs sdXFxRL0K+jIgLmwCBjwh1ct5A1oC+NtJg3UZ3aFe3vFDuvNelNfm616szRa9xg5euQAACAASURB VBx0A46NqWJ1vtdbF9FYODVb3VwWIh/cMK9fCSMoVXeqxTS8xOCZs/47snXbwJR+ob3fKDcrTYh8 TZQAQDPnzdWN5YFT4aREmFzECgATqHwR0FFMd+aGp4uQZyEUlAAAugP2YBy81IJWz682KrlwDtBO zcbc0hTSp6vydGtHqy7yO3qyzFcaGvuZiI4qa9WAjUU/ZwnIqBsray4AOLW4nqLNLddabSBSA8YX 1G2Cv95zc2sz2VS4cMm5fSMZnSXjllECrsR9j7MKEHmY3v/OwYqCbHnf20ed2mZX+OWahq43S3vF mGlILrKiNQu3NRc3nMrrIiva32L6zvKN2dpxS/SMhX7NEH3OQsdRriKlrBbTuYqUUkpHuw27dPHJ Pvf43tYmMHeiLWQSG6Ljd/f2ij2VUcbUatoHwahcTFeEi2UDmhksopzGFR12ie8tBy99uirP1IJp 1MrK/WG9Wdo/jJl2w5SRNdslulfNHdlbjAWhYCk4kb4ZCZu6msG14qmvdPHdKmD/9pOAkokrgDF3 9tXta/TGahQUJpwecu4abKCk+N+18gZgQ/G+/jmwgWhEnD4LAFtcwGwSRGrP9gqYcrNScmBubBgz jYWuY3kUvdmFfOQLH1C8AjXMzSQa1g9NnwLgdxvZNae1ZXtrE8D1u5udc3O6iPqmnpnchXpYnymJ dLHtu5apASoc7+ufAhWIXhues/wQJmLMNCZni1hc2XNXkwUDWIj2HaVRlczHpGT+6JF7hXjjByK3 VL9yB+d+5peA9IVFFZuRroNnaja0hV/qWo0BgJyX0d87KguEk0DH9CBov6WxpMHIB29fLrJ5qDr7 sIkAxky7k49mERXi9ykuId9j0xBU9MkayXfkM+39dHSUvOUT//wcrv7bsMS3W/i3V0+9/TffCwDp 4pJmly4GfZafe5+h6r3TScPhgI7bu1Od6AjIVWBqwduLAui9qxUQHTOsNbAbZpLMoRz0ZZRdjO/d JlEz6Bh771ck3igU4S+Nce798tn3BttyFUfPKopXPmBac77Sr/+yURAJ1ksXGwJQJ3nk7vjK9Zu9 mKtAdt9SGXOTiA4h9jONUfEKVi7v7RA2uvIKiIbw3q+0qv5/5b1tm9LFarDlRqX/gG8k81TOSzlv agBSnbWl5byUs3OlWrbchHsjy7UOieiIYcw0TmksAYW1AfvMdcxJcWB7Q3I5aMBqe1ZUgcuM00Fz bywb0N6PPNCafqcChQaQuqRP2aVrb1S2oWeknJdyVjPq+xc2sT4TEY0PY6bxyl3CZqn3iuIAgAUN pYsIo6ZCHuqiXzflkg4j35ooV87CUMEqZnSQmuWL27Y683efaUCduRJ2Pl2JFtx7/ipSS/4IXapi pmDcZqRPNHqchLHPGDONWRpX9AG75Cow56AEqdybkYzLdBHSbJVRKc1BVltl6DpzwNkFRaPW/Y5s XS/Z0JZO/L8dy9KlT8yhufLvn75Yas6//QcOoq1ExwwnYew/cXy6soU4Rg92JPiMHXMd78JyXgJW YSO/OeNUT1zuLNT0jTeKb14FoM44V3BR2Ya/tVEQdUOblZVU1wnG0WZetHRsxL1Cj4UDfJmzn4mI Emus+t1LJzMq7NpOa4t7z/0AtFln8Zai3Fp0Zuf8hdbrm3pmnwIm2oWwl5qIBmLMtF96rBDHot50 iFi3DUwtXpgCpopLKRj1bLkJwE9yAgCki2c0NEtKHaaX6pRZXKmJ7A1e6JMoGioxbDp0OurNHmBL jg/GTPsljWrX8nCSRb1prJrl7EZnkpv4ORFkKQURj88qbISbhNgQ0WoC3sDcagPq/Re8azY3K82U 7Xcm1WpL86bmrVX3or86BZx7dVBPfKp4ZUa1ty8z145o5HrVm6UxYcxEdFRZhVqpY86m+DmBx4F3 AueBJ2yvlpKvubUJ1S8Q4P3M5trekZtbm8DciVaYn5uVMqOrgDZbyTW3Nr216u585Q6mH35l66Tp E3PA5lZbfEZEdPgwZiI6ihoFsZHvKt3t4heBjwFfAgB8AmbKLl0POoB2anb/BXp3arbXkxTlDdJd L//R7RV7KqPALd++ego3sdNx5wFL/44KE8CHEn22+MwRDcSYiejIaRRE3VBnHDmrtd3eXMNrgXrr BuWkioZfNtW9u4nUQp/iX+7dzUjoYxU2hKhb8AbpXlx667aNZknZUGoPyI+nYNSDMcFmOVs31BmW FZtQYZ4AEQ3E9eaIjpxURaYqANBVfVuFarv+eJ2UEo3Wws7Ojq3uLIuNvL/njFM93ZZtlz5dlafD v3KVeRMbeeGfon2ZuZQ0IfIbRq9DEREdRoyZiI6NnZoN6F+Q7Wvobm41kZuyVhuwpxad+aoX3Vh1 kb3RP9bJVeZ7LuSam5VydlTtHgLrMxHR+ByvmElwNi1RvM4AKHeflq9ftk5XOKZGROQ5XjETv4DS sXYyo2Kz69Ye2dknMypKq41KjuUoiYgAMAec6JhpL959tzuEiuqaJUdEdIwxZiI6NqYuLE5h826r JLezY/tz5Zrl7IYoRHPGB5YeICI6ZhgzER0f6eIZzd6+6NexbBTyDVU/kwOCMku3W8W6rduDCwS0 KoZPDI6/E9H4HK98JqLjLlVx7maVmigBHQUCcrPSrAux4f+pzcpq30ymaKgkNoRXKzy8kYs5ENHR w5iJ6PBrFES9q+g3oM1KOR/5u1nO1mpL89EyS232WCAgNooiIjoyODZHdPilKq1F4ualnDc1ACmz 0tZRFLP83NHDeiJEND7sZyI6atwbywY0czaSjNSjI2ov5LzkSBwRHSvsZyI6Wprli9t2W/p2r+Xn 9izs2Qr/jG4a7bmIiA4c+5mIjhTresmGZkbXPOm9/NzIMVQioiOMMRPRUWKtNjCwRgCNWJIkKhZB IDr8GDMRHSGNVQOqfl+fhXWPuP2oz9QdISU56e7uRUSThDET0dFh3TYwpV9IULyb6dtJjSrW6b5X x5EZQhFNvEnJAXfLWREoWN2bOm4jom7WagPq/RcG9jJ1FFIaa5sOJSFaP1J2/oxKx2GjJyWiiTQR MZNbziol6I6UUkppIs8YiWh4za1NYO7E8R2Ywx7rM8XGSfumO34iogkzCTGTu7Ziq/qVov9Wn6tI R9/Mi2zZ7X8/IoraqdlQMycPuhmHTneodOAYORFNpEmImZyajbmz0S/H6WJVmnMlhWETUWLu3U1g 7myCZCYWUooffZs0jJyIJswk5IArGRUrWy5ybWMKuYo0C0IpnHUyB9UwooPQLGfDRU5SpvTKefde US5cICV9uudCcr5URQY7H99QyTOBEVIvXlO9lh+iZhMdRZPQz5S+sKjapcvdGUy5iqkZeeXor5FF FGgUxDVcCZeNa+RF3QISrihHvU14l9JAYZ8TER2cSYiZkC5WHX0zLvM7V5GOrh5Io4j2n1u+bkQm vuUuzahorHZ/nYhZUW6SNQpiQ3T/FLrqklt1IWp7GpGPqc8UjZYOOw7VER0osR8l4CaDEMfowdKh 1CxnayuLmWqxf05Ss5ytlTDjVE8f0ilyVmEjb4TDjiFv/HFKdzLF0TywIzyedYQfGtEgB/hpPhH9 TEQEeBPf5s5OWYWgJyZ7I6bPxVtRbmmogKlZzm50deO2un+y5Wb3jQP6hHatRyeZVYhL2Nqlo9S3 FItDdUQH4RDETKxpSceEe3cTMPIbqwt+0pKzeEvx85ladrGinFWodWUFNgqivqlnpJyXcnauVAvC pnEnTjXLF7ft7va7N5aNKV3f+1mOfLQUxbCJaH8dgpgpXaxKWUn4CSF6G28riUZD1TPh1Z4untE6 85kaqwbUxWQryolPCVeIwka+rQOnnIUQuN+Q53eK3wAApCpmyi5d/0DbDHwhULBGnjgV30nWLF/c hv5g8eyujxu0WeCYjVgxbCLaR4cgZhqK7O2gm0aURHuBpZMZFcZqZFzMum1gajHhinLmAjpjq3IW pTns6Nl1FFZ+FEoWLgAoJ1V86Q/+BiqcSDXq8lZsn9AexHaSueVrJcxcGZDF1cthnxC3dwybiPbL UYuZiA6v9Im5uJujpb2TrigHqyDPoyvWsVCyoV/yD/sPL0G1cdnyT/31Wy/HXDTI2k3iVH9xnWTu jYsl6Fd2cZZjNQzXH8Mmon0xOTFTdJXeKGYy0bGRWtDae5WCrPDgz4QrylkF5A333RAf7tiQg5Qo prFT6y56pv7lM3hsIXqU4ROnBrWru5MsGJUbLmJitNSNYRPR+E1EzOSWs0IoK4tOzIiaibzg0nN0 TOQuzajG9fByd8vXjbaoJeGKcrkKpEz/emSBlFkt+PXJrBDiXQZgr6QV2Cg/62+Yq9/5q//0s2Fi 0DO/+jsDEqfccrbXV5r4TTGdZO7tFRt2qebPzss3gGZJ6TNNb1C0dKxH4Rk2EY3ZJKyd4q3R61Rj v2rmKo6+qaysucURlWwhmmDp01V5oiA2/E8+tb0IU/IV5TwyrQGozFfQKHgHKJ9/l41Tb/+7P/KJ 8zYAFyjdiyIAPL3wCbwK9/yzT3/3X78FeDL7gY8+5bxoCXqvY1sFpWRDG2JTXCdZx3ovVl3kd3rX ZxJCrAMANnYTGRyL5WK8sOk4B45E4zQJMZNTszG31DMiSp+dg11z0JXNSnQkpSoyVYndMnhFuf7c tZUNAO/4x8VM9qfsuVnnX80r0lj+fCV35q6TX8dLl3//ubcAAB5buvqdfPpXn7qhfzDmOFZB5HvU UuqzaadmQ10c2EnWTkTDo/U9xT1iUKR1RIIqhk1EYzMJY3NKRsXmVs/RN3drE2pG2c8WER0RzwJG wR+MM/I/9Vcf0FVoC7nP/Ff7aRhPKK/4GgB7QwjlP7io4tTr3uLfr7l153Vw4d54suuQVkHkDVV3 pNnVk9RnU99OsrByZjg2F94i56U8j7Be1MAH3KeqSHvdqZif7kqeA083Am4ZotB5o1cPQggIf2Jj ok0hDtIRjUmfyfn7xltSTjPjtpkaAFWPS3Ua0oQ8WKL94ugZSEybjpT/zzl4o1rnoKoqADwCrOOV OTjA9ZW/g3XgoZe8/dPBXW9pWH2JA3z8yd6HN7Ver9p+mwJYR/jTeyfIIV+2o32ZRxs5oKm7ZEpA Qmu7TVdbt5iahCqdBJu68R2PjqgD/DSfhH4mr2qliXzctLnljCNlfKoTEfXhrq3UALwtl7YKv3kV AB6417mKpduLjnT0G5j/4iu/lUMaeN8b/gK/8GLnS8//6u8Hd727ia9/Pw38xRja1epA6t97NAEz 4wb2Re3p6FYBIt99a6QeBJBr1YPouym29extIhqxSchn8uQqUsYncRDRLqSLVbOGPG6Ul40bul4p lU7NXYZdOeHNu5jesG/qKbh4zb88/43XaI9e/ounKvrfKv/yl4tppH9zWz7xAoD3PJbFw9W2XEK3 DKXk/SqRS14KJIwwEqUNTWpGTkfju8OmpElRVgF5A7qDs5fRFjjlej/wPpuIaD9MRD8TEUW5N7Ix q+cCgFuutTo5Ylfw7bL5WyXoV4pnATRsA9qf/mgJSqmKmxL4Bw04+MbrgZ1Xv2ET6m+na0VFQAg8 8bXb788JTBc+MhfWCgcAq4CLwQKxZs6ClRtUQK0tMylJTlJYTeAw2H1HVK7i18rqr3wRtorYIll9 NrXax64molFizEQ0Way6ULbhr56bWVyJBEnlmlJqqt4mZ0a1t7tX8G2Xu1RW7f+kXymmgaeBm5jX L708owpAAALn3gSvVviFHzefsGF/4cMS0gQA3fnW818BUg88Fh0AcrFsYPFCcPTXLmMaxmr8qdeN /FChkmfP43HyoIOt2BBqNweyChACJRv6lc45w302EdE4MWYimihe9e1g8bWpYrRgd6kJbbbqbUqf rjozaucKvu3c8sUS9CvFNKxC3gJeqd4tKUrJflRTgWmJq8g9KPBS4IHc8qMAPrflhrXCP/uZr2H6 4V9oO9wabBWRmpQ23mZ1jaiLDSGmDZzXzOShEg5Z91JyHZ1PQ9zT64iSDlYUZMtJN8W0gF1NRCPD mIloksStyBZVSbV+T5+YAza3mj12DSMmqyDyRkYFXjt9F4D6kQ9mALzNkvID9Ws4fQ4AlHungaul f+jXIP/AG99ln3r771bS0QEgpwbMIW358U3ecPBsxzn9jqWbsbUue5uAdO+x6h65S3zXNJY02Ctx ZQX6bCKisWDMRHRYWbeNPmXB3bUVG3ZJEV6RyZoNfPGTLgD7XUrJBoy8EO+7Ctz4OgAg8wZk5nG1 pAghhHjfM2//tXd84q3tA0Bbm4ABsRrkMz26hqfCfKYwaSl5+8WGGHn3Up/6TJNgN8GTkgFsOENu ajvrKLqaXGQFOjo1C8E/0P+J1Jlyy63bufYVHR0HVeRg/x2rB0uH1Y6urkO71brBua7GFwe6pWEd 6vV+pcuilc9MLVrozNQA7UldBfBPIAHtw+hRUcmRKqSqS+kVB2ovCGRqXrmgXRQuwjokRl/36NC9 zDsfvqNLQEb/E8GT3G/T4NPs9WnR0Hly79KIrZ1nahLhJkeqkAOqdREN4wBf5ofs/WUvDt2bKR1P 5jVgXdV3pJR+CIX2KEpKP2DCtb4fRI6uRsKk9phJOrqKjAoA74UEtIeAd6P9rp5p7SNB7URdldD+ /O2nwm9c6q/pXtyzm8eJsdSKPHwvc1OT0NqeBy0IUqXsDEz6bBpo18+M6dcW7YyZzK5bAm3N9IK9 vtU3iYbCmGk/HL43UzquzGthMKGZ0tTCEMqToIdJtsU9UUHchNaQjgS0d7cCF0dXAc30F0A5B8z+ tffZaGoS0HDKLxf+pAovYBr2wxDoCJjagsJbGrqqb8dEjT2Pfdhe5u19RX7kpKFHnCL7bepvd8+M KeEFQF0RkqP36OQyI51MvW4h2oMDfJkzn4lo4uRmw8nqlVxzazOStOTeyIq6oc441dMDZpmni9W4 l3y1mIaX3ZIOPnoBIJwg5xZeXrI/l3s276+1+yYtU78fOeSA3MnPAwsZ/RNvAQDxJhvrkOfP3Rhq uruf7m0+2n6zUReFBgAgVXFmWtGeNmtqAFJmNPn9SMlVEJl76Gc7FSDWIdYBKdFRgKki/Xyy7k39 7S6rKQcpUS3GbHFqUDdbSUsDJ/DVBuZdEU08xkxEE829vWJP+WtUuzeyyratzcqBAdMu+Onb6crp HH7ceuqiv9TunYWn4ao/DwDWzX8B5L75Bfjz4xznrXDx/MeTZ/iG6d5N+wsA7jXDnGgzBeO2FTzG oDzVrGbU8wY0czZpdCCPxOS7EZR3Gr9VAzbgBPHbUi0ImxSo7RGSu3VATSQaNcZMRBPFKmyIVqXK RkHZhv5gMQ2gWb64baszzhh6XLRKdL6bKaHh35cU5A2JNdxR1678EgDgXhunxLc+JTaEPA8IBQ0o uJa0/yA6P27HrQN4cfdO7totG6klvzzVycw5AFN/b6j+lKNk9+Wdxq8iISPL6uQWYJdgwa+BYOSD 6XIuLpYOqo1EI8aYiWii5CrzptbI+x+T9U094xexdG+v2IC9rbSvztGxuEoy0c4YKdG90mNFwtS8 cuH/zCsjDkDJqLiD9Zs475URV6887g+ihWtq9zxje0EB9+7XMXUOjWW/8Y1CvgHtvs7QyLpeugrg 5JnhH+GRMrJup7HWt1SgAl6J1VwFpoaSAiEgFCxJaIDfWUp0mImj0ZWdhBDH6MESJRfGOq0XSLOc rZX8EuRfAn5Ld6rFNPCBN4r3/W54v1dMvfOvm1/qPFrMq6yrApNVF8s7qt0Mi5y/Wc9s+KGhPzZX LU5ZhY28AWizMnnX2nF4mQ+32nHnnXdbDcuCyMPsk0PlIqtg0YlbQ89FVsHSkPlXRL0c4Muc/UxE x1q0c8j/vVEQ13DFK+d9Ppd7CHjUWHMBt+wHTO8EzgPv/OHXfBR4ZLr/0eM+pK3VBuznbcBfX8W8 94vvqflLDqdPV+XsXKkmxEbewKm3v2GIgGmiDVkTspztmV49EdlOLrICbQs0O7CBs3GJdt6iO+xm oiOAMRPRseCWs8EA2ulC76xtIYTYMNT7w1XlXvvzJ16PbO0PHMD5AwCvP+HIP5NSSvlnVevGKfzi d/ocq8eKKLlKRle/D2224nU85F6h3cG0vX3ZAqy6EHWY89JMASfe+pdf9WOpw66gwO64ycUmoDut aXDhGGk5i5INHUJCOHDtUls4FdpN5DSq4TkvaSmyQLO1ClX3e5IK0fjPglLiasL7rlnObhTiF6OM 3dQo7Gm4/9hgzER09LnlrFKaC0ou3TSU3rlHCz/yshTwpdYH3Jmv/zTOa7+Sg5i2AMw8E/ns+/L3 8Fo8utOKilod5v3HgHZqNtTMyeDPkxkVN4HNrW+XlxteLGWtNqC+4n//+IzqxVKHmAUhYHTf3qtj xsWKDQ3Cm+CfhuLAhdHZRxUKI6cRNjmJXAUmWp1hqwutkgQVCc0INuWhxw7Y0RhZhXBsPcmmRkHU N4PJqnOlGsOmnhgzER151uWSrWphySWfFzb5cVToh049B9jvL7xjQ4hpA+vGO79kqPql/IaQszkA 9qW8/+H9ZFb5r98B7ty706ovFx56QNLMyYwKu7YTvWkamDv7/SCWam5tAnMn0gPWIZ58FkQeqg5p dm5xtwAtLsUnjapEpe0GB8BW3+62ITqc9lCoqaO1uUqrk6zSvi1aRooB075qFMRGPiZG77nJLV83 1Jkr/mTVVMVM2aXrh/t7yvgwZiI68nIVU7ONp1Q9piqAu7UJzXR0Faqua8CZbQD4DeOp88B54Dxe cQ72zzoAcPJnVOC1aSvvDfG9y37Nz7855mwDA6ZmOVsr/eDLYNSDAYJvr9i4eW7mUi6Mpdo6onqs Q+yWu4asXKlGuj5i14aNudc4jaImpIUceqQKRR1UhxNNkEbBq3krZ7Wkm5prK03MnWhdXspJFY1V Bk2xGDMRHQLt9QW6cw6sQscO9fZ3vFwlKAHeyanZ6p/8U6Vkwy6VDOA7LwCqnpHhAh1f/h2gkTfn JaaKSyk8/XhrLbzX/fAX21sZm/HdZaq4lIL1EtNMGXmvtc/Yp059+iun094mo1747bubwNxZlLN1 Q525FDffyoLSUfbHRVaBrfplFnUVJQWdaRvd9zowPWtCelpPo5lHK1VooAmvhEnjlarI+R41b/ts ig6UA+kTc2Nq3RHAmIlo0nV8/sl5KTOLK7VgsRF4I1mqn47g/cQWzrba+leklIC1asB2vzavO9Jb x/eFbwCva+vXcQFgtQEAuVlppuxSTYgNIWq1pXlTC99te2Z8x8jNShP5fNB+bVY+q7yltSllPLZt A0a+VkLsKjFWASLfeaO7BhswgzKLxSp0tT1LOe5eB6dnTciQlDClQA5afE9VLwc/q44OkZ1aXObT YR4QHyfGTESH0FTxyoxqXA8Gn3Zqdq8BrKhcRZoa8KimAqruAkDukq7iR/SPh11Q35oG/vRPuu4a fg2NXwtv+Ko/keN0VhOIbooPmPIGdAcdmVjpIqQU+UiUcHYO2PRivp73mhyRmpC+MBeqq+ZoEhyq Ixo5xkxEh1L6xByaK2tNAHDvbiK1kLhg4L0LSxrsFa/k0sUSwkLfAPD/veGVuPp7n4mMDaUBIDYg 89bCy+26TOLueInHxTQA992f6hi1xDqCcUmrMG1k3/06pAG45R8yxLpmdY5OWoWNJLUMuoY+40ZI rXrb1lYvIADAfVkW6yLffoTIqa3Cs8JeF8Z0ZIdpgfXs4t6Sr+I7nMZaEJwOl5MZNebWBN/BjiXG TESTLlruub30sz/1zNmx1Z3luE/iHpSMCrvmwF1bsWGXFL9wU94ANuxvfQxXT5RdeMuqOOUPAvCS aWLWwpN/q7SvAVObZ9d+/CamdGe+1S+F8/DHJf/z8iYwN/9BwM9yBYzV9jgmnJ034DzNrU1Ai/R+ BT/+sjaAW66J/E6kJbOaUY/+I9y1KRvQ3h/ucK9U36l/dVvxQ6vm1iaAJ6RX5NP5vMR5qd2MnmL3 OFRHg7RNYnXvbh5cSyYdYyaiQ0BmdBXQZqNLtoXva9ZqAzYWww/spR0l+LSOVLIUQswu+Z/hTs1G 7um8UKKFWjTT1ICMig9p5htrih+BKaVmGKh1roUnz9sHFzAB+HbttYiU34ywCqjYNs5lHkkD/iw8 fUZrjWYC8Jfwa8t+jddRTapbc22lqfpLKXtSFaetspRTuwd4OvOacIc0ln7sws0GNu+64Slm/zvk 4C9qq+qds/f3aHxDdeHUPzqUpi4sTgXXIQDA2bGH6bc+XhgzER0G/oSyYDCoWb64HYY7ucq8lJki bmS9aCbfgL192fIqWdqq7kjzXwDrwH98Qpn+D3jo2dVlQ330poXZJUeaGqC9v5Xj89f2m/VLuVSl 1XMDoLUKb74S9pQccMAEvPjb8b1EVgF5w/2f3gw87I0vuN4svNMLWnNl7cWtHZ0dG1OLFwZ15Fi3 jV0MVbRVlvK6kT5/IbracK4CDbB/HUJA/F8GMPdv/jEQ5LLbpfZlVXpUThjWyMOmaKjEsOlwShfP aPb2xciC2ap+hiFTD/LYOFYPlo4k8xqw7v1opjS19WDav5TOdRXhnzdUrOPcn+sqoJlS3sphHXgI APAIsI7MHzj6OQCPmt5ho1nRGd1pPynWe7xpjOEFFTy6REd2PjuN9XNmx626KgGpf1r/MvBl/7GY 1/zfzWtANSeheQfQvwxc6zxA93kS7OboXwbWod3qsTn63wnt6Kp/Y8KWjAzWMap/X1CSwv+hSXFL w7oWf0nFbXKuq8Grr+tCnTwH+Gl+z74EZkQ0ArlZKWeDP5rlZcwtBPk0a7dspEw/9+UHF889Y1+d OiulBNylP7ZQXdJ/bLn0vIpPQHufbZy+fOXqKTz6i/5ybxU59MysMeR9R/s/xIZoz9yK4dxzE0+/ QZmP3OSt02ZK5KzaBpDyykBaqw2oMxfSQPo+DY3PWXhtDn6Sk3r/wKVjNkBEOwAAIABJREFUnVoT aOZFRy4UNHM+HD1LFzMOakqpLow6kDI7aj04Ozam9LYOrWY5WyvZKbM6lfAUoyTnpVgXB9pJSGOW qshei1vHbUqfrsrTY27SkdB3bM4qiDg91v0jov3jzVlT4K24qax8L7Jtp3YVgDcI9Rf/64dfCvVn P3gWQMMG5v7eq1W88Lkv4k7m6/88fFHf+8gfDXHuMQdMyVirU8BrbSU6E+3HbfEHH0EuyNq+Lwe0 J3qnLukvXF19BICfQrR4364TwDuimXQxI6W3tHAj3zEnbrUBNEttTa2V5maDMlpJTzFKo8oKj14I BztUS7QPYmOmIFZaXYjrmnIyy4ydiPaZN909WOutUVC2oT9YTDcKolayAfu7L0Vj2ctIsL5pANB+ YFVsCPHcJ+/gZdMzwNPATczrl37pxBxwA0DNvu8jwYv6HfZbRfbJXueWkQ9Dr1t8nI80GS/OeEJr RRifV+V5yJ95F4TA/1iygcxPCIgs6tEM7vSF5rTxE08jTHIamKU0MAG8nVdcykyhlSDSIyRqVaUa 8hSjIs+PJr0pXFeO6MjrjpmsQhgrxX/JSRer3uaFVYZNRPvlWQCw8sGcNT1TLe4Eq5Fn9HP4DuBX 6M4/p+qv0Yxvbj6+ruJ3VODln/zq6fwzwLQW1K78Hh5Sdaf6mH/sdOWfnoP96x+IO6/3seoHV9in gGngwJw/5e13I2OKxSqkFACkdP+NCmhn/0xCVt1UEBs1y9kNobz8JrKWcC1nx4bXUdd35ZmBoZVV 71qpBsjNmhrsldsuEszOSxq9jQfrXhIl1x0z5So9YqU97ElEw2sUIh/k+aeCm7UHdBV2bcctbxun vDipVrr6EgBA6v0agHtfV/6GcerFb/qMBr0wBwB/ehP/C/CGTOToc21rvmbfeApXfy82aAqNs3Zl 7xpU8fpPeYvEQ16m10KuURDXcGVeynlHn8K5Z/P5bwd1CvqtPOOu3QoPFU85qWJnq3NOW2RAcNDs vMGnGDeGTUQJsdYA0aTyJvzPagCmATX1sHez8UzJxinj6Z8u3cWFWUefgvqqR1/5PACg8T4Dp/Ds 118M3Pnef7Rhlx41gJvYBh6CV72y8KcAHsCXus936o3Znm3xPlPH+snaUd2gL2u1AZw82yMXKbrV qTWhnnxJ+boRVHJKX7hfvXrPKXwfP3girN7Uq5vHqTV7lIAKpE8vac2SUouWArAKtZKdMispAO7W Tp+mAnBKTeC3LygHGrQwbCJKIlnMFC2Mlx1JlRAiSiZVkbPaTaivu/M54KU5rzvkAQUv1F+MN//Y i9ZWmurc3zz1LbwYOAdoZuaDKuw7eClwE+vARwEA3tK063j0lrz0+k8BV7FutK3jkfrknUceeNNb erZCnodYB8YcNiUVTfHuv9Xr73nR5kqzle6dPr2kvXAHUH/mJNB/5Znm1iZgbyvdC6dEUrxzlXlp noymeOfRyu9eW2n2biog/vYWAPyCgvU+p9gPDJuIBhJycGe7VRDLGafqJ0K0/3WICJHkwRJNnkZB 1D91Cjfv4II5//s5AN/Mim/YwOsff+Cnn3jm6RysPwReAADMvsr5zy/8faXxHeBHMuft+/RPL/7U W1dOPmw3PgdHc/6HilMXeZhP/qP8Y0FRTG0dxhdw6g8//ewn4oOmjo/SZF1Bk6RREHWY8wurG3kD AKDOOOHqv1ZdLO+odtN/OqKb9oHoWghu/8QNtiap8kCHWvhyPrz/6AP8NE/Qz+RubaqLrb7p3IJm 15xxtomI2pzMnMPNO3gp8IB3g/vcVwEA37zyjAFYFnDqJQDOAW9+07cV5bm7wJ37vtWsAXbpraX3 wG58DgB+zVB+7rRX5DcMmPBuGMB9f+r0CpiOQHVn9+4mYOQ3Vhf84T9n8ZYSLuXbe+WZ44i9TUdb RxW0A2zJIRU7b659Olz67Jy3BLq/fdVQDzJdkejYmTo7CwDP+382y4uNmwCA70zdqwLTwJt/AsA9 V4EvfvJ54PnbADJ/e92f7Pa7ul/38aPA42/QM5FlXx8CfgH4GBqVmJ4V90YWQoj2OuByXnpL0h7U ENJuqXomUoLyjIbGqgWr4PU8RYon5Rv+YFyhs8LkWExgfSOGTUS9xM6bkwur0fpLuYqzuBKsfC7y MA/hwBzRIdZYtTA7jRcAI78hRK32yzMZr2al+6wN3AS++Kr7NLwwDWhmxo+Qbn3Xv7d1vbSBaUAz 56WcjwRMAN4FAPhQzDndG9n0Gbu8I8M8dLQCJqXU9CeaOTOqva10T7Y/KMLrFYtZNrY9y/tkRoWx 2shVOstIynA55EqvMsqjNoH1jRg2EcWKH5vLVfz6S37Od1iSqXfVJiIaE+u2ganiEy8DMK1lpJyv /IPmTSBa+RvGN43TuImXLeTuftYbOm981+v+sVYbyEzd7Ehz9rMBssDHEJcZ4KbP2OJasBhLqmKG AYSX1Dzrx17p01VnRkVjdVKCJsQsG5s+MRe3X5+aSQdQYXLSDBs2dawoPOwP7Y9hi3pQh375TF7k dAUXWfSb6OBYqw2o91947NUacNOoCbEhlFs7QKZjvxsAnsuLr37lDnI5TN9sXCw3gcaqgelaM2ah cnlLA1R9ufW+6d7I+utpCOWRP2/b+foOAIgNIWori5m2Ppj0iTlgc6s5woc8aqkFDcZqdKwtrC/Q LGc7huG6Sg90T5o7kn0wMXHMeZk86Al7y3b3w2Br3wxT1IM69V07RQghsmsXqu2dTkS0j5pbm8Ct bUV882l/fG1WA16nota1q2bOO/rUVfVV89/G256cQakmRN0ATj6eaR+SA+B3X7VqLVp1oWxDz0h5 HtjRt573100TG+Idf3H6sSZysxKAnJ0r1WYfjJTMtm4bB1jGOpncpRnVuB6+fbnl64Y6cykHYKq4 lIJxu/Wd0LodbIroGL/bt3aPQyvggBwY9GBdJAx69mhUwRbRWHXHTG45m4cZLi63uKIULLDTieiA 7NRsqP8kY2rPWX4+U31Tz3zlA6dO4UVvb9/VyG8oK/c7V37gM/ZU5uHTVTlvaoA684fLMQGN332V jv45c6V4UkBK9/bKl3EK96jetqeeu3nqXsdMQc5LUTfwoq/VU6acl3Le1Br5fAPdQcZBikurTp+u yjO1INFbWbm/VVAgNytN5MMOpNX75H7WGhi3AR1CEP2DnslPbErSX0U0Kvd03eLUbK2V+JC+sKiu bLnIee8h6WJVFvevdUTHXrgYWQ1AyvQrJTYK4s6P6A+8qvRMsN/UR2TmMX9THXqmGKwK4q/gEfKz pB+C+tHIpsaqAVWeUSClv5rHPcALX9UysjIFyxX5Z5XsDad6GgBmX4R6614AcksTE2T4uVmxIUCq IlOVmNu9hXVnx9ms8esVGYygB8hbcPCQ9K7FPt7xPTl03HTHTEpGNVatSs4Lm9y1FXtuaVLeD4mO nfTpqjwNALl5Ext54WfeqF7JgOK0FwRYhY282HhXdBPg91EtRtKZRfjpkYYNLPbKdJZeicyb2AGm gBcDUxl7+7J1X2YepzZeuKOfyaFREHVjnytAEnpEAPz476PXk3OQBUXpcIotpumWs0opKIqrH8aa 33FYB5yOm+6Cv62Y6d3AL8Ccl36fcrOMk6XCLT+5262fVhrfAr6nzcoKCqJuaK/WjG9+CrgJ4NzM k1e3H/Pudxxipu5eln3udxnjR3vidZcPUVfTrjGEOiwmrQ54tLTAEQmYiCZcOGctqKZovUO0+98K 2Q0/lTC6AqSYj5+ZMaDg74eA82glIZ0sWddg1LPlJgCk71dP4XsAjLqXPiUrLwPwtidnVABewPTo bEdB7Ykgjkr2Sp/s7AMx+YlNe9cnNYrIk2yNXiIaJ/dG1p+zNi/lrGbUxTsqv/wUpjVHSimlqQEZ 9ecNr/PXLWeV0pzp3w58sXwl8XTW6Jez1u9CQMrcrDRTdskr8P3VT94B/HJQmcWVmri3bqgzlx4G gNfPAsCbn6qLSEHtI6pZzm4U0FVuINzU/sD3Wh69V5w0Lok7mY4nzs6jboyZiA6cu3bLRmopWkDy qefrwE8ueL28P/Ys1mvBAnHW5ZKt6pdysAregrOn6suXhwhawj7k7k252Ugh7Af0c145qFrJBu7g 0SDRe6cOAF+EF0nUDcDIb/gdVEeLVaiVbMDsrhU+b3qbInZfHr0tTtopq+sFMzaSiYnSIm2tC1Eb by2Y49DV1Au7oMjDmIloIv1wBtov5uDNg3vq9X8I/JE3kparSFktpt3ysvEQ8AjwfeBb+e5Ci0kL /oadDS6yAhb8zPFXP79ydcp89LyE//N7eQHlXzwGvM2c1YKVWCSAzBMSv1y9MNH1meL1K1DZKAhv KbqEm4Ysjx7bpfT/s/f+QY6c533n9z3L4q7tpTiMfbO7EiUOhZ5bwTAtzdi5SsOS45iODthUNKSv xjST0tyJSsPnRAYu9CaOORaLyih2eaNLQ7r4jC6ulPUPiZ6ypXEl0x3npNimgvbJ8gwVGQT3pltc STxxdy3dDkVK2qHs83t/9A80gMaPmcGPBvD9FKp20G934+3e7n6//TzP+zyhSoujSxOwX8iPpDoe 8aB+mlnia/T2gvmZCBkgqfN3qtjf8E01+4X8PnL/ta7WNoQQ4k4Dy/jiLyzpf+8ub22xK8QfCeWt Nj4CPAq8HXgnwqZCiwtpzuxLMOFzb1Jg4zrg1WKzN74KXea+DOgOzCsCO9lLEvLfndFgbHylkfVR fuHp+qNiEl++usV7BVMCw0J7vZtOFKtL3dKjd0mS1NjzoVRaA6twtXPjQJllU1MnYvUTmVZia/Q6 ugpACxNbtsGSc4QMktTpqlzI+LFEV2t62rzrn8HGqmP6A3Na3d18+iUAeW/Euh14AlgG3g88CtzV 2FUNvnvI/yz0cbNaEOLNVwDg6fyu74wDMotfhg0svq688U2kT9gP7wpv5Lalftn3013Prr4ZyxIf SsooMZjZNHMVudQhs2WXpmasFw0sV0sn+4vjPoJKC3CvbxgndH1UFYVJFyiepp5O8+YcXTXyNCcR MhKsq0JcDeJm0qub9XztmiOrxZSXf1862ouwf+8P/bVfAj4HVAEAHweqQMRnYyPzPZWYWXWRqXan Cy6EEN4cMyGEyAvA+wDLwDK0G9KcM/KfcvFAIV8v4azzTFSHvS5IqP3z37B/6KYeP5TPKOFgmb9H qtfcfuO4j6zSDsprL0C/p7h4zH6TgULxNK10MqmniusaqJoIGQEH5Y19aAuB+fZE8fJZ1X4hGted Kj6iermR8DzwdeCvgc8DW0AWACCBfwEAzlkVX/sv726bVRdMtTMBADcMRUgE0eCmBlX/5DUVHzSB PHaA/+HxSg65BWm+nFKvV7As7TMpIfCm92b9KOO5ilyS8napfiClf+zORQDvkcqkuWwGW+C9yel2 s4Adgees4WeucsvPlXD2cnsxweFB99yhoHiaMjqHIeQqdMIRMgpu1W2o6UhK7pZQGAB4w/wpAMAT X1TxaWAJuBdYAeaBLPBHwH+CuSSdW/b8rTp2jPyuEPMGHvFm1b3vYslWtZfyIu/tTALiAe9Pt7xh pB8r3fcC9NfngKewDLz/MS+geMuADTjS1wFXnqniN/9G2KPyGqAjzN/mJGMoPVR+puPX3M23x3E3 XGlDf3q619dKCP2kh4SJBkYLxdN0MIGhm4RMGSfTKuz6rciSP/9PgP2BX40sqT77Mu4AcPb8qvoB aF/X8BFgB3gU+Bng4wCw51pb+7ih6M6SdD6t4j269reAnwXwwxVTs40n8Qjwweafdrc37fQd3wv1 7OXi11zgG2ndwTKsa2UXqEjIKlKAH2X8ty38yt/wvHJuGSXgcnPxydmxQAgBcWcFyxWz2fXmXs+O rp5M4JVj1uHJguJpoqFmImTcnCiuz8G4GnjCD8rZ7/niXf8ez/9aIUi34xZ+7cqp788CQKr49t+F 8ZraE7fr6rKKDwK/DvwzANpiKldZkjJdTLnltRL0y8W/+Wlg9dSDF3Iib0gp8RDgGZkQTLVz6vYD f23jHN6uiHc7AF72+7C5HbFyeVHGeP0ekEMVeF5XSq5+Ge2j9XTLpjYHXCHa6l7PKi/Y2kJfEeLH x31x00aQg3RX5PeBg5LiJ5EfLtP9vzwyWsQTmQjiNVMj30DBaqnTwAgnQgZObkGac0beC6yul3DW +fJj8vE5Q/FvO+Wpn5Uv/a+vBYCD8h8sIPcp+91KyYaNy8DvAD+FlH4hcAW55bUStNeX/rl49zsB vPykIrDjT6eXPwfxAPAI5Duccl2IeQOPXgGufOE/XNIAYDm3qeBXc1iO2L0Ce4a3c7we+PR5IFVS gmBnA7ChCHgPh+kbUGMccO0clNdesNWzTmVU89dSp6vRNJvmHHBCd5rzHZCJgMppgojRTG45m6/p fs0G5IXw6zSEC7LDTTZLyCzi5+BekuEkqfc+20jv8ex7vcjrSu5W3Ya6dIcKVXe8CG4XwPxPFXzb hm9jqnxM/p40fxdYBlZ1Z0nKpSBvwccf1P4EwlJKB+qjOyr+54XXATe++rDxMyeB/3ZlXcONXQC4 iqyA+JCXesAungC+vAg4uAt4SMGOCAWEqQEqHIkw/NGTTVOgnGIdcLG4L27agP2C0lxlZSrTo5Oh QOU0EbRrJnd701ZXz3sP4NyKBqiNN1jkLuiqvblN0UTIeDiZVmE/8R+hXy6mrILIG+m7ALxx4YRX W0P8yFPQL/sxLvlfBnbmsbm57cK9vlFZhmVqwO0rj6mYh3qy+j99C/j8T/wjzzKR/g4AuOerpx66 gR0Yy8J+APgjX2iJXfH4n+TwyIb3tWfctCf+RiebAms4gIEYw6OGpfhYbk/CBt9arD7BpzrKGW1k CqBySjjtmsmp28gsRv3xTd9SixnYdWf4PSOExHCi+K6v4cajdkkRIm/gXtTfCXzUfrcQhT8svutr uPG37VLg0sMHgY/eAOxf/w/ltRdsIBj+71lVl5H5IlKLGQA/vGDm/m8A3wCs/Ddv3LWcVqECwKMC qAS1U+Rjf0vgIRuHmZk/IoOTVRBruBzYwjUjfxzZFFVLY6BZivXb5Nkp04wHnxKonBJLu2ZS0ipq e1FDUtM3d68GNa0Mv2eEzChuGaLQsgjZRt2Nh591nvgasAPsAB/BT16E/AAkUMlnH/4OPQ1gBwCw g9wBsK0C6je/o1RdhhWqAKduQ1vJeZZkY+vDe1/6GpDdMmVO3sjU773jJjL+mo8K7ASfrL+sRQPl KuH0uhiGb3ByyxtGaBr3bOEwOhZ660RLVZMph4kGJgEqpwTSrplS51cb3jdrywDsUiO7XpPnjhAy aCwopeYlLrIKbNVPlKSrKCkPvx3qpx25JOWn1d99EgVVd6WEmcF9m79vA+/RAcgl+R4X+Iq9pL8r kwWA4FXnpa0NI/C45y7oqvGZX65ncfdtF3JwyxvG0uO3rpxIO1JieWBHNUTZ1PxMEkKkitVDpZbr Hd9NyPigckoWsfXkzLAYgmZKv/xcZMFk0ulgCUkKpiYBCUhojYWOLgEZue++dP8pCXj3qAkEjnJV dxypQmpm0x1+TnduahLQ/kVjWS56F9/MYQf4g2Avv/0gdlT9lpTNt4xv1go+Rzu+42zbEVMDNDPy 0FL9GSx99AdyRp8Kxz7swf8/kj6Y3Su2mTGO5kLOzIuVEDN0sGTysArIG9AdLF5EHpCV9lXCJNcS Kpx2f5iLrIKMKYx806UuhHhGd2KDXfyk1U9kXni34S9S9bQfudxyy4SGomNWGhG74vi1SkLcclYp 2YBmykoOEELoKkoZs7ulyTuRs/s8OJ5vbrD/g+SwzPrVO9bRfIZkBDUTmQysgqeZWjRKKJg0oIK4 R2Y5ixIE7Obr3ILIZ6/FZKb2cjB2SVo9vFvGTxY1iHHXLWeVEnSn6klCIYQ0NZFHJ9HE8QagZpoG ZvlKHuNofug84G45y8SWhBwW93q2Y86e/UJ7UyES/dMSCVQBWpN9WAUIgZLdJpgAkc/uIHNbvGAa WdLqFsLA8AEFOTXP9FXSsUHggw3xDpMwDWBfhByeMM6JjJJDa6bDxlcSQqyrQnkBelrKJSnTq5v1 SIGL/YK4WvObFjKlerb87W678ob71omruQqkFIBUgWy5sVwI3NRaCgADY0haHctAptR56RIa+/QF UdPk3oFPiBOdFe3wSIhKo5EpUTA8fMQkp95cU4WWCLRpkUnH2tqHevayn97wRPHyWdW45mXTd8vX jEbTXMWcs0s3n4/dixch7gKioQwaCCGwA/EgYG/6ZighIKX7Sg3ILDZnVjxs0uqhFhM9rsHJS5cQ fUxEcsxNTfqAQao0JhqYLmhwGiWJ0ExuOSuEsrkaN9vFRF6wWguZZPa3DKiZdSV8D1DO3PSL4B5s bx6EjjOrIET+HuBdloBR+3Qjcaxckigvl/OGwFu2HdkmmFzxgwIAngdeDxc2IjlnU6erkUSIfiVJ 5YyNZUQ+qn57I2l1WG4SQPCvjxDxLzeRO7RRrLLjKm0cz1WXu6Crxka4e7e8Yaj6hfy0qKVEQSNT YqHBaTR0qdEbGHianpHDUC/u9qathjGcLeQqDqu1kInmag3LtoHG/H5z7QqW7c2616ymT3o3Wb6m O/Kmhg+ek8hlSgoqpicmUM6itLsJVVWfbsrB75YhBN53EZ8HANwFfBkpALkOtgR3rxafLiS8+dxy VoTlJgFIUwNEJIDK3d60W/fh6Cgp/vOi9090pLdy6pDtM1WypV1KCeEKIYTifZPSkmgkAoUIaggP gqhuoIYgCYEGpxEQo5msgsgb/sRduOVskwFova4M3FvWXq2lCVZrIZOMVVi2Tz0C7WIjCFD5lSXc C/uDFm7VbQB/UFBKtmaGsmIfuKvi6KqRL1iAW0bJhvagjUwm05yVP1XEGsq/agDAvQCgPwH3EUCI wk3p/3rU+2aVbJwLA33CN6HGDr33l8sReZOrACpwMfju1G20VgJInV8Niwc4dft4hQI6K6fe2T4V P3sNpATcPb90cJitcqBxmGFRuQHus/vPxf5NSAs0OA2Vds1kbRmNqrzWxZKtrUefoM1m8IHQXq2l CVZrIZOLVcgbqq7/YxhXg2ihg/LaC7v4CeCyF4Rz8Me/Yqi60zqgp4rrXpzO9iYA13gSMFYM2CUF QkBkPdOP+xa19E1oAD4PuYzFd0N5CAD84O6DvRpUP8B8SZo1AG8LAn0i8TFxz1dPsohdIc0MUPMW SmevBnSpBGBtGa2z2I5Ea3i4VYDIt67kbsMGzCpSEAKiVJV6ViLYxKkDmY4lXSaQEau0duiYmxRo cBoe8b654JkXI1eGYPVJnV9V7dC234JVUEqs1kImFGvLgLZefNeCNOfsUl2IXSHq9fUlU3tI1W9V cifTavUrn/i/mi/w7DssWUH4MlGsQkpHAzQzZ2rwyqT4Bd6sixHLiwDyX4JcRuNReatuNwLAPbfZ Sjdji38vCvGhiKKaN6Ssek9hd3vTbpdMjeolffzEYWgYnLxsn41c315vi5ASuUjckjeHznv/2qtB WxlQRwiZPGhwGgbtmik6CyV1flVtEUjDsPqkilU/2LudjbTTTygEIQnE2jKCuyW3IAM7QSV3sFcL pMzBl25EDTPuK7UeO4rgljcMbR2AAVV3JO4FHgIis+rcV2qYCxWMU7cBI9/qjwt29kv3CPGTSulD wL3AzyFabC7MjPDHf2bjXrv0khC7QboELw+3b41u+olCNJaoNQ7JP66meKNW+7WLrJDLqrxdih2I typi3og2QWTDaXE+WwYA37ZUt1Hb6LxzK2ZhoUuHm7va+GTbkmUlm6NOmqORaRKhwWnwxBVU8d7m vDhOR1cj9ZtM7TDVnJJFh4MlZGj4pdBaca6peMa7jZz1XwB+6NHwljKfA54zG1t7d5ujq43aj+EO TQ0qgLDRfA4SiP6c+RzUZ1S/SNwWvhsA5rEF7AAfjD4EnPUFAPOa1ydtHgBeFzQ/gqDb6dhnSOMI I/2UgIweugYJVUYfHboqAdl4mpitmzi6hCrVSK09U/Mr1plaTOEtr1qfv0NTAlLVG7vVor8VrBzp eY8Ot1X9m1SO9BhkdblJZ8pGvzGO5p1/uMUM3vp0nDyomcioCcvH7jSUkLyphUVwpZTOv5rHvQvr t9qbIq8rDfVkasEyTz4BCBpNbadFR5jaDgJxJqWZA4CHI6V27w3fjLT5UDFJKaXz6N3BLf8AGsLN anoGROVd5HhV3TGbxZC/T69+cLhmjARp0SWmJqE1aR1Tk/DVEnY8SSSbdtj+gAr36e0tRFcjX/vs cLPmm1AO/xikYJoOpmkAHONo3jk/U64Ss/o4EoCzWguZZGp7bq6yZGr7eX/y2tWanl6vn/Sv6dSb 34HPf2ujHjb5SZJgXQwD+dy9WhBEpKR9b7l1sZSBkZfS9KOu97cqyyjfinpPcpUlKYPSvO7e14Hv ws/G9TFVuS7lR9CYE/t9J4B7TwNQ/+0TGvxcH1/7YyAy7a4dd68GZH70Yh6qjlZ/egqrKowtb0Vs GNAdtIW9QwPC9JR7NahppFVEwgMEKlLPSrUg3wPxoZIfJB6WN25/QDl1QIUCKGnAQPgcqdtQA7NZ oWeHPa/fVEWU9wldclMDw5sGw8hV2nA5woFzOZcPcDkA3P2oE38pzmtO+35840zL8tCy1LLcMzQ5 utq6/DlIoP13g246APDdwI5nOvLR2/rj+B62Juedt58n/iFw74KX1AAP+LtqPw8mYHY/b6Ymoeqx /dRVCajBGZBe9nNVD/YjJfA0oPtNUkrp2cyctr0hshMN8D19wfGaQRUa38hk9vj/1RvrJ+t6O9Ry eaj1PTdokvrP5QNaLg+5fhKXyzHR/sOm1q8Hrv81E8EYzzKZajyNoepOxKMd3hmPnwNw96OXNAA4 B6jag2h1cpsaonGC3v60aBRPo9XRVVXXNWgI9EfoDlOvdXEdmRpYp6V4AAAgAElEQVQw/1pg525c 8vuYVluCE5v88fM7AKA1euLoKrCWC1x7DfdiUz+1B3v7sJr8Ym1Nvsct8JeZmlR9jSRNTWJeambD U+YFRZmy4XAMH6mANCP+tahvLuoE7MvpZkrfI9jy6XAUiaXvZyD9cdPNpA+GidJMsvHojFdE4Svu JAkmSc1EhkQY+BzeOHcvNE2h0N7W9MakXorbS5Neabq1GvuXEr5BxbNLNRpv6RLQbjbv8pau7gQL 2w1TAanmOB6z2bsVje8+B+CDwYJburrTrNKCn/DsOk1H3BIq1BBGbWhBlFIoaxy9ceOaOYn5QCpp /jrBzv0fC5ST1CC1xxsrtMZFBTqpJc4pllkKAG8xL5FpZaLHw6RppoDYMPBhaaVOD/WB/Ro1Exkq Xsy2rgHnVF8nBBe1F6INaE9E9M+haTZyNF3PiDX8tIZpm881q5xLKgD1iegGvsXLrALAelTqRBWY d7zXVOy0HUs/EqSjZnKkGiibQNYAsqFvtHmJnJSBtPKMTG0fHZE4951gebSjWsRE1E+HpyMAvD/B NIKOkIQwuUPiGEfzrjV6Y8PAhxAIzhq9ZOJxy2sl6JeLiwD27UjKJVV3GgnGznpJF4dCmLuyQW5B msiHtVO27pDV05Ew5jfMnwLCDJhuOSvyhqo71aKzdQIA/iIaJXSrbkNNn2wsSN2WAWp7B+09qcWl LLIghB+CvZiBXY85AusibBVewsy9GtRVoUBKF6pXddiC8Q5IE7BgAJlFFKuQMvoRgABKCFJm39Dk sip2IHYg5sNiLC5qaE532avDe7WpDwD3rhCGe88UTN10BLpqphHBGr1k0gkUUwp4HriBJa/6kFO3 Y1au7bnAQTm72zYbdL8Q6Jug0Eob1gchtmKGeG3ZiE0Km78H2g0pl6Tcv/9jd4o3vS+yTfXZl3Hu 7e8C3PKSEI2adwd7XmLNpnzeJ9Mq7Pqtlp9tE2q5FcBG+/1a3oCq+xPlciuAEZNkMm9Av4wUABeb trCLUgJIIQPsuShvQL8AeIXkWjrnE75qNS28Pcwm6mUVV8SHgAvB5r077GIzMsluQumaytJTSxRM Mwhl06EZkv3qMHRI/Nd3e58k42DJFNLIpOS5s8NMR9Hobe8yDkK2tR20OraiyZluqNiZ11p8bTe1 aKRzY3n49y1dbXeWRXj8XDQLk6PN49T9n/QOIA1/up+UUt58EMCC0Wr3NZ+L9Lk9nqmxXjS3pJSy 2RcWu05zSkk/4jts1VWp683etD49ZWZrpHbwuw3PXe8Ox2ZvmjQ6PP0YvUTkBDrpxjiaJ+FUNaca P2xz31AzkaEQXqCmBiCtNk9ya9dMD5yLRtsEI5ajPxNKEE9RNWeMvKlhJ616y/9cBdCIXvIv7FCH mQ+2vBhFArlz39VY/OpcpJtRHvH+ibnrzOca3e4+Ta8pxij+9m1eJ+gj0BZz3ZIxvMu0u1i0aLRT q9gK/gs6d9jrTOxnUoRU26Ov+dojZMJk04xrpra51VFapmEfA2omMgy6TV6ITnnzYsB/ex47OHfN aZVNYYR1w5g0HzFEOfozWNp7C57R9ecA4FIY3O1d1Y2ttCfWF2ITQQWouuNbw5rlVBPjulmO/7NH 63mbhJ0uADn1x0iOx2QNj2MczZMQz8QavWSCSRWrUdEfuuMqOa/ItRe+5POVP76Bivns6djrWU1/ uyCuGupZRy5owJy/+KCc3V0zDvCVl0/q9xQXAQBvwDz2815Qc/lGdKvnf+PWVezcMF4S2IF+K6La HB2A9nimpOQNAHjHJV0Ny3EngaNWjx0AYcBTEPPU9BlPnwaBfwg7jYglxi2RWBjY1CfxmsktZ0PR 0hKnOrRKJh0m6VEukYTjltdKtqo7cfNJU8V1zS6tBeHOTz1mqPqFuHmnt+o2gNdU5FJ0altt78Aq 1Es2Dm4CJ7/vcjEIuL5vH4Aml4GbWukrNT0dbrX71EPzqJhySeL9KNVX/zgstZsqAjAeM4LEBziz mEGTohsnhxdMll8JovkjvX0d4wkV1RaTqKKi/ZRLUi6DOon0A2VTP7yqfZFbziol6I4spgBYBSGE Zo6l0hwhycfd3rQBlBRRCpeVFLHpzwTNVRw9q/iN85rzbDEFwNV/A6V3AssAgLsfdXe/Gm78qQdu v0+8jEcBoFTPAwCuXMfC+velAOTvAZ7G0mt+bHe/BgBzFfNFkb9mFRdy3py9u57GXbUNIfIA8M6n P/EjKT3XuHmlJ0wsAPjslgFoi20vJUIIOUKDj/eYPvwP5pq2CR72IjzGwdEuOFpk03gVSaI6QyYa TzaNy9w7EbTbmbyZ/5cD806uIh29lmeKJEJiSRWr3Q2kkRWuV1Lw30qenw+m0QFffL9y0S+ydikr 7vsE7i9qwB0A8FGce9ZrOfO94U/+NRa/83a5bHsVeZWTKvY9F9tdQC7zbtjfsBvV4r7b7ZCp46nH DHSweo0O7wF93Gd05O14NE/7noaogduluuy8pTPNm3EAJIeD1qbutNuZnLqNzHr03TNVrMrFglCy cKrF0XWNkKnE3d60of3ndxh4/kN5CwDuXsB27eb/aNdvXarZgKp//Ac+I67eBmilPzH01OeAbwF2 qd6wZD35F8bHAC83Uuq2aJ7Mu94jpeUN0o8AdwEfgv2ptUvF6sPRPnz2KeAKNHO8ru8BDOjJeLr3 NO0cXzbRekRIEmi3MylpNSbGIVeRZqakDCOQiZCZIlWsSll5M4Bdy6u1cuIMPn/wpv8GtT//hA3g 9WcAADcwt/J3XwP8n68G1DSgLYRWhAW5DLETLW0Ul4/7IeCjwKcA2O8WQoTywiqIx64AD5p9O9yH EcczMAvIJNhR2mOkDvsZ9xGQGYKmpi60a6bU+VXVLl1sF0e5iqkZeaUUl9mYEHIortcAaI1aKz/0 j96g2d/zZ7j3FJ7cKH/lKWBec7byFoAXgdf/yAnUXnGFEOaVYA9zcZmwAURtEg8Bf/oD3x2pC+wX SNEeBG73Vglne3TqaVQqDUo2DdhlNAmyaQzQMUeOCmVTJ2LmzaWKVUev5WNmx+UqXcqjE0L6xS1X bODHVqK1VuYqzm0n8ZGXsWOXvn0FuGG8vbb+qHe/3b5yRrNfWAOA74Bcvip2VP1MVDJlFk/AtX4f 8CqonNa8giELGr7jC9+8965vP+wLI++dx37+695mUank/T2CAPChDOVh1TlCCBka8bkGvKjV+LnT nVoIIf3hltdKn9WdpY/lrELeAua13ymmAKS+/+rj/wBYntdOaoBmfnK+/P7ArDtXcc4CQP4lAFBf Vw3zDriv1AC8UM4qvzcH5BQAeMVQsmUXOPl98/jWq37k9j/DwvondRVQ9Utaa3dGCm0fhEwENDXF koicloRMHx19XmE9X6sg8kZaBd6YDpv+4ApyuRtG2sCykb/v+/6Nngb8ciep01UAchnlZ4C/bkQc OrdszL32T0u2+t99F2A5DwB4EbBLihD/4P038OC7/vMzwH+/UNu0Abv0sAHAsjyLVHuf241M0WCa YwbWUDCNDp5rQoYANRMhg6fd5xXibm/anqDJGwDqti9vCpY3aVV9+wfDhAWVh0/d0b7z4hnNfmGt 7AV97xfy+6p+5r0VU7N/eTf9NeCfq8CDmgpol/R/CfW21GevnMKD73xXfE6EiB7qPMQOJBKZgzgh kwVNTe1QMxEyUrrVWlHSKuy601jZ/cwXgFPhV6/MkuenK9WF2BXiak1PV4sn/ET6z/xdaf6VjZ0n jQ8BhYfrZ2T1y3/xNF5Of/nnQ7vX7Q98KtqfUDwNNZJpiIKpJRU4AfUpIcOCmomQ0dKl1kpq8TWA kc/7sy8uZRXjxkL6v8il1nVTp6uB7acR2AQAViGfBZZx7tOOXJKVObh7TwGo23c84Usj56ft+0T2 0tAOL4YhjuBh6Hf0QwgZEDQ1tTDSIgnjZcQVIciME7rkWq46t5yNS9ih+rVWYOVFPpyxurDuPPcv U+EOfTtTd6yCyL+kqU8a0J1qEX4ppEj2yve9STyGx+Wz723r8JBuEFo9RgpPNxkoCbygxjiad7cz WQURC1NbEtKD9oAhj161VnJmZGkomBA65vri9pV1DXZYNCXTVFQu+6ZTuPKx9zVtQMFECImFpqYo XTSTW87mDVV3Yp7vzDVAyLAYTNLtIDQqtZiJaz71puyxdt8noxdMXZJzEkLIMemimZy6DW19rPWo CJkxeibdjldUbjnbYv516ja0lRygYB7GP41alarPvozXvvnHI/scjpGJFqYxwJNOhgBNTSFdNFN8 4TlCyLjoqKhSxXUNxkY5uF1f2towVP1CDkCq8q9UXHksTBblFn7tyqn7//eWYCZCCCE96aKZUsXL OkprZaomQg6LW/5+IUS26e5xC6c7zPfvgzifU9Tm5FfRFl7apyefX29ESD1sR3ej/P47nJc+/uOR JTQyTQs86YQMmZ65BuySwhhwQg6FVVBK9ZZFeaEY37r/k1JKKZ/4gU/cJ7IfjtnyaEm3Q9kUYnYO ObxeSaS//aCc3W17sOwXAl2Y9XN4BrjXs52aiFtuzVolBETBby0IZMv+3+UshED78zy6ThesAkQW 7a/V7ZtbhabOWG3rx3RYgG/sJGl0jQFfK9maGRMCzhhwQjphFfwM3018eMPCqfs/4dt3Hq4+ocL+ xUJ0RAjfSLok3T5mJu52EmNksgr1tgQM+wVxtaanvWLDmVK9oY2sq0J5AX5TenWzLgr7ftPs5hOJ nPTtTUCF05K4qgIAcFEDMov+35s2AGy1SJjoOl3ZMoAMWjW4BSO6uYusQD6SS8vUkI/qIRc1QDNj Mm0xnDY5MKTJo1cM+ArVESF9YxVE3li6/y04pzYt//AlG/iB8w2P2I9m5nHj9y8Gw0aXWistHKGM SZ8FUgbFoQXTfkHstqtMt3zNUM9e9jN2zlXMObt0zRvbra19NJpOFC+fVY1rNEk0qNtQV9ukjIcD G0grjb91HcZGk63I3Y6s0wVP66y0Ld4DgHDoKCiAHig2AECuAl1F6WJclwhJNowBJ2Rw5CrS0U98 4qR+oX2G/6n5uxtfUq+dA24877StFUucDDmUFy82WVQisrzuF8RVQz3ryAWtafnB9uYBMrc1xn3l pIr9LQvA/pYBdfWORlPqtgwONrdn2UMXvUK6Wok8QePl6/L/LkKzsR150jt1QMX5njaeDlrH29xb bBVgqLhcbF3n/CpgIJDAjS4RknAYA07IAHHLayXol4tnmhdLAC/f+FJkva/sA/j6tWP92EBK5w6W QxuZ5ipySVZPxw6Yavpk40vqtthEUyF2/ZbXgVn3H3hWok4eAs9t55uZAnGzokWsPsBeLc7j1kYn rRN12G0Z0NZjdpUqQkrkwp/TQI8GmQi6aCaroJRsxoAT0jeBYmobI85mANgPZ8uuF97hvsO4EW3X IBH5hOG6ADyviacEmpYfj0QYmbpwq95eXwao7R0AJ9NqoJA83FdqI+tXEmkWqlEzTzt1u0nQeC68 3ErD6uMFOanp3j8br3WiDjsLRh9Ot7oNGDEB4BxlSALpopmis3AYA05ILzoqJs/RrWoP2iWlIBTY +MZPmTlgPvM2b0PUAN1pC9cFYEGsAUHRFM0YpGwaOCOa6n6iuD4H42oQEn5QXnshTl/NKlsGYEOJ nTQXFTRRF14OuhpEgjuwgdXzvX+oHiut2hx2PZxunQPAOcqQBNIz1wAhpC/c7c2GXdaLabZLSsMq a+NNEvDU0JtfW30WmHutN5w4sDsMLeUNSLuhRC7oEXtAH4SW4fbliTYywTMmtZNZPAEAuQVpztml uhC7QtTr60um1uzImyFahGonCeJdd20B4KG4Ob8KYwtoDnjqRoeoqUMHJzEAfHLg1DlQMxEyKJqK 75oaAKi641llU+dX06bxGFQd0gSAP//DL2L+bQ8B8Eap2HiOYCp45CcO8f7d/1y8pNLNAZdbkEE4 VyV3sFcL5NSM033KW0wAeCBuUuehGii7PVx7DTponXaHXew8ooKA9y7Rr0QjJBm0ayar4Kcvtgrt gUyMZyLkKDj1eh54U+Dy+MOyfer+3/aTSzp1qLWGG6WRDNCBJ5m8jH9AX2kGe5KYnExdOXF+9QRq rzTGW+eWjbn4yGb3xU37hD98J91+NljaTnr3KW9RPbS92SxuUlhVUXewV+ucp6AnFko29AvB1xw0 YHO7dS23DEPFhVzQjX4kGiEJoWPM0tQxUwdLxkzEzhQuetC/50zgP6qfbDRokFCl09hUqrqUUjq6 Nx5KL7EsAF2V0IK1doDo57lG+lnnmtpYfm/rnT6kG+G4e72pYac5he5NDTuqfqvtb+/Yw+Ntapox 2k66hvAKiSHaqsG/zEIcXUKVKmR8JuPYvQUXp5RSmhJt+2xfaGpNW7V3gySZhIyiYxzNk3ECRgI1 ExkGjh4G3sxrTqcm4C2BfjKbR5p2ghU8zRSVXQgl1JX7T+3Ma3FCwXwOoYbAvcAO8EDiBZOM00xN 4q9FFUUlIwVTgNNV8URbO6zpySDdadu2A54ACj+dNoxOC21SSI5Um2eMxq9GEkNCRtFkaiazOcdc y0vz5EHNRAaOo6uAZvo3y7noTRI0hXfSwrrX1FMzBeOZp5miawJQITXT1B4Ads49HrOxqe1Avda4 U51rKp7xOzW8WyA599YM3eazc6QkMSTkohvjbR4fA24VhBB5ND/XndVNpbVSOyGzjHWxZKvaS3l/ mtybNdUuXbQaTfqFHKyC13jq6sbFQ8QBphWk4lM5XzfyeWMBqC78cHtj5xzZEzBXjvTPiPI6EEKa iNNMViFvqLrTmoUpVaxKR0dJYQQ4IQCAXMXUbONJVXfazLK5ipTVYsotbxiqrrfabCO4yAZziHzC 1AN5UYBsqZ9q4+m07pgPAK/fze8KsSvErshe7/4mY5dODlEwcfiePgptGSbDD5//ZKZpszw1XAqx mFq31iQTd7CEDAhTA+ZbHdiOrkLVHfmEii6+OVNritsNY8Al4IXlhrvUVe8yNrUdYEu9FG7yXOCP u6WrO9BuRrpwTQWalgycRN1YM3Gbz8IxkkSSkEtvjLd5u53JqdtQO6cYU9IqjC2+aRDSwCqIvAHc ONeUBdwtr5Wgvb6kiHfbwN0PrXWYwJ2rwETjPX5rBdWgpmmqCLneyOm8uQoppRD5yg0NK5mwqF3u Ds1+4aIF5sgmhJAhEh/PlOmcYiy12L1SJiGzR64iTQ148G2bShjx51dSqXxMekao//f9iteUi8lL mas0Ujb7PvHQ45VrNFXb6sP7nEyrMLb2gZYc2SdL9jK0nSHmyE6aY04mqjfDYHxnvJO3jswISbvZ xwLzgBMyKG5fWddgb267TbXn/EoqL8NvOjZSSj/ovImGMPJyZGMZUkp5S5/0HNkiCNsad0cSwLhH rfaqcITMFNRMhAwOJa3CrjtNtecizfavf3QQv3JQVncARGTTrbodEUZetn7P4hLNkT2JRKUSZRMh ZLxQMxFyVNxytqWQkFO3oa3kkDq/6k2laNnif3vvIH73RHH9APhgLh/U37VeNNSzF3KBWvJyZAPA fkF5Afo9xdkp5zWZlfX6Y9xGJkJIvGYy8h1LzcU5BQiZSVLFdQ3GRpiy7KWtDUPVL+QiTS1b9Fle t+fomPu6BlheImwhRP4e2GcUz7Ykpant531/1tWanq4Wh+aY4yA+OniuCUkAM5Tmjjn9yDDw58wB AHKmNHPxTQAcKfu19/QcIK2CyMNszaE2akYzjocuObnU+8em8zZPhmCK7UUyukZGQXL+r8d4m0/j 86UD0/kwJVNE6FaSSMzDqSvJeYaGTOdtnowT3cntmYCukaGTjGvQZ4y3+avG8quEkBamOA6HHIvE DFbJ6AUh44Qx4ISQ6WHajEyJEUyEEFAzEZI0JIQAh0lCCEkc1EyEJIKoNYGWBQLQyESSAq/EEGom QpICEysfn+nJz8RhipDkQc1EyHA4KGd3C63VrPcLQSWQoIxugHs9G1YIKewf5QdZY2R6oGAiJJFQ MxEyYPzsr/WS3dKwXxBXa3payiUpFzKlekM2udezygvwmgAYV0V32RSmmAU8cSZia4yEOkzs9tgh IYTEQgEfhZqJkEEihMADwI73LZo03y1fM9Szl4snABfZOyuPz9mla54dyt2+mcFytXQyyDiwLI1/ /LnIlo0a8gWryf0kflKI53A5LtljVIfJBa2nDiNJgWMUIUmFmomQgfIA8CjwUeD9zcsPtjcPkLkt BaCgwAZee1LF/pbvvPtyGviG7vhjpfmcwPuveS1uGUoJXpM0YeSbd/tOqHeej0sv7m7ftDG37hdO mauYczBebHUVksRBwURIgqFmImSgfBxYBj4Q26amn4IQvvXp7G2ZYHnq/M0l4On66/zv+X1od/hl UbY3AQ1+ld0cTA2A5q93L3AXVu9IobmuSD81RqaVacvPRMhYoYZvgZqJkEHSPGZrjT9v1e3qr5RW oOqQZri0tueFNH31rVhzjLoflqSnZWWu829oFf+PFABt8YRVCOKZ1LNOIJhS5+9Usb/hh0ztF6I6 jCQUDlCEJBtqJkIGjPR4QmttyP6CfgvVYswmH/0M8HQeyxLLEsAvrWez112v6fwqYKDsfbOQN6Ct +D/h/FsVMPK7WytLUi5JueSs3lTEVd8BlzpdlQuZUl2IXeHFnnfTYWTsUDCRhMFLsh1qJkJGwsm0 GrM0s3gCOLB+7WPAbaedID/Tv7lRtf/1Rz3tkypCmigpEAIiD91BpclapOrpcEGqeEYLY6Ssq0Jc henJqfTqZl2EOmyKmdT8TBydCJkEqJkIGRl2/Vbjywuv1Py/bm3d2MnqTyEM5X74738OH/ixrQMA sAoQeZgSUkI62FSQLUf3mVk8Efl2Mq3C2NoHDsob+9AWAjl1onj5rGq/cJFB4ISQfqCMj4WaiZCR cOL86gnUXmlYer5yy8bcSg6e0GmSU3jjNeCtz/8h4GLDgGbClz4pXNZhl+CboBpR5FHU9EngVt32 /ghI3ZZphE8NCCkxoWadZMHRiZAJgZqJkNGQKp7R7BfWgjyWn3tsX9XP5ADgRHF9DsbVRtLw7PN7 p/DttyuAAxtIK5G9LALAnie95lY0z6oUcqtue5andh0GtBqlSBKgYCLJg1dlJ6iZCBkVcxXnLEp1 IVwLeFlLV/3kSS427pG5/2rkw3Te33z4Zbx6MQUoUIG607qnRd+Nl7twVjWulQPjlZc280IObTrs oJy9GjSR5MChiSQPXpVdELOTzkSIGTpYkmgsP0QpVDBWAXlAejkEhLA0uZH2Z9hZBeSNYGUXWQXQ myff7RfEVT/huHrWqZ5uZLi0rop8YIVqaRoUfLweHZ47kkiSf2GOcTR/1Vh+lRASJVeBWfBjgySw tYJqLtIE5IOwIVVvy1YwV5FzFcSRW5ByYUhd9vFCmhL+hCWE9Alv5+7MkOmFdiYyGUzaQ2vS+psM eNZI8piUq3KMoznjmQghxyJRs+cmIz/TpAxNhJBmqJkIIWSEUDCRRMILsx+omQghxyVRpqZEw3GJ kEkmKZrJLWdFQMFqbyowfzEhZLKhYCJJhddmnyRCM7nlrFKC7niFR03kqZHINCN2hQhTMU3g/mOh qYmQCYWCqX+SoJnc7U1b1S8XgzR9FenotbzIlqe/oCiZPaJSpl3WeLLjOOKj+/6nnuTOjeW4RBIJ L8xDkQTN5NRtZBaj2fZSxao0MyWFsonMElGpNIk2G5qaOsJxiSQSXpiHJQmaSUmrqO21qqNcRZqZ kkInHUkyLrICna5RqwCRRfTKLmeBZel/PqqOooejhbIpBo5LJJHwwjwCSdBMqfOrql262D7w5Cqm ZuSVkj2GThHSBwUFHa9OC3mjaUE5i5IN3QF2BB5x8YEqKoN/YsklGfv3jJC4/Ewcl0gi4YV5NJKg mZAqVh29Fhf5natIR5/Ct3Ey+VgQAkbn9kK++buLTRua6WJNYBn4gAK4MOqXImvoqvCcchLinH50 v7Rckt7nyHs4DjQ1NeC4RBIJL8wjkwjNBC+CScpKTNX1zi2EjAsLIg9VhzTj290yDBW6FlmUQlW6 6Q2lZKu6I6WpAQ7w6nf/tOVvkfWaTG+jKyWFs0cnG45LJJHwwjwOSdFMhEwSOUjZVis3xMVaCfpl LLYu3960oZnVYsoq5A0gB3wJT25ZYdPjmZLiO/Qu6SqMrQkVTTQ1EZJMKJiOyQRoJua0JJNFeQ3Q UUy1NaSKVSkrObjlDSPtAMD8b8Kb/5AqVk3NeMxQdUeaGoAzixnETI2YGPqSTQflbJBKSly1+m2a CDg0keTBq/L4vGrcHehNqliVnV7oCUkYbhklwOlyxbrltdKvACmcK2D/MqD5eTZyFSkrALxpeJ/d MhpNk4knmzo+o/cL4lraWZIpALAKu3kBUy7kejT1/tEEjAkcmkjy4FU5ECbAzkTIxOBirXRTtwsd pU5B4AcXbbxV1WEuGLiBJe2lnBAQoiUtwWMGVP3C9IbxueVrhnrn+eBE5S6cVbHv+SK7NE0CHJpI 8uBVOSgmwM50KBI305jMCl4QtwOkbFRKkctQETgHcQUA4MBRkDqlfrq6+FuiBNxxbsf4MhyJFGAV oGThVPHZpwQggTj33oTR0dR0sL15oK7e0TjA1OmqPN2rKflwaCIJwxsSeVUOiuTYmaJVeqMcLpJJ dmZYHSfEF0zzEoqEkBAaBDTL1AAVjlO+E6rumJ5g0k48UFv/LZE30ir0/+/Kt/XLCHxz0Gz8XF48 dgV4cMwHNDjiA5tu1W1kFk9YhSBoKXvd7d3UB+N8a6JgIgnDuyR5VQ6QRGgmt5wVQtlcdWKUjom8 YOk5kmzc7U0bEjegXyp4S+5egLH1We9vp24js3T52hpSdyNbOfjET+cNAHUb51/GpyK57r/81VOw rPdpDwK3j+MwhkW7bHJfqQFGfndrxU8l5azeVLxY7y5Nif39geAAACAASURBVIaCiSQMXpLDIAma yavR61RjPRG5iqOr9uY2RRNJLqliVUpI6eKSkVYB4MQZoPaVlwDgS3s1PIjv3fhRG/giqgLShgQk IBU89/Qn/eRjbjn7hk+8DGi/tDJVgskjztqk6ukw71qqeEaLBC11aUokHJ1IwuAlOSSSoJnaa/Q2 kVrMwK47o+wRIX2Sg5TwR3e3vFaC/k8zALBvA5mVj0FW8e26/Zv/3vhOpAChQchX/ciXJKSEmRMS f+dn3hBua6vag0AN18Z2NKMls3gi8u1kWoWxtd+zKXlwdCIJg5fk8EiCZoqv0Rvi7tWgppVR9oiQ Q+MppsvFswCAG1jyZ71ZnzXwDw/wmO74ZYD+qvrTQggh8haAL/6mki27nnMPtvEkYJcfNgADwJQ5 paOmptRtmbhV1PTJbk1JhKMTSRLeHFxeksMjCZrJq9GrxAd7WwWlZKur5yd+BhGZagLFlMJnnwKA ee13PF+zu/cLOFX+Qf3xYipVrP4v54DvWgA0U0rp6IBadKrFlF8hSJoaoBW9KQtSStiTP3OuiYZs mlvRWkxHfuh316a+fmJUwwVHJ5IwGPE9ApKgmbwBw0Q+btrcRtqRMj7UiZCEEComqyAeuwIAb0z7 Tf9OfzVeLu6WUkJAiDdfAb51tQrjzPu8ZhtRr/NebbT9HgOBbMpdOKsa10I7mlu+ZqhnPctcl6bE wNGJJAwK+NEgZmcSvhAzdLBklHiZBsKvEigABqCZ8sJeU5MGVIAsgEuy+i4XWQWrTiMPU0EAJsLo 5+l9CvpHtl8QV73yelDPOtXTkVejLk1jZ3r/X8iEMmuX5BhH80TYmeJwy9npiuYg00uqWPVilTTT 868Bqu5IWckhdX5V9V1xUkoZ+ubW3wUghXUNpTU//bdVgKEiYfaUIeFbm+Yq0k8oIFtVUZemrgw9 P9OsjU4k2dBFPGISq5kImRy8WW+6U2kXPKniugYjOlP+21ffEBZFyVWgA4qAEMjX4FQRlQd91bmd VCby4Dg6kcQQqiVekqNk2mqnEDJ6vFlvKCmiFCyyS4bYBKoApJRmIWL+SOtOND6vWMWslqDuUcQ3 aUxSX8k0w3IoY4SaiZDjkipWZbPuiVpQhICUUlaOtOsJkxWHJrQ2JfoQJ6CLZFaY6ufBBEDNRMiY CW1QszlHwTvo5I4Eye0ZmS0o3ZPADE0l47w5MjJaInW6XHctMcsxl+jMjNlJHBJm5uSThMMrMQrn zREyVURv5+Pe2hMZLH0UpAR2hBAQu8k4Xg5TJBnwSkwOM2R6oZ2JJJDedibMyiOzIZWWJcZrcEqi yYvMIrwSYxnjaM54JkJGRSiPIne7lLJ3PNO0R4K3siMAHO2pOICH6UydapJUqJaSCTUTISOhbSpd +I3mz1jGMKWOwxRJALwMkwzjmQgZFmHVxAHsawaimuSSbPnby9c3ouNmfkAybpimMvlQMxHSEbec DXVPweq9fpSoVBp6QY9pIayX0rRQ+mPJEKE/jowVqqVJgZqJkHjcclYpQXeklFKampE/tGxq4vhT 6WbA1NSJIRqcWK+LjBWqpclihqaScd4cOQxuOauUMqYMashZBZFH42tP+poQd1hmfnQfcKjHzJ9P MkYYt3RkmJ+JkMnBLUMUWheWs/4Lo8jCBZpFkv93QSBbPtZPz7CpyWOQBicKJjImaFuaXKiZCIkl dX5VhbFRdgEAViFvQFvJARaUUuu65SxKGf8RaGagNGSTh7cHGIPo18zLJgwkwomCiYwDqqVJh5qJ kHhSxao0MyVFCCFEvqY7soICRL5tRQslG/oF/1vuAlQbF63WdfIDUUzEJzQ4tSin3uH2DGAi44Bq aTqgZiIkHqsgRB6mZylyVjcVgbwB3YGpNa+Yg5Qoprrtq7wBVYfWbZVDQFNTQCflFA9HLTJyfI89 r7tpgZqJkDjc8oYBzQxCvlPFy7oqoFndtRGA8hpsFRcioeJuGSXgcnGQ3aNsitBbOXHUIqOlRSrx upsamAeckDicug11VWksSC1mgNqei44T56yC74DTHTSUlYu1UvOSATFrBVV64Z0JIWTrWeFZIqMi rjwSmSpoZyIkDiWtwq47LUszi12kT64CKSEdbCqN+XHlNdy6H6WLzau6yIrGq6gfZx5gFVqm4JHD IBo2J4YukVFBq9KMQM1ESByp4roGIx+ksXTL2byh6hf6yM6UwroGexOu55W7iac/0byCi6wCW4Uj ISV0FSUFYbpMq4B8zW+KTMGLhx66NrxZihLCs8IJcPgiw4WO35lihtI8MqclOSxWQYTT3VTdqXrB TFYBeUBWOm7mlqGUYEpsnYZxI34dUzacfH6qgoovp1adRkR5QQAmuifSpCklSluiQGYOJEOCl9a4 YE5LQpJIrhKmWJLVTtHfbhlCIJpbwKkDGlCAcSOYZ6dBSmiAqvsvpFEVtJgBanABdxs2EPX/pVUY Wz16SWuTR4f3/cPNrSOkF5wKN8tQMxHSGRfZZjkUxSpAZOGmitCAjXK4vshXBCpiq9I7B4HHlgFk giBxFZHAcyxm+urnjIuCyAjWKT9TVDnN7Hkix4FT4Qg4b46QLhQU2J3avCyVKgCgIlEQEIsCew5K KVMih4KA6OrBC/ZTgAE/JaZTj1ujBhe9p90F08Zm61l+SO9IuCLnN5E+4aVColAzERKHFZfx2yNX gUShxVZRkeUa1NVcqujnYbqgwyjBqkS8cJW2h66XnkAz+zJH9cPsJCA4XiwJxRPpDi8MEgt9c4S0 YUHkoeqQZny7W4ahQo/m9XaxaWP1fGNBqtgattT2KwU/sXgY4q2k49bLHC6309SHNw00liT0s9Bt R4SgA470gJqJkDZykBLVTom7vSyVl7EYXej40duF4JkbZmiKp5z1BVOrhclGNCnUXu0I3Z9a2TTM yNt28TSVp5C0066TKJVIJ6iZCDkc5TVAb5U67h4A5AVWgmfu6iZEoXlLt+wvKmdRsmFKFNGU3HI7 AxXYCzIyeavBOEpyy2mKCj/MPKXjz0CODpzUT9MKTUrkaFAzEdKDvPBBr9pxutNwxhXXASM6586C UoK/Cxu6g1x7csv78JocSmtwgYJA6QuACkfCWYXSef5eJ6Zgkv24xzTqp6kh+t9HkxI5MowBJ6Q7 DakiRFlFsUvtuKbKKgpUYMvyVNRTEEFyzO1NACgpKHnfbSgCUOFUgSxKd0H/OhRvWH4tnCpSAIrQ N7FRRu7whX7D+XSYqHDW5HU42hcGCCefFmnL/ykyEGhnIqR/zttASfFfVfOGL3gKFlJecFObISLt J1u6EiS3BIrVppdc/1NFKkhueb4KUwNUODsNdbaY8euxHI0JsjkdL2ipU36mwcLI8QTSxZJEwUQG BTUTIf2jRJ/CvrCRqOSAHDSgkbFbiDAq3K/de+jklu00h4cfgcSO8+1j3YQQ67lL2tmdViiSyOih ZiKkO410Ad3jiy/ANaAHliC1vAFV75proIVockslPZgJdLG0jPNjYeqiS9pNh+0qilrqmFAkkbFD zURID8yg5Fz31VJQJBYVSAEpUN1c7ZytoJ2W5JZePZZ8MF3OCxsfOCOLbW4XDjMw3MU4YOO0FOnC 7F01JOkwBpyQzuS6PZpzFbQWgxVChn/3T5jcMuq/q0hABMHgGqQJsdFUim5QxMY2x7b2yUB2Mr20 nIxY2TSbJ4wXDkk+1EyEDI4jPOO9JEwxyS2BikRYrs4tHzoh+BFo7/8RLCFjHeiOn59pxMT2t/tZ n7RDbKXT0U36cZFZgJqJkPERjh49I8S3N6GuDrs7MXAcGwfdz3pPHTvs/7RjuhR5TZHJhfFMhIyJ 6MjTOgpZEAKFIDWUVeiWSZPMGJ0ipXqGnw/q07MD3T+ETC60MxGSDHzZpMKpIpWDNCHy8BNhqkFy S9IDIcTEuecGzsyfAEKGxQw9X/gwJcmCiYqHAG9zQqaeMd7m9M0RchQGMFc8es9zmCdkRnCRba8e 6UaqdbfU9rYaT5vykSsBkAFB3xwhh6YlEunogodSiZAZo6CgNdmaBbEBR/ru94KAAGQlaMoH02ot CAWIm2JLRgbtTIQQQsjwsSBEEKMYobwBdbURr3hBBwzfEOWVE/BFUg6mhtLFEXWWxELNRAiZHhjM RBKKBZGHqkOazctdbNpYPd9YkCpCSuSCpsxio0lJN+QUGQvUTIQcGkYiEUIORw5SxtVTCop5F4Kg pWy5qT0dyf6fWgQZL9RMhBwFJpshhBwfdw8A8gIrwSNldTMIA3faIp8AAHuMBB8f1EyEDI3YCTIB VgEiKMLrvWC6wuUEmWMiWPaWTCC6g1zwd3GdDrjkQs1EyLCImSATYiEfxoIKAcCCVAAdQkpIB5tK Iw04IWS6WYxOhVOgAluW/0ePlclooWYiZAh0mCATUsi3LNC2ABVrfrRDCpd1GBugsYmQ6aZTiFIY xlR3Ggs9Rx4ZI9RMhAyaThNkAtwyDBW6Fl22YsBdjZilUouAjW2KJkKmmxw0z6oUEkSFI4VVFbWI TnLqgNbw4pHRQ81EyKDpNEHGw8VaCfplNF4vO0/Di75iEkKmkgvNRmUvJ5MnjIrrsEtBdKOFvAH9 wng6STyomQjpjFtuK2QQrXEQCdW2CjH13/MxEUnlNUBvy+Tr5FSk6mZDMNEIfzSYn4lMHKki5DqU 4LGxuRp548rB0VFSIEQkITgZH9RMhHTCglJqXuIiq8BW4UhICV1FKQjVzlUa6Qek9N1yube07NEt owRcbjdBpbCuwcgHGszFWqltHULIFJALUla2LfQ+LSZqL8Wl96FgGjvUTITEYRUgWuO04W7DBsyq X+agWIWuwtiK2by8AWh4z+nmzX2vXOxzL1eBqQUvlArWJbTmdHaEEELGCzUTIW1YBeQN6A7Mpjjt SFGDgMUMUGud3uaWUbLb4w48xeWrIoG8AdhQRCOnQNRWlXNR46Tiw8P8TISQ4UHNREgbnnjpxw6+ ZQCZVsPRxRKgtW8etbFLCVMDVDgSlbhpMO42bBU0MxFCSHKgZiIEbjkrfLKHSMBtFWCgzZ5kxS3s TUFEws0tKJ29eIQQQsYCNROZdayCUErQHSmllM7qpiL6SsDt+e80s9WeZG0BKs4fWu1UJDQjmHLH CTKEEJI8qJnIjGNtGVD1y75ASRUv66qx0cvYFAY8tfvVtgyoq76BKHaCTECuAlltsiRVZK8JMv3n Pmih0FYtnRCSMML7mCQWaiYy21hbBtTViFkotZiBvdktAXc56wumGF1jwQBWzw+jp4fLfdC0XaFb GZfpgvmZyIQSlUqUTYmFmomQduyOCbjLWZRsmB0MQV4mymHMdjt67oNoNWBCCCFHh5qJzDZKWm1W SO5erePKfhIBp6O/zakDQ5jtdpzcB14hhubtCCGEHAFqJjLbpIrrGox8MF3OLa+V7I4rb28CkQxL /ifb0Ch7tZjUA8fnyLkPOuYdn1qYn4lMKJ3LTpIE8apxd4CQMZOrSBMir4gSAGimNLfEhp+AO1dB 9OFVrKK7/Oi5wlBpzX3g5R13mLGAkImAUin5JNjO5Jazor9Z34Qcj1xFBlRy7l4NmWEn4B78BJn2 3Afx1YAJIYQckSRoJqsg4lBKNmDkvS/UTmREuNubtjrcOm+DnyDTnvtg9rxyhBAybJKgmXIVUwOg +lkFAxxdBTQzePsfdy/JlGIVoprcKiglhNmaJoPY3Afbm341O8+cZQB2CUKALx+EEHJUkqCZPNeI mSkphypcQcggyFWkqQX2TJGv6U51khRTp9wHxWpTcTsNUPVuGTanBeZnIoQMj2RoJoC6iYyPSDiT s1pUfvgXd4WIfmrvA4DdrCtEoaXp98X1MDSpbwfywCbI9Mx9QAgh7RyUs+FD7Grzg2u/EDzfsuWD MXUvwSRHMwFAriIdHdRNZEx4iba/9hJO3f9GKZeCT+a9gIVlO4VzOKE73sJlnKtC/iJO+7YcE0b+ ULLJ+xyLnrkPCCGkhf2CeA6X/eebqe3nG7JpvyCu1vS0lEtSLmRKdcqmVpKlmQCkilVfN61tjrsv ZJZoJNp+8S/x2je/JrbpyuvuPJ8CIIT7CH7mCbg5WH4Udy4uB/egyVUgK42vLQ44/1ONSS5QkajO RDw48zMR0hW3fM1Q7wzLReUunFWxv2WFTWcvF08AAOYq5pxdusYQyCYSp5mAUDfZnXMLEjJQmhJt fwOv/un3tjdtqcD8D92RAoB7sfZW3P95pD4QcYsVq02ChhBCksbB9uaBunpHpMLm6apcquT8JmRu azQpJ0M5RXwSqZkATzdxvhwZEU2Jtv/qO//qX4cRS7enVv2mb98E5s6csAq7QnwE9pfx+nBzzylG hzIhJOHcqtvILHrPsV0hdkX2evTBpaZPNr6kbsuMvH9JJ7GaqQFzW5IRsgvgL3HfJ4Ngpp9/5b7b nU8BcP9yH7jyf+xurSyZGrD2iWAL3yPmYFPpP56JEEJGj/tKDTDyu1sr/iPOWb2p+PFMt+pxvp3a HkOaIkyAZkoVq7Q3kVGxBGiVN3/8x4Pv773j3Msv/5P3+d/mV9KV3P6WAfW+vArMl7e0QCWlsK4N PZ6JEEKOi6qnwyE1VTyj0QHXPxOgmQgZDUIIkTcAo2npqTedwpWP/T/el7kzJ2C9aODE6tu+E8Ab X7rL2NoP1lTSgMGkkeOF+ZkI6UVm8UTk28m0CmNr3/uj18ozz7RpptgqLB7j7hpJNNErpNB6tZx6 0ymkvnMOAGBt7UO98/zrFz1Pf5P7H1Ax1KorhBByDDqEKIXPMbt+q7HUfaU2ij5NFMnRTG45Gyt1 DhchIjszrI6TaeJvAgDeG1ny8rMve6kHvmcBuLJ7Y68GZG5LIbcC2D9UjbyEOXUgEzPPfzQMvuov IWTqmFvRELGOI4wKB06cXz2B2iuNkHDnlo25FQbGREmEZnLLWSGUzVUnRumYyAumuCSjwAG0PwUA ZBsL3/filVM3/857RQG4C5j/zF9s2lDTJy0vY1Pu54ycnwT8w9gwoF8YT9cHX/W3P1xk20rYFURz is1CX1sNClqUCelK7sJZ1bgWjqleTqYLOcCLbbJfWPPzWO4X8vuqfoaSqYkkaCZ3e9NWO1X5ylUc XbU3tymayDCxJBoWorefRZhr4GN3mC/9xK8FLe94/Hu+ANilP8i7wG/ZXj4nAIDxMFad1qJv005B QetEGxc1QHciKTbbUlbFbEUIGRWp01V5pq74jzhl806nejp4cM1VnLMo1b2aKjU9XS0ymKkZkQCn lVUQeZidp8b1au8TIZJwsCR5eFkrAUBrHeE7NVkF5JGgDJYtxpURXOdWkBodMKOVfy2IfPOSfrYa HLzNCZl6xnibJ8HOpKRV1PY6GpLcvRrUNCNryVBoygDed9NeDdrKaDrYFwOr+tsfFkQeqg5ptra4 e4DWTTDFbkUIIRNBEjRT6vyqapeU+GBvq6CUbHX1/Gz5PMjIaMoA3ndT3UZtoxGzk4R4u8FU/e2P HGSH+nVOHWqtcWKy5b62IoSQiSAJmsnLWmkiHzdtbiPtSBkf6kTIeLBgAFhtyJS6kgjZlAC2DNiA E5yY9XqzbBo+dMwRQoZHIjQTACBXic0QQLlEEkebwWRFQ+ni+PqTICoSstqIps+twC4xzSchZEpI jmZqwS1nmWKATAjMAN4JBSrAugyEkOngVePuACHTATOAd2SUMzg4b46QIyB2/bm3com3TzcSa2ci JBm4ZeSfAoxGYLNbjmRszMJtzgBezjY1zRQusgJNkzkc2MAi/euEJJhQMLX8TdqhZiKkCxaUEnCl aZlSAgDNhJQwM1Cy+I0gA3hBoBSEQDurUAaS7toqHKue0AhJYV2DsdVYYG1B1YeSh4kQQkYPNROZ GQq7t4vr7wu/fuqB28Vvvy40GOUrAhVx24f9is6iUBAQIicgg08kS5PuAHkIgbwB2Pi6iWLKn0+n X/YNTqkidBUbx5425u7VoOrRwkLHTe86RHIVmJHad1srTC5ACJkiuhS1nTLGfabJeLl0DhK49k8i i3R85hRe+QHgFiCDj0cFDvCKl7ZSwgQcvW2dYCeNJRLQm1vblxBCSOLYCT4TwriEBOMlpwHGvfIM gCcBAE8CAJ4EADwJAHgShgB9c4QQQgghvaFmIoQQQgjpDTUTIYQQQkhvqJkIIYQQQnpDzUQIIYQQ 0htqJkIIIYSQ3lAzEUIIIYT0hpqJEEIIIaQ3THhFCCGEENIb2pkIIYQQQnpDzUQIIYQQ0htqJkII IYSQ3lAzEUIIIYT0hpqJEEIIIaQ31EyEEEIIIb2hZiKEEEII6Q01EyGEEEJIb6iZCCGEEEJ6Q81E CCGEENIbaiZCCCGEkN5QMxFCCCGE9IaaadKwCsInW3Y7r+aWs8F6omCNrnsjoM8zEF29rxUnir5O QvQimK5z0Oc1cMhLZcKY8WvAg08DcFAYLZJMEKYGqLrT9nf7ao0WUwOgmaPq4pDp8ww0rd97rQmj r5Pg6GrjyL0vU3IZ9H8XHOpSmSxm/Brw4NNAclAYNdRME4Sjq003hKnFXvetqzm6Oi33R59noKl9 6p6S/Z2Etv/1abkMjngX9LpUJosZvwY8+DSQHBRGD31zk4O7vWkjs5gKFyhpFcZWq43V3d601dXz jdVSxaqUldyIejlM+jwD4erlDUPVdW00nRsVfZ6Etv/11GIGqO1NulviEHfBIS6VCWPGrwEPPg3A QWEMUDNNFmpaaXxJ/f/t3T9e4k4DB+DJXcBiP54gngC22crWDkpotrPcbhsoTbetlY3kBHICPxaS u+QtAhgEnKC8+gs+T7VL/pCZjZOvM5PZs/Mduyye5uH8rHOqUzka1EClmF6Nw+Tf6OwTLuqzNa6E mvwuCxuta3s1LP57aqk9vvk9UNEaBA+FTyYztcfiab7j09e/NRbPjyFk/eTu17IrcXF52z2RGX/N aiCE8NJGns7jYeWASqjJh/0spJPfrf/NsmHx31dLbfHN74GK1iB4KHwBmekkpZPFut+1M7oenM6o RDOn20a+Sz5M+lkYzB5UyLf1je8BrUEIwUPhWGSm9uj+SHd8urOnffPDk5nK0bAGTruNPOA2CCEs H5bpZHEisxcaFv/QWmqXb34PVLQGwUPhC8hM/1311TRWw8/zp0Vth+fH7aP2DOpvjHm3xftqoLi/ nYf5uLs8sJ+F6m8t7Yp+XyW8HNvP0snitHoXGha/aS210ze/ByrfrjXY5Xs9FL7eV72wx+Eavla6 9fHpvGb9nhfIT25pnqaVUK3Hcxr/8DXWGii//T1Q0RqUHgqfT2ZqlWbLl23+GL3+oWq3wxcqPLlW slklLCbpyZV7yZqW5be/Bypag9JD4bPJTC2zXMw3hM2fja0lylbrt4WTayKa1sDKCbaSDSqhtkPd iVREw3tgz24n4pvfAxWtQemh8LmSsizfHrwDAMAccACAOJkJACBOZgIAiJOZAADiZCYAgDiZCQAg TmYCAIiTmQAA4mQmAIA4mQkAIE5mAgCIk5kAAOJkJgCAOJkJACBOZgIAiJOZAADiZCYAgDiZCQAg TmYCAIiTmQAA4mQmAIA4mQkAIE5mAgCIk5kAAOJkJgCAOJkJACBOZgKayofJtmH+epfNT96rmF5E zrRrjzePyodJcjEt9p9t7dVetW2bW9YbNj7evoh8uP+LgbaQmYBDpJNFWbOYPPbrKal3U5Y3vY9/ TT7sjudv7lFMr8bns83vevOofNjP9p/sojueL8u2mKTzcXddqHyYdMdhWezF5e3LlmJ6VW1YTMK4 u66E/O/WhfVuZufjK6kJ2k1mAj6gM3qYDUL255hxIB8myf54s9rp73g++FULJpGj3kpMobi/nYfB 7GHUCSGEzuhhMUlDdpeHEEJ+l4V08q/aFDqjf5N0Wdzi/naeXv7shND5eZmGx+cihBCK6Z/Hye+t 2Nj7PQnjv0fpgQO+iMwEfEzv9ySdr+JAbWyumF4kyTB/GdC7mBb1Ua7dQ2j5MOln6WRRzgZvfWl+ l4VaZIodVUz/ZOlksu+UndHDZvdY5+w8VCEov8tCFYxqm+a39/syYv53fH496mxv6Py8TI+bLYFP JjMBH/QSMLZl/T8/6gNe3afr5ZhemvV3pabeTVmWD7tCR92ryBQ5qhpD+zc6a1yk/C4L4fxs71XM nxZVCqrS07rHaU8nUwghGraA/zyZCfio7o+0ShHb1qNanZ+XaQjpKlB0fl6uR78Ol99lIf3Rbbbz KjFFYlj99MN+trrUrbIVz4+rP3ZG/yZh3E2S7vIL9nYyhbDrVEC7yEzA/9Grvpo3um4+eOZ9Dk5M +TDpZ/XJTdeDkPVXb70V06v6LPPO6KGaC/8wqnUyrYcjNzvS3uqPA1pAZgI+avE0b97tcwS1rp7Y ngcmpvW8qJuNcb/ZYD7uJkmSJN2n63I22FnaVSdTPuxng1lZlrPBS9YCToDMBHxQ8fx41B6kqM7Z ebMdi/vbeVjFneq1uvm4u2f6eTG9qALT9ryo3s16cYWbXvH8uKO0L51M63HD3q+BsTg4JTIT8DH5 3/E83Tfx+f+nySDXeuisMhss15faXkGqWqBpMItPPy/ub+fb3Uxvz2RaHvnZ2RI4LpkJ+IBietHP 0oNmWB/BsXtwiunVeJ5OFrtW48yH9YlJ+bC7Y7Cv/rrcy7W9nqn+2UOYwJHJTMAhXka6qvk94/MG fTNH1/s1eP9bd0vL9aPCcgjvdclW/x9K76acDbL+anjvcXvsrphe1TuZejfL/fvZeiZ5CFU308ZK T0DLJGVZfvU1ABwqHyb9MDvK/9PyOVp3wcBrMhPQSsX0ovt03ZoMkg+TPz92TC8H2kNmAlqqRalJ YoJTIDMBAMSZAw4AECczAQDEyUwAAHEyEwBAnMwEABAnMwEAxMlMAABxMhMAQJzMBAAQJzMBAMTJ TAAAcTITAECczAQAECczAQDEyUwAAHEyEwBAnMwEVGccswAAABdJREFUABAnMwEAxMlMAABxMhMA QNz/AJecDMmNyux7AAAAAElFTkSuQmCC ------=_NextPart_01D6E354.C0207940 Content-Location: file:///C:/2C48CB21/01Incidenciametodologiasadministrativas_CesarCasanova_archivos/image004.png Content-Transfer-Encoding: base64 Content-Type: image/png iVBORw0KGgoAAAANSUhEUgAAAxEAAAIoCAIAAACZB/HgAAAACXBIWXMAAA7DAAAOwwHHb6hkAAAg AElEQVR4nOzdfYwk933n93dZjE1JXkrWg4cil9Ju1L23nmsFJE/y2tWGDFvy5brHiWYNZG6VXLyI uVuNhEm6cfBeEnAImtYwyXmBpPoUGukiaXj1jzeDgznC3VQnZ94JFm4KXkghiXgyXmy1j5RJUdzQ Oj3QZ9OC7V/+qKrueurpnt2ZnZ6ZzwsNYqe6nro5M/2d7+/7+/4sYwwiIiIisq0f2u8bEBERETkA FDOJiIiITKaYSURERGQyxUwiIiIikylmEhEREZlMMZOIiIjIZIqZRERERCZTzCQiIiIymWImERER kckUM4mIiIhMpphJREREZDLFTCIiIiKTKWYSERERmUwxk4iIiMhkiplEREREJlPMJCIiIjKZYiYR ERGRyRQziYiIiEymmElERERkMsVMIiIiIpMpZhIRERGZTDGTiIiIyGSKmUREREQmU8wkIiIiMpli JhEREZHJFDOJiIiITKaYSURERGQyxUwiIiIikylmEhEREZlMMZOIiIjIZIqZRERERCZTzCQiIiIy mWImkSNn0K1bI61+5sl+a/xzhefLdynsOX6fHVz4FvVbu3cuETnaFDOJHHGbNwapr/pr3tg9+y3L spq5572mZdW7g5K9R2fy1iaGLf1W+sT2fHXSAdPot4r3KyJyqxQziRxhtm0TrK6PIp7Bjc1oa8Gg Wx8bfgSdaiGZkwm+JgZNgxub0Q25oTHGbLQrk29+kmwYJiJyuxQziRxhtVoNgq1wuCHcCuKtWYPu +U4Q/TMOa4wxxoRuEl15K9lcUxwy2Y5jw4Sgqd+yqvHZg07VGuWtsoOI5fms7FjhMHTrt4YZJq+Z G+3LnjZ30uTJerc/3K143eSqrX76BqJrpE5fOHDbV1R+0l0cpxSR22RE5IgZRTqO69qA48fP+A5g u66TPO/njhjumT1ZYbMfncF2w+TQdKhVvvOI7YYlW4unKd0l2qPwVHyLo9c+5qwlO5TcevnNlUm9 NZNe0fiTbvPmicidozyTyNFlzy+cqjEqaYpG5pYWFuZzcUO4FaWBnMVG/hyV9oYxvdzmJMu0tFCp LCzZQHYIMKvRM9nIaqNdGXRXPEiFHPEeqdMkY29JQBGHHEHnch8avWEIEp2i1yCVLkuOSc7aOV9M YQ0DlW1HCuO9UvFOdL3kFQ0TcFO8InLnyL0mEdlniplEjrTGojMcnRusrwZQO1WIEIbVRlOWZqdC JpgiaCpRaW+YVKhTH43eJSOJScGUsxyHNI1LccorH8GN7utydBLHT8KgSnsjCkuKUcnwvNux3SvR Xo1FJ9lyqQGjl72DVzS6tJ+8hEYvjpqmKKMXkb2mmEnkaKvO28kncrgV7MqUtUzIdKtBU7r2J4ku Ms8W47jSlNf2hxC/AeTnD075PhQDzJKQc3QD276ioUw2b8zticg+UMwkcrRVhqNzUUhR9pkf7VOW ESmRjEHF9dypAGEnQdOgWx/FFY5vxlb7bBej5CQjjNlDdvTibsPUryjrTt2eiEymmEnk6KqdqsSJ jGB1vb++mqSZks/poSTZUTJCNOjWs5PS1lfHplCmL8tJzhJVC22TO9pJ/qU8ZbPTgcdbNP0ryh13 Z25PRKagmEnkiIsCpGBrbStgXNpmWJzjNTPT45PcyWjzdiET05flFFNC+dihLP/Sb43pr8nYQ8Zl n3bd5Fc0lHmT7tDticgUFDOJHHVR+sXzPEonxgFQaV9J5uAPh9wyZTlxxfQwZMp3HxhOI5suaBom tuJZZ6P+UMOAJ6m69ppxlisaFAw61TjtVUwrRVXi4DVTHaCSyXeXpk793JIpXtHQ8CWN+nKO+x8j IneQYiaRoy41w2ubAaDhDLMyyUSvUciU/4gfZaqmCpqGu8cRWlnN9GhOWTMTwCU3M0wrdapJZ8hh 6JcEftX8RLo9M80rGolfUtKXczSRTkT2kWImkSMrP8w1GgCq5hs0AdDolRQuO/6oPGd8yJQOmlbG j56ldm9vpLtL2m6YpKpSQVejl78f2w1HtULDoAqG2aZKeyPXttLxd1JedOumekXJHaX2zLwkEdlP ljFmv+9BRESG671s12JKRPaR8kwiIiIikylmEhEREZlMMZOIiIjIZKpnEhEREZlMeSYRERGRyRQz iYiIiEymmElERERkMsVMIiIiIpMpZhIRERGZTDGTiIiIyGSKmUREREQmU8wkIiIiMpliJhEREZHJ FDOJiIiITKaYSURERGQyxUwiIiIikylmEhEREZlMMZOIiIjIZIqZRERERCZTzCQiIiIymWImERER kckUM4mIiIhMpphJREREZDLFTCIiIiKTKWYSERERmUwxk4iIiMhkiplEREREJlPMJCIiIjKZYiYR ERGRyRQziYiIiEzBHBn7/U6LHDwuGDBgZ7c7Y7YPDyn+e8iAn/zbBgNO6il39+7KGXOHuf1zO4TZ e07fkp29+eLOMjTxzQfC7JsZcVMH+hAWnprITf435b6XfPBv+9uD7LdE+t9h2Xdv7iXIbtm3QGK/ Lnzn7eO7LHIwhcbGOI7BNmF6u29wjIOx3TGH+IV/l+7gGzBuWPbUbtxV+R2mlO7gp86c/nfoFq5Y fAmSmPjmu3b5Dv64b4AdfXv4xsn+f/EdY7u78O2Rvo30t4cz5t7GvUy5Dfv4aa6xORHZ3iJOwPpg tKG/hj1/q2erUIPNGwA0MIZ2ZQbuKqVxCTvgcj+//XIHZ5n8zTZwbVbXd+G6R8uA1YDaqZJnGo3y I7rnCWwujXm2aNHJ/H9Z81ha2OFNlkp/Aw/18WC+WrL7qRrBKoOSZ+QgUswkIpPs5sfPgE3KPyz1 oXjIBB0sK//oRu9USDDm/Szqt7AsOgHulULMOl51nmBreAo8m4XCwdvd4XjzdurMKafKbq46D4HG 5w6NGY6ZBt26ZbUKf+yJyJ02zcfPlLrnCWAxGxjt3odiy8vuow/FfWS7GJN/3EJasdHDGEzIapV6 d9qjKgvYHtEnSH8Ne6nkW2u37lCOjFmImfotq0y1E4DXjL5Q7CSyf6b5+BnHa2bilU6Ab8jlkvSh eORUsWFrR5FmhWVnJym9Cks2a33YxRwkAFtB+SjwjbI7C7fAZrqEmsy+WYiZGj3fAexcHWXo2pAU 1fWmzteLyK67jY8fx48jldCNvxz7w6wPxaOjwpJdGAAFkqRj6V/JO03pLSzhrcGAzdvIjOaVDi43 cMaEgDc2d/Y3hsy2WYiZoNEzxq91qlZ9YtJcRPbDNh8/3TpWa/IZKm18B6+53dCYPhSPjoUlgk4h Nhqw4mG7NGDQzQdP4RY442PugigT2V0nqO3a/6D+5fKqu0suXrPwcvp0gt2M5mW/zUbMBIqbRGba Nh8/p2qwmUkOjavtbfRwoHM+3lkfikdZFEM30+VlA+pVApsr7XgHB1a6o2dXPNxLO7oGNeh0cBZ3 554HXZpeedVdpY1r00x9Pw+6WE0cX2PBh8o+9DfYVujaRON0mbG5XTCDL1ZktmU74jgYsl9GjWdC d9SjKPq3X3Z4zDeM65ETGnuaXkehsePelaPH8CoNDCdNaIwJzRzlzZN8J76H+OqFEw4P8bNdoFw7 eXWpQ3IvcHjy9JtWfGy/g587YbYvVPQml+48O8a98JKuWmVvS+l5pnql2e+66H/H8EBniv816ZZL h/J/zcG3j5/mMxlGxHGTrZhJZF9N/fETPZX/nBjThDCKPIZxyU4/FP1zBkwje1fDj65izDTuEcVM pU9lXvK2H4rzYz7jb6dxYnSJcfcwitvKdhY5AhQzFUVxk2ImEckqabhc2pp5unbhmcSYMSYKSpxJ N6Fe5CL7Zh8/zWennimn0t4wRvPlRCRjwGZxY4UNQ68BWM1cg6ZJ7cIrbUy290GxPGss9SLfD1EZ XPmjruaisqdmNmYaUW9LkaNluw/F8zzi4DWZ/lfCTtuFr3kwdUW5epHfeVGYW/7Y0ARG2VMHIGaq tDemzzeVdseM7O1dishu2f5D8Vd6hG6qVeakNgc7amLeb+Gxg8lZWqBjxuk3v+yqAxAz7cg2w5D7 fWsiskuqnSSECrG9CYMy27cLb2VDmWhor1NsRz6gntqtfqX85A/NUS3EcOW9yIlPWBxqjJo6dt+I v/yiBwFVC6sJ0BzeQ3KHLYtqJ/NUroNDv5V/f3KZvMOaxo8CJoVNsnsOW8wkIodc5oOwwobBGJyg JFiJTWoXHsU0vgPghnFMs9Ee7dBvYVVZCkcRT22FAL5fOPlLz+/45fxxYcuaB/Dnr6ZKo04QGow/ 9g7nbbAJk9sLXZrW2OHLbp1qB3+6nUUkZXZipkG3Xjqkph9lEUkMxqxGt+hEhdsmCn1yJrYL79Zp erhhSfvBqI2hn12lrvcCx+Ara6OT9z+Plz90MsfhJvxFelMfz8GBP99JL/K/eCOTP4tbrq+U5N4G XToQpsreK22MP6E/+0GUTi8p1SS7ZCZipkG3blnV1aWyubI+TUutwUUEIB6EiuQ/CMcXbm/fLvxb brxycGm/5vXVeCmPjI9xP3xuMT75aY/mVThHacS2nUVOw3feGm2IZt69Bm+fmLoXObzyaj5/ppl3 OQqbZDfMQsw0WF8NbDfcKP2F1eiFrh2sritoEpFy/RbN7VfVGL+GxvfhlVdxwzELtgxYDQr5HgA+ kDr5pwFwfnlntx05Cd9O1Xqvefz8W/Th5D+YdoEOD+acQsB3tGfeKUKSvTELMVO4FVArnQwCQOVU jaA0Hy0iR0nxgzAu3N4kjLNEhf5MiUUHYLEQGf0JAJ1qfl7b41H4EBKMXz5v4skjpfPmrCXeAeB9 8Pbzo+0erDxFAz7yodQpXqWa7NAJIFXuXe3QgI+XNYXSzLscBVJy22YhZqrO22zeGPsHzuDGJvbE X1oiciSZEDsYhhQGkiY9FTZCNpvxxP5GL9O7ctEh6FDvUktqwKOVByAupv7C9n1+pjs50DOUj9e9 FAcovxMyV3iyD/82+fcDcDpb4h0VbpfuLJFxvSpEbs8sxEyVhSU76FTLi737rWonsJe2aagiIkfA uCRBdkZbC0r6DhQrdday6ahunU4tPolfozo8QxV7TNn19CentN1AyCei5yp8HOYcjMFJpsWdg+ud aSe+jdt5KyhvSl76B2q4BTb621RkW7MQM0VdK32aZdPmVuZDY8pLnUTk6CjmDKJcS7Z22wPsgPOp 6XWOU6jUSeamxbboBKNyqKh6+vEWloVVJSDVPzO1QEf/cQJoFE/+WvbkU/go3NzMTOu7B07b0058 uwdspzDxbcDmTmbe3djMd64SkYKZiJkAaPRKO1EqXBKRUuUz2mDZz/Qumrwq3DymMGnunsV8ZJZZ oGPAylWOwQOFk/PKjpecuweOBflpfR/4uZ1MfJvPT3zrXyawp55516cT7NKqLyKH2ezETCIi0yuf 0WaMoVEIFHa0Klz3fCbaiHodNdOrnQyoVwkeogpeM39yrt9K8PGe4rS+D9/6xLeop5R7ZdqZd1YT xy9vtSAiKdbRWVTEso7QixU57PrxWiIjDqY3+qpllTeZtB2CTcIr/EyVm2BDUHr+k4T/hgpJhJQ7 icvGAtYwdkku3W/SfJHwX8cnj5pkjruTE3A3XC97ag4+7rK0Gs+SK2cTbhC2GDdVMOIbaNHcJEyt XzvoZjpd+WZMqwWRWbSPn+bKM4nIAdT/IoCTWs/E8fLV3/Zj2OD4mBA7GV9bJlu4U6jOjkqRjj2Y CpiSOWvR3DonN/bHaMk5HsD+H0YnH+afhjXgTurLVwyfBtvFKRSJv5laGsV28Z1k3pwfb3T8ZHog 8VPRGKJjA/l1UdYWUzsDhVWQFTCJTEcxk4gcQGt95iDdUKiXNB0oMWbJuTm7vDy8AW+/zAAG6wTg JwFHewPXxlsDUkkmCNjByacvD98KStoQAM65kvLwcAtO4h2NdVFE9oliJhE5cAZswsfns+U+FTaM RbSkrsVr2SPKl5yrlZeHvw94hTDJx6TTMKdqsFnS+MBr5k/+10BA1cIbtrVsgocHQXeKjtsDNuHH chsbOMAvlJSH39hk7pUjui6KyJ2imElEDpwKyw7BFkGnZPG1FQ/b5YHcEWOWnFt0uPKPsJKa6ChR 9D3ALh+xWvOgVn5TuZO/q4bvZIbeovZLDtjtybP6o4lvDxa2X3LxHuF9ufLwPp2Am0djXRSR/aOY SUQOoEYvruCJVxFpATBwgcDmShsgeCrVXalKAJ0O9pnMearzvPRhHFjpQh/PZgFehBM/V3LRfgsP yiu6y9azq86nVi+JTl6IlYJOKhGVPJYfjye+3VO4SjTxrU/qzG9QbeI8CUd4XRSRO0Ixk4gcTHEh c1QW7UWBURtG9c6jGvCowbcDsPwr2ZMsYHssGmodrCYEVKs8DPd9OH+5aCXg4dmiuvLcyXNLzkUn fy0KiZqFobo63wfbzV8IeGol16szo73BYyfil9z04FWeM/Q+taM3T0RugWImETnQGtkpb+kS6w+z YeglcUxuVbiPw+cWR+XhvdTSJblxPZKAyQ1HZ6My7ckf8DProoxmyW3k00jj5rI1evmJb2+9Gp8k mlL36WS71kUR2UuKmUTkoBl0RxVIaYsObO64cKe8PDylW48Dplvo+jjx5EGqT9K4NfXytC6KyP5Q zCQiB01lATuZ3p9X23FwMK48PIrMLCtuLNmp5pecu52T3w6tiyKyTxQziciBU2HZwWtST63F22/R 9AbjCrS3P1utrIK70o7LzN0wM2oWLzl3eyePFG92YqpJ66KI7B/FTCJyADV6GD8z3ay5SWgyRTu5 yWjbpIgWyyq4gfVVyGWYys6wfaAz7uTj5C6RexXVzoTy8Kj3d3rnnvp8i+yOI7QEm9abEzn09uHH fBgw7fS620Ra+k0lMt4+fprftS9XFRE56hQYiRw0GpsTEdmhYXl4Ole00/JwETlojtBwlcbmRGQ3 lQ6u6ZeMyB7bx09z5ZlERHbPtD2WROTgUcwkIrJz28RGCptEDinVgIvI4XHnkvalV1G0JHKoKc8k IrIbcvXgInLoKGYSEbltxSBJYZPIoaOYSURERGQyxUwiIrdnXEpJqSaRw0U14CJyeOxP1xb1ZBI5 GpRnEhEREZlMMZOIiIjIZIqZROTwsFRCJCJ7RjGTiIiIyGSKmUREREQmU8wkIiIiMpliJhEREZHJ FDOJyOGxP/2ZRORoUMwkIiIiMpliJhEREZHJFDOJyOGh/kwisncUM4mIiIhMpphJREREZDLFTCIi IiKTKWYSERERmUwxk4gcHurPJCJ7RzGTiIiIyGSKmUREREQmU8wkIoeH+jOJyN5RzCQiIiIymWIm ERERkckUM4mIiIhMpphJREREZDLFTCJyeKg/k4jsnbv2+wZERGZC/1mrea1ku/Oo6dGynt50v7DR vnfQfbLaed3xn+k1csd+0w2faFdu6RIcTx/bb11seqnrp69VfoYzvrnQ2MklRORWKGYSEUmMCyxe zn3tNZ9dHIYpu3OJ+EIt62nPedSYB+MN/Wet5sUoXBt3hn7rYtNKR2wKj0T2hsbmROTwuEP9mY7b 9rWV7pu7f+L+1z3O+L0HR1saF0L3eND55/3xBzV6jzq8vrq+B/cjImmKmUREduj+5Stn2TaOuTWD G98sbqy0nzATclr3ztsEW4qZRPaYYiYRkR2rNJeda81Wfszuds/a/pzDtab17A6jsTe3Auz5eyfv KCK3Q/VMIiK3oHHprF39cvfSgzusHHq9U73YyW2zz4YbzQrAgz3zhfn6400rruPOF5uX6bee9jjj jwqetr+EiNwqxUwiIolCtOE8atLVRWmV5hX3a9Xz/sLOYpGJBdr3tjeeaQMw6D5ZbV70wM7UgBdu 0j4bmvQ9qAZcZG8oZhKRw+N2+zPtLNqotD/ndJ6+3G/2buui25z/CdOOps493jo1TDgpJBLZJ6pn EhG5VQ/2/DPeij/YnbO92a1ftIo1Uo1POrB5QyXeIvtNMZOIyK1r/KLL8+dXSua77dy9C0vH8b5e WgBeO6USb5H9pphJRA6PO9SfKe3e9vKZIHh9V86VzJt7sjvKXL3csp727LOXbqmBpojsJtUziYjc lsYF37mWXu1kW2WT2kZV3g/2zDOLrYvN1D62+wXT3lGSaftLiMitso7OkpaWdYRerMjRpB9zkUNv H3/MNTYnIiIiMpnG5kREdsmb3frjnaD8OQ2NiRx4RyiPraS9iIjIQaexORGRI8e6eMdn+YnIbZiV mGnQrVuJVr/4VGvXFxAXEdlHUcCksEnkAJmJmGnQrVc7uKExxhjj01SMJCK3Yh/6M4nIkTELMdNg fTWw3SvJ+kmNngndzaZV7+7SegQiIrMlnV5SqknkoJiFmCncCqidSq84WWlvGL/WqSpsEhERkdkw CzFTdd5m80Y+Omr0jF/rVDVIJyKHSzGxpFSTyIEwCzFTZWHJDjqXi8FRo+c7XrM6rt2JiIiIyJ0y CzETlfZG6G6WVX43eiZ07X25KRE5eGa/B9u4lJJSTSKz7wi1eVRPSxERkYNOPS1FREREZtoBiJnU 01JEpqT+TCKydw7bcNX2vzEP2YsVkRwNwYscehqb2zVmvP2+NRHZGy0LK34YGP6beje734C6Ne2z U/WGSw4p7txvZS6RusPMY/sd+rkT1klfZ9Adu7OI7I3DFjOJyFFkuxiDMRZE/8AYNtqjHfotrCpL 4ejZWicVhQyoVwlsQoMxuDadKtNXBKyu57eseePuMPNI32Fuh9ClaY29h26dagd/up1FZJfMTsyU XqU3Tb8GROT2DLo0PXxDO7XeQC/EDjjfBRisE4C/QfR8ewPXxlub6uSOQ7CayQDRx3Nwbu+eK218 B2+FYsJr0KUDoaGR2tn4eM3p0mMicotmImYadOuWVV1dCktG1HyalpaeE5GplI/Cr69iu6MII1Zh 2Y8zPZU2xmR2OFWDzZJ4pcQiTsB6atf+Gvb8Dm+8TOMSdkCx3e/lDs4ylfzeuHZJxktEds8sxEzR Gr3hRjv/OwCg0QtdO1hdV9AkIrdkwGpA7VTJM418GDWy5kGtEJeMsehkgpU1j6WFnd1juQo12LyR 3djHg/lqye6naoWMl4jsplmImYpr9GZUTtUItsI7eUcicrAEnZIa6jg/HRKMCTLG6bfwwL007f7V eYKt4cF4NguFX2jb3eF483bqzCmlvzCr8xCg35Uie2YWYqbyNXqHBjc2sXf0C09EjpjSGvDS1PVE /RZND8ffweGVBWwvnrnWX8NeKklQldaA39odisg+mYWYKVqjt1pe7N1vVTuBvVT8q01EZBpVbJgy VR0FTG5Ib/ywXYkKSzZrfdjFgTkAtoLy0qjSPzLDLbDR35cie2YWYiYq7Y242LtoZT40przUSURk sgpLdqEqCEi6KA3/WuvW44DpFn7hLCzhrcGAzbKBuVs0YJNCJVYDZ0wIeGOzPMUlIrtkJmImABq9 0k6UCpdE5DYtLBF0Cl0fB6x4o/l03TqdIN+PYHrR8Fx3nWDqyvGJ+pcJbC4VMl6XXLxm4eX06QS7 meISkYLZiZlERPZG1Ouoma65TppYXmlD1PEowA0L/Qh2cA1q0OngLO7CDZP0lHKvlERglTauTTOV IRt0sZo7q8ESkZ1TzCQiB18yKy2zdkp6sZFGD+PTqSZPVcHFJE0s11eB1LOFw6ex6AAsjgm7SufN pS+R2yFq8z0uBmpvxL2/0zvvrAZLRHbsCK1nqcU7RUREDjqt0SsiIiIy0xQzicjhYVnWbp5u0C0b ULulkTsROfiO0HCVxuZEDj39mIscehqbExE54HY3xSUis0cxk4jIbYsCJoVNIoeaYiYRERGRyRQz icjhsT9VDun0klJNIoeXYiYRkdtQDJIUNokcUoqZRERERCZTzCQih8cu92ea4no72y4iB9ld+30D IiIHlnpBiRwlyjOJiIiITKaYSURERGQyxUwiIiIikylmEpHDQ4vNicjeUcwkIiIiMpliJhEREZHJ FDOJyOFxp/szichRophJREREZDLFTCIiIiKTKWYSERERmUwxk4iIiMhkiplE5PBQfyYR2TuKmURE REQm2zZm6resMq3+nbo7ERERkdlQGjMlsdLaoikRzq8odhKRWaT+TCKyd6zC8H+/Za0tml5j8rHT 7zkTLKv4YkXkUNGPuciht48/5kfo94t+mYocevoxFzn09vHHXDXgIiIiIpNNFzMNuvVhBXi9O9jj exIRERGZNdPETP1WdXUpTErAl7eqCptEZCZpYE5E9s4UMdPgxqa9tFBJvmwsOsFWuJf3JCIiIjJr ijFTv5XrIlA5VQtW14eZpf6aZ89X78S9iYiIiMyKYszU6BmzuJbuv9TohUur1aSeqYm/0a4UDhMR 2XfqzyQie2e7CXv9ltX0sN3wcMRImoQscujpx1zk0JvRXgONnjHGXOG8mn6LiIjIEbft2imWZVn1 9YUNY5LhOs2YExERkSOpGDMNuvUm/nBxuaXVaquPkk4iIiJypE1cb27QrZ/nymGoaFKhg4iIyEE3 U/VM1XnbWxvmkQbrq0Ht1MEPmERERERux12FLZX2RtitW1Yz+tJ2w41GYScRERGRI+UIDVdpbE7k 0NOPucihN1NjcyIiIiKSp5hJREREZDLFTCIiIiKTla/RO4n6M4mIiMjRUrpGb+jagDNsbFnQ00w6 EZlBKgAXkb0zrvh80K1XOzX/MEVHmlAjIiJy0O3jp/n4C/dbVtNzDlHUpJhJRETkoJvJmOnQUcwk cujpx1zk0FN/JhEREZGZpphJREREZLLymGnUb6DVh0G3rjYDIiIicqSVxEyDbr256YbGGGN8mpZV 7dSGbQd8mla9O7jzNyoiIiKyj4ox02B9NbCXFioANBYdsN1Lw7lzjUuuHayuK2gSkRmkAnAR2TvF mCncCqidqqS2ZL6qnKoRbIV7f2ciIiIis6MYM1XnbTZvpBNJma8GNzax56t7f2EjZmYAACAASURB VGciIiIis6MYM1UWlkajb/01D4LO5WHhd2bkTkRkpliWtd+3ICKH1l3FTZX2hr9lVa0ORIvOVbv1 6vAXkeObjcPSGVxERERkSkeoZ64aBIscevoxFzn01AdcREREZKbtOGYadOtqbCkiIiJHzRHKYytp LyIictBpbI7cCi2WFmsRERGRWTITMdOgW7es6upSaIp8mpZWaxEREZF9ts0avUmCJ5MA2ovoZbC+ GthuuNEu6/rU6IVarUVEpqP+TCKyd0pipn7LanqOb3oNYNCtZxJAy1vVXR8tK67WkqHVWkRERGTf FWOm/po3WpW3f7kTOMupBFDjkmt7K7ubbCqu1pKh1VpERERk35WPzSVZn5JwZQ+yPpWFJTvoVMvT V/1WtaPVWkRERGSfFWOmxqKDtxbFL5WFJTsXIO1F1qfS3oiLvYtW5kNjykudRERERO6U0iYH/ZbV 9IhKmuKCpjhq6bes5ua4cu0Zp/5MIiIiB90+fpqPv3AUOOUkpeEHkWImERGRg24mY6aZMejWq53a 7QdriplEREQOOsVMu2b67izDF547RNu1XdsP7vbhUzNyP9qu7dq+F9tnZ+2UfmvaBkzT73nnlHQS T+SeHXeItmu7tmv7zGwPjU0UA2JZ1LupfUNjg2XRHeTP4zvRzvntoYvV2tl1k8Yy6ZMbiE4OGAfD 6BHfp2UZ2433d7Lboz391HX7Lay6SS8DEbqZ/f3RMzPz/0Xb93M7+6dk3lzPLK5tt9TbsC/42uLB LW4SEZlx/RZWlaUQY+JHrYNVJ9fMbnU9f+BaoRQVoE+1s+N7mObktju6w+Fjoz12h9ClaTHuL+5u nWoHf7qdRe6s0v5MjV4UyyWxU1Z1azl6encDJq3RKyKSGHRpeviG9CzlXogdcL472uI4BKvZKKqP 5+Bkz9ZvYTV3fA9TnnynKm18B28lH/wBgy4dCA2N1M7Gx2uiVUdlBmy7Rm8SO+XsenJJa/SKiGSs r2K75H/ZVlj2MykcFnEC0gty9tew5zMH9Vs0PdwQf6fBzhQnvzWNS9gBlwt/EV/u4CyT72XTwLVL Ml4id9y2MdMdojV6RWR37G+tw+4ZsBpQO1XyTKPwN+uik4kn1jyWFrKH9DDZfNX0Jp78FlWoweaN 7MY+HpS2TD5VK2S8RPbBLMRMWqNXRCQtJBgTPRRV5wm2ki/6eDa7uNbUNCcPOsOS7dFj4uDAvJ06 c0rpZ0F1HgL0MSD7bRZiJq3RKyJyqyoL2B7RMFd/DXupMLa1xycvrQE/iItFiEwyCzGT1ugVkd1R bNd0MFWxYdr0eoUlm2iR0F0bO9v7k28F5aVRpX8/h1tgoz+dZb/NQsykNXpFRNIqLNmFch8gmgFn kfsLc2EJbw0GbO7qwNwennzAJoWCrQbOmEjxxuYu589Ebkl5zJSe959L/wy69b2Z/z9mkp7CpSNq 0H3Ssi4mjyfLiiPe7NYvjvZpvVxyeN0vHPdya+wJs/rPpm7g4rib+fVW5tmfGP1o9Fv9v1d2+LOp XZ4cc4m/bw2mqQjJaY2pI2lZww6E6ddXUoMSP1qjvQbdzFPq/HHHLCwRdApv+IAVr2Q+XTSC1l0n qO1+YLEXJ+9fJrC5VKhnv+TiNQuvuk8n2O38mcitKImZBt16tYMbpub6q0eS3Ekvt6yL1dVPheYZ Ez38+zvVi/Xum6NdBn7derxTezTewXzB3Xw6E45Egq/lZ1z2v17a7m+M426Y3MPo8UQSxz/3E9bF J/ip0VO+db158Z7utdQZftwNnwnNFuZZzJZrnvGda81R1PVN+D7hlmueMSbezTb/nTH/h6m4Np3q Dlr5Dbp4No5N5/J0BzQyPQaxCYfFKL14F3UX3EdRE6NmOggeUK8S2FxpF/emBp0OzuJe3Mounzxq PeVeKYnAKm1cm2YqOh90sZo4vgqkZBYUY6Zo5v+V5Puz0TOhu9lUiyS5Q97s1p/2nEfNRnP0K7Jx IXSPB51e8k34Zvf887hfML0Hkz3ubW884zvXmpnE0hnHeX11PRVpQX/tmuOc2Z077V+7jvVk75HR lob3gvuXb3ee+/WSveP2gI3eow7xXfX5E7gn2WGwTgD+RvxB0t7AtfHWpr2b9VWocWkJvN3JBqm7 4L5r9DA+nWqS56uCi9koT/YsOgCLe7M0w/YnL503l+5XntshCsTHxUDtjTg6T++sJSdkNtxV2BJu BdSW09/NlfaGOdWyqnXCjeLfNyK7afDianDcvfJgbnOl/Tn/1ION6Puy/887wRl/497cPo1LZ+3q 19YHzeEv48XFM97Ki4P2MPx6ec07Pu/uzp3+yxvvwN25jZ9pf8mM+SFZxPFYH/D35228rTfhpTXe n3q+0iZ36KkabDJgigGRAasBzjKVKnaHtX5JF5+dutzB8cd2F2zP6K+Cw9KfaajB2FdUYSP1VKM3 ShACvbKjGj2mfXumPnnPkHqmxMQdindV/FkQmQ3FPFP5zP9Gz/i1cXPbRHbLYP1rAfeXdWh5cBgF 9NeuYd9XMoWmcl+NbGKp8UknPTzX/7pnf2qhrFHgLfhM+2dPY56wnLKs0tCgg1UlAK+JB50qP9cJ ODF/L6x5HI92eot66q/wYe3Rmgc1KoPMs6U5nlF1SIUlO7MqRcvCgzfeyh8yscjJA69ZUuR0qkbg qshJRI6gYswUzfwv9rSn0fMdr1ntBHfivuSICrdeL4+Hcmr3leVe7p23CbbezG55fTgPp792zV56 eCdVEa93qoUC7dHw3yN/ZC6ctc0TJQXgQz98FhNig+MTutBo/Qyc+c32vX08m/sBqvNPWfNYF5LH fKdu/x2ea+GBuxSXsETFRiVFTgPqFk0PAqoW9S7tZYjWuxjwdyw8mINXv5K5q34LD/7w91Ob/pCq hdVMCpt8oLzIKfg9eJUns0VOqj0/cHLv8LhhNRFJKakBr7Q3QnezrPK70TOha9+R+xLZFfcuLB33 1qIpdS+veceXFvIjetsqqwFPF1px5nc34u0vuH95vXnRsnI14Hc/X71Yteax/qZp/eOOdaG/+bdD c6ERtwcEvk/4r93sJcKN773IBQ/HZ2FzuyKnaN37n38MwA2Tde9XOEdcCf4dAP4aCDJhR25p+itd eE8cHvk1quM/MgddVgD4VHrrPEDn8ene072tPT8s/Zn2XqVd0ogyfowpmRI58sp7DVTaG2PW4h3/ jMguqM4fJ3hjciu/zTfKPtXf3Aqw5zNRUWXhU7b39T7JwNyefRZ8pv2laOrc251nUwmnd87G8+Z+ yDfPGFOzN/4ohKQ94Dfhh+AD2TP1L7MFbkivEX+wpX/ehkVOw3XvP/QVIK4U9oCAq4BH/xv8KZxu 8KfwXuK2hBAvTX96dD1WXoH74q/ixVO/Ft19/lVe7tA4nekuuL4KP8NjJ+Cqas8PJ4WhIomZ6Gkp kqgsfMrmm2WdgF9uJU2YGotnyuOqwRubFDJJlYeX7GtrfQY3vrnDgbntXful+kWr9Vx+c+PMafjm jWtlh5BrDwivw7uyO3Tr8RL042YVxUVOw3Xvo+pvf5Qk8P14ZO2Lv87b8OB/w2m4+/ioyCm/NH2D 0IV3Zy/zKc5RiJn6eHD3m6nugtHVF6n/FMCXdiNo0sr2MyUKmBQ2iQCKmWTWVB5esl/vXH45t3nQ /bLHcffSgwCNX3Tta81Wfp/+5eeDkkxSNDznr6++Xju1o4G57Z15dOkv8a6VFoDff2rYzuAHz49q wKOJ03j80m8T1KiEfDf7I9it0wm2m4Yd1SG5l0br3hd7AzYacYTR/yrvhXvgJPzgo0mR06QVMLrn 4xNeOAtb/H5hh+dfGh0+vHr1pwCurtx2HYxWtheR2aWYSWbMve2NRx3v6XQL70H3yWrnddttJaHE ve0rZ23v6VTv7ze79YtN74yfKTaKVU7dj/d8Jzizu71rknlzv/xLo8/x537C+oPr9tz/NrpQugY8 ygM58PxTJe0BB106AW6Yb/FMVLdU57daND3molqlZN37NQ97ictRtXU0w64FUJuDpBXC++Dtd5iD zn8bL03/1nmuw9vPZ6p9v9rCsugEcbPBj/0sHONCurvgGsAD0KnGw2TR1UdveRKWjWztsOK7CfA9 rWw/G9LpJaWaRBQzySx6sGee8WvPV5P5aNUObvjMRjuVJao0N+Le39E+UU/wC+VBUeOTDuB8cuch U9m8OWvYkfyRPzLPPOn8yPOjff7gm+4Fs7Hyme3OOWoPWOX98CNU5zvWRcv6xx3rAtZm/Kq79+Zm MP0xj3i4L/BxwKP1NYA//W08WB52sqmw7MQ9LTdvAnwbvCZXgRe5CfSxmhDwVMAcHDsbV3x/A4BP 9zAGE7JaTea7fYIX0t0FPYDXHoq7jQ+6eMQ5p3AL4EMUupDPT674/u10xbcP8MStdxs/dP2Z9k8x SFLYJFK6yNuhdKRerMwEB2O72+3g2uU7+I4B4w/PM2fALIfGhMbG2LbhIfMwxkn2GF3IN2CcZ409 /K9vjDE2Zq5hwJzGgHFDcxpz7Gx8wuF5Rle3zQuuwTZh9sZsDA0TugaMYxsoeYxuO/vyw8IJQ9dw MrvRN2DcZ+ObLN5V7n5k75T+zxWZAfv4ab59nqnfskqptaXIbphmHdZuHe8m2JxPRqxqy7jv5u75 snXvGzTAu0Bgc+lnk419Arj5PtyHuH6MF8bXS0WiUbBvFJ8Y8BdAn3ABG748rD33AWywHUhP0JvG K5xLV3xHK9vfV1LxrZXt76RxKSWlmuRo2yZmGnTrTc92y/6uU68BOfje7NZLxt3iR/cz6WaMSSfu 4lz3fivTuXt0RDdTrzNObh3WloVlcTK1DmtU5ARxy8phOXknINgaLePlpZb0iiKW+SS8+P5aXCTE VTovwdtspl5F9zzBifxK8uEWOHy6cLf9y7xks2zTrPK+OW4eY6kxWkK1BszjZruQT7AF8PFsxXe0 sv33chXf065sr/5Mu2Ns6yYNfcrRNj4F5TuQy9kfaNu+WDnaorGw9B8IDqmRoNDYGMoG2pzS7b4B gxM/W/LIjTH5+WeH3NLxr3kTGuPa5rQd3/Y5DCdNGN3ncQOm4RsTmhMYMA2M7aZupmGMMQ+U3Zib DP+5YclQ2nCsLRqbyw3GRc+Gy+4SXEge//nZ0QmGJ/yWa18Y7eP8RvqtCN1fgwvYP506c3S5iw0u wK+V/hU3Ari/Bs/kf3P5zxSPja8VP7LP+s+knrowdjcRufP28dN8mwuHrk15mulgUswk5aKP5NSH LBcYxUmjx+lMDDEuHjptF6KQrCg+G4VZ2Qs9tpy7GWOMaWA4YUKTKT8CY5O/yei0UaT10N81YBaS 0qjoutM8nisLiaJ3KXo50b8bGJzRTTqYv2dzAftist3B/w/hAu7c6Gxh5yEu4LwUndMxc9gX0iFO Esf86ifC7D3EQcxuxUwvOVzAXg8zO1yw3W+N2V9EZsY+fppvMzZXaV9x6ZxX61055OLmkPFX1kUL sC5WCUgmc4XYcPo6BFxJ/TyctrFdHLDdpJ+kw/UAN8Q/F+9TbMOYWbdkkCwnF2KDfZqnVpiboiQo GoEKIJjDidYzOklo2GgDtJcBXvkXOD6/sAkOjWj1+GTROtsdzWLzncx0NtfmkbJ1S9ZXIek2Xu0A 9Inn6CXqxwPnUbPhJXPieqbxf4bucTr/pTuITjV38vyfvdv9guk9CEBlkZts1J51rjVTrSXgjON8 9/9bn0vdVaO/ds1xzrA73uzWn/acRzPL4DQuhO7xoNPTLzwRGWtir4GgU1UNuBxiSXPIIsfPtEr6 9HOchmdSc+m/k62w6bdobhIa2vAPrwI4TqYop2VRb+GdYw6CVYDBerycXHiZwObKP+ME3Hw/3gqD pIgqLlH6qzH3fxMvKnh6heqwPUGD98N34a234j7dQy2L/x2C1VGJd1TxXU2uFZVPjfoLbMXrlrgB 55zMlX0fRuHdwBD85dmo6WhKpf05338irjnvP/hKML+c6hkRV3xfOmsHX0t3dlpcfN/N1Z/++VHF 98tr3vH5dPPy2zF4cTVI+qOOu1URkaJta8DPd4LygibVgMuhkTSHBJIkU/zvv2lm9/wI/8zlZmrD zZNsv37dV+/HybZ5/Leb2D/Fw8SL5g6Xk4uaQ4aXeRW4FwJ+Ico/GYxhHnidx5M/VbzcjT3Ee4F7 k6zMBnT5LgDP9/Jdwr8P14PMtLio4nvYb/NcknYK3ehicQn5q3B1mCGzecGl2cQ+nVR8D9YN/ODD JW/Hg43k8ltrD2B/qKTiu/KtGq+vrr853Pq1xjrBcTN846K1AssC2zxjJna9HKx/LeD+U9veqohI iW1ipnArwNndzskiMywdMJVvqSxgJ6NRr8GxBydMfb/+O5xxMsNzUWrqASA1ADdsDrnmMQd8mnPw KvjJ8vIfA+7m6lr5VZyX+HfAd1Opo07yr4DT2fn598CH0gcPWPFwLwHxuiWVDycvNrXu/aeBu3kh te79Z9oYn+B60vs73AL7L39827cDoPbB7FtWaePaPObZBFtRzPQD+KdP8GnHfuetJPzpr13bxbUC w63Xse8rW54lp6yjaWYMUUSOmG1ipuq8zWbZYqkih0gVG7bGJyesZIY/QIUlO451XonWHknN8296 +YInG34Pgq3RlmFqag68JAYalgp5cBPwuFq8j38PNhmQ3ElKnP15h68M4htO+8Cx/P4fsgEe6UBA tcpytl3TyQ/n9x90+SrwDj9IvScQr2o3l+r9fXMlv0DKNNVB7Q2+fBbg8xZWlQH8tE/v0tJxby1a G+flNa+w9PKdcNwNnzEm+yhbnEdEjgrVgMsRV2HJZvNGMckUsS6AeYFj0SK7dWpLeGsw4DvwkBuP Z0U14FEx9fnUZ2rt81z1mC9LTd1/NimgHrAa4Pg8eRrgXKpL5DAR9QDMvQ01KmM+sKNxtKey65bM gX2a4Ll8t6R3vpWpAZ+YSq5kx8TSC92fqnHTJuxBdf44wa/4o9RU9EhHY5VF4riv4Ec+HGDPf8Vg QubhfqCy8Cnb+3qfZGBuylDFsiYmkKrzxwne0MJ1IrJj28RM/Va1E6gGXA69hSWCjvmlXEYhNFuY Ldc8Y+BjfAIcHyfgs3+A7dFd5ya8e+KpP4Vr8+cnR6mpDyZ1zHf/bWxY69O/TGDzk2s8cZ0Tj/E7 UQjTyDSHfA1ugntpbBfmeDDOy+xwk9TYWcqrr2zXHPKVt8Y8YVOMRkbr5lYWPmXzzbK89Mst62K0 mnJj8Ux5sDJ4Y5NCJqny8JJ9ba3P4MY3dzYwd+r+MU/ENUzT3KqISIltYqZGb2yHAtWAyyGSa8YN DJaxUs24hxYd+BM+Cp0Op6c7efsKP/YK3pfi1NSPDUe+PsSSjbfGmsfJN7jgAfzmyujAhaU43Om3 6MOcQ7uS5G9CbJJ1S4bL35bNKnNtSI2dRYVT0alyonbewMpTmWl0loX1DyFpLD5+ofvKw0v2653L +YBj0P2yRzJJrfGLrn2tWQhK+pefD0oySfcuLB331vz11ddrp3YyMFe9z+ZarltDf+3aqIZpmlsV ESma2GtA5Aho9DB+3HzIsqg+xTFwlstKvGv8sgNwcspTV3jqHFwtSU21l8HDg1dexbHjLkqj49o4 0PmPaHrYcNNLBTFVAvjxXNrn/SUXj9ddSY6tdmjAx8uiq6jiO54rl2qMZAzm8wB/q1ZyVLg1yj/d 29541PGeTldJD7pPVjuv224ridHubV85a3tPp3I5b3brF5veGb+sTqhy6n685zvBmZ1NRak0lx28 5rOjqKn/bNPDWR5eYppbFREpuGu/b0BkBrQsvOyWt8Fr8jtn+f7vQoUNQ79F0+MkRDP9+3Ds96FN L70C1x9STbIvw+lpjd/h9NWy1FSDc3AV3BdY/SynAywPNxwlgeZtCLABF5PKeLUsNh1WqqywM75h zeJ743eotFnushLwVeJ4cdCl+gSn4cM/KBkZbHrY7iiyfLBnnllsXaxazydbjrvhM5kopNLcMA93 64+PzuU8ajbGpHYan3S45jmf3Gleu9F7Jpx/smpdHHsb09wqr3eqFzvk2e4XNtp3viBdRGZBYdzN d4iWTPGdsQcdyGXoyl6siDEmtZJaRm4ZuLnMWijbrSUXmtMYMOeSH5TnbAPmdHKV4eWcubGr0UXr n/iFeyus9BKv4zbluiin02vG5Za9G57txLRnK10cRkRkL+3jp3lxbK7RM2ajXVE9kxx5jWzB0E38 1ESwXlJXFC+c4gPwEOEGFfgAzME9AAy6PBIAXE+6EgzbE3j38xDYNidOghMPjfkb0KUT4IYlk9qG bTBzQpNZxWU4LW444uaGGJ/r8MZbyXk2xvSXum80NjdRZ4pGRyIih4LqmUSmkF2TLlFh2Y+XeKOB 75RPpYubQ/qQimnix//NeZsgwHoFZ5HKQjyZLr242zDAsuql8/Rj3+jiwXIyhHe5M6rHikujLkMD G159atouSrnBuLjaKeFPHVftrje79UKryeRR7745+QQiIrfGMmN/5fVbVjNT42G74cYBLpC0rG1e rBxtLYtNN4l+igbUq9R8pk+wdut0iHNO27AsjEkWqtugkhz4whKfLVbSROz8aQddqqvZjX2sZqY0 avRM6loT5WKmg/Djox9zkUNvH3/My/NM/ZZlWU2yVUvh0mrVsurqcSmHUpzLKU3AZNakm6Dfile6 da9MDpgi0WJz0c7tZQjYXBjlopxcdmq6cAcoW1Et1VFpkmLF97juUPtnXCdSEZG9UBYz9VtNz3bD fNVSpb1hQpdOVR0t5RDKj5oV2lhPqdGLWyitVql3J+8fjb6Nmkw2knG0RDrZO+iWBHbVaBWUbUfu DqMoYFLYJCJ3TDFmGnRXPJzl8g+LSnvZwVtT0CRHyqQ16UpUWHYIVsfGMbmczbA1VBRCkSy3ktst vW5upj69MGAHlC4Wme6otI1xKaXZSzWJiNwxxZgp3Aqwxw9DVOdtBU1yxMRr0pU8E43Elf48bDMK Vow8MmFQdrE5IBhX25S+XPqcDZwxQd6NzdE44DaKkZnZp4rvMdLpJaWaROTOKK9nqpVWQgBQOVXW DljkcFtYIugUYqMBK148ny4aNUvvEG7lW3tPK1lsbgdJnQCyodglF69ZuOE+nWC7xeYOrGHYpAJw Edk76jUgMoXimnTRZLrhmnTRfP6V7ujZFQ/3UsmpSiOh3MZosbmJR21/w65NMxXGRSvKOf6tFGnN GCWWRGRfKGYSAcbMm0u3RMqtSWdVwc3MYusZap3Rs8tjSsgzdUhjuhxVyroejOuoVO1k9hlqbxC6 NFOl4r7ZQbuEg0aBlIjsNcVMIlFT79JHrrC6kXm22M8pfZ6Jwcm4jt6MzyoVJ/SVdgSop+Kk9HzA xiB+qtgxJCrMqqfyZPUxIdo0WmOOalllcwn7ZdFq9GiN9krNGTTPYn7JmGfyD8BSlbqI7JnymMlr WmM1vdJDRGTX3Gb99VI4OqTWKWkgvrqeP2Qt09IgHnaMVlBxbTpVpm8xMuji2Th2pmPCdnJr1Nij lVtML96lW4/zZMPdmtYObklEZDeUrzc3yeHN74vsrtKOSsWBv9aYffJZmWz6Z1xOpVMdZWh6IXbA +dR5nGIThD6ew2kIOnQHDNYJwE9ybFsBJ07irWWvMT45VP2foMalJfD4rezLf+1W38MOhKmcXKWN 8fGaO06AiYjcBo3Nieyl0o5KpQN/pU0108N//RZWNZNDcshkZVwb201WCx7dQWpRvMgiTsB6Ktro r/HwW1yHuRN0LpcMGt79EdjMhlnjkkMh9s147byT8Eg2OdSHP97a8XuYXjsvfQOuXZIwExHZM4qZ RPbP9MU3gy5NDz9bV57JIQ1YDXjf/4XVzB/bKOSFF51MtLHm8bFXAe5/aNROM+07AdSmWrOlf5nA 5lKDwTqvHMv0z4ymFt70dpgc6uONWbjmVG27rqEiIrtNMZPIbskNV6Xql/utZCQuVYUdBUzDsOm7 q2WDcdHoXov11bgRVEY6hxQSQL+PG+I74JVXYf8xfHmN6jzBMN/Tx6vw/EsALz4PjKbaRa/iNbgJ 7qX8OGNpNdFw7bzLHZxfhWxCCzh54laSQ1Ovnaf+TCKydxQzidyCwgS0fguriW/wHQDbxfGyxdfv sGTR+v34q8dTiZNovZStbEMmoFtPlpP7Xb4UUDtVciO5HJIb0q7wrc34y87j+f3fhm9vUlnATvJJ /TXmf3j8K/0qfZhz4HymqQGUVGEPusnaeVFy6D/Nr50HvPs+JYdE5IBSzCRyG4YpkzUPx6eRmoAW DZxdLsvGOOd4O7cl+Ue6TVRnGEW9mxfhx7dfJS61KN7v/SG8h3Mn4Gp5NihaDSZanmXN4/1b2C4O 2C4v2AD/VYiJ4r/r2HD/W3T+EMgUJ0G+Cnt9FaIK9Gb8j/TaeZG758YuKbON21k7T0RklyhmEknL jq/lRspGs9uqcZvuoMPn+zBgMzncm4u3W+e5MqaHpHe1sAWO/QLvAcANR3Xc8UDbawD/6vezx+SG AqsE4DWxLK6+DR/kC/8ZwP/cyuzzV8nRC0t4azDg6ycJSC2oMgfwm5fp1ml6uCE1+JPn4f6SmWtA 90qyacBqgOOPlszzy9bO27GdrZ2n/kwisocmNxY4LI7Ui5Vb4doGCg9ntMPp4rMYMMfOGt8xYN6D AWNjbNf4jsE2oTHGmCdPGzDvxTjPGnvMSY7/XQPmrg9mrmhMfOZ3YU4/GW9xMGDccLRP6Bpss4AB 8+Q5A4aGMaH54JhrDR+ua5gb+6yfupz9bMk75swZTpoXXINtnku9XuOP7tC1R9sdzHzqy6LohYTF jcnNpN6X/JtgjNGPucgRsI8/5soziQBRE6AAUsNP8WR+j8+n0iTH7Oxhpzlt8/ZNqj3Cc/w5AAEE HZoeBFQtLIv/9Xq8+5cvUChbir3+LwDe/7cyg1mDLs2vAvz13bznffGWX0eQ6wAAIABJREFUdMfI qH/3V6N7g9M2T0RJrD7LV/j23QA8HDcCOJec1g3jV9fpMHdz7HvSTJWxf/TVkgLwn/w4vMI1AH7P S2V9UsmhaO28YSX4X7xRTA5NcKjXzhORg2S/grU770i9WNkxBzOHcXLZjNCcwDSSjQ8Msy+hsTGO b85hOJZsfNaA+ZAdp5SiVM053xjfkOSZ5pLtJzBzyalOY+5Kts8vx2c2Jk6lxFmoX4iv4toGJ0m9 hHFOK0rPnMM8dLYsY3Quvv9zGDDvOmZs15gkg8XJOLXjYB4+a/ig4V3laadhpim6uuObF84aMG3X cCKfCkonh5wkXeeU5roKCbPSLFR0wlwOrEA/5iKH3j7+mB+h3y/6ZSrjhcbGnCjGTFnvx9xlj/Z3 fGNeMO/BMG9CY/xz5i7MnGNOY048loz0OcZ3zOkkkJqLwqZ/3zxUFj3cg7HdeDDrWSfZftqAOUZ8 kvgmQ2NHp7JNaEYx0/0f3G6ULYqZ7j6ZGSxLR4qha/ig4Zi54howJx4bHXUuF8j4Bsy5hw2Y/3FM oBO9A8N3dBhp7SX9mIscevv4Y66xORHi5kb/hYPXHL+K2YAfFDf+gD+HyseoWnzxKu8G4Efh1afo BDjnYJMveXz6o5mDTv8bvgPnHHBwH4J3xdu/D0GHTgABF6L5d3PxUw/YXIfnGrwaFXpXCeDmCcJs M/Fvf7v83r+YelE/9KPxzLWoNcDNso6R97dpwKvPMoCXAbhazYzNdau4Nl8J4QQ/OeYNa2/EC8MN Fwz2xxTF7x6j/kwismcUM4kkPtUjdOOpZyXdKSt8EP4qyE5SawIMfggbXqzwI/GOYGNCvnwV/oir NmfuyVzo5Kf5NnzvOnh0XoK/jrcfS1ZQcQAHY/A/Fz8VTdH/p/3UEis+vJrpGPkGvAPMEyYT1rAJ fYD+r5a0RBrOfSvtGPlPXLhJ2Oc6PATAs+7o2U6VTsDNt+FVPtspOXx0iVR9mBaqFJGDTDGTSOLG IPUZHxJXe8+NdngvvPcTqQMayZ7r1GxuDvgu3PS4CgRYVW4C34GAa9+Pj4i6CbzvPt6GB/77UVum yNtJf6aordGvp5565ybY9NNNARr5jpHRfPyHnVTmKWC9ymMnYIsrSdD0N3+247ZG/7ULcKGT788E OGHJ2nkiIoeRYiYR4vgjs6ZHhY0oNXKTeFoaAD9UGUVUc1GHpPN8FLwApzPqfgQwz5WzAPYLLN4D 8O+IB+/u+Q84Bq/BogPww8DpeFLbsbOj/ka/mZq29lrA2Xcg6hiZJMAyHSPf4FsA/PLC6BWdhs55 nnoVYKVKNKPunVdGE/qiPNkz/7LkLUl3jPxIG9cGMgNtkcUK7GThvD2m/kwisncUM4kAsHSWoJNJ 7UR+6jR8p3ytj8/5GIMTcPU0wE/+KMD7HRx46Cz8DB/+EXgPwWdpegDzj/F++JxP7z/hg/DK12j0 aMAPjsN1vgcnT/D283QH0MC1uenR9OA6wAPL3Hwx6RhpUsNzw46RSawwDKriQwP8ZLDvHOVufiP1 xT3wCT6W7Rh5YxAXJ6U96cRBVW7hPBGRQ0oxkwgAn/kNTsAT2XVtWxZPXIeHqcCgy/Vh6VGFjaSc edGBDxAaHjnPe+DPNukZXvwNbI9Hr8J/PGr19H4Avr+GVWXZ5fo3YcCLUPkoODwAH+lgTNxzaGEJ wDkHDg7wrwhsLuUKghq4Nt4K3wB+jA/BnJMJqtx5gC/26RlML16w5Vwq8AJCl+CR1PImHyHcoNKn E7C0kOm0lCtOel9JG24RkUNMMZNIpMJvOpAb/DoN4P4TgMoC74EflHaArMWhwzH44VSR+Cvg/HJ+ 33sWceC33sL2WP5H3IS7AtxLhdtp44D3cvzlVpAaUEs9okl2n+3A/8Ofwn3zmZO0/18eO0E/qWpf B07whSTwijJD1U6+Y+Q3sh0jL7l4zcK6dUlQlU4vKdUkIoeaYiaRRKM3Wugt9gHCJPFDhZ8dzptL PZoefG00eHcsyfT4DsBi2VSxnqH2FAE89TzA/2LK+1n3DP6nAS65AL7Jj45l/BUfgpc6+dvjH0DS +Hvc2NywKUC1E0dg6aYAasMtIgKAdXTamVjWEXqxsmf6cd10zM50SGpFddlF0W4D6lVqfhyO9Fs0 PfxkBn7LYtNlo529WosmmN6Em4oSPP6YyfwtC8/B9MbfHvE43aBLdTXf8yky6I7qvofXKk0s6adM RPbSPn6aH6EwQjGT7I9ctJFhlwco4/RbNDdH4VfgMAyCou/tOPBaiJ8tCbaSuM1rZreX7rytcRGY Q0nwl481x1y6NDITEUnZx09zjc2J7LFc6XTmkQqYBt1CL83ho14+cS8ds2RSPhWWncxav0P9y3E3 zm1ONY2oh/ikm0ppjF516IIdLxtszChg6tbjXuHD3ZrW+LbsIiJ3mmImkX01jHUmhlaDLk0vqQSv Emx72sYiDNsQpKx52NsURU1tfRWcuL7Kz96tM+nYUoMuHQhTiaWoTbnXzMxknET9mURk7yhmEtk/ 4zoblX7wV9r4TpKhCceeLdbAAW8tu0cfD4IxA4U7iDYGrAY4i1QWsMsis1twuYOzXBimbODa2V6j IiL7RjGTyIyZpkWkNcXSJ5fc/PBcfy07KJY8fCde3m5K/ctJs6gKSzbeypihw+n18cqWCgZO1QhW b/v8IiK7YFZipkG3biVyBQyDbr2wTeTgu+XORtXxO6driYpJoDVvd7pQps/TXoYgs1TwLStdKrg6 DwFlaTURkTtsJmKmQbde7eCGxhhjjE9TMZIcVbvZIrLC0mm85qiW3IPl1HS2VrrFlBf/u/RHb9DF ao3+7W27VHDu/MVqpMc78EbJ/s2y+vfclMNcpbx+T4jIHTQLMdNgfTWw3StJe7xGz4TuZtOq76Ty U+RgKa1hmqqwKVv7nRtcS9dfd+t0rkNSo+0+BNBsZQ633czhUc11vZu9Yj8TuKyvwjZLBScGXTwb xy4Pp0pFjTdzE+t8Z7RU8BQT69RPRET2zizETOFWQC2Tlq+0N4xf61QVNolMo9HD8TIZnUGXTrI6 70oXBqy+hPMstrft7P0GvpOpH+q3sn2VourvbZYKTqyvQo1LS+UtD4rXHa5qlzNcKniXJtaJiNyy WYiZqvM2mzfyv/UaPePXOlUN0snhs6NBt/TOzULvo+Gzl1w659lMtl/uYLs0YNH5/9u7uxBZzvy+ 478iC1k7aMFem9nVyqsj1H0iJmOQDjZraoITwmLonsCOMAznyiewUjVkibtvTiBonCB89iYnF9UE X3SvdCHfrJiLaAyZLoidCJtMEbFBEngYxKkSK6+0qz2sI+w12fVNeHJRL13VVT1VPTP9Ot8PgzjT Xd1dXeqX3zzPv/6P/CN5J/Jt3f+mDuzy5VxS2fqhqFO5G8TrwChb/Z2VLBU8fhP/ZOYT6y5e1U6c WAdg+VYhMzX2Dmy/97D4sdoajJxhu9m7uBENsG6m9mGa8lNHoyvHTybuQp0lJUet+7J9PTiKR2u6 pxWdtYPz8VxYayCTXwtvWhX53kGuEvyzt2c+sa64ql1uqeC6J9bRnwnA/KxCZlKjexq4Z2WV362B CVx7KTsFrJhpaSC9fJAuMBzIT09Da+jAlu9nqrYv4Kk9LBvOkZRUfx92S65qdHOV4B/4Se9NSz1f 8vVv/3v1g1+8VLA4sQ7Akt2gJdhYbw43hiernVusLbc2XLK+W+mCcW6QG1iK76/eUsGRaM247P2k iwSnv5YsSDdxDxNLBRee0cTDJVfxNgc2HuvNAbhu2RrBQbZ9ZUZ03lz2pxiYZlXzxLpLKFQ9SvnJ RACYpzXITPS0BGbUkqNLVkaXLhUcN3CatlRw7vZ1T6ybTY0T6wBgztYgMzW6p8YMLq5bBebMy8eI TJcjr5OEiVC7U7o4eh1ZVq7vUX83uas6QSRvWq/ITuYh7rvye/IKe55tX5mdmEujUtSKaWLZ3biB 02l1NKl7Yt3sKk+sk0R/JgDztAaZCViyqEdRNkY4Q1n/JJNCfB1k8tDRybjF9ngb6cPzeIP+rnpf VXxyg6+mpcPaaSLqFfmc1GuWxKYPe3FsSk9D6zfjYZ5S/lG8P82eXnfHl7cttQvDQnVOSat5Yt0l FE+sC7Mn1gHA/JnNcqOeLBbEkXFGuUvcF4xkWiNjjBk5RnfMCzK6a2wZxzGyzV0Z2022Hhk5xpFR dOHISOaWjGwTGGMC84yMCg8xjWsb2Ua3jGTkTO7nVvZxTfxY4x/b6JnkcY1xZGzXBK6RbV6xjWTS XQgcIxn7teRunPGdXCBwc3cywUl22FF+r2Qkk6ydlNxPspOlD5H+1DtmADbJEr/NV2ecKbtKb9Zs lUwXPNV57Tg2XDhuFBlf0FfvPY2MRhMzUG/qLyXty/H1g+SyaIzqiZ9I0rYt/0hhS4Grj6TnfEVd yb4sPaHcwnDWlNk3hfpjXzqXfkt3VKOwupUMjEmSXvkXuSsHRjs9/dOe7u7o29kW256aQ0nyX8qN k03uS2Hpt0ZXpuzUtvTholPnBmU9qLJjRY3u1HnA6CHSn8Jj0Z8JwPysRGYK+7uW1Tw6KPu7cqS2 xdJzWKKGDh0N2+MlR9IW20X/T5K07+jD5JLjoSR9cVuSPr8VdxJqdGUC/bIkqX9P/h1tSdqOV1hL S4h6zclI5P2+3pX0N3J+T793R5L+uMbfFOnSb9/+HyXXPpZ+MNGTqZXUMD2h7RelfIe0KJTUWPoN ADbMKmSmaI3e4LS0KKE1CFzbP7pKHQRwNa2BAnc8DjRUeX9I565+Jv1Uam7rcXSRp2FLkn7pVyXp 7x/nzor/TBq21fPl/kf9naSncyMrrfuTq454naTGaEv3W+o+kKQ3X6kurB4v/ZZpqR9VXEVDaH6m xXYnW4P1dzp/a3JVYCnpVCm1rVzl+LCdK8wK+7li+ZrqVLiPTdTmW0bJasfZhy4OiQHA7FYhMxXX 6M1p3N6RX3qSMbAo4ymh16So+VDxfLeva0v6wadq7GlL+kzyjvXc32pL+gVJ0rmfG875ZckZyQQa fl2PJft3Jx5SO9LZo/i3aOk3SduSnlVD8en3eq+qsDocL/32gqSfS9JfJSNPaRzKvgGjpk2BW7ir jFw3gVF8K9fW22mDAy8OUjNJh8TSluIVWuPdCFzJ7itdmiZpocmQGIDrMq9CqRkEri3bLS34rHF1 bavxZLHuRnHpcVrR3MrXMm85xhhjl5U5P3OYuZ/A2DLOaFxefXeinjnZIOXaJfeZrQSPasC3ihs8 Yf7MGGPMK7eMPl9+J63R+E5sd/pjZX5yR8Uxss3rjpHM3bJ9S++59Hhe/LxMvdLvwDWy3YkdKy8n H01WnQNYH0v8Nl+FcaZojd5m+R9+XqfZ8+2DPU4mxnJE0zoTL85HofYd6Uyh9G8c6Y5ekFq/LUmP P5akr0rall7QHVt3JduVI335Vybv/OP/rPZQr/xrSfrb/FX9e/Kl/bRsKtSRL/u5sl0sVIJnu3s7 0jNf1Nd3FUr/6nekv5ekf5QMcW1JvyhJ8trjma9PXfV25NratqUn4i1GmTuMfs2KFn375lCS3tyS JN2d7DleLjtQ9Iok3R3JBLIlZz85FLtq9tTKDIBNHyjqBvkde9grWz6vJde+ZM9PADfYKmSmqGvl SO2y0+YebAfGlJc6AQvQ2MvXFWVbbO+UnNu15cmTviD94rlu3dK7O/pCfoM0hP1I8jy5gXY/kyQv f95cz88tr+Y9lH9HP/9ArZbkyLUlZzx9Nq0SPFpVt3uY9Ebaji//v8/ofktq6FnpZ1+UpN9oyT+K Zxu//5Hcr6nn6x//XHd+S/qZGq9OPRsuEi1gEnuswJXe1PcuvEnRX7wtPaGXWvG6wlEPzLCvnhQY /VqyWaMrM9KwXXZe4QRPw0ypVtbtnfHzBYB6ViIzSZJag9KBMOISliw5b26ixXZ7KPd+yebPPjcO WB+9NR4sGd9fV470rX+uj6TWSF3pwZu6lakQipKQM8rFlOOhtj+v92z97q9JP82XKE2vBI+XfntJ knrNcYHR55+P096OpP+j33lK/9uLz+mL9L4pSW+9p3f/VJL+5oeT95xb+s2LG3uOn+OebOl/fVy2 T9P9qS99UU9LyuS8qw8UldZKRgNjlEkCmMXqZKYJYX+XFgNYDa2BzEh+L3OO2BOT23wseX+hLemr v63hsaR4m/1M8PnUjU/muu/q+z+UorGlpg4DPZm5q0ZXIyc3jhINFz3tyz7Qk5LeT9YnaeheNLqT VII/lh5rvKs9X/Zrcu04kAWuolGvf/APxw+3Jf23tu4+IUntZEGV15Pc9sot6XP66+HkXFh2CV6r LTefPqymDmx579Y8wPFzfFPSLyW/t+RIvd+fdaCo36Q/E4C5WXD9VG3XVfk9tsJPFuuoULwc12sH xpaxZWTHG6a1z1GhdDCtmns7V6rsKFe8nLbYjmrGc03Go4eb3mI7u/0rt6bWXN91cr++mv56x9zN V5q/8OJkIXZJhXh0fO7mnlFJDXjigqrzUdnNiz3HS2rAp9d6p/8vAKybJX6br+w4E7DiMsXLUc1y rKEdyZecw8lbRPNBJ6G6p/EE3Chzc+c/5WagBiPJ171kQjBtsf3pmZRtENWSI/nOuMW2k9RKp/8Y OfJ76nhSqLc/Ku+vbb+u7w5yt/r3Axmj4FB6V//zmdzGv/DPJpd+K7Laakl6/8JjmAp15OuuI9mZ xp7Tl8mrqyVHKm1U8uisfF08AJiOzARct31Hys/KRaJJt2hWK+oYlN3kp8f59oxtKZ1ly/SCeudD KT81NlTJqXPRdN5hV5JaAznS8FjeQ/m2fkPakuSMT4KT5H9zfG8/+knmjn5F2tIn39ed7dz9R7Ev 7WlZypP0Qa0GktGOvZR/CLXkbkvSadkcfVR1XjZrl3Pf1bBd2AdPPb+8MSkATEdmAq6uoVOjQZKA WoPcUmgDo9Nu7qrJtdIaOjX67mB6G0lfzSg2hTp7nO8nmYzHHOdzwcTSb9u2JB0PZR/oC9Kzbm7p t+hx3SBOUU/+au5+Xn9Wkr7R1YTc0m/RUFl+x6L1+I5rhKZox54uXL7nSNLbf15yk5oDRY3u5JBY 2JfVljMSp5cAmNWyJgUX70Y9WWyO7Ot2WhWOa48vLy0byhYhTdsgqli6W6wo2qpuTVm6YyPHaKti x0ymMqm0/+RdjXe7WOqUrVUqb1+ZeYiLW2ICWBNL/DZnnAlYYdG0V/rfaDwmHR9Jl1Hr+ZKvZjK5 5vdy03leR0Pp2/8lP7iVN0gWG/lupqQpHkB6nOuqkB02S03sWKQ1UPDvktZQ000MiU34rokHivaz a6QkY1rZsaJGV+a0fOQpNyQ2/bEA4EJkJmBJLliM1irUCUX/jkqU0g2yC7o9p3yJUhKhLEvt7ymY MSik3Qqspg6TaHLBKrnD7E3Sn07cjKr3MK6vKm5Tp5/IRO1UVAo2IPgAWDQyE7AMFy9GGw3zlGpl NsiWNH0g2duyLA2ik/iSE9BcW3pPDzNFRaUDRcUdixJY9ajM5Cq5mRPfkpIp92zqer3Z1Y6vY6DI mlaQDgBXRmYCluHkSNrR/YOSU94uoxU3FJBkNeVLoyR8dE/l2kmbzcXvWGbxk2LdelR1Pi0nAcCK ITMBixeOFz+xp5xZNm28ZNrlzcyJ+hMjMbd34uWEr7Jj0ybXJlohFJUufmK1WSUXwNohMwELF7Uj up9fjPaKspNfE7nqeFi+nPBMOxZVJk3OCZqqgaKyVXKj3ev5rJILYL2QmYA6Qu1OqVn2OrJKi6ND 7VrJMm3JzeOi7GFco90Px4vRpttEwzkXGBYvmj6LFi0hN7mcsFc2XBTtmJJJvcNcIbllKbvk7kxl Q6Wr5EqskgtgvZCZgFkUp5OOSyJMufFCuZIbxD3BvWgx2j/QblO+rcDIkW49M94+Wvwk+6tTnCNr Tz5WlGm8jjxpyyn0bywr3I537I14k/6DaKfHm3nSh+fjO79ctfWca7TNtNp5ALgyMhNQm+MUppM8 DZ3xCiR1nBxJUq8ZD+pE40B6M1e4/WQ3V7idLn6SmpgjK+V11B7Klp7dLt9g2o6Nez5pXAkezc09 HtbqDjDh0fSbVC5+AiyE95plvVzy03lfer9jvbzb/7GksP+qZb3c8Yq3fbXyjRH2X7Ws1wrr+JTc NnqU5Cd/7bT9rLEDuAZkJqC+fTn5Do3esex6iSQWFVlnRoxsNz6JzBldVLi9bRfuKjFt5KY9lBto 57I75oxKVmW59Yx6mZhTPWiUXyW3uH2T1gBYGU+5wXeMyf8Mni9uN2wXos+1eb9jvdw8+s0g3YHR V3rNOLFdtJ/mP7AY0CKQmYBZ7Du56bnj4WxLvY6LrCWFOpN2bkstuYVK8InC7XN/ajgbOfluTLZe sSVpZGZYUu3PszuWFm4Xduyj70/esDI2la+SOy/0Z8LcPWXb7zzIhZjr8uP+7h8NnW+Z0/b4ndt6 KXCf8nsDhpFWApkJmEVzW/558ounoa29Wf66y64x0r8nX9pvSdLeQW6Nkc+OcoXb0eInh1MaUWbv Myrc/rYvN5it8fefFRY/iQq3J3bsEtJVcmftngCspq8cvvGiev/1+v8OCN898p9y70+ObDW63xiN GEZaDWQmYBaNPdlJiY93XLLI2gWG7VyLo56vUdJIKV1jRNLH0ge+lCktap9NXfwkaps0HutqKZrE S29bXH6uxKd6c0omy+7YtGL3ytATLX6SNTLV9VjAqmq0D5132p33r/dew5Pv+fpK2Vmmz7dYKmhF kJmAmTR0YMclPrNOzKXVQukqs9kPwmiV3OhMt7hB9pQGSNnFTyYKty1LUel2GkrikqmLe21/uSST pYXb6fK98Rl8dqGpdxJ6WCUXN0Xr/ov28E+ud74sOP9E9pM1Tov4pNcs1IDvjpi7WwQyEzCjvQMN j6VQZ4WJuf6urE71PTS6GjkatifPQevvxoXbdYfh84Xb2WVJSnuL15Uv3M56dDbb0BqwRgpZ5IKR pEb7DVe9e0tJKmU14NkSKMwPmQmYUTQ91z+RX2iuXVylZHvKX41R+4DevfHG/d14tq5+3UKuonx8 1yUV5ZLCfnkfy2ZP+kv9VX7j8sJtTz1/tqG1haM/Ey6vkEXKTppLNbrfcPy3Hl5fWVNz+yn5P6LN 60ojMwGzamhH6vXk7E9e09weV0yHJ/IvaIEtDUaSr3t9KVrIdvbC7eNC4XaktHB7YnYs19Py1/W0 JjeOCrfTL4SwL6stZzRDpAM22/OD0deGD+oONTVuf2XKNXENU2PvN239sKyb2fudiwe9sDBkJmB2 +46UnPKWFU26RdVFzd64xLtcS64tv6d+WFKWVLn2bVT9XVm4rbKFdfth3cLtdmY4amQ0oBAJGGv9 S1dv3Xvww1obN5+09c7ErLl3/M64hqlx58D+pPdwMhuF/T8ZquR8OizB55a9A8BaaOg0M+nTGsRl 0ZHB9KtKb57qnirOPOk/6u9RV2b6bQZGg/w/stLFT4y56H4ufoiVZFkW03NYnC91D7/Wa78jPVW9 baN96LzVbr+2b16K//bwXmsP5YzSUqQvdU+/dW79kXX2YpDUJ4X9V5u9T2z3DxngXQlkJgAALqn1 0sh5p11v1cnW4DvB9qtN6+Xkgqfc4Dv5MPT8wHxnv/Ny03pr+jaf9JovF5fxtt0/PO1+adbdx2xu 0N9k/AGK9RP21Sx+OEZsBRd3EJhiYlZus94UvM2BjbfEt/kN+nzhwxQoL2PaoPcFb3Ng4y3xbc7c HLBWoiIkAKvmx/3dP+j55dcxcbYhbtDfZPwBirWXjhJd7pV8wblyvDUArIklfpvTawC4MUr7M7Hi G7AQ1sssR732yEzAmsiOElV2VwKwSqLARGxad2QmYD0Rm8pYHBYAc0NmAtYBUQBYW9nhJYaa1hqZ CVhbBCkAWCAyE7AOqN0G1lNxYImhpvVFZgIAAKhGZgKwOejBhpUybUiJoaY1dYPaPNLTEgCAdUdP SwAAgJVGZgKwOejPBGB+yEwAAADVyEwAAADVyEwAAADVyEwAAADVyEwANgf9RADMD5kJAACgGpkJ AACgGpkJwOagPxOA+SEzAQAAVCMzAQAAVCMzAQAAVCMzAQAAVCMzAdgc9GcCMD9kJgAAgGpkJgAA gGpkJgCbg/5MAOaHzAQAAFCNzAQAAFCNzAQAAFCNzAQAAFCNzARgc9CfCcD8kJkAAACqkZkAAACq kZkAbA76MwGYHzITAABAtRXOTGF/17I63rJ3AwAAQLJW4DQTr2O1hxXbOCMzaF3tYSxrFZ4sgDni bQ5svCW+zVdhnKk1GDmSbDcwWYFrS84o+uWqgQkAAOAqViEzSa2BMaOdXtPa7YfL3hcA64tBJgDz sxqZSSI3AQCAVbY6mUmSWgMTuCI3AQCAVbNamUlSo3sa56Z7R8veFwBrhv5MAOZn5TKTlOYm31/2 jgAAAERu0Hm5nIQMbDze5sDGu+G9BirQ2xIAACzdDfqbjD9AgY3H2xzYeIwzAcA1IDABmJ/PLXsH rhlnzQAAgHlYnXGmsL9rlZmtkslMN68dBwAAN8BKZKawv2tZzaODoCTpjNS2aHEJoBZGmgHMzypk pvDkyLfd4LTbKLmyNQhc2z86ITQBAIAlWoXMFJz72rldFpgkSY3bO/LPg0XuEQAAQN4qZKbmtq2z R1MHksJHZ7K3m4vcIwAAgLxVyEyNvQPb7zXLi729TrPn2wd7U4ehAAAA5m8leg00uqem63VKqzdt NzCGwASgDs6QBTA/N6hnLg2CAQBYd/QBLwr7u7QYAAAAq2JlMxMAzIz+TADmh8wEAABQjcwEAABQ jcwEAABQ7QadSkahAwAAG2BZ0eUGZaYNRhsFjoA4CJI4CJI4CJI4CJI4CHPA3BwAAEA1MhMAAEA1 MhMAAEA1MhMAAEA1MhMAAEA1MhMAAEA1MhMAAEA1MhMAAEA1Gl4DPenrAAAH6UlEQVQBAABUY5wJ AACgGpkJAACgGpkJAACgGpkJAACgGpkJAACgGpkJAACgGpkJAACgGpkJAACgGpkJAACgGpkJAACg GpkJAACgGpkJAACgGplp3XgdK7bbD6dvFvZ3k+2sjre43VuAmkcgu3mtDddKrYOQfRFs1jGo+RqY 8aWyZm74ayDCp4H4UlgsgzUyciTbDQr/Lm42vmbkSHJGi9rFOat5BHLbV2+1ZmodhMC1x888+mVD Xgb13wUzvVTWyw1/DUT4NDB8KSwamWmNBK6de0OMnNLX/eRmgWtvyvuj5hHIXb9xn5L1DkLh//qm vAwu+S6oeqmslxv+GojwaWD4Ulg85ubWR3hy5GvndiO9oLlta3g8OcYanhz59sHeeLNG99SYQWtB ezlPNY9Aunn/wdB2XWcxO7coNQ9C4f964/aOdPZo3aclZngXzPBSWTM3/DUQ4dNAfCksAZlpvdjb zfEvjds7JZsE5752bjc2tZSjxhGIhP17PblvdG8vYKcWrfZByPCOh8p9uq6vmk//Mkdpfdzw10CE TwPxpbBgZKb1EZz7JZdO/tUYPjqThm3reD8eSgwOjpobUvFX7whIGn9Gbs7XQ2KGg5DhddpD2e79 tf/LsubTv9xRWhc3/DUQ4dNAfCksAZlpI9lukI67NrqHzubMStSzuZ+Rl+J1rPZQzuiUA3Jj3eDX AJ8GkvhSuC5kpvXR3LZLLi0dac9fuDGlHDWPwGZ/Rs7wMpAUf1nabrAh1Qs1n/6sR2m93PDXQIRP A/GlsARkptWV7aaRTD/750Fmg0dnxVtNmdTPzXmvi8sdgfDkyJffa8Y3bA8V/bamQ9GXOwjj27aH thts1uhCzadf9yitpxv+GojcuE+DMjfrS2H5lnXCHmZX87TSwsWbc5r1ZU4g37jWPHUPQtSPZzP+ x2fQa8Dc+NdAhE8Dw5fC4pGZ1kq99mX5t9Hkm2q9zd6ocOM+JesdhMC1N+55x+hpaW78ayDCp4Hh S2HRyExrJm7mK+XfG4UWZUn/Nm3cR0TdI5DYwE/JGgchs0HWhhyImq+BKZttiBv+GojwaWD4Ulgs yxhz8eQdAAAAqAEHAACoRmYCAACoRmYCAACoRmYCAACoRmYCAACoRmYCAACoRmYCAACoRmYCAACo RmYCAACoRmYCAACoRmYCAACoRmYCAACoRmYCAACoRmYCAACoRmYCAACoRmYCAACoRmYCAACoRmYC AACoRmYCAACoRmYCAACoRmYCAACoRmYCAACoRmYCAACoRmYCAACoRmYCAACoRmYCAACoRmYCUJfX sYo63uQm+UsuK+zvVtxT2RYX3srrWNZuP5x+b6mJrTLX5a9Jr8hdXNwJrzP9gQGsCzITgFnYbmAy AvesnU1JrYExg9bVH8brNHv+hVuE/Xu9nVH+sS68lddpD6ff2W6z58fPLXBtv9dMn5TXsZo9xU87 ODgaXxP270VXBK56zfQgeA8LO9YajHZ690hNwHojMwG4gkb3dORo+OA644DXsazp8SbZ6GHPd/Yz waTiVhclJoUnR76c0Wm3IUmN7mng2hoee5LkHQ9lu29EV6nRfcO146cbnhz59sFeQ2rsHdg6exRK Uth/cObeL8TG1n1XvYfXMgIHYEnITACupnXftf0kDmTm5sL+rmV1vPGE3m4/zM5ylU+heR2rPbTd wIycix7UOx4qE5mqbhX2Hwxt1512l43uaX54rHF7R1EI8o6HioJR5ir/6GRaRvQe9nYOu43iFY29 A/t6syWABSMzAbiiccAoGrYfbGcnvJrnh/Gcnj1sl6Wm1sAYc1oWOrImIlPFraI5tDe6t2s/Je94 KO3cnroX/nkQpaAoPaUjTlMGmSRVhi0AK4/MBOCqmtt2lCKK0lmtxt6BLdlJoGjsHaSzX7Pzjoey t5v1Nk4SU0UMy959pz1MdrXw3MJHZ8k/G903XPWaltWMH2DqIJNUdlcA1guZCcAcTYzVXDB0c8V7 nmbmxOR1rPYwW9x06GjYTs56C/v3slXmje5pVAt/2s0MMqXTkfmBtIvG4wCsATITgKsKzv36wz7X IDPUU7XljIkprYsa5Ob9Ro7fa1qWZVnN80MzckqfbTLI5HXaQ2dkjBk546wFYAOQmQBcUfjo7FpH kCo1bu/U2zA8OfKVxJ3otDq/15xSfh72d6PAVKyLag3S5gqDVvjorOTZjgeZ0nnD1r7DXBywSchM AK7Ge9jz7WmFz/NTZ5IrnTqLjJy4v1Sxg1TUoMkZVZefhydHfnGY6eJKpviWi86WAK4XmQnAFYT9 3fbQnqnC+hpc9whO2L/X8203KOvG6XWyhUlep1ky2Zc9XW68b5OV6ouewgRwzchMAGYxnumK6nt6 OzXGZq5da9+5/Fl3sbh/lOIpvMlnlqyH0hqYkTNsJ9N7Z8W5u7B/LzvI1BrE27eHaSW5FA0z5To9 AVgzljFm2fsAALPyOlZbo2tZp2Ux1m6HAUwiMwFYS2F/t3l+uDYZxOtYD7ZLyssBrA8yE4A1tUap icQEbAIyEwAAQDVqwAEAAKqRmQAAAKqRmQAAAKqRmQAAAKqRmQAAAKqRmQAAAKqRmQAAAKqRmQAA AKqRmQAAAKqRmQAAAKqRmQAAAKqRmQAAAKqRmQAAAKqRmQAAAKqRmQAAAKqRmQAAAKqRmQAAAKqR mQAAAKqRmQAAAKqRmQAAAKr9f/v2AQ/HXgirAAAAAElFTkSuQmCC ------=_NextPart_01D6E354.C0207940 Content-Location: file:///C:/2C48CB21/01Incidenciametodologiasadministrativas_CesarCasanova_archivos/image005.jpg Content-Transfer-Encoding: base64 Content-Type: image/jpeg /9j/4AAQSkZJRgABAQEA3ADcAAD/2wBDAAIBAQEBAQIBAQECAgICAgQDAgICAgUEBAMEBgUGBgYF BgYGBwkIBgcJBwYGCAsICQoKCgoKBggLDAsKDAkKCgr/2wBDAQICAgICAgUDAwUKBwYHCgoKCgoK CgoKCgoKCgoKCgoKCgoKCgoKCgoKCgoKCgoKCgoKCgoKCgoKCgoKCgoKCgr/wAARCADEAXMDASIA AhEBAxEB/8QAHwAAAQUBAQEBAQEAAAAAAAAAAAECAwQFBgcICQoL/8QAtRAAAgEDAwIEAwUFBAQA AAF9AQIDAAQRBRIhMUEGE1FhByJxFDKBkaEII0KxwRVS0fAkM2JyggkKFhcYGRolJicoKSo0NTY3 ODk6Q0RFRkdISUpTVFVWV1hZWmNkZWZnaGlqc3R1dnd4eXqDhIWGh4iJipKTlJWWl5iZmqKjpKWm p6ipqrKztLW2t7i5usLDxMXGx8jJytLT1NXW19jZ2uHi4+Tl5ufo6erx8vP09fb3+Pn6/8QAHwEA AwEBAQEBAQEBAQAAAAAAAAECAwQFBgcICQoL/8QAtREAAgECBAQDBAcFBAQAAQJ3AAECAxEEBSEx BhJBUQdhcRMiMoEIFEKRobHBCSMzUvAVYnLRChYkNOEl8RcYGRomJygpKjU2Nzg5OkNERUZHSElK U1RVVldYWVpjZGVmZ2hpanN0dXZ3eHl6goOEhYaHiImKkpOUlZaXmJmaoqOkpaanqKmqsrO0tba3 uLm6wsPExcbHyMnK0tPU1dbX2Nna4uPk5ebn6Onq8vP09fb3+Pn6/9oADAMBAAIRAxEAPwD9/KKb 5hNG/wBBQA6g9OlNycZAp1G4Hjf7e3xq8Z/s6/sqeLPjN8Pxa/2todvBLZreQ+ZGS1xGhDDIyCrH vXwp8Lf+DhzX7YR23xp+ANvcLnEl54b1Axtj1Ec24Z/4GK+v/wDgrcuf+CfPxF/68Lb/ANK4a/BX Z6Gv1ngPhvJ88yeq8XTvJTsndppWXY/L+Nc+zTJ80prCzsnG7WjT1fc/eD4Cf8FZv2Jvj0kFtpvx PXw/qU2B/ZXiiP7LIG9N+TE34Oa+kLDU7DUrWO/069iuIZlDxTQyBldfUEdRX8x5jB7169+zv+3b +1F+y5dxf8Kr+KV8mnxyBpNC1CQ3FlJzyPKc4XPqu0+9dWbeFseVzy+r/wBuy/Rr9UcuW+I9RWjj qf8A29H/ACf+Z/QwrfNUleCf8E7/ANrzVP20f2foPi1rfhOLR76HUptPvLe3m3xySRhCZEzyAd/3 TnGOpr3uvyTFYWtgcTPD1VaUXZ+qP1LC4mjjMPGtSd4yV0FFFFc50BQTgZNFcL+0h8ePCf7NXwU8 RfGrxtMFsdB09p/L3YaeT7scS/7TuVUfWgDmf2vP23v2fv2LvBH/AAlvxm8U+XcTKx0vQ7FRJe6g w/hjjyMD1diFHc1+bfxh/wCDjX43a1ezWvwP+C+h6HZ7sQ3WuSSXlyR6kKURfphvrXwz+0n+0Z8T P2qvjBqnxj+KmsNc6hqUxMNupPk2UGSY7eIH7qIDgDqepySSeFAxXRGnHqB9qf8AD/X/AIKEkk/8 JB4TUdl/4RlOPb71H/D/AG/4KE/9B/wn/wCEwn/xVfFW45wRS1XLHsB9qf8AD/T/AIKFE/8AIweE /wDwmU/+Lr9AP+CNn7bXx3/bb+HXjPxN8c77TJ7rQ9at7axOmacLdRG8RY7gCdxyK/Cuv13/AODb Nz/wpr4lHH/MzWf/AKTtUTjHl0QH0J+03/wV7/ZT/ZJ+L998E/inY+KX1nT7eGW4bTNJjmh2yoHX DGVecHnisD4T/wDBcL9jP4z/ABN0L4UeELHxguqeItUhsLBrvRY0jEsjBV3ETEgZ6nBr83/+C5p3 f8FF/FQP/QK03/0lSvI/+CfBC/tw/Csf9T1p3P8A22Wl7OPLcD+kSiiisQCiiigAooooAKKKKACi iigAooooAKKKKACiiigDm/i58TPD3wX+F/iD4ueMEuG0nw1o9xqWoi0iDymGGMyPtUkZbC8DIya+ O/8AiIQ/YRzxpvjj/wAEEX/x+voT/goYx/4YU+MAI/5pzrH/AKSSV/N+AnXHNaU4xkrsD+j/APY8 /bd+Dn7cnhHVvG/wXg1iOz0bUlsbxdYslgfzTGHG0B2yMEd+teyjgYr84f8Ag28JX9nP4gEf9DpH /wCkkdfo8OlRJcrAKKKKQBRRRQAUUUUAfhV4A/4LJ/t9eBGjE/xWt9cijxmHXtJimDD0LKFf8mz7 19H/AAf/AODhy/XybP48fAeJm4E2oeGL0qp9xDNnH08w1+ZtNfd0C5+tf05jODOG8dfnw6T7x938 j+dMLxXn+Da5K7fk9fzP6Dv2YP2/P2Zv2t4Ps/wm8fxvqqR759B1BTBeRjuQjffA/vIWFe15yARX 4H/8EnHmi/4KD/Dfyn2Z1K6DbW+8PsU/FfvegwM1+HcYZBh+Hc1WHoSbi48yvutdj9j4TzzEZ7lr rVopSTtofOX/AAVt/wCUfPxE/wCvC2/9K4a/Bav3p/4K2/8AKPn4if8AXhbf+lcNfgtX6X4Wf8ie t/18/RHwHiP/AMjal/g/VhTZAMZJp1NfpX6cfnR+zn/BBBf+MKLg/wDU5Xv/AKBDX29XxH/wQS/5 MluP+xxvP/RcNfblfyzxR/yUWK/xs/o/hn/kQ4f/AAoKKKK8E90K/Mv/AIOPvjTc6L8N/AnwF0y/ 2/25qNxquqQq2CYrcKkQPsXkYj3j9q/TSvxE/wCDhHxZPr37dFn4eeUmPRPBdlDGvYeZJNMf/Q/0 FaU9ZAfCwAHIFfSH/BMX9hC5/bs+Pv8Awi2t31zZeE9BhS98TXlqv7xo92Ft0Y8B5CCM87QGODgC vm9unSv2q/4N6fhjp3hr9jXUviKloovvE3iy48242/MYbdEijX6BjKf+BVrN2iB9OfC79hP9kH4P 6FH4e8C/s9eFoIVUK01xpMdxNL/tPJIGZz7k11X/AAzf+z5/0Q/wn/4T9v8A/EV2g4GKK57sDi/+ Gb/2fP8Aoh/hP/wn7f8A+Ira8KfD/wAC+Abaa28D+DtM0eO4cPPHpdhHAsjAYBYIBk49a2qKVwPj D9sD/gol/wAE+/2ffjtqXww+Pvwlk1bxLZ2tvJdXn/CKwXW5HjDIPMc5OFIHtXMfBL/gqN/wTK+J fxg8N/D/AOHHwUey17WNYgtNIuj4Lt4vKuHYBG3rymDj5h0r4P8A+C5//KRjxT/2CdN/9JUryH/g nz/yfF8Kf+x50/8A9HLWyj7twP6RAcjIrN8V+LPDXgrRZvEni7xDZ6Xp9qhe4vtQukhhiX1Z3IAH 40njDxXoHgfwrqXjLxTqUdnpuk2Ml3f3UxwsUMalmY/QCv5//wDgop/wUW+Jf7cvxOuv+JrdWPgX Trth4b8Oq5VCg4E8wHDysOec7c4HvnCLmB+rPxO/4Lef8E/PhrqsmiwfE+88RTRPteTw7pMk8Ofa Vtqt9VJHvXI/8RB37C//AD4+MP8AwSr/APF1+IKsMbR2pdy5xmtvZRA/b3/iIN/YX/58PGH/AIJV /wDjlfT3wU/ag+HXx6/Z/h/aS8Epfr4fmsrm6jW6twk3lwFt/wAuTz8hxzzX80pI6A1+63/BMUhf +CQ2n8f8yvrf/oVxUSpqIGI3/BwX+w1HK0TWPjDKsQf+JKv/AMXR/wARB37DH/QP8Yf+CVf/AIuv xIu/+PqT/ro386jzVeziB+3f/EQd+wx/0D/GH/glX/4uur+E3/Bb/wDYH+KviKLwvP8AEHUPDdxc OEgm8SaY1vblj0BlG5U+rYHvX4M5B4pvDGn7OIH9Tmj6vpeu6XBrOjalBeWtzGJLe6tphJHKp6Mr Dgg+oq1mvx7/AOCDX7d/ivwv8UY/2OfiDrc95oGupJJ4VNxMW/s+7UF2hXPRJFDHaMAMOBya/Vr4 2/F7wf8AAf4U678XvHt20Ok6Bp8l3eMuNzBRwi+rMcKB3JrGUXGVgLvxA+JXgD4V+HpvFvxI8aaZ oWl24zNf6reJBEvtuYgZ9upr5U8e/wDBdX/gn94I1STSdP8AHesa+0TENPouhyvC30d9ufw4r8if 22P24fjF+278ULnxr4/1aaDSIZ3GgeHY7gm306Ak7QBgBpMY3ORlj6DAHi4YDjmtI0u4H7fD/g4N /YX/AOfDxh/4JV/+OUf8RB37C4/5cPGH/glX/wCOV+IYYHiin7OIH9K2sftBfCrW/wBk2f8Aac1z TLi68F3Xgk+ILmzuLNXkl09rbzyjRE4LGM4Kk47V8Xr/AMFfv+CSfUfACT/wg7WvWp9v/DisAj/m 29e3/UIFfg+ODwtTTipAf0UfsHftQfs0ftReB9c8U/sx+CW0TTNN1ZbXUIG0WOy8yfyg4bbHw3yk DJp37Zf/AAUO+BX7C9zoNt8Z7fWXbxCk7WP9l2Im/wBUUDbssMffGK+Xf+DbvH/DOXxAz/0Osf8A 6SR15/8A8HKjg6v8KR/076p/6FBU8v7ywHuZ/wCDg79hcf8ALh4w/wDBKv8A8XSf8RB/7C//AD4e MP8AwSr/APF1+IucdaNw9a19lED9wtM/4OA/2Dr+7S3u5PFlnG3DTy6DuVfrtcn9K+nP2f8A9q39 n/8Aah0A+IPgZ8UtN16JFBuLe3l23Fv7SQuA6fiAPSv5oAwbpXY/Ab48/Ev9mv4paX8XPhR4hm0/ VNMmD/u5CI7iPPzQyrnDxsOCp4/EA1LpLoB/TmpyuaK8w/Zq/ah8DftEfAfwv8atMuYrOPxBpSXE lm8uTBKCUljz32yKy59qKxtID+deg9aKD1r+xD+Uz6G/4JPjP/BQX4bH/qJXX/pHPX74p92vwP8A +CTv/KQT4bf9hK6/9I56/fBPu1+B+KH/ACPqf+Bfmz9q8Of+RRP/ABfoj5x/4K2/8o+fiJ/14W3/ AKVw1+C1fvT/AMFbf+UfPxE/68Lb/wBK4a/BavrvCz/kT1v+vn6I+a8R/wDkbUv8H6sKa/SnU1+l fpx+dH7Pf8EE/wDkyW4/7HG8/wDRcNfblfEf/BBP/kyW4/7HG8/9Fw19uV/LPFH/ACUWK/xy/M/p Dhn/AJEOH/woKKKK8E9wK/CP/gvCsi/8FEdc8zv4f00r9PJP/wBev3cr8Uf+DiDwTcaB+2jovjDy WEOveC7Zll28GSKaaJl+oUL/AN9CtKXxAfBLdK/eL/ghXJC//BOnwyIiMrrGprJ/vfaW/pivwdbn tX7Kf8G7Pxj0nxH+zJ4j+DEl6v8AaXhnxI92sG7k2tyilWA9pI5M+mRWlT4QP0QooB4ornAKKKKA PwZ/4Ln/APKRjxT/ANgnTf8A0lSvIf8Agnz/AMnx/Cn/ALHjT/8A0etevf8ABc//AJSMeKf+wTpv /pKleQ/8E+f+T4/hT/2PGn/+j1ro/wCXYH66f8F1vjPffCr9hTUvDuk3HlXXjLVrfSNynB8k5llx 9Vj2n2Y1+FKKB0NfsB/wcjzTj4FfDu3GfLbxdMzf7wtXx/M1+QNFP4QP0n/4It/sWfsuax4Uk/aZ /ag8QeEb65nvGh8L+G/EGp2/l26ocNcywyNhmLZCBhgBc4yQR+mNt4m/Y9s4lt7XxJ8NY441xHHH eaeqqPQAHgV/NQJHUbVkYfQ0vnS95pKHTcne4H9LD+MP2Re3in4b/wDgdYf41qfEeLw8vwD8SP4V SzGnyeFb6S0OnhPJdGt3IZNnykHOcjrX8yLyy9RM9f0UfAE5/wCCZ/hfd1/4Uzb/APprFZyhy21A /nbu/wDj6k/66N/Ov0U/4N+vgX8FvjX4h+JUHxh+E3hzxSlhZ6e1iviDRYLwW5ZptxTzVbaTgZxj OK/Ou7/4+pP+ujfzr9Pv+Dav/kZvir/146Z/6HNWtTSDA/QLUv2AP2H9T0+bT7n9kr4drHMhV2g8 I2kTgEdQ6RhlPuCCPWvwz/4KW/s7+Dv2XP2zvF3wj+Hcbx6FbyQXWl28khdreOaFJPKyeSFZmAzz gDr1r+iw9K/BT/guL/ykX8Wf9g3Tf/SVKyp35gPL/wDgnHdXFn+3j8KJ7aRlb/hNrJdy+jSbSPyN fpP/AMHFXxk1Twn+zn4T+D2k3jRf8JZ4gebUArf6y2tUDbD7GSSM/wDAK/NX/gnb/wAn1/Cf/seL D/0aK+2P+DlKec+LfhTAD+6Gn6o2P9rfB/StJfxEB+YGCDxX6j/8Ec/+CTvwi+Kfwltf2oP2l/DK a5HrE7nwz4duXYW628bFTPMoI8ws4bCn5dqgnOePy3c4Oc1/SB/wTxs9Osf2GPhLBpqKsbeAdMch f77W6M3/AI8WoqXsBci/YJ/YjhjWKP8AZG+G+1Rj5vBdkT+Zjp3/AAwd+xL2/ZG+G3/hFWP/AMar 1iiue7A8P/bp8NaB4Q/4J7/FPwx4W0e103TdO+F+qW2n6fY26xQ20KWTqkaIoCqqgABQAABgV/OV k4yK/pD/AOChf/Jifxg/7JzrH/pJJX83fb862p7AfsV/wbef8m5fED/sdo//AEkjr9DNZ8K+GvEB R/EHh+xvvKz5f2y0SXZn03A4r88/+Dbz/k3L4gf9jtH/AOkkdY//AAW2/wCCm/xB+D2vD9k74AeJ W0vU5rFZvFeuWcmLm3SQZS2iYf6pinzMw+YAqARk1Mo3qWQH31rlx+zb4XufsniV/A+nS/8APO+a zhb8mwao/wDCYfsiHr4p+HH/AIHWH+NfzW6p4g17XLyTUdd1u8vLiRt0k93cvI7n1JYkk1X86TvK 1V7LzA/Yv/gst8A/2Nfib+zBrHxe+Hmr+CbPxr4X8q4tLjw/fWiTX8JlVJIJFibMvytuXIJBXjjI P44Ab+TTmlcjaXbH+0aBjtWkVyqwHtnwh/bk+LXwf+Hmn/Dnw1rs0Njp3neRGshwPMmeU9/VzRXi eB6UVQHWUHrRQetf1wfymfQ//BJ3/lIJ8Nv+wldf+kc9fvgn3a/A/wD4JO/8pBPht/2Err/0jnr9 8E+7X4H4of8AI+p/4F+bP2rw5/5FNT/F+iPnH/grb/yj5+In/Xhbf+lcNfgtX70/8Fbf+UfPxE/6 8Lb/ANK4a/BavrvCz/kT1v8Ar5+iPmvEf/kbUv8AB+rCmv0p1NfpX6cfnR+z3/BBP/kyW4/7HG8/ 9Fw19uV8R/8ABBP/AJMluP8Ascbz/wBFw19uV/LPFH/JRYr/ABy/M/pDhn/kQ4f/AAoKKKK8E9wK /On/AIOJ/gTqHjX9n/wv8ctGsGmk8G6xJb6k0a8x2l0EG8+wljjHtvr9Fq5/4p/DPwp8Yfh5rXwx 8b6et1pOu6fJaX0LAco64yPQjqD2IFVF2kB/L0G5xivY/wBh39svx5+w98crX4u+DrKO/tZIfsuu 6PNIVS+tSclMj7rgjcrc4YDIIJBsft0fsQfFD9h74w3fgTxfYzXOh3FxI/hnxCsJEOoW275TnoJF UgMmSQfUEE+KAbutdGkkB+9Pw2/4Lff8E/vHOgQ6rrPxOuvDt00YM2na1pcqyRNjldyBlbnuDzXS f8Pg/wDgnZ/0cbp//gFcf/G6/nxC85Ap2AeoqfZRA/oM/wCHwf8AwTs/6ON0/wD8Arj/AON16n+z 1+1d8Bv2qdK1DXPgR4+t9etdKuEgv5reF08qRl3BTvUdhX80HToK/Xj/AINsUx8GviVn/oZbP/0Q 1ZzpqMbgfIv/AAXP/wCUjHin/sE6b/6SpXkP/BPn/k+P4U/9jxp//o9a9e/4Lnf8pF/FR/6hWm/+ kqV5D/wT5/5Pj+FP/Y8af/6PWtvsAfqt/wAHBPwt1Dxv+xXZ+N9Otmkbwn4qt7u62j7sMqPAWPtu kT86/EhW3DgV/Tz8cvhF4Z+PPwi8RfB3xgjNpviLSZrG5ZR80e9cCRf9pWww91FfzlftT/sx/E39 kf4x6p8H/idpUkdxaTMbC+8krFqFsSfLniJ6qw+uDkHpUU5aWA+1f+CPv7MH/BOn9sj4e33gH4z/ AA2af4iaHO80+PEl5b/2hZMw2SpGkyr8hO1sDj5T3zX2sv8AwRB/4Jstx/wo28/8KrUf/j9fg74b 8SeIfCWsW/iTwpr15puoWzb7a+sLloZYjjqrqQR+HrXqUP7fn7bNvEsMP7VPjoKi4UHxHOf5tTlG Td0wP2Qb/gh9/wAE2s/8kOvP/Cq1H/4/Xu3ivwR4a+Gf7M2q/DrwbYNa6Tofgi4sdNt2maQxQRWj Ii7mJZsKBySSe9fz9n/goJ+2+Bx+1V45/wDChm/+Kr9jf2A/HvjX4o/8Errfxx8RfFV9rWsXnhjW vtWpajcGWaXb56jcx5OAAKzlGUdwPwWu/wDj6k/66N/Ov0+/4Nq/+Rm+Kv8A146Z/wChzV+YN3/x 9Sf9dG/nX6ff8G1f/IzfFX/rx0z/ANDmrSp8DA/WI9K/BT/guL/ykX8Wf9g3Tf8A0lSv3rPSvwU/ 4Li/8pF/FvH/ADDdN/8ASVKzpfEB5Z/wTt/5Pr+E/wD2PFh/6NFfoV/wcifDu/1H4XfDr4q2tqzQ aXrV1p15Iq52efEHQn0GYWH1Ir89f+Cduf8Ahuv4Ukj/AJniw/8ARor97v2x/wBmrQP2sv2cvEnw M1qWOFtWs86feSKWFrdId0UnHOAwGcc4JqpPlmmB/NXgMK/bT/gh/wDtt/D34sfs1aP+zlrviG3t fGPguBrWLT7iYK17YqxMcsWT8+1TsYDkbQehr8cfjH8HfiJ8A/iRqnwp+KXhybS9a0i4MV3bzLw3 o6N/GjDkMOCDXPWN7eaZdx6hpt5Nb3ELbopoJCjI3qCOQa0kudAf1OrKhH3hS70/vD86/mJT4+fH ONQsfxo8WAKMAf8ACQ3PH/j9L/w0B8dz/wA1p8Wf+FFc/wDxdZexfcD+hL/goU2f2FPjAP8AqnOs f+kklfzft90H2r959Zv9Q1j/AIIeTavq1/NdXVz+zp5tzc3EpeSWRtIBLMx5JJ6k8mvwYYZAA7Cq orcD9iP+Dbz/AJNy+IH/AGO0f/pJHX5r/wDBQjxRq3i/9uP4ra1rEzSTf8J1qNspbtHDO0Ma/gka j8K/Sj/g28/5Ny+IH/Y7R/8ApJHXxV/wWi/Zv1r4E/tv+IvE40+RdF8cTnW9LuvL+RpJAPtCZ6bh LvP0YGlH+IwPPv8AgnD+zl4B/as/a88M/Bb4najc2+i6gLiW8Wzm8uScRQtIIlb+EsV6jnGcc1+v UH/BDz/gm0kSqfgletgY3N4s1Dn3/wBfX4P6Dr+u+FdZtvEfhjWrrTtQs5RJa31jcNFLC46MrKQQ fpXqcf8AwUA/bcijWJP2qvHW1RgZ8RT/APxVVKMpdQP0r/4KCf8ABJf9hT4G/sc+PPiz8M/hJdWO vaHo4n026k8RX0wik81FzseUq3BPBBFfjmhzk5r07xn+2d+1j8RPDN54L8dftEeLtW0nUIvLvtOv 9alkhnTIO1lY4IyBXmYGKqMXHcAoooqgOsoPWig9a/rg/lM+h/8Agk7/AMpBPht/2Err/wBI56/f BPu1+B//AASd/wCUgnw2/wCwldf+kc9fvgn3a/A/FD/kfU/8C/Nn7V4c/wDIpqf4v0R84/8ABW3/ AJR8/ET/AK8Lb/0rhr8Fq/en/grb/wAo+fiJ/wBeFt/6Vw1+C1fXeFn/ACJ63/Xz9EfNeI//ACNq X+D9WFNfpTqa/Sv04/Oj9nv+CCf/ACZLcf8AY43n/ouGvtyviP8A4IJ/8mS3H/Y43n/ouGvtyv5Z 4o/5KLFf45fmf0hwz/yIcP8A4UFFFFeCe4FFFFAHJfGT4HfCb4/eDJvh98YvAWn+INJuOWtNQgDb Gx99G+8jjsykEetfBHxc/wCDcj4KeItUn1L4O/GjWvDsUjFo9N1K1S9ji/2Q+VbA9yx9zX6SUVSl KOwH5Ln/AINrvHIb5P2oNK29t2gSf/HKB/wbYeOif+Tn9J/8J+T/AOLr9aKKftJdwPyX/wCIa/x5 nj9qLSf/AAn5P/i6+xv+CY//AAT513/gn74K8UeE9Y+Itr4ibxBqkN3HNa2LQCEJGU2kMxznOa+o qKTlKWjA/Pv9vP8A4IreK/2yv2lNW+PWm/HLT9Dh1KztYV0640l5mTyoljzuDAHOM9K439nX/ggJ 4z+Bnx48JfGO7/aH03UI/DOvW2ovZR6JIjTiJw2wMXOCcehr9NqKOeVrABG4YNeZ/tMfsjfAP9rf wh/whnxw8AW+rRRq32G+X93dWTH+OGUfMh9uQe4NemUVPoB+X/xD/wCDbXwhd38lx8LP2jb+yt2b MdtrWkLMyD03xsuf++a5cf8ABtf46/6Of0n/AMEEv/xdfrRRV+0kB+S7f8G13jo/83P6T/4IJf8A 4uvvj9lv9kvU/wBnb9je3/ZbvfF8OpXFvpV9Z/2tDalEY3BkIbYSTxv9e1e4UUnKT3A/JeT/AINs vHU0zy/8NPaUu5s4/sGXj/yJX1V/wTE/4Jk+IP8Agn1qvi3UNY+Kdp4jHiWC1jjW109oPJ8ppDk7 mOc7/wBK+vqKHOTVmAjZ28V+fX7eH/BFPxZ+2P8AtKav8edN+Oen6JDqlraxLp9xpMkrJ5UQTO4O Ac4z0r9BqKUZOOwH5l/s3/8ABAjxl8B/j54R+Mt3+0NpuoReGdet9QksY9FkRp1jcNsDFzgnHpX6 aMoYYNFFOUnLcDxn9rP9g79m/wDbN8PLpPxm8CxzX8Ee3T/EFi3k31n7LIPvL/sOGXvjIBr4Z8bf 8G2Glzag8vw6/aYuILZmzHDrGhiR0HoWjcZ/75FfqZRRGUogfkuf+Da3x12/ah0n/wAEEv8A8co/ 4hr/AB3/ANHQaR/4IJf/AIuv1oop+0l3A8Vk/ZW1N/2B/wDhjP8A4S2H7V/wrMeFf7c+zny94s/s 3n7M5xn5tuc18Ar/AMG2HjvqP2oNJ/8ABDL/APF1+tFFJSlHYD5l/wCCZn7A2tfsBfDbxF4B1j4h W/iJ9c1xdQS5tbFoViAhWPYQzHJ+XOa9K/al/ZJ+C/7Yfw4m+Gnxp8LLeW+7zLC/hOy6sJsf6yKT qp9RyGHBBr1Cipu73A/Kvxf/AMG2G/VJJPAP7TRjs2b93Fq+h7pFHoWjcA/XArLH/Btf46xz+1Bp P/hPyf8AxdfrRRV+0kB+S/8AxDY+Ov8Ao57Sf/Cfk/8Ai6P+IbHx1/0c9pP/AIT8n/xdfrRRR7SX cD8l/wDiGx8df9HPaT/4T8n/AMXRX60UUe0l3A/mHoPWig9a/sE/lM+h/wDgk7/ykE+G3/YSuv8A 0jnr98E+7X4H/wDBJ3/lIJ8Nv+wldf8ApHPX74J92vwPxQ/5H1P/AAL82ftXhz/yKan+L9EfOP8A wVt/5R8/ET/rwtv/AErhr8Fq/en/AIK2/wDKPn4if9eFt/6Vw1+C1fXeFn/Inrf9fP0R814j/wDI 2pf4P1YU1+lOpr9K/Tj86P2e/wCCCf8AyZLcf9jjef8AouGvtyviP/ggn/yZLcf9jjef+i4a+3K/ lnij/kosV/jl+Z/SHDP/ACIcP/hQUUUV4J7gUE8UUEZGKAMXxR8QvA3gcQv428a6To63G4WzapqE dv5pXG7bvYbsZGcdM+9ZP/DQfwH/AOi2+Ef/AAo7b/4uvzn/AODlkY8P/CEf9Pmtf+gWdflH+NaR p8yuB/Tp/wANB/Af/otvhH/wo7b/AOLo/wCGg/gP/wBFt8I/+FHbf/F1/MXj3ox71Xsl3A/p4svj t8FNRuVtNP8AjD4WnmY4WOHxBbMzewAfJrqIbiO4jWeCVXjYZV1YEMPXNfyvqXV9ytjHQ169+zf+ 3l+1X+ynqcN18JPi3qkGnxS+ZJ4fvrprjT5uckNA52jPdl2t70ez7MD+kagnHWvmf/gnD/wUe+Hf 7efgGaS3s10bxho0aDX9AeTOM9J4T1aInjnlTwexP0wCGGaxa5dGAA56UEgdTX4p/tTf8Fjv28fh h+0p46+HXg/4k6fb6Vofiq+stPhfQoHZIY5mVAWK5JwOpr1L/glP/wAFP/2wv2pP2ytH+EPxi8dW WoaHeaTfzz20OjwwsXigZ0O5QDwRVezkB+rQOelFIuQvIpakAooooAKKKKAAkDrRXg//AAUn+NXx C/Z2/Y08YfGD4W6nHZ65pMNu1lcTW6yqpe4jQ/K3B+VjX5Hj/guR/wAFFAP+Sp6Z0/6F23/+Jqow lLYD96KbK4jjLlgoXkk9q+UP+CPH7UHxk/a6/ZY1L4ofG7XbfUdYt/Gl3p8U9vZpAogjtrV1XamB kNK/Pv7V9T64M6Lef9esn/oJpWs7AcuP2hPgTnDfGzwkP97xFbf/ABdanhj4nfDzxvdSWfgrx9ou sTQoHmh0zVIrhkXONxCMSBnua/l9vAftcxz/AMtW/nX6Of8ABt2D/wAL8+IH/Yqw/wDpQKuVO0bg fsJnPSiiiswCiiigAooooAKyfFfjnwd4Gtkv/Gni3TdIt5ZPLhm1O+jt0d8Z2guRk4BOOta1fnP/ AMHIQA/Zl8B4/wCh7/8AbK4qormdgPudv2hfgOoz/wALs8I/+FHbf/F10+jazpev6dDq+i6nb3lr cJvt7q0mWSOVf7yspII9wa/ljIOOtf0Yf8EyBj9gP4Uc/wDMn239aqUOUD3aiiiswP5h6D1ooPWv 7EP5TPof/gk7/wApBPht/wBhK6/9I56/fBPu1+B//BJ3/lIJ8Nv+wldf+kc9fvgn3a/A/FD/AJH1 P/AvzZ+1eHP/ACKan+L9EfOP/BW3/lHz8RP+vC2/9K4a/Bav3p/4K2/8o+fiJ/14W3/pXDX4LV9d 4Wf8iet/18/RHzXiP/yNqX+D9WFNfpTqa/Sv04/Oj9nv+CCf/Jktx/2ON5/6Lhr7cr4j/wCCCf8A yZLcf9jjef8AouGvtyv5Z4o/5KLFf45fmf0hwz/yIcP/AIUFFFFeCe4FFFFAH5cf8HLf/IB+EP8A 1+61/wCgWdflFX6u/wDBy3/yAfhD/wBfutf+gWdflF1rop/w0B9Hfsw/8EsP2tP2uvhinxd+Dmj6 HNo0l9NaK+oa0sEnmRkBvlIPHIr0R/8Aggf/AMFCkGf+Ec8K/wDhTJ/8TX3v/wAEBVX/AIYBteP+ Zs1I/wDjyV9tkA9RUyqS5gP5w/2lv+Ce37Xf7JdqNY+M3wivLXSWcKuuafIl3Z5PADSxEiMk9A+0 ntXi5B6E1/UZ458E+FviN4U1DwL420S31HSdWtHtr+xuow0c0bjBBB/yK/nH/bZ/Z4uv2Wf2pPGH wQkD/ZtI1Mtpkjnl7OUCWBj6/u3X8RVU582gEX7Gn7SviP8AZG/aM8OfG3QLibydPvFj1i1iYj7V YuQJoj65Xp/tBT2r+kXwt4h0nxb4csfFOg3S3FjqVnHdWc6HKyRyKGVh9QRX8tL9M1/Qh/wSM+Jz /FT/AIJ8fDvVbq58y60zTZNJuiWzhraZ4kz7+WIz+NTVXUD8/f2nv+CJ37c/xW/aN8b/ABK8I6D4 bfS9e8UX1/p7XHiBEcwyzM6ll2/KcEcV6d/wS3/4JRftd/smftgaP8Zvi/o2gw6HZ6XfW80lhraz yb5YGRMIF5GTz6V4/wDtTf8ABZH9vD4X/tJeOvh14P8AiNpsGl6H4qvrHT4ZNBgdkhjmZUBYrliA BzXqH/BKn/gqJ+2F+1J+2Ro3wh+MfjixvtDvNKv55re30eGFi8UBdDuUZ6iiXPygfq0DkZoppbbH 1r4q/bx/4LTfBX9kTXrz4XeA9F/4TbxnaLturS3uxFZ2EmPuzSgNlh3jUZHQlTWSTewH2vRX4Y+L f+C+v7fviS/kudG1XwvocLNlLXT9BDBB6bpndj+dY/8Aw/L/AOCimP8AkqOlf+E7bf8AxNX7KQH7 zUV+DI/4Ll/8FFf+ioaX/wCE7bf/ABNdJ8HP+C1X/BQDxd8YPCnhHXfiVpsljqviWxs7yNfD8ALR S3CI4BC8fKx5o9nID9UP+CjHwL8f/tMfsfeLvgt8Lra1l1zWYbdbGO8uRDGdlxG5y5HHyqa/J8f8 EDv+ChXQ+HPCv/hTJ/8AE1+rX/BSP42/EL9nT9jbxh8YfhZqcdnrmkQ27WNzNbrKqF7iNDlW4Pys a/JD/h+X/wAFFQcf8LR0r/wnbf8A+Jp0+e2gH6f/APBIn9lH4v8A7Gv7MGo/Cj412Wnw6tc+MrrU o006+FwnkSW9rGvzADndE/Hpj1r6d1tx/Yt4R/z6yf8AoJr5Y/4I+ftS/GP9rn9lXUvin8b9cg1D WLbxnd6fHcW9kkCiCO2tXVdqDBO6V+ff2r84vir/AMFq/wBv/RPiD4k8Kab8SdMWzs9ZvLSCNtBt yREszoozt6hQKSjKUgPi67/4+pP+ujfzr9Hf+DbsgfHv4gEn/mVIf/SgV+bxdpHaRjyzZNenfsu/ tjfHf9jnxJqXir4FeIrbT7zVrRbW8kubFJw0YbcBhwcc962lG8bAf0rfSgHNfgyv/Bcv/gokXVW+ KGl7SwB/4p23/wDia/Zn9pX4j+Kvhx+yn4u+KXhS8SHWNJ8IXF/ZTyQhlWZYd4O08EZ7GudxlED0 2ivwZ/4fmf8ABRX/AKKhpf8A4Ttt/wDE0f8AD8z/AIKK/wDRUNL/APCdtv8ACq9nID95qK/Bj/h+ b/wUUBBPxP0rr/0Ltt/hXqv7O/8AwcQ/tC+GPEdvZftG+BtF8TaHI224utHtTZ30P+2vzGOTHdSq k9mFHs5AfslX5z/8HIf/ACbN4D/7Hr/2yuK+5vgL8dvht+0h8L9L+L/wo8RR6lourQ74ZFOGicHD RSL1R1PBU8j8q+Gf+DkP/k2bwH/2PX/tlcVMfiA/HM9K/ov/AOCZP/Jgfwo/7E+2/rX86B6V/Rf/ AMEyf+TA/hR/2J9t/Wtq3woD3WiiiucD+Yeg9aKD1r+xD+Uz6H/4JO/8pBPht/2Err/0jnr98E+7 X4H/APBJ3/lIJ8Nv+wldf+kc9fvgn3a/A/FD/kfU/wDAvzZ+1eHP/Ipqf4v0R84/8Fbf+UfPxE/6 8Lb/ANK4a/Bav3p/4K2/8o+fiJ/14W3/AKVw1+C1fXeFn/Inrf8AXz9EfNeI/wDyNqX+D9WFNfpT qa/Sv04/Oj9nv+CCf/Jktx/2ON5/6Lhr7cr4j/4IJ/8AJktx/wBjjef+i4a+3K/lnij/AJKLFf45 fmf0hwz/AMiHD/4UFFFFeCe4FFFFAH5cf8HLf/IB+EP/AF+61/6BZ1+UVfq7/wAHLf8AyAfhD/1+ 61/6BZ1+UVdFP+GgP3K/4IC/8mAWv/Y2aj/6ElfbVfEv/BAX/kwC1/7GzUf/AEJK+2qxl8Q5bhX4 n/8ABw74btdL/bV0fX7eIK2qeB7Vp8D7zRzzpuPvt2j6KK/bCvxW/wCDiTW7a+/bM0DRYn3SWHgW 3Mw/ul7icgfkM/jVU/iEfAg+90r9sf8Ag3o1We9/Yk1LS3fK2fja8CfN03RQtj86/E4HBzX7W/8A BvDps9n+xRq2osPluvG92U99sMIrSp8IH5Tftz/8nmfFD/setU/9KXr3L/gg/wD8pGfDv/YA1X/0 lavDf25/+TzPih/2PWqf+lL17n/wQe/5SMeHc/8AQA1X/wBJWofw/ID9O/8AgrX+1/e/sgfsl6l4 h8K3Bj8TeJLhdI8OyK2DBJIrGSf/AIBGGI/2yn1H8/8Ad3d5e3UmoajcyTzTSF5ppnLO7E5LEnkk nqf/ANdfp1/wcm+OLiXxz8M/hok7eTb6Te6lJH2LSSLGCfoIz+Z9a/MNs4xRTVo3A7b4Gfs5/HH9 pTxK3hD4H/DXU/EV5Goa4FjDmOBT0aSQ4RB/vEfoa93X/gid/wAFIXXePgNH+PiSw/8Aj1frb/wS 4/Zv8Ofs4/sZ+D9D0/S4YtT1rSodX126WMeZcXNwgk+ZupCqVUA9AtfROAEwKmVWXQD+Zb9ob9m3 4xfsr+PF+Gnxw8LLo+tNZx3a2q3kU/7lyQrbomZex4zmq/7ORz+0R4DP/U56X/6VxV9Z/wDBwQoH 7dcJ/wCpNsf/AEOWvkz9nHj9ofwHj/oc9L/9K4q0Um4gfuh/wWZ/5RyfEP8A697T/wBK4q/n97D6 V/QF/wAFmf8AlHJ8Q/8Ar3tP/SuKv5/e34VNH4QP2y/4N4QW/YT1pR3+JGof+kdjXyD8UP8AghF+ 3Pr/AI78ReL7AeEPsd9q95eQ79fIby3ldxkeXwcH86+v/wDg3d/5MX1n/spOof8ApHY19y62oGjX XH/LvJ/6Caz5nGbsB/LOyNG7I3VWxXr37IP7EXxr/bd8U6t4Q+Co0n7Xo1it3ef2tfGBfLZ9g2na 2TmvJbvi6kH/AE0b+dfo5/wbdru+PfxBz/0KkH/pQK2lK0bgefp/wb9/t87ldk8G4DA/8jEf/jVf r5+0Z8MfE3xP/Ze8WfCLwz9n/tbWfCc+nWfnzbY/OeHYNzYOBnvivSO2KjuJ4rZDNMyqirl3ZgAB 65rnlKUgPw/H/Bv1+31j7vgz/wAKI/8Axqj/AIh+v2+v7ng3/wAKI/8AxqvvD9oz/gur+xv8CfEl 54M8OPqnjbUrCZorlvD0aC0SRTgr9odgGweMoGHvXkn/ABEofCYk7P2YPEJHY/2/B/8AG605qnQD 5K+JX/BDX9vr4b+E7zxg/hHRNaisYWmns9D1kTXBQDJKoyqXOB0XJPYGvj+eOW3ke2niZJEYrIjD BUjqD6V+uT/8HJfwmY/N+y/4g5/6j0H/AMar8t/jv488O/FH41eLPiR4T8OvpOm694gu9Qs9LkkD G1jmlaQRZAAON2OAOlVGU+qA+7f+DeP9o/WvC/xy139mfU7xm0nxJpkmpafEzcQ3kG3dtHbfETnH XyxXuv8Awcg8fsy+Ax/1Pf8A7Z3FfD//AARSmlh/4KOeBTG5G6PUFb6fY5a+4P8Ag5CGP2ZfAY/6 nr/2yuKmStUuB+OZ6V/Rf/wTJ/5MD+FH/Yn239a/nQPSv6L/APgmT/yYH8KP+xPtv61Vb4UB7rRR RXOB/MPQetFB61/Yh/KZ9D/8Enf+Ugnw2/7CV1/6Rz1++Cfdr8D/APgk7/ykE+G3/YSuv/SOev3w T7tfgfih/wAj6n/gX5s/avDn/kU1P8X6I+cf+Ctv/KPn4if9eFt/6Vw1+C1fvT/wVt/5R8/ET/rw tv8A0rhr8Fs19d4Wf8iet/18/RHzXiP/AMjal/g/VhTX6U6mueOlfpx+dH7Pf8EE/wDkyW4/7HG8 /wDRcNfblfEP/BBKQH9iS4YD/mcrz/0XDX26HBGa/lnij/kosV/jZ/R/DP8AyIcP/hQtFAORnFFe Ce6FFFFAH5cf8HLf/IB+EP8A1+61/wCgWdflFX6u/wDBy3/yAfhD/wBfutf+gWdflFXRT+BAfuV/ wQEI/wCGALXn/mbNR/8AQkr7aJA6mvwU/Yy/4LBfGr9in4MR/BTwL8NvDeqWMepT3outUafzd0pG V+RgMDHpXrDf8HHf7TrDA+CngvP+9df/ABys3TlzAfsPrWr6foOm3Gt6tfR29paQNNc3E0gVIo1B LMxPAAAzX85//BQj9oyP9qn9r3xl8Y7CfzNNur8Wuit2NnAoiiI/3lTd9W967f8Aa1/4K4ftdftd +F5vAHinXrHw/wCHbni80bw7btCt0v8AdldmZ3X/AGchfavmDOBzWlOPLqwA9M5r+gL/AII3fDNv hp/wTz8BW9zbGO41q3uNXuAVxnz53aM/9+hFX4b/ALM3wG8UftN/HXw38EfCSN9p13Uo4Zp1XP2a DOZZj7IgZvw96/pU8BeD9G+HvgjR/Anh23EVho2mw2VnGP4Y4kCKPyFTWlsgP5xf25/+TzPih/2P Wqf+lL17p/wQe/5SL+Hf+wDqv/pK1eF/tz/8nmfFD/setU/9KXr3T/gg9/ykX8O/9gHVf/SVqp/D 8gPVf+DkTS7mH9of4f6yUPkzeD5YlbtuW6ckfky1+cQbYyvj7rZr9jP+Din4G6p4x/Z+8LfHDRdO eb/hEdae21Ro1yYrW6VQHb/ZEqRrn1kFfjkWyNmKKesUB/TL+yp4q0nxr+zR4B8U6JcpJa3vg/Tn jZOn/HsgI/AgivQO1fi//wAEvv8Agsxpn7Kfw+g/Z/8A2hfDmoal4XspnbQ9a0sCS4sFY7jC8TEb 4wckFTlc4wRjH2gP+C9n/BPLZz4s8TdP+hZl/wAaxlGVwPhH/g4LGP264QP+hNsf/Qpa+S/2cf8A k4fwH/2Oel/+lcVe2/8ABWn9qn4R/tf/ALUcfxV+C+oXlxpC+HbazMl9ZNA/mozlhtPb5hzXiX7O P/Jw/gP/ALHPS/8A0rirePwgfuh/wWZ/5RyfEP8A697T/wBK4q/n97fhX9AX/BZn/lHJ8Q/+ve0/ 9K4q/n97fhSpfCwP2z/4N3f+TF9Z/wCyk6h/6R2Nfc+t4/sa7z/z7Sf+gmvhj/g3d/5MX1n/ALKT qH/pHY191anA91p1xbRj5pIWVfqQRWMvjA/lmu/+PqT/AK6N/Ov0c/4Nuz/xf34gf9ipB/6Uivzl 1CCa21C4t542V45nV1bqGDEEV9Sf8Eiv23vAX7Ev7RV94h+Kltdf8I74i0n+z769s4vMezYSCRJS nVlyCDjkZyAcYreS90D9+q+I/wDgu5+094n/AGf/ANky18HeBtWex1Xx5qjaY11C22SOzRN8+09i 2UTPo57mu+g/4LHf8E6Z0Vl/aJs1LAfK2m3QP0/1dfK//BypbXeoeDPg94gs9zWK32sRySfw75I7 Jk/NY3P4VhFe8rgflB1+duT1zXd+Af2Xf2l/iroS+KPhn+z5428QaazFE1HRfC91cwOwOCBJHGVJ B6gGuFI445r9wv2Uf+Cv37AGj/s8+D/DOv8AxNXwvfaT4etLG80e60qYeRLFEqNtMaFSpIJBB5z2 NdEpSjsB+SY/YS/baH3v2RPiX/4Q99/8arzPxH4a8Q+DtfvPCvi3QbzS9U0+4aC/07ULdoZreRT8 yOjAMrA9QRkV+/w/4LE/8E6f+jjLL/wW3X/xuvxG/ba8feFPil+1z8RfiL4F1Vb7R9a8W3l3pl4q MomheQlXAYAjI9RUxlKW6A9b/wCCK3/KRrwJ/u3/AP6Ry19xf8HIf/Js3gP/ALHr/wBsrivh3/gi t/yka8Cf7t//AOkctfcX/ByH/wAmzeA/+x6/9srilL+IgPxzPSv6L/8AgmT/AMmB/Cj/ALE+2/rX 86B6V/Rf/wAEyf8AkwP4Uf8AYn239adX4UB7rRRRXOB/MPQetFI2euK/sQ/lM+h/+CTpP/DwX4bD /qJXX/pFPX74p92vwO/4JPnP/BQj4bH/AKiV1/6RT1+925duM1+B+KH/ACPqf+Bfmz9q8Of+RTU/ xP8AJHzn/wAFbv8AlHx8Rf8AsH23/pXDX4Lmv6LP2tfgCv7UH7PniL4Gv4kbSRr1vHF/aCw+b5Oy VJM7cjP3Mde9fntrf/Buv42SMnw3+0lpszfwi80WSMf+Ou1ehwBxLk+TZfUo4upyyc7rRvSyXRHD xxkObZpmFOrhafMlGz1Xdvqz83Ac9Ka+AwOK+4vGf/BAv9sTQI2m8K+J/COtqq52R6hLBI30Dx4/ UV4z43/4Jd/t5+AjI+rfs461dRx5zNpLRXikDv8AuXY/oDX6dh+KOH8Tb2eJh83b8z87r8O55h0/ aUJL0Tf5XPpb/gkL/wAFL/gH+zb8NZf2e/jU17pH2rXJr218QiHzLQeYqLskC/MmNv3sEc84r9TP Anj/AMF/Enw/B4q8A+KbHWNNuF3Q3un3Cyxv+Kmv5uvF/wAM/iF8P7trDxz4E1jR7hfvRapp0kLL +DgV0/wD/at/aA/Zm11dc+CfxMv9HbzQ89irCS1uMdpIXBRh26Z9CK+M4g4BwucVZ4zAVUpyd2m7 xb8n0v8AcfW5HxvisppxwuMpXhHRNaSS9Ha9j+jlN235qWvz2/ZC/wCC7fwv+I8tv4P/AGntGj8I 6m6hRr1lvfTpX/2wcvDn33KO5Ffevhrxb4b8Z6Hb+JfCevWmpafeRiS1vrGdZIpVI+8rKSCK/IM0 ybMsnrezxdNx7Po/R7H6nlucZdm1HnwtRS8uq9UalFRhwxzTh9zivLPU3Py6/wCDlv8A5APwh/6/ da/9As6/KKv6bPi9+zh8D/2gksIfjb8LtI8TJpbSHT11a1EotzJt3lc9N21c/wC6K4n/AIdtfsH/ APRq3g3/AMFK1pCooxsB/OTRjNf0bf8ADtr9g/8A6NW8G/8AgpWj/h21+wf/ANGreDf/AAUrV+1i B/OQSR0rsPgx+z78av2h/E0fg/4M/DnVPEF87hWWxtiY4s93kOFQepYgV/QbYf8ABO39hzTLgXFl +yv4LVlOVZtFjb9GBr1Dwf4C8F/D7TF0TwN4R03R7NPu2ul2KQRj/gKACk6vYD5T/wCCV3/BMDQv 2G/Cs/jfx9NZ6t8QdatVS+vIFDR6ZCeTbQsevON78bioxwBn7EA2jAowPSg7u1Yybk7gfzX/ALc/ /J5nxQ/7HrVP/Sl69z/4IP8A/KRfw7/2AdV/9JWr9evEf7AH7GHjLxDeeK/Ff7NXhO+1LUbp7i+v rjS1aSeVzuZ2PcknJNafw0/Yv/ZY+DPi6Hx38KPgR4d0HWIInjh1LTdPWOVEcbWUEdiODWjnpYDs viT8OPCPxY8Bat8NvHWlJfaTrVjJa39tIOHjcYP0I6g9iAa/CL9vn/glN8ev2PfF+oa14c8OX/iX wE0hk03xFY25la3jJOI7lV5jdem7G1uoPUD9+QcJ8w+tNnht7uBraeFZEkUq0brkMPQj0qYy5QP5 XtpP3qXHGK/pO8X/ALD/AOyH491CTVfF/wCzb4NvbqVt0lxJoMIdz6kqASaxj/wTe/YOC/8AJqvg 3p/0CVrT20ewH85QGDkV2X7OP/Jw/gP/ALHPS/8A0rir3T/gsP4V+CHw9/bX1T4ffATwzpOkaXo2 j2kF9Y6NGqwpdlS8gOP4gGUH0PHY14/+yD4bvPGX7WXw08M6fEWlvPHekphRnC/a4izfgoJ/CtdH G4H7ef8ABZj/AJRzfEIf9O9p/wClcNfz+544r+ob4g/DbwR8WPCd14D+JHhe01rR77aLzTb+LfDM FYMNy98EA15f/wAO2/2D+/7K3g3/AMFK1hGfLGwHz5/wbu/8mL6z/wBlJ1D/ANI7Gvu+TO3Irl/h R8Fvhb8CPDcng74PeAtN8O6TLeNdyWGl24jjaZlVWkIH8RCKM+iiuqqJO7uB/P3/AMFW/wBi7x3+ yt+074i1weGp18H+KNWm1Hw7qkUX7j98xke3yOFdGLDacfLgjivl4LlQ/rX9SHjDwV4S8faLJ4b8 b+F9P1jT5hiax1KzSaJ/qrgivKrz/gnV+w3qM7XN5+yx4LLN126LGv6KAK1jU01A/nHgUecg/wBo fzr+gz/gol+xmf21/wBkA/DjRZo4fEGmww6n4Zml4X7VHFjyieyyKWTPYkHtXTn/AIJufsIqMp+y t4Nz/wBgla9rtreO3iWGONVWNQsaj+EAYxUyqc1gP5efiL8NvH3wj8YXnw/+JnhO+0XWLCVo7qwv 7cxuhB64PUehHBHIzWKBjmv6c/id+z/8E/jRGsPxZ+E/h/xEI/8AVtq2lxTMn0Zhkfga4L/h25+w iTk/sreDfw0lar2yA/nJIB4IpAgByBX9G/8Aw7c/YQ/6NX8Hf+ClaP8Ah23+wf8A9GreDf8AwUrR 7RAfjn/wRW/5SNeBP92//wDSOWvuL/g5D/5Nm8B/9j1/7ZXFfYfw+/Yj/ZO+Efi218e/DL4AeGtF 1iz3C11LT9PWOaLcpVsMOmVJH0NdH8XvgL8IPj5o1r4e+M3w50vxJZWN19ptbXVbYSJFNtK7wD0O 0sPxqXP3rgfzGnpX9F//AATJ/wCTA/hR/wBifbf1qY/8E2v2EO37K3g3/wAFK16z4J8GeGfh54Ws fBPgrQrfS9J023EGn6faR7Y4Ix0VR2AolPmA1qKKKzA/mJEUxOFib/vk1INL1VhldNuCPaFv8K/p mtdI0mzXZaabbwr/AHY4Qv8AKrH2W2xlYF/75r9el4r1ebTCr/wL/wC1PyuPhnHriP8AyX/gn82f wm+I3xL+BHxG0v4tfDuWSx1vRZml0+7ksxII2ZGQ/K4IOVZhyO9fV3g//gvH+3B4cVU8Qab4S15V +81/okkTH8YJEAP4Gv2cNpbsPmgX/vmq114e0O+XF/o9tN/12t1b+Yrycdx1lubTUsZl8ZtaX5ne 3a9j0MHwXmeWrlwuNcV2tpf7z8vPC3/BxN4xhCp45/Zs0+b+/JpeuSR5+iyRt/6FXpnhH/g4S/Z0 1Jo4/F3wh8VaWzH55LcwXCL7/fVv0r7c1X4JfBzXwU134UeG7xW5YXWhwSZ/76Q1zOr/ALF37JGt Bl1D9mnwO27q0fhm2Qn8VQV49TNOEKz1wMo+cZv9dD1qeW8VUdsZGX+KH6o8p8Df8Fkf2BfGyp53 xffR5G4EesaXPFz9QrL+teteDf2vf2W/iHtHg/4+eE75pMBY01yFWOe21mBz7YzXH63/AMEyP2Ed eBF3+zV4djZurWtu0R/8dYVxPiL/AIItfsB68jCH4W3mms3/AC00/Wp1YfTczfyrikuFK3wOrD1U ZL80zsi+KKa95U5+jlH/ADPpjV9A8F+ONJ+xa9pGm6tYzDPl3MCTxsPXDAivDPit/wAErP2GPi6k smrfA6w0y5lB/wBM0CRrOQH1xGdufqprzqw/4IyfD7wA7XHwC/ab+J3gl2bcsWma6DCW/wBpNq7v xNadl+yj/wAFLvhq+fh/+3rYeI4V5W18Z+Fw272LozN+tOj7HCyUsFj+V+anD8romt7TER5cZguZ eTjL87M+f/jR/wAG8tuxmvvgB8cmUdYdO8U2YbHoPOhA/wDRdeJeFPCf/BUz/glz4gbVtJ8Kapce G7ebzLy3t86hpNymeSyoSYsj+LCEetfoXY/F7/gpX8NIVT4lfsw+FfHVvH/rL/wL4m+yzEepguwN xPopFbnhn/goP8M5Ln+yPjN8N/Gnw7u84f8A4Svw7KtqT3xcxb4se7Fa+go8TZ/7F0cXGGKpdU2m /vXvJ+qPDqcP5LKsquFlPD1Fta6X46W+ZxP7FX/BXf4AftSCHwh4vmj8F+LpCqf2VqlyPIu3/wCm EpwDz/C2G9M9a+tkl3rwd1fMXxg/4J//ALCH7bGkT+M9J0bShf3mWXxN4Nuo45PMP8beXlHPruBJ 71xfgbQ/27/2AIl07Wbu4+Nnwzt8JG1r8uvaTEOhCOT56hcfKGJ4/hFfPYzCZTjpOeBbpz6059/7 sv0dj3sJi81waUcalUh0qQ/9uj09UfahcdqcDkZrjfgz8c/hn8ePDCeLfhp4ljvrf7txCymO4tJO 8c0TAPE47qwBrsgc9K+eqU505uM1Zrue/TqQqRUou6YUUUVJYUUUUAFFFFABRRRQBleOrie08E6x dW0rRyR6XcPHIpwVYRsQQfUGv5yLv9uL9saO8mjj/ab8bKqzMAP+Ein6Z/3q/pA8R6U2u+Hr7Q1m 8s3lnLB5m3O3ehXOO+M1+V8v/BtbrNxO8x/aytvmcnH/AAiTcf8AkxWlNxW4HwX/AMNy/tkf9HO+ Nv8Awop//iqbP+29+2FcwtBP+0z42ZXGGX/hIp+f/Hq+9f8AiGl1j/o7G2/8JJv/AJJoP/BtNrAG R+1lbf8AhIt/8k1pzUwPy8v7+/1O+m1PUryW5ubiRpLi4mkLPK5OSzMeSSe5r76/4IJfsf8AiL4n ftB/8NQeINLaPw34LEi6dcSr8t3qLoVVU9fLQlmPYslfQnwT/wCDc/4J+Etfh1v42/GbVvFkEMm9 dL0/T10+GT2dt8jkf7pWv0E+HPw18C/CfwbY/D74ceF7PR9F0uHyrHT7GERxxrnPQdSSSSepJJOS amVRWsgN5elFFFYgDHAzimeZtHzClY4Jr5g/4Ks/tg+If2Qv2am1/wAESCPxF4h1BdM0e6ZQwtWK M7zYPUqiHH+0RXXgcFXzHGQw1H4ptJHLjsZRwGFniKvwxV2fTn2uMPsLLn03U9JQ4yPyr4C/4J0/ sP8Ah7xz8FrX9rz9pbx1r2ueMvFdjJe2ms3WvTxyaVaEkqUdXBDcbic4AOAMZz7P/wAE5P2rbz4+ fAzXNY8aa+t03g/xJeaTJ4juCI01C1iO6K5YnADGMjd7jPeu3HZT9WdX2M+dU2oydrau607q6t+h w4PNvrEabqw5PaJuKbu7LXXtoz6Vkk2rkCuT+Hfx0+FPxY1XXND+HXjmw1e88N6i1jr1taSZeyuA SCjggY5VhkcEqeeDXm3x2/bo+Bngb9n7xn8VfBPxO0XWrjw7pbmKHT75JM3LkxwrweQZMDIyODX5 2/sn/Cn9rmH4deHovgz8UdH8I+KPi5rb+IdT1fUtWWHUL21gm8uOOKM581f3txOQeHBxnsezLeH5 YzBVK9afs7NKPNom7NyvpeyWpy5hn0cLjKdGjH2l027au2yt0u2frR49+Knw/wDhZoqeIfiR4w0/ Q7GS6S3jvNSulhjaVz8qBm4yewrchvYbiFZ4ZFZHUGORTwwPQ1+T/wC234a/as+M37S3gn/gnlrf 7R0fji4uLmDUtSvo/C8dkNPbDkyS7JD5gSHc+Mr1UdTX2zpXhPxdob6X8JPix+29Zx3UKQxw6P4d 0210q6njVlEaZeSWQAjauVIJzweazx2SU8HhaNT2qcppysk/hvaL2vrrvYrB51UxWKqw9k1GDUbt rWXVb20+Z9FrJkZYUGT5ScV4Dc/t0eGPDX7X2s/steOPDf8AYlnpHhdNXTxdqmopFb3AIQsoVgOB uxuDHlSMV03xj+N/hTWP2Zdf+I/ws+NHhqxju9Lmt9D8VXl8psYbxgUjLOuekhA7kHseleXLL8VG UFKLSlaztp7221/8z0o5hhZQk4yTcb3XXTc9XSXf0FO3e1eHfsq3njv4D/spaNqn7XXxr03UtUhi kuNS8RXV8nkLG7lok844EgCEfN3zx0Fdlo37Tv7P3iCfSrbRvjBoFxJrl01tpKR6khN3MoUtGgzy wDLx/tD1qamDrQqSjBcyTauk7O3mXRxlGdOLm1FtJ2bV1c2Piv8AGb4a/A/wt/wm3xX8XWmh6SLi OA316xCCRzhV4B6mug0zUrTVrGLUrC5SaCeNZIZY2DK6sMggjsRX54f8Fbtfvf2nf2lPhd+wF4Kv WkN1q0eq+IlhY/uchlXdj+5D5r/8DFfoR4Z0Sx8M6BZ+HdMi2W9jax29uv8AdRFCgfkK68bl8cHl 9CtKT56l3btG9k/nr8jmweYTxeOr0or3KdlfvK12vloX6KKK8o9QMD0ooooAKPwoooAKMZ6iiigA wPSjA9KKKADA9KCAeCKKKAGhAOg/Oo7qytLqMw3VvHIrcMkihgR+NTUEZ6ijbYLJ7nF2XwD+Euke Lv8AhO/Dngey0jWGb/SNQ0dTaSXI/uzeVtEy+zhgO1dcsI8vB/WpdvuaTbjvTlKc9ZO/qTGnCHwq x5v4x/Z08Map4tf4oeA5m8L+LzCI31zSo1X7YoORHdRfduU/3vmH8LKa6rwlq/ieWH+yvGelx2+o RRjzJLUlre4H99CeRz1RuRn+IfMd/bxgmkMeWzn9KqVWpOPLPWxEaMISvHT8hU+6KWgcDFFQahRR RQAUUUUAFFFFABRgelFFABRRRQAUUUUAFBOOtFB6c0ARTywwq0k7hVVdzMewr8uf+CgfxvuP+CoP xP0/9i/9lX4enWpvDOtveXvi64uvLtY2RGikI4I8obsbzyxxtB4J+6v299b8V6B+xx8StX8EGVdT i8I3n2d4c70BTDsMcghCxz2xXwB/wRw+Hni7x1+yl8WrL4C+O7Lw78RdQ1W2tIdZu4yz2dn5YYMu PmUsTKA3YgHqOPtOGaFLB4Krm8rc9OUYxveycvtStq0l0PjeJK1TF4ynlSXu1IuUrWu0vsq+l2e2 fsC/A/8A4Kj/AAe8a6J8NfjV4o8LN8M9Dsms5tJe4guZHtwrBFi8tQ4OccuQNvBBrM/4KdateeI/ ih8Of+Cc/wACba18O2/jzU0vfFUOjW6W6valyPmCAZGI5JG9fLHWvUL79k3wt+y98GdL+IFj411y 6+JFjdWQk8ST6/dSPrN/LNGjwNE7lXik3MBGV4HIwQTXQ/tK/sN+Ifij+0p4L/a4+EXxGtfD3jHw pbNZv/a2mm7tbq1ZZVwVV0IYCeXHODu7YzRDNMLLOPrlXlStK3LHli5pe7JpN9Xe/wCASy3FQyv6 rT5m7xveV2oNq8U9Omlj5S/bx+CHwi8fftLfCv8AYA/Z98Kw2M1jplsvjLULVmH2fS4XeVIpTnBY AzzFiMlpUJPOBnaH448BfF3/AIKCat8fLK5jt/hL+zj4b+zaTJb/ACW7PbxvHBDF675txAGcqg9Q a+mtG/4JmX+i/tKap8covjZd3Fv4o8Pix8YLcWA+3XspYGYxShtsCSgKpCqSq5VSM5GZ8Pv+CUNl 4Q+E3jb4LX/xJgm0LW9R1C98OwWmlmJrWedCkUty28+eYV+VFAVV5bkkbfQp51lcMLGk6rdoct7O 95v94/W2i8vuPPqZLmU8RKoqaV5X6WtBfu16X1fmfMXwK+NWofCf4afFT/gq18U4lm8W+OdQuNJ+ HOnzHJQs20suf+WcYCL/ALsBHVhnuPhp8PfH/wAGv2XfAPxo8R/C6D4ieNvi58QNP1Xxh/aEMl3q P2ASfaY0t0WRXZ40TzMA7Vb7w2jj2s/8Er9P8W/shL+zv8T/AIgw3OsWOiw6foGraXYGO10wRSiU OkLMSzyyLumckF84G0ACvUf2Z/2XvHPw6tdB1r45fEe38Ua34X0UaR4d/s+xNtZ2NqFClxGWJad1 VQ0hxwNqgDOefH55l06M5U2m+e1tdYRjaEVtZJ6vbXU6cHk+YQqQjUVly3vppJu82+76LfQ+cf8A gpp4svPB/wAAfE3xj8f/AA7t7fxV48az8L+BdI1KKG5u9LtNrvK3y7lSZy0jHYTt/dgkla+ffjB4 N8aeHvgv8I/+CUPw6Am8SeIryLXfHUiy5W0lmYyLbt2CxoS757xqe9foT+2f+yBrX7TurfD/AMUe GvGVlpGo+BPEh1KBdU003dtOrBQQ0QZdzqURlycdQetcRc/8E0Y7X9pe2+OXhr4pTWtvdeGZdL8S edal9Qu5ZZA81xFPuAhkkGULBTsViExwVWV53l+FwNOM370eadtWlJLlgvRK703e4sxybHYjGTlB aPljfS/K3eb9W9PJbHzufs/7d/7ePhn9kjS7iS6+E/wZ02MalbNMfK1aW2VIyzgH5laQhB1yiseN 2Bi+Lbf4XfGv/gqBda94H0uz0H4c/BuRtb8X6xDuW3kvIFUSSdSAS0UUSqoGRCSB1r6h0r/gnBrn wt/aV8Q/GT9nj4tw+FdF8aaWll4k0n+yvOnt1G3c9nIWCxu23IZ1bazE4PAGD4L/AOCSWl+FPD/x K+HEvxUk/wCEV8bXUt1Y2NvZn7TFMYysX2iYsTPHEzF1QbdzHLE9K6IZ1ldN3hUaXs1GKs95P95J 6WctXbp5mMsnzOpG0qd3zuUndaqK9xLrbRXPKP8AgnjLqXjX4q+Nv+Cg3ivw59q8RfELxQ2hfDjT 7zJYwlh5soxkhI4YwrOOiwuO/P6TW+duW698V4d+xx+yHdfs2+B9E0Lxl4xt/EGqaDo50zS57Ww+ z29lbGTzHEaEsfMkbDPITlsAYAGK9ziGK+UzzHUsfmEp0/hWkf8ACtEvkvxbPp8jwVTBYFRqK0nq /V6u/wA9vKw6iiivHPZCiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooo oAKKKKACiiigAooooAKKKKACiiigCvfWFlqNrNY39rHNDNGY5YpF3K6kYIIPUEV+TP7dHg4f8Evv jXD8XP2OvEuqeHbjXpmTUNHmmSfT2Q5bYIimdoPQFjt7Yoor7bgf95j50Z6wlF3T1T9Vs/mfG8Zf u8LTqx0kpKzW69Huj7W/YxtdQ/aE8N6L+0H8ZvEN7r2tWsW7S7W58tLLTpGXDSwwxoo8wgkeY+5g CQCAa+lIlVo8kUUV8/nkY08znCKslslsvRdD3snblgYzlq3u+r9WP2L/AHaTy0/u0UV5CPUDy0DD C0BV447UUUuwC7VznFII0HRaKKYA6KB92kCqzciiigGOCKOi0oAHQUUUwCiiigD/2Q== ------=_NextPart_01D6E354.C0207940 Content-Location: file:///C:/2C48CB21/01Incidenciametodologiasadministrativas_CesarCasanova_archivos/image006.jpg Content-Transfer-Encoding: base64 Content-Type: image/jpeg /9j/4AAQSkZJRgABAQEA3ADcAAD/2wBDAAIBAQEBAQIBAQECAgICAgQDAgICAgUEBAMEBgUGBgYF BgYGBwkIBgcJBwYGCAsICQoKCgoKBggLDAsKDAkKCgr/2wBDAQICAgICAgUDAwUKBwYHCgoKCgoK CgoKCgoKCgoKCgoKCgoKCgoKCgoKCgoKCgoKCgoKCgoKCgoKCgoKCgoKCgr/wAARCAGhAh0DASIA AhEBAxEB/8QAHwAAAQUBAQEBAQEAAAAAAAAAAAECAwQFBgcICQoL/8QAtRAAAgEDAwIEAwUFBAQA AAF9AQIDAAQRBRIhMUEGE1FhByJxFDKBkaEII0KxwRVS0fAkM2JyggkKFhcYGRolJicoKSo0NTY3 ODk6Q0RFRkdISUpTVFVWV1hZWmNkZWZnaGlqc3R1dnd4eXqDhIWGh4iJipKTlJWWl5iZmqKjpKWm p6ipqrKztLW2t7i5usLDxMXGx8jJytLT1NXW19jZ2uHi4+Tl5ufo6erx8vP09fb3+Pn6/8QAHwEA AwEBAQEBAQEBAQAAAAAAAAECAwQFBgcICQoL/8QAtREAAgECBAQDBAcFBAQAAQJ3AAECAxEEBSEx BhJBUQdhcRMiMoEIFEKRobHBCSMzUvAVYnLRChYkNOEl8RcYGRomJygpKjU2Nzg5OkNERUZHSElK U1RVVldYWVpjZGVmZ2hpanN0dXZ3eHl6goOEhYaHiImKkpOUlZaXmJmaoqOkpaanqKmqsrO0tba3 uLm6wsPExcbHyMnK0tPU1dbX2Nna4uPk5ebn6Onq8vP09fb3+Pn6/9oADAMBAAIRAxEAPwD9/KKK KACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAoooo AKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigA ooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACi iigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKK KACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAoooo AKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigA ooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACi iigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKK KACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAoooo AKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigA ooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACi iigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKK KACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAoooo AKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigA ooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACi iigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKK KACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAoooo AKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigA ooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACi iigAooooAKKKKACiiigAooooAKKKKACiiigAoorx7xl/wUN/YD+HPiu/8CfEP9uH4QaBrmlXLW2q aNrfxK0q0u7OZfvRywyzq8bjurAEUAew0V4Uf+Cof/BNAf8AOQ/4Gf8Ah2tG/wDkmt/4aft3fsQf Gjxhb/D34Oftj/Cvxbr94rtaaF4Z+IWm395OEUsxSGCdnYBQScDgAk0AerUUAg9KKACiiigAoooo AKKKKACiiigAoopryIgJY4wMmgB1FRx3VtNzFOjDOMqwNPBB6Uk09g6i0UUUwCiiigAooooAKKKK ACiivIfHX/BQX9gr4X+Lr/wB8S/22/hF4d17S5vJ1PRNc+JGl2l3ZyYB2Swyzq8bYIOGAPIoA9eo rwv/AIeh/wDBM/8A6SIfAz/w7Wjf/JNbPw8/b7/YT+LvjKx+HXwn/bT+E3ijxDqbsmm6F4d+I2mX t5dsqM7COGGdnchFZjtBwFJ6CgD1uikVgwyKWgAooooAKKKKACiiigAooooAKKKKACiiigAooooA KKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAr4Z+O3/BuV/wSg/aS +MfiX48/F74EanqXibxbrE+p65fL4svohNcysWdgiyBVGTwAAAMV9zUUAfy4/wDB0l/wSs/Yx/4J oal8Hm/ZF8AX2gp4xi1k63Fd61PeLIbY2nlbfOYlMec+cdcj0ryL/g1gw3/Ban4Zgj/mG610/wCw dPX3R/wfFf8AH/8As6/9cfEv89Pr4X/4NXv+U1Xwy/7Butf+m6egD+upQAPxpaB0/GigAooooAKK KKACiiigAornfAfxe+FvxSvNa0/4b/ELR9dn8Oao+m6/DpWoRztp14n3reYISY5B3VsGuioAbIxR dwx171+ZX/BQj9vT4j+J/iDqXw4+HniKew0XTrmS1SPT5ijXbKQrSSMpyRuBwOmK/TO5QSQNG2cM CDivxW/am+Ffin4PftCa/Z+ILKR1g1CV03g4eNm3I4PcEEGvyrxVx2YYbLaFKjJxhOTUmtL2Xuxv 2er87H6x4TYHLsVmlerXipVIRTinra796ST6rReV2S/Bb9pz4/fCnxLFruneNtRglEgbynuGaKUd SroxIYH0xX6HfsKf8FLvhP8Atk+LPEnwVht30T4g+DIIbjXfDt0c/aLORU8u+tmH34WZgpH3kYhW 6qT+X+m+I/8AhLL0SR2xRI+CeleU/wDBLX4y6x43/wCDjjQpfhFetPp1v4c1DRNfmtiGjntIbOR5 t56bVnEeD/ejXFcPhLLHOhiPaXULqy6J+X6noeL8MBHEYf2SXPZ3el2vP06ep/RhRRRX7Gfi4UUU UAFFFFABRRRQAV8zftM/8Ecf+CZP7XV9rPiH46fsa+C9S17Xpmm1TxTZaWLLVp5iu3zWvLfZK7AY +8xHAyDivpmigD+NT/guv/wS+sP+CVX7ct38EfB+q3uoeDfEGjx6/wCC7rUWDTpZSSSRtBIygBni kidN2ASApI5rV/4Nr+f+C3PwGXpnWdVH/lFv6/QL/g+D8OWMXj79n3xikarcy6Rr9nK4Xl41lsnQ E56As/H+2a/Pz/g2t/5TefAX/sNar/6Zb+gD+xZBgEZ70tIvf60tABRRRQAUUUUAFFeZ/tj/ABWm +B37Lnj34sWt2YLjQvCl7c2kwbBWcREREe+8rj3xX5h/sW/8HD3jrwp9m8Dftk+G38QWW4IPGGjR JFeRDpma3UBJR6lNh9mNceIx+GwtWMKrtfr0+Z9dkXA/EHEuV1sdl1NTVJpON7Sel3yp6OytdXvq rJn7EUVwfwE/aU+B/wC0x4Nj8efA/wCJWm+IdNcDzHs5f3kDEA7JY2w8Tc/dYA13BuIcH94OldcZ RnHmi7o+Wr0K+FrSpVouM4uzTVmn2aeqJKK+MP24f+C1H7M37JYvPB3g28Tx34zhBT+xtIu8W1pJ j/l4uQGVcd0Tc3GDt614d/wSL/4KufG39rb9rzxP8Nv2gfEVsLfXtEN14R0qyt1it7GW3fLwJgbm LxOzFnZifJ9wBxSzHCRxEaKleT002Xqz6/D8AcUV8grZxKjyUaceb3tJSV1dxja9ktbuysnZs/UC iiiu4+LCiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiig D+fz/g+K/wCP/wDZ1/64+Jf56fXwv/wavf8AKar4Zf8AYN1r/wBN09fdH/B8V/x//s6/9cfEv89P r4X/AODV7/lNV8Mv+wbrX/punoA/rrHT8aKB0/GigAooyD3pCwHU0ALRSb19aXIxmgAryv8AbY/a o8FfsVfsreOv2oPiBPGuneDfD8995TyBTczhdsECk/xSStGg93r1GWaKKMyyyBVUZZmOAB65r+a3 /g6w/wCC0fhb9qLxhF/wT5/Zl8Yx6h4L8Kap9o8e63p8weDWNViJEdtG6EiSGA5JPIaXGP8AVgkA +xP+DNzx94o+K37N3x9+J/jXUPter+IvjM2papc9PMuJrKKSRsdssx47V+yNfil/wZIf8mV/GP8A 7KjB/wCm2Cv2toACAeory79pT9lP4a/tKeFrjSfEtilrqwtXj0vXYYszWjnoSMgSoDjKNwQTjBOa 9RJA60h2g8gflXNi8HhMfh3QxNNTg91JJp/JnThMZi8BiI18NUcJx2cW0180fhr+1B/wRQ/4LeeL NVu/h18K/il8Ih4WvZWi/t3Q7m5025kgbALTLKsrxHBOVhZuhwxr7G/4Ijf8ELPBX/BKzSdW+Jvj zxpa+L/ip4lsxZ6prdjAyWenWhZJGtLXf87BpFVnlYKX2J8q4wf0E+U8cUKVI+XH4UsHgsJl+HVD DQUILZIrG47GZjiHXxM3Ob3bFooorqOQKKMj1pNwPQ0ALRRRQAUUdKQyIOrUALRSb1PO6gMCcA0A fz+f8HxH/H9+zz/1x8Q/zsa/Oz/g2t/5TefAX/sNar/6Zb+v0T/4PiP+P79nn/rj4h/nY1+c3/Bt 5f2+m/8ABbP4C3NyxCnX9RiXAzlpNJvUUf8AfTCgD+xxe/1paRRgf40pIHJNABRSb19aN6+tAC0U Ag9DSPnacUAfEf8AwcAfE9PAn/BPvUvCUdwEn8X6/Y6cq7sFo0lF0+P+/Cg+xr8HMHoxz6n1r9l/ +C5fwm+PP7YfxU+Fv7LH7P3gq61e4tLe/wBZ1ycAraWQkMcFu88p+WPiO4wDy27gGof2Wv8Ag3N+ DPhPT7bxB+1L47v/ABRqgAaTRdCnNrp6HrtMhXzZfTIMY9q+WzHB4rH5g1TWkUld7dz+m/D7i3hn gbgWlLHVf3taU6nJFc07X5VddLqKacmlqfkt8IPjX8WPgJ4wh8e/B34gap4f1eD7l3pt0Yy4yDsc fdkUkDKsCD3Fe/ftE/8ABY79uH9pH4dW3wu8TeP7bRtPW18rVpPDNqbOXVefvTOrEgEcFI9iHJyu Div20+HH/BPX9iH4WWyW/g/9lPwNE0Ywl3e+HYLu4/7/AE6u/wD49XX6p+zP+zjrNkLDVv2fvBF3 AkZRILnwpZyIF9ArR4x7VpTyXGU6bgq1k91rb9Dz8x8YeEcdmNPFVMp9pOHwzk4cy/B/LXR6rU/l 2JYks5+Ynk46++a9D/ZM+N+ofs3/ALSngn422EzBfD3iK2ubxFbHm228LPH/AMCiZ1z/ALVfux8a P+COH/BPz402syXXwCsPDV1KDtvvB2NOeM+qpGPK/NCPavzx/bS/4N+fjh8GNPvPHP7NHiN/HeiW ytJLo9xGI9WhjGT8qqNlxgf3drHjCHtwVsoxuEfPD3rdt/uPu8p8WOC+KKUsDiW6LqJxtUSUWpKz Skm0t/tcp+0vh3xBpvinRLPxFotyk9nf2sdxazoeJI3UMrD2IINXq/n2+DP/AAWa/wCCgf7NOh6f 8MLXxXp97p/h22j0+30jxRoKyPbxwqEWJmXy5RtChcFsjFfQXw9/4OXfjBY+XD8Vf2cPD2oD/lrP oGp3FofwSYy/+hV7dLPcFNLnun6f5XPxbMfBTjPCzk8NGFaPTlmk2umkuXX0bP2Hor8+fg7/AMHE X7LPxL1/TfB/iH4T+OdF1PVb2K1tlt7a3vYTLI4RV3LKr8sQOENfoHbsXTJz1/ir0qGJoYlN05Xs fnmdcO53w7WjSzKhKlKV7XtrbezTaY+iiitzxQooooAKKKKACiiigAooooAKKKKACiiigAooooAK KKKACiiigAooooAKKKKAP5/P+D4r/j//AGdf+uPiX+en18L/APBq9/ymq+GX/YN1r/03T190f8Hx X/H/APs6/wDXHxL/AD0+vhf/AINXv+U1Xwy/7Butf+m6egD+usdPxrmPi/8AGT4ZfAP4b6x8XvjH 4z0/w74Z0G0a51fWdTuBHBbRrjlie5JACjJYkAAkgHpx0/Gv5s/+Dw//AIKO+L/H/wC01Yf8E5/B esy2fhjwHaWuqeL7eCTA1LVbqBJ4Elx1WG3kjZR03TsTyowAfRfxA/4OXf23f29f2kJ/2XP+CIn7 JFt4j8rcx8Z+MIGJMIbabtomeOKzgyRhp3LNkDap4r3nw1+zB/wdJeI9CHiLxZ/wUT+Cnh7UZIxI dBtvBQuoo2xnZ5ot+eeM818of8GbP7b37MmieH/Ff7CV74Ni0T4m67qc+v2XiEnd/wAJDaRxIv2X J5R7cB3VM7WV3YfMGz++yLtQL6CgD8H/ANpv/guH/wAF2P8Agjr8U9N8Jf8ABRb9nT4efEPwvqsr DSPFHh1JbGHU0UDcsNzFlYpRuBMc0G7HQY+av0Q/4Jsf8FyP2RP+CnPwo1vxH8F/7RsfG3hjRpb/ AF74a6iq/wBpoqITut8fLcxswCB05DEBgpIzW/4OJP2fPCv7Qn/BID4yaVr2lxS3fhnw7/wkmh3L KN9td2MiThkPGC0ayRnn7srV/Jf+xv8AtWfE39in9pjwf+0z8I9cmstZ8K6zFdqsL4W6gDYmtnHR o5IyyMp4IagD9e/+Cp//AAUr/wCC/v7demap8HvgJ+wN8VfhP8N75XgubbSfDN4+r6rbkMClzdBB 5aMD80cQUdizjOfxR+J/wz+Inwc8fal8NPix4N1Hw/4i0mZY9U0bVrZobm1dkVwro3KkqynB7EV/ d98L/HWj/FL4b+HviZoBBsfEWh2mp2RHeKeFZU/8dcV/Hl/wcOAf8Ppfj+Mf8zhD/wCkNtQB9P8A /BvH/wAFPf2zP2Dv2e/Hngf9mf8A4JjeJ/jtpuueMo7/AFDXNB1i4tk02cWkcYt2EVlcAsVUPksv DdO9ffGof8HJ/wDwVE0qc2t9/wAG9fxHSQAEqPEOot+o0Yisf/gyRO79iv4xbuf+Lowdf+wbBX7W bV9KAPxtvv8Ag5J/4Kiadoj+I7//AIN7/iJFZRx+Y8zeI9QO1fXaNHz+ldf8K/8Ag5E+IvxX+GWj fECP9kjTdDn1KBpLnTLzxVLcNbsHK+WW+zRnIKnOQOvQY5/WKYZTg8g8V+AX7aHjbwf8RP2tPiP4 t8BQxLpc/jG/jgaBQEkaKZopJBj+/Ijv/wACr43jXNcflOX06mEnyycrPRPSzfVM+34FyjLs4zGr SxkOeKhdK7Wt0ujR9h2H/BfL416lBeyeG/2Ml8V3trYyT23h7w3rEzX1+64xFCDE2WJI4x615v8A Fv8A4Oh/2jfgH4Tn8d/Gj/git8WvC+i2237Tq+tai9vbRbmCLukazCrliAMkZJFc3/wSe0UH9qDw 94hdOf7Zht4zj2Zm/wDZa+u/+Dk7SrPU/wDgi78aRdpkW+l2M8eOzpf25Brm4FzvH51hsRLFT5nC fKnZL7MX0S7m/H2SZdkmMw8MJDkU4cz1b+1JdW+x+fL/APB8RpJnKQf8E67kpuwhf4kqCR6kfYTj 86/WT9pr/gqV+yh+xb+yr4e/ao/am8bxeGrLxNoNvf6PoMBNzf6hNLBHKba2iUBpmXzFUvhUXILF Qc1/ErCT5oJbHua/UT/gnD/wTt/bQ/4OMv2jIvjH+0x8S9U074Y+BtO0/RNR8SC2wqW1tAkcWl6b GfkEhRAzvyEMhd9zOA33Z8CfQP7UX/B6p+0H4g8Q3Olfsefss+GtA0dJCLbVPGtzNf304zw/lQNF FF/ukyfWvH/DP/B4/wD8FUND1yK+8R+Dvhhq9rG377T5vDc0Ik55G+O4DDj0r+hL9lP/AIJb/sE/ sZeBbXwD8Bv2XPCemwwQhJ9SvtLS9v7tsDc81zOHkckjJy2OwAAArwf/AIKpf8G+/wCw5/wUG+Eu rP4U+Emg+AviXb2ckvhvxn4Z0xbQm4AJWK6ih2x3ETtgMWBdc7lYHIIBxX/BIX/g5d/Zc/4KWeIb H4FfEbw0fhn8UruMDT9Bvb7z7DWnCsWWzuSq/vAFz5UgVjnCl8Gv0uRtwzjFfwTavp/j34IfFO60 Wa5utF8SeE9dkgeS1mKS2V7bTFSVdTkMrpwR6V/ZD/wSA/b+tv21f+CXngf9r74l61bW2o2+h3Nv 45vHIRIbvT2eK5ncDhQyxefjHSQYoA9m/bF/bL/Z9/YR+BWr/tEftKeOYdC8OaSoXeyl57y4ZSY7 a3jHMsz7SFUehJIUEj8Bf2tf+DxL9tP4xePH8DfsGfArR/COmXF19m0i51ixbV9Zv2Y7VxEpEUbN xiMLIQf4jXxX/wAFxf8Agrf8Q/8Agqn+1bf+Io9TubX4beFLyex+Hfh/ftRbYOR9tlUcNPOAGYnJ VdqA4XJ/Uv8A4M7/APgmp8NIfg9q/wDwUl+JHh221PxTqOt3GjeBJLmLcNJtYVC3NxGDwJZXcpux lVjOD85oA8V8N/tIf8HmPiDSk+LOm+DPHT6Uief/AGZd+BNEhMideLd4VuCMdhzXqX7B/wDwdufG T4f/ABot/wBnH/grf8B4/Dci3iWWoeMdK0mewutJlZgu+90+TJMYzuZ4tpVeQj5r97UACgAYx0zX yD/wWA/4JFfAP/gqf+znqvg7xR4asNP+IWm6fLL4D8bR24W5sL1UcxRSuuGltXY7XiYkYbcMMoIA Pyn/AOD1Pxn4V+I2gfsz+PfAviC01bRdZ0vXL3StUsJxLBd28gsGSSN14ZWUggjsa/Or/g3f/wCU 0nwA/wCxvm/9IbmvD/2jPiN+0r4a8NWH7DXx/wBRuli+DfibWLPTtF1AbpdHuZZI0u7ZWPPl+Zb7 gvQFmI+9XuH/AAbv/wDKaT4Af9jfN/6Q3NAH9llfMf8AwUl/4K1/sb/8EuPh/F4q/aS8cOdZ1GJ3 8O+DdGQT6nqhGRlI8gRxbhgyyFUB4yT8p3P+CnH7fHw+/wCCbH7HHiz9qbx6i3UulWvkeHdHMm1t U1OUFbe2B7Atyx7IjHtX8immeI/2kP8AgsX/AMFHvD9j8WPHV1qvjL4s+N7TTp9Ql+aPT7eafBWK MEBIYIi5WNcAKh7mgD9fPBf/AAc4f8Fav+Cg3xNu/h5/wTC/4JwaPe29u+GuNUkn1GW3Q52vcXAe 2tbbIB+VifZjXrHiP9sD/g7f/Z/0H/haPxL/AGEPhj4y0e1h83UtD8PXFtc3cSDO4COzvjKxwP8A lmJB7Gv1I/ZB/ZG+BX7EXwH0T9nf9nzwTa6LoGiWyRgRRjzrybYA9zO/WWZyMs7ZJ+mK9NkQOpXH XrQB+XX/AATZ/wCDpT9kX9sXx9afs/ftIeDrz4L/ABHurv7Fb6fr12ZdNurwME+zrclEMEpYkBJk QZG3cWwD9bf8FIf2yf2jP2Ovhjonjf8AZs/Yf8R/HS+1LVmtdT0XwzqBgk06ARlhcMRDLuUthcYH Jr8zf+DuT/glF8Mdd+BLf8FL/g34Pi0zxj4e1O2tviCbKPYmq6dKTEl3Io48+KUxKXxlkc5J2LXM /wDBr1/wXu8VfEDXtI/4Jr/tk+MZtRv3gMPwt8YajNullWNP+QVcORl22qTFIxydvlkk7KAO+/aA /wCDpv8Aah/ZRt7XXP2kP+CK/jTwRDqc/wBns73xF4se2S5kVd/lrI+n4YhSTtz3Nef+H/8Ag9sl 8T65ZeGPD/8AwTZu7u/1C6jtrK2h+JKlppZGCoi/6D1LEAfWv1W/4K1f8E+/Cf8AwUu/Yf8AF37M utrBDq9zbC/8IanKP+PDVoPmt5M9lY5if/Ylbviv4ufiJ8PfH/wX+Jer/Df4gaDeaN4i8N6tNZap Y3CGOW1uYZCrqfQhl6j6igD+rH9n7/gtJ/wUj+MHxt8KfDHxp/wQv+JXhLRdd121s9X8VX+vu8Gk W0kqrJdupslDLGpLkbhkL1FfpSrbk3AfhX59f8G5P/BUKx/4KOfsIaZpXjvxBHP8SvhrFBoPjOKZ x516iRKLbUccZEyDDH/nrFJ6jP6BzTQQwNLNKqxqpLMzYAHuaAPyV+MX/Bw//wAFFv2fPh5qHxa+ Nv8AwQc+IHhnwzpMXmanrmreM/LtrZSQAXf7DgZJAHuQK5L4A/8AB0P+2F+1f4Zu/G37N/8AwRP8 c+NdIsbz7Jd6j4f8XPcQxT7QxjLrp+N21lOPcV4N/wAFMv2qPjV/wcU/8FC9H/4JY/sKeIJI/g14 R1X7V428Z2wL2l68JAm1CQjG63hO6KBM4llbfyCpX9x/2QP2T/gz+xJ+zt4Z/Zo+A/hmPTPDvhqw WCEYzJdy9ZbmZv45ZXy7N6tgYAAAB+cfxD/Y8+JX/BXf9mnWv2sfEn7EWrfs+fGTStYntbXwrrl3 vPie0jijdZJWMUIV2Z3RJCucxYYkEFfyw1rRNX8N6xdeH9f02ezvrK4eC8tbmMpJDIhKsjA8gggg g+lf1aSoCuNmeeRivx6/4OFv2HrHwN4u079sr4e6MIbLxDcCx8ZxwphUvQo8i5/7aKrK3T5o1JyW r5vOsvhyPEU1qt/8z+hvBvj/ABMMZHIcfPmhL+E3vFpX5L/ytfD2ei0at8w/8EfPg4fjP/wUI+H+ mT2nnWmg6g2vXi44AtAZUz/21Edf0R24Ij5HU561+Rn/AAbQ/CBLrxj8Rvj1fwDFlp1todhI3Yyv 5836RQ8+5r9dhgj5cfhXXkVL2eC5n9pt/ofL+Nma/X+M3h09KEIx+b99/wDpSXyCiiivZPyEKKKK ACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigD+fz/g+K/4/wD9nX/rj4l/ np9fC/8Awavf8pqvhl/2Dda/9N09fdH/AAfFf8f/AOzr/wBcfEv89Pr4h/4NS9MbU/8AgtT8Owsu wwaFrs3TO7bps3FAH9cI6fjX86P/AAdA/wDBEn9sv4p/tw6n+3F+yr8DNe+IOheN9LsV8Rad4SsH vr/T7+0tYrTJtYgZHjeGGEhkVsMH3Y4z/RavSsP4kfEX4ffCDwNqnxM+J/i/TdA0DRrR7rVdY1a6 WG3tYVGWd3YgAf570AfgN/wa8/8ABEL9sP4J/tej9t39rn4Pav4A0rwvot1b+GNE8SW5ttQ1C9uE 8oyG3Yb44o4jJy4UszLgEAkf0KryAfavxE/bq/4PLfgV8ONZvvAf7BPwMufiBfQSNCnivxYz2WmS ScgNDBGfPnTOMbjCTzjjBPz34V/4LWf8HTX7Wdr/AMJL+z5+ytdWukXg3Wlz4e+D0os3U8jyri+M gcYxyHP1oA/ab/gs7qFrpf8AwSi/aCvb2TbEnwr1fcwGetuwH6mv4nl4YfWv2a/bo+OP/B03r37D 3xGX9tT4byaZ8KbzQlg8a3F/oOk280Vo80a/L5TeYMuUU7RnDEV+Mp+/x69qAP7if+CY97dal/wT c/Z81K9l3zXHwR8JyzORyzto9qSfzNfyi/8ABw7/AMppfj//ANjhD/6Q21f1bf8ABLn/AJRnfs6/ 9kL8I/8ApltK/lJ/4OHf+U0vx/8A+xwh/wDSG2oA/X//AIMj/wDkyv4x/wDZUYP/AE2wV+1tfil/ wZH/APJlfxj/AOyowf8Aptgr9raAPM/2zvjxpn7L/wCyZ8R/2hdWkQR+DvBmo6pGsjYEk0Vu7RR5 /wBqQIv1av5uP2Rtf1bxX+zn4X8Ua/ePcX2pWkt1e3Ehy0ksk8jux9yxJ/Gv1I/4O5v2nv8AhR// AASquPhRpWp+VqnxS8WWWioivtY2UJN3ct7j9zFGR6TV+WH7CdlNq37M3gHTLYnfcaesS/VpnFfn niO0sppN/wA//tsj9J8MU3nFZLrD/wBuifo9/wAE09Kj8O/Ff4emcbXu9dSZwe5ckL+m2vpf/g5A /wCULnxwProVp/6XW9eEfsjWUWn/ALQfgLT4UxHDr9miD0AYAfyr3b/g49/5QufHH/sB2v8A6X29 eF4PVZV8rxc31q3++MT2PGOkqObYSK6UrfdJn8dSEBhmv7f/APgl18Fvhn8BP+Cevwd+H3wo8KW2 kaUPh9pV89vbpzLc3VrHcTzOeru8srsWPJJ9q/h/XqPrX91X7DX/ACZR8H/+yW+H/wD02wV+wH48 epUjjPHr60tIfvCgD+Ib/gq7YWmlf8FNfj1YWUWyGL4s66EQHoPtstfph/wTx+OXiX4Rf8GlH7S2 oaPqskM9146vNDsWViDGmoR6ZbzgEcjMUkv4nNfmp/wVv/5SgfH/AP7K3rv/AKWy19z/ALMl3a2v /BpF8eEuZdpm+ONrHEP7zZ0w4/IGgD8kicPk9jzX9bP/AAahalLqP/BGHwNHJGqi18R63CpUfeAv XbJ9/m/Sv5JSMHGK/rS/4NMv+UMvhD/sbNc/9KzQB+lVIy7hilooA/kx/wCDsf4O+HvhT/wWG8T6 x4dtYoV8Y+F9K128SLvcvE0Ejkdixg3H1znvXkP/AAbwf8ppPgB/2N83/pDc173/AMHf7P8A8Pgb wbjgfDrRce3yy14J/wAG8P8Aymi+AHOP+Kumwf8AtxuaAPvL/g9O/a61TxV+0X8OP2K9H1Bv7L8J +H28Sa1bJJ8sl9eM8UO4d2SGJiPQXB/vV8B/8EDvi78B/gH/AMFVfhj8Z/2kviHpnhXwp4cnvry7 1vVy3kQSiymWLO0E5LsoHHU12v8Awc6eL9Q8Xf8ABa74xTXkjlbCTSdPgVm4WOHS7VMD0BILfVj6 1U/4N4P+Ce37Pn/BS39vq6/Z4/aVttVm8NWvw/1HWfL0XUTazvcQz2saDzADhf37EjHOBQB/SKv/ AAcDf8EaAOf+Cgngb/vu5/8AjNL/AMRA/wDwRn/6SCeBv++7n/4zXg1j/wAGiP8AwRwtblZ7jwN4 9uUXOYZvHU4VuO+xQ35GtD/iEo/4Iuf9Eb8Yf+HAvv8A4ugCp/wU4/4LJ/8ABH39pb/gnh8bPgZ4 c/bj8E6tq/iP4Y6zbaBpkbXBa41IWcj2armLG77QsOPfFfys/D34geK/hV4/0b4k+AtYl07WvD+q wahpN/bSbXguIZBJG4Psyg1/V9pf/BqJ/wAEXdMjaP8A4UL4inJOd1z45v2I+h8wVZP/AAaqf8EX M7h+zrrOc/8AQ6X/AP8AHaAPsf8AYr+Pa/tW/si/Db9pA2iW7+N/BWm6zNBGPljkngSR1UegYtj8 K/FL/g70/wCCTAja3/4KgfA7wuW3GHTfirZ2cP3cAJbamQo7/LDI3r5R/vGv3P8AgD8C/hv+zN8G /DvwC+D+iPpvhfwnpcen6FYSXLzGC3TO1C7ks2M9Sav/ABX+FngL42fDTX/hF8TvDdtq3h7xNpM+ m61pt1GGS5t5kKOhB9icHscHtQB/Gn/wRv8A+CkHir/gmB+3F4c+PtrLcz+GLxhpPj3SIm4vNJld fMIUkAyRFVlTOPmjxkBjX7V/8HFn/BaRbr4V+Hf+Ce//AATt8TN4q8e/GjTLR7/U/Csnnz2uk3oU wWsPlnP2i7RwPVYmJ4Lgj8RP+Cuv/BOrxz/wTD/bW8S/s5eIEnn0N5DqXgfV5U/5CWjyyOIJCcAF 12tE+OA8bdsV7t/wbK/tG/ssfAP/AIKjeF/EH7V+j280msWD6P4K8T6pOrQeH9VkAjhlcPwN6Zt1 k/5ZmQdBkgA/oR/4Ib/8EnfB3/BKv9kay8DX8NpffEXxPHHqHxE8QW+GE11glLSNuvkQK2xf7zb3 43YH2qoIGCaFCAZTHPpS0AFeO/t8fA6w/aK/ZF8f/Ca8tRNJqPh2aSwXbkpdwDz4GX3Ekafy717F TXijkzvXORgg96ipBVIOL2asdOCxdbAYyniaTtKnJSXrF3X5H82f7C37dvxh/YN+LEXjbwJeSXej 3Mix+JvDM8pEF/CD83HRJVGdsgGVxzkZFfv9+yl+1p8If2wPhHZ/F34P60Lm1nAS/sJXAudOuMAt bzKCdrrkexBBGQa/mt+KulWmhfFLxHoliCILPXryCAHqESd1H44Ar0H9i39tH4wfsQ/Fy3+Jnwu1 Ey2shWPXNAuJW+y6nb5GY3UdGH8L4yp6cEg/GZbmc8DP2c9YX+7zR/X3iF4cYTjLB/X8GlDFpXT2 U1bSMvPtLps7rb+mEHIB9aK85/ZX/aJ8PftVfA3w98dPCmi6lptlrtp5qWOqWxjliYEqw5GHXcDh 1+Vhgg16NX2kZRnFSi7pn8f4nDV8HiJ0K0eWcG4tPo07NfeFFFFUYBRRRQAUUUUAFFFFABRRRQAU UUUAFFFFABRRRQAUUUUAFFFFABRRRQB/P5/wfFf8f/7Ov/XHxL/PT6+Lf+DTL/lNZ4E/7FfxD/6b Zq+2P+D4ywuEX9nLVGUeVJ/wk8SHPO5f7NJ4+jCvif8A4NMv+U1ngT/sV/EP/ptmoA/rRubqCzhe 4uZVSONC8jscBVAySfav5JP+C+n/AAW9+LP/AAUp/aA1n4S/Dbxjcab8EfDOrPb+G9GspCi628RC nULroZSzAtGh+WNCMDcWY/0u/wDBVzxX4o8Ef8E1fjp4p8F+b/adp8LtZNqYThlLWrqzA9iFZjn2 r+IhGYuMevpQB/RP/wAGsX/BET4D33wA0X/gpN+0r4KtfEvibX72eT4faNq9uJbPSbSGXy1vvLbK yXDvHIVLAhEwQNzZH7nxQrEAqAAAYAAwAK+Mv+Der4leDviZ/wAEdfgdqHg26hePS/Cp0m/jibPk 3dtNJFMh9DuUn/gQPevs9jgcHmgD4r/4OKRn/giz8fDn/mVbb/04WtfxsgENg+tf1K/8Hdv7aHhz 4Qf8E7V/ZA0bUY7jxf8AGPWrS3h0yBt06abZXUN1NMEHIDSxQRA9/MYDpx/LW3Eh7c96AP7hP+CX P/KM79nX/shfhH/0y2lfyk/8HDv/ACml+P8A/wBjhD/6Q21f1af8Euz/AMazf2dsMMj4F+EuM/8A UGtK/lP/AODiazubP/gtT8forqFkZvFdtIA3919PtWU/irA/jQB+vf8AwZH/APJlfxj/AOyowf8A ptgr9rT0r8Sf+DI7WbCT9kn40+HY5P8ASbf4jWdzKvoklgiqfzif8q/bbI9RQB/NF/wei/tNHx5+ 2t8Pv2XtH1EvZeAfBZ1HU4VbhdQv5WOCPVbeCAg/9NTWZ/wSu0T+2fgx8PpWQslnozzycccO4X/x 5h+VfDn/AAWz+ON1+0P/AMFXvjv8Rpbgy28fxF1DSdOYtkG1sJDZQkegZIA2P9o1+iP/AASH0Zo/ 2SPDfiCQAeZpiQRE+gkdm/Ur+Vflni3W9hw3GXVzt98Wj9W8IaXtuJJxe3Jf7pRZ92/srHH7SHgj /sZLX/0MV7R/wcfanpyf8EbvjZo0l/Ct3P4eglhtmlAkeNNQtQ7hc5KqXQEgYBdc9RXyyn7Q/g39 k5h+0t4+trq40fwQDrF/bWChpp44AXMaAkDc2MDPAzntXxh8VvE//BQ3/god+yr+1H/wWD/al0Q+ Hvhnqnwfk8HfC3w7M5RY7aXxDpV2GtY8DfGotWEly2DLI425CYXzPBZf8IuJf/Txf+ko9Hxr/wCR 3hv+vb/9KZ+Mw6j61/dT+w1/yZR8H/8Aslvh/wD9NsFfwrD7341/dT+w1/yZR8H/APslvh//ANNs Ffsx+MHqVIfvClpD94UAfxF/8Fb/APlKB8f/APsreu/+lstfZPwb/tI/8Gl/xY/s9XK/8NH2P2nY M4j8qyzn2ztr42/4K3f8pP8A4/8A/ZWtd/8AS2Wv2F/4N8v2QNN/by/4N3fjz+yreukdz4q8c6pH o1zJ0t9RjsbGa0kPsJ448+q7h3oA/n0YYbGfxr+tH/g0yx/w5l8HkH/ma9c/9KzX8o/xF+H/AIw+ FPxA1r4Z+P8AQp9M1zw9q0+navp9yhWS2uYZGjkjYeoZSK/pq/4Mzfi9a+M/+Cafin4Vm4X7T4L+ Jd2jQ7huEN3bwTo+MdC3mge6GgD9eKKKbI4VN/mKoHVj0AoA/lG/4O7tVF5/wWP1uzEJQ2XgPQoi 277+YGfPt9/H4V4b/wAG8RA/4LRfADP/AEN83/pDc1Y/4OGf2pvDX7XX/BWz4rfETwTexXei6NqU XhzS76AgpdJp8YtnlUjhlaVJCrd12nvUH/BvAAf+C0nwAz/0N03/AKQ3NAHo/wDwdT/DW/8Ah/8A 8FpfiNqE9r5dt4l0jRNXsX248xH0+GF2/wC/0Ewz/s16P/wZvXNvb/8ABXDUIpplVp/hDrKQgnl2 +1WDYHvtVj+FfXv/AAeifsMav4k8J/D79vzwVoMlwugI3hjxpLChJhtpJDLZTv6IJWmjJ7GVPWvz X/4NrP2itE/Zt/4LCfC3W/E+ora6d4nnuvDNxNLIFTffQNDACT/038nHvigD+wmikRiwyR+dLQAV Q8SeKfDfg7Q7vxP4s16y0zTbCBpr7UNQukggt4x1d5HIVFHck4q+SB1NfkD/AMHRf7a3ibxN4Y8I f8Eev2YZG1X4mfG3V7KPXbKwkzJZ6WbgeXE+PuefKoJzjEULk8MDQB+t/hnxR4b8aaJb+JvCGv2W qabdpvtNQ066SeCZckbkkQlWGQeQT0rg/wBr39rD4N/sS/s8eKP2lvjt4hXTvDvhfTXubkrzLcyY xHbwr1eWR8Iq+rdgCaofsgfs/eCf2Hf2P/A/7O2i6jBBpHw/8JQWVzqEzCONjFHuuLly2NoZzJIS f7xz3r8Vv2jvHHxZ/wCDpD/gpRB+y58C9c1DS/2Wvg7qS3PifxJbqVTVZQxR7hTxummAeK3Uk7I9 8xHLLQB4r8LP+Cf/AO27/wAHQXxY+LH/AAUI+K/iqbwZ4U0/TbvS/hRaXUfmQSXUO57XS4t2MW8e 8me4A5llJAyWC/kh8TPhv48+C/xI1r4X/Efw/caN4j8NatNYavpt0NstrcwuUdD7hlPI9iK/uu+C HwU+Gn7PPwo0H4IfCHwla6J4X8MaXDp+i6VaphIII12qCerMerMSSxJJJJJP4rf8HbH/AARyTxz4 Zm/4Ke/s9eFSdY0W2jg+Kum2ceWvLNdscOpBR1aIYSTA5j2sf9WxIB9E/wDBsj/wWTj/AG/v2dW/ Zo+OniTzfiz8N9OjjmurqXMviHSgdkV5/tSx/LHL1JOxz984/U1W3LuAIz61/Cn+x3+1h8Xf2Iv2 kPCv7T3wU1prLxB4U1Fbm3Df6u5iPyy28o6NHJGWRh6NkcgGv7P/APgnt+3N8Iv+Cin7KXhj9qL4 NX6/Y9atQmq6YZA8ukaggH2izlx/EjHr/EpVhwwoA9uqh4j8Rab4W0O+8Q6vMI7XT7OS6uZGOAsc aFmP5A1fJA6mvkv/AILRftLWX7Ov7Dfia3tL0R634xi/sHRUBG4mb/XuP92ASH6layr1Y0KMqj6K 56eS5ZXzrNqGBpL3qs4x+96v5K7fkfgH4x1u48TeLtU8TXABl1DUZ7lwo6tJIznH4mv0W/4JK/8A BGG++MT6Z+0p+1f4fkt/CmUuvDnhW5Xa+sDhknnGcpB6IRuk74X73Pf8EDv2M/gL+0t8U/EXxJ+L 8Q1e78CSWk+l+GZ0/wBHkkkLlLmXn94FaMgRkbc8nPAr9t4YIY4wkcQUAYAAxwK+byjLIVksRV1X Rfq/8j+ivFbxKxOUVJ5DlV4TSSnPZpNX5YebTV5dNlrqodJ0jTtEsINL0iyhtbW3iEcFtbxhEjQD AVVHAAHYVaoAwMCivqdj+Y223dhRRRQIKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAo oooAK+NP2vv+C+H/AATP/YX+Oepfs5/tHfGHU9I8V6Tb2819ZW3hm7uURJoxJGRJGhU5VgeDxX2X XPa78JPhV4p1J9Z8TfDLw/qN5IAJLu/0aCaRgBgAs6EnA4oA/mi/4OlP+CsH7E//AAU30L4KWP7I PxGvdek8GXfiCTXxe6JcWYhW6TTxDt85Rvz9nlzjpgetfK//AAb8/ti/Ab9g3/gpt4U/aQ/aU8T3 Gj+E9L0LWLa8vrbT5bl0knspIogI4wWOXYDOOK/r5/4UF8C85/4Uv4T6dvDtt/8AEUf8KD+BX/RF vCf/AITtt/8AEUAfn943/wCDnr/gh38SPCOq/D7xb8cdVv8ASNd02fT9UspvBN+UuLeaNo5Iz+76 FWI/Gv51/wDgqT/wTM+K/wDwTn+OD6VfaHqOofDfxOi6n8M/HDWji21fTJlWWFWcqAtxGkiLJEfm DDP3WUn+yn/hQfwLzn/hS/hPj/qXbb/4in/FL4F/Bf44eBJvhf8AGT4UeHfFXhueMJLoXiDR4bu0 YD7v7qVWUYwMEDIxxQB/Iz/wSJ/4L1/tU/8ABJGPU/AvgnQNK8ZeAdbvReah4Q1yaSMQXO0K09rN GcwuyqqsCrK20cAjNfoN8Rv+D3DxJq/gGXSfg3+wfDYeLJ4zHaXuueLzd2cUhGFbyIoI3fDY+XeM 9M96/QT4jf8ABrv/AMEXviLqU2p/8Mu3GhNM25ovDfim+tY1Oc/KnmkL9BgV6P8Assf8EGv+CU37 H3ia38c/CT9kjQrjXrOQSWWt+KHk1W4tXBBDxfamdYnBGQ6qGHY0AfCX/BEn/glv+0v+2T8eJ/8A gsj/AMFePt2s+KdUQt8N/B3iOyMQs4WRkW8e0ZQsESo3+jwgDGTKfm2mv5/f2xP2a/HH7I37UXjj 9nL4haXc2eo+FPEt1Yj7ZEUaeBJWEM4yBlZI9rhhwQ2a/usWKNMBFwAMADpivEP2r/8Agmr+wh+3 E8N3+1T+y94U8YX1vH5dtrF9YeXfxJ2RbqEpME/2d+32oA+Lf+CXX/Be3/glx4e/4JqfCjQPi9+1 f4b8IeIvAnw60vw/r3hzWmkS9Sews47YtHEFLTK4iDqY92d+OCCB+Kv/AAXt8KfE79qL9oLWf+Cs PgX9nvxNofwX+JmsLpvhXxRq1k0Z1RrK3itxeyRkZt47gITDv++ImxyCK/oj+Fv/AAb6/wDBHX4Q eLIPGvhb9hbwndX9rIHtjr7XGpwxsDkHybqWSIkEAglTjHFfUvjz4NfCX4o/Dq5+EPxH+Gmha74V vLQWtz4c1XSop7GSEDCxmF1KbQAMDHGBjFAH8s//AAbF/wDBXD4Sf8Ezf2jfFvgX9pDVJtN8A/E6 xsob3Xo4WlTSL+0aYwTyKuW8plnlRyoJHyEjCmv3D/ai/wCDjf8A4JkfArwcJ/hH8aLX4x+MdSUR +GvA3wxzqV3qFy4xFEzxgpDlioOSXGThGOFMmr/8Gyv/AARZ1fXpNeb9j63tvNl3tZ2fiTUI7cH0 CCfgewr3n9lz/glp/wAE8/2L75db/Zo/ZH8GeGNVVQo16LSxcaiBxwLucvMoyAcBwM9qAP4yP2s/ DfxU8MftJ+NbX42/DbU/B3ii78R3V/q3hrWbdormwe5ka4EThgDwsq8kcgg1+p//AATN+MU/gP8A ZD8H6FJoz3qS6dvtxDJhg5dwR0Oc8dOa/c/9sr/gj/8A8E6f2+vE8Hjr9p/9mjR9c8Q28CQL4htp ZbO+kiXO2OSaBkaVRk4D7sdsU34Tf8Egv+Cf3wQ8LWHg/wCG/wADIrGy02HyrPfqlxLJGuScB3cn qT3r43jfhyvxNlcMNS5bqXN7zaWzW6TfU+14G4kw3DOaTxNfms48vupN7p7NpdO5+Zfgjwl4T+JX i3S9b/bFvNM0v4bxX0UniXTNWuBBZrpwcfaGu3YgLEIt24sRxnpXtf8AwW+/4KJf8E0Pil/wSB+K /wAAP2dP2y/hFqmqSeGbW28O+FfDPi+ykkkSK6tyILeCFyTtRThVGAF9q+7PEX/BNn9jbxfoF74U 8WfCGHUtL1K1e21HTru/naK5gdSrxON/KspII9DXmH/EP7/wRqPX/gn54GP1S5/+O1zcCcN5lw1g 61HGOHvSTioXsla3VI6OPuJst4nxtGthFNcsWpOdrt3v0bP4yFU7sZH51/YJ+xF/wWz/AOCTlh+y n8MPA+tft7fDrS9W0j4f6NYanY6zrQsnt7mGxhjljbzwgyrKwz044Ndl/wAQ/f8AwRn/AOkfXgX/ AL93P/x2j/iH7/4I045/4J+eBj7lLk/+1a+7Pgj6db41fCRfhC/7QB+I2jf8IPH4fbXX8W/2jH/Z 40xYTO155+dnkiIGTzM7doznFfPUv/Bcj/gkKjsjf8FEfhblc5x4niI/DHWvfofgF8Grf4Fn9mZP h3pp8At4Ybw6/hWSIvaNpTQG3azZWJ3RGElCpPKkivAB/wAEL/8AgkAP+cd/wwPufDqE/wA6AP5H P+CjvxG8I/GP9vv4yfFPwBrMGoaJ4h+JOsX+k39tJvjuLeW7kaORT3VlIIPoa/bb/g0+/wCCgX7D /wCy1/wT38VfDz9o/wDay8AeBddufibeXtvpPivxRbWM8tu9naIsqpK6llLIwyO6mv0t/wCHGH/B ID/pHd8L/wDwnEpk/wDwQq/4I/XEDW0n/BPH4ZBXUqSmgKrAH0YEEfUGgD8pf+C7/wDwTP8A2dP+ CpOva5+3h/wSD+Lvgr4neOdCsYm+LHgX4f67Bf3GoQ4fytQhigLFrnC7Gj4MoQFQXVg/5u/8Eiv+ Csvx7/4I2/tI6j4isPCk2p+G9aaOx+IXgXUd1vJcJEzbXTdgw3MRZ9pYEYZlYc5H9Y37Kn/BPD9i r9h681i//ZO/Z40LwNN4giij1mTRRKDdrEWMYbe7fdLNjHrXnv7bn/BFz/gm3+39dSa/+0P+zXpM viGVNreLdAzp2qMO2+eDaZsdvMD47YoA8l+Gv/Bz3/wRl8e+BIPF2pftSt4auZLbzJdB8QeHb1L2 FucxsIo5ELD/AGXIPY1+d/8AwVe/4OpNc/ad0a7/AGN/+CUngfxI0/i1v7IuPHFxpzLqV952Y/s+ mWqEyI8m4KJXxJyQqA4evpuX/gzC/wCCXMmuHVk+MHxoW23ZGmr4k00xD23HT/M/8er6/wD2Ff8A gh1/wTa/4J5a9H43/Z/+AVvJ4qgjZIfF/iW6bUdRhBxnypJflgJxyY1UkZGccUAfzJ/8FKP+CO3x Z/4Jj/sz/CP4pftEeJVHjn4oXV/PqPhW3+ZNEgiigdIZZCMvckyt5gHyrgKCxBNct/wQ8+Lnwy+A n/BV34K/F/4y+ONO8N+GND8Tyz6xrmq3Ait7SM2dwgZ3PCjcyjPqRX9fH7TP7DX7If7Zcekw/tT/ ALPfhnx2mgtKdHTxHYC4W0Mm3zCgJwN21c/QV5P/AMOMP+CQP/SO/wCF/wD4TiUAc98VP+Cnv/BF f9r/AMA6n+y/46/bX+FniXSfHtqdEu9CPiGNnvPtB8tUQdpNzKUYcqwUjBAr+cX/AILC/wDBF39p L/gkX8df+Er0a11PWfhjd6v9p8D/ABB06JyLXEheG2unUAQXSBQeyvt3Ieqr/SvoX/BCr/gkX4Y8 W2Xjrw5+wb4GsdV02/ivbC7tLaaP7PPG4dHRVk2qVZQRgY4r6c8aeAvBHxI8M3ngr4h+ENM13RtR iMV/pOs2MdzbXKHqskUgKuPYg0AflN/wRi/4Oef2Wf2l/hFovwe/bq+Kmk/Dv4o6Rax2d3rviW6S z0nxBsUKLlbmRhHBK2MvHIVBY/ITnA/SST9tH9j2Lw03jOX9qz4bLo6R731VvHOni2VcZ3GXztuM d818d/tDf8Guv/BHn4+anPrVp8Ar3wLeXDl3k8A63JYwhicnbbsJIVH+yqBR2FeJWP8AwZe/8Ev7 bWV1K4+NfxruIA5Y2EviPSxER/dyunB//Hs0Adr/AMFDv+Don9ir4DaJc/DL9iTVP+F4fFPUibLw 7Y+EoHutLhu3yqNJcR/8fA3YxHb7y5wMqDkeFf8ABKj9ljw7+w38TLz/AILHf8F3vjponhL4u/FG 8uU8E6d47vlgk0tJIw0rsjj9zc+URGkK/wCph+U4LFV/RX9h/wD4Iv8A/BOH/gn1dp4g/Z2/Zv0q HxEibR4u14nUdVUHGQk82TCDjkRhM984Fev/ALRv7I/7Mf7WPh6y8PftLfAXwn48s9Jne40q28Wa HDfR2kzrtaSNZVYKxAAJHUCgD8Rv+Dhb/gvn8P8A9pnTNJ/4Jz/8E+/jroU2g+NJYoPiN8Tf7RNv p0du8iBbNLk42xdWuJAMbAEGcvX2N/wTD/a9/wCCFf8AwTG/Zf8AC37Kvwr/AOCgXw11DU5JEm8Q 65b6kHl1vVZdokmkZFO1d2EjViAiKo7EnnP2XfA//BFHxl8Wtd/ZV/aU/wCCeXwP8IfEXw3r1zpS S3XgKxisNZMcrKjxO6YjkZQpMbEZLfKT0H2Np/8AwRx/4JPQSQ6lYf8ABOz4ORyRuskE0XgGxBVg chgRH1yAc1lRr0q8eaDv+nqenmuTZlkmIVHGU3FtJp9JRe0ovZp9189T6UtLu3vrdLu0lEkUqB45 FPDKRkEexFeQ/to/tbfsefsk/C/+3/21fifofhrwp4gkfSj/AG/byTQ37PGxe3McaOXzHuyNpBGa 9ftra3s4EtbWFY440CRxoMBVAwAB2GK4P9oH9lb9mz9q7w7Z+Ef2mPgZ4W8eaXp939rsdO8V6LDf Q28+0r5qJKpCttJGRzg1qeYfxb/8FHvhf+y98Jv2ufFfhv8AYu+NGn+OvhhcXn27wjrFis6mC2lG 77JKJ40bzIWzGTghlVWzzgfT/wDwbt/8FiL3/gl/+09/wiPxY1u4/wCFQePp47XxdF8zrpFxuAi1 REHeMZWQAEtGx4JRRX9KB/4Iy/8ABJg4Df8ABOX4NHA7/D+x/wDjdcr8Xf8AgmX/AMESfgN4Nu/i J8W/2G/gVoOj2SFpr3UPA9gi9Cdqgx5djg4VQST0FJyUVdmlKlVr1FTpxcpN2SSu2+yS3Ot+CP8A wWA/4JmftMeIz4L+B37ZvgvXtXWxnvjp0V80Mq28ETSzSlZlQhUjVmY/wgHNfjx/wVk/bzn/AG5P 2i3vvDF1J/whPhUSWXhOF8r5yttMt2y9mkZRj/YVOhzXO/ty/Gr9irxl8QBpX7B/7HHgP4ZaBp5m hbxL4f8ACVtp+q6wjqUcPJEoaO3ZSR5Wfm6v2A+fVBY7VGSewFfI5vmccT+5pP3er7/8A/qzwo8N a3D/APwrZpG1eStCP/PtPdv+81p/dV1u3b7v/wCDef4tL4A/bnn8C3VwVtvGXhW5slQtwbiFkuIz jPJ2xyAf75r90EcOMgHr3r+aL9hHxV4u+FH7YPw3+JWj6DqMy6X4usnvBa2cjs1q0ojnHyjvE7j8 a/pbgIZNw7816WQVObCuD6P8/wCmfnvjtl8MPxRRxcNqtNX9YNr8nEfRRRXun4iFFFFABRRRQAUU UUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRR QAUUVkeN/Hfg74beGrzxn4+8VaboukWEXmXup6tepbwQLnG55JCFUcjqe9AGvRXg3w+/4Kgf8E8/ it4ps/BHw6/bN+HWr6tqM5h06ytPE9uWvJAcFIiWAlbOBhSete7o28ZyPwoAdRXjvxw/b8/Y/wD2 cfGEfw6+MXx60XTPEctt9oTw3bebe6l5P/PQ2tqkkwTp8xXHvWn8BP2zv2Wv2opr6y/Z++O/hvxT eaWxXVdN02/H2uxOcYnt2xLCc/31FAHps0sUETTzSBURSzsxwAB1NY/w8+Ifgr4seC9O+Ivw68RW +r6Hq1uJ9N1K0bMVxGSQGU9xkGvzl/4L2/8ABcj4HfsW/AXxd+zV8GPiDZa38ZvEWmT6RHp2kziQ +GUnjZHu7l1yI5VRiY4vvlirFQvJ7v8A4Ip/txfsfWn/AATs+APwRvv2pPAa+NT4I0/T28LSeKrU ah9sIx5Hkb9/mZIG3GeaAPveZgsTMxAAUkkngV+Tl3+zb+0P/wAFvP2/bj9o3XPij4r8EfssfDu4 bR/Blt4f1y4sJ/H00MpF1cIYXR1tnmUqJyPmjRRGclmH6T/tHfFn4BfCP4T6r4g/aX+IWh+G/CNx CbPU77XtUW0hkSUbTFvLKSzAkbVOTnivM/hv/wAFM/8AgnXrGsaP8K/Bn7R3hfSLq8RLXw7pGqwT aQt0qhVSK1F3FCsoA2gCPcMYxxQB71o/hnRfD/he28H6RaeRp9nYpaW0CSN+7hVAiqGJ3cKAM5z3 zmvwj/4OhP2d/AP7Bvwv+FvjH9k7XfG3hDUvFHijUIdcuYfiZrt39pRIEdV23V5IqYZiflA/Kv3q Vg8YcMCCMgg8GvxQ/wCD0L/khPwO/wCxw1P/ANJY6AP2M+C881z8HvClzczPJJJ4asWkkkYszE26 Ekk9SfWulrl/gkcfBfwif+pXsP8A0mjrifip+3v+xl8EfGrfDf4q/tMeDtG8RJF5kug3GtRtexpj O5oEJdVx3IA5oA9eorg/gf8AtO/s+ftL6HP4l/Z7+NHhnxnY2sgju7jw7rEV0Ldz/BII2Jjb2YA1 295eW1hbPe3k6RRRKWlllYKqKBkkk8AAdzQBLRXzJr//AAWY/wCCV3hjx4fhnrn7fPwwg1lZzBJb DxRCyRyZxseVSYkbPGGYGu2/aZ/4KAfsh/shfAy3/aP+Pfxz0PR/CF8UXSdViuftP9qO67kS1SHc 1wzDJ+QHABJwASAD2WivJv2a/wBt79mH9rb9n6H9qH4F/FzTNW8ESCb7RrU7NapZtCcSpOs4Uwsn UhwOCDyCDXLJ/wAFVv8AgnGZEB/bV+HQie6+zLeHxJCLYzdNgnJ8vdnjG7rx14oA+gqbKcRscZ46 VX0PW9I8SaTb69oGqW99ZXcKy2l5aTLJFPGwyroykhlIOQQcGn6nciz06e8YgCKFnJJ6YGaAs3oj +f8A/wCC0/h/Q5/2yLn4z+D0C6X49sBeIVHAu7SWTTrpfqJbRifUsfWue/Zg/wCCuH7bn7LVrb6B 4W+J767oEGAmg+KIvtcKL/djZiJYh7K4HtzT/jV4lT9oj9i+8+IcchmvPh78XtTWZj1XTtc3XMRO P4RcWs2M8Au3rXg/wu+D3xT+NXiJPCXwl+H+reIdQfGLbSrF5SgzjLEDCL6sxAGOTXwFWrVjivaU W05a6ee/43P7pyvK8pxHDMcBm8ITjh7037S1ko/C7vZ8jg7767n6d/Dz/g5kQ2kcHxV/ZVc3CgCW 68P+JPkc9yIposp348xvrXV6j/wcvfAn7Gz6T+zV4smmPRbjVLWND/wJdxH5V+fUf7KHwO+CKfbv 2vP2hrKDUYRmTwB8PPL1bVCw/wCWc9wG+y2pzkEF5GH93vU8B/4J8/HqP/hC9E8P6z8GNXg/d6N4 j1bWZda07UByQNQwivbOTx5sKlADynBJ7lmWZxVnUV+ztf8A4HzsfG1vD3w3xFX2tHA1ZU1vKDqc i80nLmmvOmpJH0t8Z/8Ag5E/aD8VWkum/BP4KaB4TDKVj1DU719TuF91G2KMH2Kt+NfC/wAdv2l/ jz+014lPi346/FDVfEd4GJhF9cfuYAe0cS4SIeygVP8AHb9mL4x/s8X1uvxB8Ng6ZqALaN4i0yZb rTdUj7Pb3MZMcgxjjO4HggUfsu/BeT4//HXw/wDDV7r7NptxdfaNf1BjhbHTYAZbu4Y9gkKO31xX DXxGNxU1Tqyd+234H3OSZDwVw5gXjstowjBRbc170rJa++25eqT30sfqV/wRR/4JkfBPW/2XIvjl +0h8GdE8Sap4vvPtegxeIdOS4Fnp6DZGyq+QDI29845Up+P3r4b/AGVP2a/B8ax+GPgD4NsQuNv2 bw3bLj/xz2rE/Yb+LPgv42fsv+EPiD8OtEXTNCn0+S20jTlP/Hva280lvEh9wkS/nXrlfZYPDYel hoKCT0Wttz+PeLOIc9zPP8VPE1JwfPJcnM7Rs7KNk7aJJee5U0rRNJ0OIW2j6XbWkX/PO2hVF/IA Vboort2Pkm23dhRRRQIKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiii gAooooAKKKKACiiigAooooAKKKKACiiigBJBlcZI9xX4zftgfGyb/gp3/wAHC3gb/gmF4uvHu/g1 8K2n1Txj4aVz9m1/U7fTmvCLlQcSxpK1vDsbgfvu7c/sxJ93/wCtX4N/sS6BqXww/wCDvn4qeH/F ySQ3GtyeIrvTfOH+tiubGO9i2nAyPJz06bcdjQB+vf7VH7B/7On7VH7Nus/s1eM/hZoUGj3umPBo 72WmRQNo9wFIhubYooMMkbbWBTHTHQkV8Mf8G737f/7Qfx7+B3xX/Y0+N2sPrnxL+BN7Npej6tqL ky31ovm28Edy5yWkjnt3Rn6lSmclSW/VCT7h4rwX9p39pn9nL9iH4a/En4v3fhrTYtU8IeBpvFGu 2OkackU97EZHjt1klVQA01wGRS5yTvboGIAPz/8A+DZz4Xft9eEfi9+0H42/bm/Zs1nQNT8Ta9Dq Evjbxn4fntNU1PUGeVZYIJZlHn2aqNymPKKThSQePGv+CyHjJv2S/wDg44+APxm+C94dG1bxLbaH F4uGnp5Y1KKW+ksnSYDAl3wfIc84Ve6gj0b/AIJjfCf45/8ABfrw/wCJ/wBtn9vP9pTxxp3gZfFF xpXg34Q/D3xPPpOlWyxIjPJMYiHmI8wICTuO1iWwQtfGf/BWn9lv4Jfsgf8ABcn4JfB/4FRanFpi XPha7uodX8QXGozrPJqjAkyXDu65VVO3OOc45oA/Rz/g6+8AeBdN/wCCV2r+LtP8FaRb6tP4+0Yz anBp0aXEhaR87pQu4575POK92/4ImfAL4HT/APBMP4AfECf4MeFH14/D/T7ptafw7am7M+CfM84p v3/7Wc+9eQf8HZv/ACiO1H/sftE/9GSV9Hf8ERv+USv7P/8A2TXT/wD0E0AfDf8AwVa+Gn/BR74i f8F2/gD4i8B/s06r49+EnhSaxm003Wgz3nh2zlmZ49Qub2RVMUE8aFXjaUggxRFd3Svdf+DoL4fe BvEv/BInxl4l8QaXbNqHhrVtJvPD14YR5ttcG8jiPlsOUzHJIDg8j868J/a5/b4/aZ/4KSf8FfW/ 4I5fsrfG/VvhR4F8MXF4nxG8deFZjFrOoNa24kuoYZeDCqyYt124JZmdiygLXHf8F8f+CTf7IX7G n/BMXxH8WfAOseOdR8Upr+l20WreLfiDfag1y0s4Em6OSTy3YjJ+7xjIxigD7s/4N+/jh47/AGgP +CTHwo8b/EbXLnU9VtNOuNKnv7x90syWlzJBGWYkliI0Rdx5O3nnmvh7/g9C/wCSE/A7/scNT/8A SWOvq/8A4NiBj/gjX8N/+whrH/pwmr5Q/wCD0L/khPwO/wCxw1P/ANJY6APsj/grB+3hr3/BPX/g kQfjP4Du0h8Xan4c0nQ/CErrkQXtzAimfB6mKISyAdCyKDxmsr/g3P8A2e/CHgv/AIJoeD/jfq2n Q6t41+Kct34l8X+LNSQT3+pTzXMioJZ3y7KqIoAJxkserMT8+f8AB0b4J8QeI/8AgjT8NPE+lQO9 p4f8R6DcamVBOyOTT5IVY46DfIoye7Ad6+yf+CEGvWniL/gkV8CLy0aL914JS3lWHorxzSowPvle fegD89/+C8PjPV/+CRP/AAVB+DP/AAUT/ZptF0a38c2s9h8TNA08iG115LaaLzGmjUBHkkgmxvPI eBH65Jzf+DrH/gpx8R7zSvhn/wAE9/2WPFV1ap8VtItda8TX2nztHNf2V1KiafZKyNkJKwd5F/iA jXkFxU3/AAej6xZ3Phn4CeC4I1e/udW1m4iUH5ygS2jxj0LOo+tfHX/BdX4deLf2Xv8AgpN+yx8R PirbzQ6bYfDDwM08k6sAraZOi3aZPdSBkdRkHuMgH7J/Af8A4Nyf+CZXw+/Y3sf2afHv7OOgeI9X u9BWHxH47vLRTq89+8Y825guSN9vtckoiYUAAEHnP4n/ALE37HngK+/4Kr+PP+CMX7aPiLV/Eeja dY+LfC/wfuNU1ec2fh7WpYhJZarHbBgoZ4YlfYBje44I5r+qfTby31Cxiv7OVZIZ41kikRsh1YAg g9wQetfzZ+HtOuf2jP8Ag8XvL/4ZK09voHxUlm1K4tv4I9N0/wAq6YkekkTRnn+dAHEaJ+y18eP2 T/2kvhR/wb+fE74y2GpaH4w+K9l4i+KcPg++n+yX/wBrMCQWJeRInaNba2ErKVA8y4zzsVq/pS8Q /s5fA3xN8Ibr4C6v8JPD8ng670ltNl8OLpcS2gtWTZ5axhcKAOmMY6jmvwk/bT0XU/hl/wAHdXgD xR4phjSz13xb4au7Ca5U7DC9kltuU+qyRvj/AGhX9CTY2n0xQB+J/wDwbt/tUfED9nX/AIKA/Gf/ AII2/ELxfd6r4Y8La5rVx8N31GcvJafY7zY9shJyEkt2E+wcK0chH3uf1e/bZ+JcXwl/ZE+JHxB+ 0GKTTfBt+1tIDjbM0LJGf++2WvxD/wCCcGlXvxS/4Oxvip4v8JxFrDQPEHiy51OaJcrHHGhsySR0 zNIi/U1+k3/BwF8YE+Hf7CFz4ItrrZeeM/EFppyIGwfIjY3EpHqMRIp/3658XV9jhZz7Jnv8K5c8 24lweDSvz1IJ+l05fck2fkH+y/8AtI+FPgbo3jXwj8RfhPF418P+MtJtYLvQ7jUpLSL7Ta3SXFvK zx/PhSrKQCCVdhkAmpvih+3H8dviF4dfwB4bvdO8D+Em4HhDwHZDTbFlxjEvlnzLk+pmdyf0rx6i vgFWqqHInof3hLJMrnjJYqdNSm2nrdpNJJNRbcVKyS5kk7Ja6Csd7F2JJJyxJ6mppdMvY9Li1d7c i2nuJIIpexdFRmH4B1P41BXsOl/D7+2v2CtX+I0dsSdE+KdraSS4zhLmwkOPbLQr+VRGHPc6MZio YOMHLaUox/8AAnZfjYzfgR+1v8WfgTZT+FbCay8QeE79v+Jt4J8U232zS7wdyYmP7p+4kjKODzni vTNY/aC/ZH8E/A/xnrP7NHhDxH4a8d+P7SLQdU8P6pOtzZaPpjsZrxrK5GHZZmSGLZINyqXGWGSf mSg9K0jXqRjbf16enb8jixWQ5fia/trOLbTlyuynZprnW0tUtWr9L2bT/cP/AIN2fi5beOP2LdR+ HE1wGvPBvimeAxlssLe4VZ42x2BczKPdDX37X4Wf8G/n7TUPwZ/a/n+Euu34i0r4h6abOPe/yLfx EyW59PmHmp65cCv3RjYuu4ivssnrKtgI946fdt+B/H3ixk08n42xDt7ta1SP/b3xf+TKQ6iiivUP zYKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiig AooooAKKKKACiiigAooooAMA9RXwv/wUd/4Jb/EL4rftT/Dv/gpb+xLrWi6N8b/hrNsksNdZotP8 VaeUaJ7S4lQMYX8mWeMSBWyspU4wpH3RRQB8s+IP2nP+ClWueEDoXgD/AIJkXOj+LbnbCmq+LPil ob6BZOcBp2ezuZLyeNckhBbIzYwdmc1Cn/BNaT4lfsa/E34AftN/FSXxX41+M+nzf8J943trFYFj uWjC20VpDk+Xa2m1BFET821mfLSOT9WUUAfiT+wX/wAE8f8Ag4h/4JQzeIvgD+y/YfCPxp4A1vWm vLfU/EetbILWZlEZulj3JPGSqIWjw4yoxk5J1v23f+DfT9tL4hfED4VftpeBfiboHxK+OOj+KV1r 4r3HiG/Ol2msPHNbyWlvYkKy29vbxwmBUIBK4fBbK1+0FFAHwl+37+wn+1z/AMFSv+Cffjj4KfHC Dwn4A8V6pd2Oo+CPDOlaxJqdrptxZ5fbd33lRGYzszKdkO2JQpHmHJrm/wDgmR8Ff+CxH7Pv7Jvg n9iz4l/DX4ceD7XwZKLIfEoeLjq1xJpSXBkEUOmxwqhnKExrJJOFVdrGMkba/RGigD8a/wBt7/gi N/wUN+Dv/BUG4/4Kkf8ABKvxZ4bvdY1nVZtU1Twx4l1BbYwXdxCYbxMy/u54Jt8jlSysjOdvKqa9 K+MX/BMH/gpf/wAFUfgP4l0//gpr498FeFb608OXMfww+HfgZnk06x11oyseq6jNuYzMozGkasyo ssjD5sCv1KooA/PT/gjN+yx/wUr/AGLv2ePCP7HHxm+GvgLw/wCG/COu3t7qHjTTfGDanc6zayyy yi0hshboLdmeQZneU7UTiPc3y+If8F6P2Gf+CmX/AAVf8J+CvAPws/Y2tPDsfgnxHe3f9pav8StL dL+KRBGhREcMmQobDcjOK/XqigD5Y0b4S/Ej9s/9mjXP2Nv23P2Op/CHhLUPBcGlXF8fG9hqJu5U WNQ0S2pLQujIsqu3AZBXzN+wl8Af+Csv/BHvwpqX7Jvgn9mSw/aL+ElvrV1d+Bte0Dx/puhaxpEM z+Y0E8GpSRxupYs3ySEq7tglSAv6gUUAfmXN/wAEuf2l/wDgpB/wUO8Mft2f8FJvh/pPgnwZ8N7C KH4e/Byz8QQ6vcSTpMZvtF/cwDyBmTa7RxFw3lxqW2qd3Bf8HQukfAP9qTwj4D/YJ8L/AAc1/wCI X7SPiCefUvhTpXhSSKKbSYBt+1T3c037tLWRIiChI3GDduTZur9ca/AT/gtT+198bv8AgkV/wcCe Hv8AgoC3wj/4Srwt4h+F0ekWVld3LW8V7bhWjuYYZ9jiGaOQRSfdbhxkYbNAHrv7MN5/wdj/AAi/ ZG0v9lD/AIZI+Hpv9P0saTonxI8S+PtLlv8AR7YLsiaSO3vJEneJMBW2OcKNyua+mv8Agib/AMEO fDn/AATGttc+Ofxi8cR+Ovjb44SRvFPivyj5NnHK4mltrYv8zb5RvklbDSMBwoGD8L3P/B8J4dFq 66f/AME37xZdvyNN8VUZQfcDTRkfjX0T/wAE8f8Ag7V/ZC/bM+MekfAX4xfBzWPhRrviG9Sy0K/v tai1LTLm5dlSOF51jieFnY7RujK5xlhmnawHvH/BZz/gj/P/AMFEbDwr8c/gN40g8HfG74aXMdz4 J8S3AIt7lUnWYW1wVBICuN6PhtjFvlIY1Po37VX/AAWwm+HE3gXX/wDglLpUXjsWTWkHja1+Muin w49ztwt60Bk+2rEGO4wiJmONuQOR9xRsXXJFOpAfDv8AwRp/4JCwf8E3/C/ib4p/Fvxhb+LfjL8S bx73x34lt4yIIvMlaZrSDdgsnmsXeQgF3wcAKAPkH/g5A+Oi+K/2h/CfwG0y9zbeE9Ca+1CNWP8A x93T8Bh/sxRoQf8ApoRX7K65rNj4f0u41rU7hYba0t3nuZX6RxopZmPsACa/mV/bI+Ot5+0v+1D4 4+N1zMzRa94huJtPVjnyrRW2W6D6RKg98Zrws+r+zwqpreT/AAWv+R+2eBuSPH8T1MfJe7h4Oz/v z91f+S8x5pRRRXyB/XAV9u/sv/DmHx7/AMEV/wBoC7gsw93ovjnStTgkx0EAtw/5RSTfnXxFX6yf 8EZfhhJ8T/8AglT8c/AZjVzr+qapDbp1y/8AZUAQH/gYFehltP2tdw7xl+R8F4jZh/ZeRUsVf4K9 B/JVIt/gj8m6KvnRLYHjxFYY9d7/APxFH9i23/QxWH/fUn/xFefZn3PtYf0mJ4X8Ta54K8S6f4w8 L6lJZalpV7Fd2F3C2HhmjYOjg+oYA1/SX+wX+1p4W/bK/Zm8P/GfRZ40vp4fs3iCwQnNlfx/LLGR 2BPzr6q61/NVdQJbTGFLqKcAffiJ2/qBX1V/wSY/4KF337C3xzNp4tuZZPAXil4rfxPbKu77Ky5E V4g9Y9x3AfeQnuFr1cpxqwmItJ+7Lf8ARn5d4rcGS4syJV8LG+Io3lH+9F25oersnHzSXVn9CVFU PDfiXRPF2i2fiTw1qlvfaff26z2V7ayh45o2UMrKw4IIIOav19unc/jGScZNPdBRRRQIKKKKACii igAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKK ACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAK/Fn/grF+0V45/4Kx/8ABTmw/wCCDHwV 8P8Ahew8MaQPtvxO8f65oEOo3lj5dql1L/Z5kBFs6I8cO9QHaWUKWVFbd+01fhx/wU6/Zs/a3/4J U/8ABYyL/gtn+zP8GtT+JHw+8TwlPiP4f0ON5LjTw9pHa3IdY1ZkjcRpcJNhlWRGD7VxkA+vPhV/ wa+/8Eb/AIb+E4fD2ofs03Pii5SAR3Gs+JvEl3NdTtjlz5TxxoTjOERQM8AV+Y3/AAcif8EG/wBm b/gnv8HPD37a/wCxMuq+HbL/AITC20jX/ClzqT3MMMsySyQXVq0mZEw8OxkLMPnQqBhq/Q7wz/wd of8ABJPVvCkWr6zrPxE0jVDFul8O3XgK5kuVfGSgeItExzwDvA9cV5V4vg/ad/4OPP2gfh/Bqv7P Hij4X/sifD7xJB4kvrnxxafZdT8dXsORDGkGflgaORlyMqqySnzCxRQAfqr+zZq/iLX/ANnnwJrn i8yHVr3wdpk+pmViXNw9pG0hYnvuJzXbEhRkniorK3gs7WO0tYUjiiQJHGihVVQMAADoABT5mCxl iR+NAHx7/wAFu/2n4v2eP2IdZ0XR9UEOuePGPh7TljbEiwzIxuZBz0EIZcjoZFr8AzwcV9p/8Fz/ ANrFf2if2w7r4f8AhrVfO8O/DyJtJtgjZSW93Zu5B2zuAiz/ANMveviz6DHsK+GzfE/WMY7bR0X6 n9seE/Dj4e4SpurG1Sv+8l3V/hXyjbTu2FFFFeYfpgV+4P8AwbraUtr+wxql6Yk/0zxveMcHrtig Xn8q/D6v3o/4IGaK2k/8E6dEunX/AI//ABHqdwD7eds7f7lezkSvjvk/0Pxzxyq8nBKj/NVgvwk/ 0PxG/aA8BH4V/HTxj8NRCyJoXia+solbskc7qv8A46BXIV9V/wDBYvwJoPw2/wCCi/xF0+XR7zbq d5bapFJDeJGsgubWKVyAYjj94zjqfu18x/avDXfS9Q/8GSf/ABmvLxFN0q8odm1+J+k5DmDzLI8L i+Vv2lOEunWKfcz8jPT9KDtPUfpX6o/8EdP+CRPwl+MXwxuP2iv2q/hu+qaX4ghEfhDw/f3ksYEC kbr1mhMbHeQQg6bQW53A19qf8Oav+CZ//Rqulf8Ag41D/wCSK9KhkuLr0lUTSv3v/kfnmd+M/C+S ZpVwMqdSpKm7NwUHG/VJuavZ6Ppc/N//AIJC/wDBXm7/AGXru2/Z1/aH1W4ufAN1Pt0fWJGLvoEj HkHJ5tSSSQOUOSAQTX7XeHNf0XxTolt4j8Oaxb6hYXsKz2d7aTrJFPEygq6OpIZSCCCOtfN7/wDB Gn/gmkR+7/ZY0pTng/2vqH/yRXt3wQ+Avwt/Zz8Dp8Nvg74dk0nQ4p2lt9ObUbi5SAsBkR+fI5Re M7FIXJJxkkn6PLsPjcLT9nWaaW29/TbY/nvj3O+EOI8b9fyqjUpVpP31JQ5Jf3lyzbUu+lpb6Pfs KKKK9I/PAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooo oAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigApBGi9FApaKAMY/D n4fNq/8AwkB8C6N9v8zzPt39mRedv/vb9u7Pvmtjav8AdFLRQAAAcCvnr/gph+1/ZfsZ/sn+IfiV b3iLr97EdN8KwE8yX8oIVvpGu6Q+yY719C18A/8ABRv/AIJn/tRf8FGPj5ZTap8V9A8I/Dvwzb+T oVs8ct5dzSyBTcXDRKEQEkBBmTIVB/eIrkxsq8cO1RV5PRf5n0vCOGybEZ9Slm1VU8PB8073fMlt FJJtuTsnZbXfQ/EK+vr3Vb+fVNSuHmuLmZpZ5pGyzux3MxPckkmom+Xlhj61+23wg/4NzP2PvCPl XfxY8b+KfGE6EGSD7Wthbt6giH95j6SA19S/CH/gnv8AsYfAkRSfDH9nTwvZXEIGy9uNNW6uAR38 2fe+ffOa+ZpZDjJ6zaj+L/r5n9I5n468K4NOODpVKzW2ihH75a/+Sn89Pwm/ZF/ad+Oksa/CT4Ee KNcSUjZc2ekSeTj181gEx15Jrh/EvhzXfB3iG98KeKdKmsNS067ktr6yuU2yQTIxV0YdiCCK/qsi sYYUEcMaIq/dVEwBX5O/8HAX/BPs210P23fhVoRKyFLbx5a20f3TgLFfYA78RufXYf7xq8bkv1bD e0hLma39Dl4P8Z48QcQxwGMoRowqaQak37/RSbS+JbWW9lrfT8p29A2M+tf0P/8ABGvw2PDv/BNb 4YRNH813pt3dt7iW+ndT/wB8Fa/nhPXBHfnnFf0z/sIeEn8CfsWfC3wlNHtksvAemJKPVzbozH8W JP40cPRvipvsvzf/AACfH3EKPD+FofzVb/8AgMGv/bj8qf8Ag5C8ALoP7WHhT4hRw7U17wasMknY vbzyDH12yL+leE/8Er/2DdX/AG5P2i7XSNatpYvBXhxo7/xbehSBJEHG20U/35cFcj7qh26gV+gv /Bwp+zz4v+Nvhr4On4daBNqOuT+M59CsraBCWka8iV1yR0UG2JyeACSeM19XfsAfsZeE/wBiT9nH SPhFoXkzao+LzxNqaR4N9fuo8x/XauAig9FUdya6XlrxGbTlJe4rN+d1t/n5HgUvEX+wvCnB0sPL /apqdOPeKjJpz+UbKPm79Gey6DoeleGtJtfD2habFaWVjbJb2dtAm1IYkUKqKB0AAAA9qu0UV9Kf zq25Nt7sKKKKBBRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFF ABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUA FFFFABTfKjznYOOlOooAAAOlFFFABWX4z8G+GfH/AIT1PwT4w0eG/wBL1exltNRs7hNyTwyKVdGB 6ggmtSkYEqQO4pNJqxUZShJSi7Nar1P51f25f+CfvjD9k39su1+A1lZz3eieKNYhbwRqDIWF1az3 HlpExAwZY2Oxh9DjDDP9DnhXRLXw14Y07w5Y/wCp0+xitof92NAo/QVwvx5/ZY+FP7RGq+D9f8f6 MsmoeB/FFtrmg3sajzIp4jnYSQcxscZX1VT1Ar0eNCiBDjj0FedgcBHBVajjtK1j77jLjivxflmA pV1+9oxmpvpKT5UpL1UbvzuV73RdI1Ka2uNR0yCeSzm820eaIMYZNpXehP3W2swyOcMR3qyFCjAF LRXpHwDbYUUUUCCiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKK KACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAoooo AKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigA ooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACi iigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKK KACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAoooo AKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigA ooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACi iigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKK KACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAoooo AKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigA ooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACi iigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKK KACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAoooo AKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKAP/2Q== ------=_NextPart_01D6E354.C0207940 Content-Location: file:///C:/2C48CB21/01Incidenciametodologiasadministrativas_CesarCasanova_archivos/image007.png Content-Transfer-Encoding: base64 Content-Type: image/png iVBORw0KGgoAAAANSUhEUgAAAicAAACeCAYAAADpCqpJAAAAAXNSR0IArs4c6QAAAARnQU1BAACx jwv8YQUAAAAJcEhZcwAADsIAAA7CARUoSoAAAIb9SURBVHhe7V0FgF3F1f6er+8mG3cIJMGd/riE ECC4hODuLRS3YkWDO6WlOJRSpC0aCBaspbgHS0ggnqzv8/f+883c2fd2s9l9vm8390tm371z7x05 M3POGTvjiEWDcYfDjVg8DqfDCSAuzgbgQFho4aSLy1+HQ+hjPcoRYrGohO6SOHRMEmXfgtQnZikW i6m6FY1H4FB1TGqZ0NTtiOnqpgjLCxcf2bBhw4aN1RyOSCwWj8YdcIvMiEOERZ+TkJnDFWlFzFUK pygRUVHgXDnWTqIxUU1EQIvoFifKj6J/34FT9I0Y1S6HSym/opno2hUXpcwR1zSVW4c8c8i9fMGn NmzYsGFjNYcjHI/H3fGgXLrlzu65doaA6AwljrDQx2P55AaiFlqjVWp8QdzqIJyphBglL8JhFbl1 IyJ0kBpow4YNGzZswBGNx+JORPHhz3X4yxsLUOGjiKAAscGBkmWNrXjgxC0RjUXgcuZafEbxyueL cOVL8zDAJzR3inLYR0jPbLhdTsSCAYwdPRQR+R1W60NNiQOj+5dhUP9yjBtcijKPV39gw4YNGzZs WHDEY+E4e67q5vBnUVvjRjjqhMstftGo8l9d0RqOYbcNB+Kfv/sNItLDdzuzH9mIqymMxPTQvrd/ illf/gRnSTmcEkc88aj3Qw2SOKQasR451NROzFK+OMuDOEdN4lhveA02GVWNrcfX4jdjqjBuaJV+ yQLX5nD1SlRNB0ndFMdRp9wri4UF60JcFThHzRwkVTuwnnC9Dn/5rjPL+sewGI9TtO6YFETH+AiW lVvafsd6asOGDRuFhEOYUFwtWBTGd/yDn+OZD+ajutQDUVnUmoG2EfjVDnHMrwvj2yu3wvgR/UWO RuHIgzCkQjh0SD+4uFhU4uhT9Lbqj1JERNAxa+raGh6KcaQoGlYzO+FIBOGYS69RCTVgu03WwV7r V+LA/xuF2lI9uiKiXP7Iy/Kfa1acvVw5MYoH0ZkyYNqleZatsmDCowLSmaKTrJgQtnJiw4aNnoJS TsiMyIh+WFiHCRe/g6HVJdJTDSHm8Ky2ukk4GkOZ14kfb9gVEaWYuLLeS2LobHDdCz/g5ue+hruy AuXhZgScJasNvSn/HNR+RSDGRMkIu0pREWlEq6NU7YxyBBoRiLgRjDmw7gDg2Inr4LjthsDnK5Wv o8rfl+VIQk+DyoDL1X2tSvW9XECPrmjFxFZObNiw0VMQ5SQW5xCvk7slHC6MOX+WCIZmERZuOJUE Wb0YlOo0SpYbWsOYPnUdnLLzmtJZD4nA9AiNsqMFlRPCMP2hv3sZDrcXbmerxFEmD8IS9epBb5KC dS4iarBL6OGKBkQ5K0WJQ5RiEZAhh1coIcqcKIYxUQtbgqKQRIDd1umHyw9cR00D9QU8/vjfUV1d JXlmG2xf9rF4GG63B7vvvrt+nuVusbfefBuNTY2a9hIW/1nVXf02Nzdg2rRpfNWGDRs2ehRq5MS6 Vrjjle9w8TPfo6qiBM6oSIPVSDnRIxsUiDHMb4oj9tfdxY89SPYoKRyy66lTzHJawiVK4FtfL8Xk m/+LgZUihCUCLSSMqOj7MKNIqvJZ2eaWYnVv1Tn1VP9Xfs5YBI0RD6KiPK8xtBw3H74ZJo6vVe9K TRXdLgiIMOcyDpfQmfZ7ih0XX3QpPvjgI3i9K6eVZFixoh4zZryIyqpyyzd16GkjQ04ntt9uIsrL y+CSjod0StQ7tDsTlXbOd9dbfz3cfPP1+PXXhfKOVTYWpA8Dr8eHAQP763t5aBVTwfDrrwskTr1m RmLXnoJQKIQRI4aJf2FGl2xkBrv8bKSDDsqJNgrmOeopDO5fIVcijAvMgHoOXJzohsMVQUMghinr DcHjp2wiflEhARk1lZTsiBGiYhIV53Zjt5v/g4/n1KHETTNvDJvFsNoQW0EpKOaaV9aNIoX4KI/E C4g4I3A7RTkJOxCNOdDc0ojhwwfjmZM3wHrDKuWlmBa6Em7Y4YHXfFvEmPfzLzj66OMwYECtql+J 5qiV4ubmZhx8yME48ohDLf/UocOiEujEs8/+E3+5935Rckgn/czUZ/4uXrIYTz/9BL799ntceMFF qKiokgdagSEoQDbddFNMn35Nu28LiYMOmoampia4RIg5RMBRYXKIot9QX4e//+NvGDZsqPWmjWKE XX420kG7oYBITFv0nLjRCISivDKMcjWAGiEJIhah0Avhor3GKG8qJsqAWJuUzBxe2jVxuxANBTHj i2VKMZFI+V9QeGbf01ACznLqh37qgXpo3WhwAaw3XgJHMAiPMwiXN4z+1dVoWbYYG10yC4fd8z95 i+G4RUVxyLscSyluUJEaNXoE1hg7Wq0rMUJfC34qy3FUVlbiqSf/oT9IE1o50UT85z+fQ1l5mbrW IypUhPQ74UgY66w7Af37cxQqjrKycpSXiyuraHNlpRWokF8DHXZhUeItRUV5pU4f0yS/dCWlZaLw 59YGkY3cwy4/G+mgnXLijIXlbwxn7bY2Wlv97HORV5ETrQZqShwxhxfOaAtGD+2P9Uf0U1M5tN6q hxuzpwB3QFHZufK571BT7loNaJo7cDQlgjBCXh+CMRe8Ue5iCcApjG1wtQ8vi7JXe+pLeP7jX9UW 43ivGCLWisNRRx6u2ptBQvDrLb/BYAhffPGl5ZceqIT8/PPPmD9P6OKSOidhJ3YAsfk7RBlvwgnH H6feZ11XxgE59M4pTuOcbAuJkRST9oJCcStpkWrKyexkkrTKvVBKvWKjiGGXn4000E45cTi93KOD yevWwi29ejKjmCOGiMsDV5znv/RdqLNzRDlbHKnAJbuNoI9i0IYF695sdnAIHRnuLW8sQKVb2/6w kSqkfOSvOxqDR5iaGthziBISc8CFKMp9TpR4Ytj/no9x4v3/k7f5QhRhKdNgVGgdpRXk4oJDTZvE sf3220tL1DaFtNIgqVdO+aC0tBRPP/Uv9ZzgyEdqIxe6fv3tb39DVVVFJ99I+5aw+tX0wyabbKx9 5F4dN8Ahd/W95biQJ27YBdNaeG7AGTtuH1fLZZR9GGiFS9Jso/hhl5+NdNBOOUE8Ak9cL8w7deI4 hAIheIUJeWMh6bP6hEX1ZfWEx85FEQr6ccz2a8idzmsOdJI2kLKvfL0cgUAQEWffp2dOwXLg1Ju6 0VMeHE1hr14ZMpP/cWcJhpS78cSHy7HBha+AZ0Z5nB74HBEEhd7FjIMOmgq/36+UEqNEKEVBFDGP x4N33nlH+RH0S0VZ1gsPgddeewNer7YVY8I3v83NTTj5pJPUM4IG7wLSBgKBVrS2Btoc0xYMBay3 9AhMoREOh9HS3CLpaZX0MV1+tLQwrUGlTNkobtjlZyMdtFsQG+ViTWF83NK6oAEY8fuXMaB/NSqi LaKccBETX+2eKfZKCBmaIk4ctGEl/nzC/6lBxvaaW26w9VVv48fFzSh3RxB2UEGxkQuwFntFCfHH XHC6PKJkBhAW4f7ZH7fHqAFViEdF8LtoI6V4YNZ+0Pn9rZiyx34YNGig8jcwSkizMPWTTzkee+21 p3ruVG2x+6mrV2bMxC0334aqaqGBEMmEx2u6UDiIf/3rGeVH/PTTHLzw4ouoKC9DjMNTVgWNRqIY Nnwo9txzD7U+JlUFKZd44P6H1ZST7oFzIblcCBlIm2OOPRJVVe0tC9soLtjlZyMdtFNOYtytI3eu iPzxuLHlpa9iTkMcJWrIWZQTdlX7kjglg6ZwkNYSF1VkYUMAs6/aAWOHVQsxItKCcrsVdXFTECN/ 9zxG1FagJe6Gj4s2C8zg+yykLDn9WBJrRQg+ZaMnLEJ0eUsUH12+PTYYWXyMzygL5vcPF1+BL7/8 Aj4fRzl0veAz40rLfXjk4YfoKwpKRBh894sIjzzyGDQ3tsLrc6/UO/X7g5h2yP447LDDVPjGQmxX MIoThUtxoY/xptUOdvnZaI+V7Jzw1vSIHnpvHk574GsMqorCj3J4YsG+I0zJjIW5l0WbUOcajJLI cnhKyzHnuh0RFqXBLQ2F29yyAZU9Z1zv9uFCw8v+8RVue3MOKpxecJYhHk3Q2kaWEBpT0eSvqqOK 5g4ERa9e2uTHR5ftiI1HVYo/S8Ul5RIDrf4WA0ybmz37O/z2tDPQr19/KwtJyov8W163HA8/fD+G DRtmfbkyktvvnDlzceIJJ6tdONpeT6Kp871ly5fi9ddfte4j8tyNlpYWNDQ0wOPxSr3lvicN1mGv 24v+tf3UvdyKohJti4tIVli4E2nRoiVwudJVYhyIRMKSxyFy3f7bhQsXqfg62sngdMHQoYNVG+sM kYi0ZzefJb6ZP38eFi1eghXLl0saPfJOSNmAGTJkKNZaa612+SKS6Wqu1bocB2mQu04Mwzbhd0xD OBzC0qXLlWE+liXLpP0bK4N5r66uUXlLhhm1I0x8/GUZctqlvr7BotmqYRTVIUNYVgZUcmNqLUlH pFt+ZoSOYFzJYXJL8q+//iphLkQoxI0cWrkZNGgQxowZI22oRr1H6HTqeE2+O9LWRvFhJeWkIyqO +yfKaipQEfUjrNZJ9BVITzvuFDEVUatpFrcEcMdhG+DoHcbKsyhi0sA4PZANYsLwY8K43MpEmBs1 J72Ikgq5d5TBG6nrY/QsAkhV1iNh8st7p6iY0YDQ2IFfG/z47JrdsN7QckRiYcWcXDkUKrnCoYcd iaA/qARQwlCaFhzBYBCTdt0Zv/3tacq/O9x66+144/U34fOVKMbP8BICyI9dJu2I00//nXqXz7h7 5+2338Zll10hwqxC0c0gJIJxk002wbXXXqXCMGnSILMHvvzyazz91DP434f/g8cttV6ES3IYXUJe 48JIl3QYlixbgvfem2U9SODggw9Dswglpyg8Th7+qJQDpyhT9fjbE4+uZCeD6UsWat98851aHPzR Rx+p6WvKLPMOacLNS8wX78eNG4d9990LO+ywg/rW5DVZqBk6vPvue7j00stRXUWrxV2y03bgm8zz QBGo2267LXbddRcR0kNUuHTJyh7x2Wef4/TfnamU12hU6jCFfFfRyWNNJ9LAKfQZji223AKHHDJV 6oReg0UFgGBcJs5Zs2bh8suuQkVF14b/SAp+z/rl8XowefJkHH30EYomkQjrcPt1XumWn1Ekkmnx 9yf+gRdfekmUyjp1T0WIROBzKrUlJSVS7yJqKzzL7sAD91dTpXzHKE09NS1pIz20r/2dYK8tBiEQ lgJ1saufesMrdrAnSVPpIWGGgbgHzZFYm2IS4Vy+0u6zA4Ukj7KjYvLch/MQlftSBKQ740fE6e2a sdhIH8JsVKmR6Yhzi2ISdVep2/7VVfjN1e+hsblRGXJzFOkCvMMPOxR+f0CULC3YDQPlLxe1vvji DHVvFJdkkJmTkRu88PxL8o1PMWJagSV4zfeamhpxwgknKD/eSwzqmkpRSUkpSnzi+Gs5n7cUpSWJ 3reJh+liEi+44CKcdea5+OSTT9V7Xm8JSn1l7cLo0kl8PnnfI3lMjicZHrd+pt+l88m3Ihg9vk7t ZGih7JK8NuOUU07Dmb8/C198/qWy2VJaqm25VFRUokqUCmVzQ/x9km7a4Jg752dcd+2NOPTQI/Dx x59a+dQ0MnlPpgG/o+VdjsKk6tziSCcK2qf+8TSOOfp4TL/uRhWeWcycDIZfWlomZaR/O5ZRR8c0 UXHgNeNbsmQ5nvz7P7DP3vvhmWefVWHquLSgNnGqOsDvugmfdK+srJaaI4pBOIannnwaU6bsg7fe mrWSYkKkW36JdDnx1FNPY++99seDDz4sCk6ryj/LjAoUy4/KdE1Nf0VT2lKJCj9/+aUZOOzQIzF9 +vUSmnRGpC6wzBhmcjuxUZzoVjk5Z/e1EW5pQdTSYvsKmJOQKA0+RwytoTBO2n608qfVQpo+l8yq +6wgvYKIJUQufWE+arzSS3DWoNwRRNThkjTYDSRvEOYTdQkjDzUi4vCg1BVHFfwYf8mH6jF7b8WH GPbYYzdJutQZccm1g7xUeLRiuv95/0OpniunP7l9vvyyKCYevUOHQjr5tOFQMITtttteGHyJekbm r1uErvYUNmQNyr6JcU6ORiUrRIm4zjjjTHz+2VdqKN30yAl+o5KkwmDYSeF1cHyH8klnITmeBExY tItB67V6RETa6yrsZPD5//73IQ444CAsXLAY1dXV1q4l0kHTglNTOgzmV39DOnKHVFVVDUKBMM47 7zw8+tjj6v1kJOhNYafvSUvjku87e2aEpVY2SiV9/fDWm7PUVBzD7Aj5TKWX0y1KkUiiX0fHZy5a n45z2on5YpnGlFE/xvOnu/+CO++8oy0tHFUwCi/91Eeq/NqHSW9zzfdU/ZGwGX5ltSh9orRcc/V0 qX8zVVjJ4LfplJ/BeeddiL/8+QEpO5ZJlYqLaWZ+dBq4VpLtJQqnW0JiniULJaU+9O/XH++8/R9R Uo5CS2uz+k7lz0bRo+tSikWw2eiB2mBYXA/79R1wzYn0KKRxNflbcfYe6yhfB6cCpAJrBp0dpPnB I2EtrW/Gp/OWStfBhXLpzfvhUWsebOQPZF1x2uYRxk8lkAMlLncZgmE/dprOKQNhjFIGQVZpKRMu MO1pSFVUmLTrRISDvEm0N/JijvZVVlbgH0/93fLVMO2SgoJrR4hnn30OvhKfrsvi9PC97jE2tTTg pFOOV+91ZNQMiszdJcJPbdFWlGTkdOoVBaaH4b74wgx8+833Kl0mLhMmv+fQPc2V6yQmhdeJ4+4g /qM14M7gEAVTrZ1h25TfuLITw2/5Pn8Zp54SIebP/0UJthoRxhxBSha+Zj0Z00uQdvpa00hDC97+ /QbgwfsfxjPP6NEGPic9zbf6h4Jb3xN8h/d8j9eMMxGuBm85GmLiptDnriqebXTD9beqd3SZWt+p d3SalVdy+XR0pI9kV1Ih7zNunW8TVk1NDZ595gV8+NFH6l6Pmmia8B1Nq0R4KhyhOz9nGdAWjjLY J+nTSob4s6zlmgrEtddch8bGRuWvFUAJJYXyY3h0Bueeez6++fpbtW5Gnwml0086MH5dr/m1eKh0 sb2LAqjKl+mmnaAStZbqqCP0SCHRsSxsFB9SksCn77oWWoN9aDGsgGsTymPNaBVePm54DdYelDyU zKqefV51T9OFy//1I/qVlKimotZDSNz87Uv0LDpYNNZMlXQXHcQdQY30Oj/4vgU3zpgt7zjhiQUQ dJVYH/UsjHA75ZSTUVfHOfVE/VDVRVore9kff/SJshNhYL6j8OEOniVLluLHH35S75pnBC8jkQgm TJiA4R3m95Ne0zD3wvCVS0JymI8++qhSTIwQ5a8WnnF1Hg/XyXB9C21ZcLpqVS4gju+3+v0IB7TA WQmkgXXJq/ap0mC8Jn1nnH6mMjDHewpfI0xJJy4ubW1tQX1DvdB6hTqtuaGxQfknC3EdlgP9+/fH nXfcpRZg8rkRyAl0lhoN5ou9dpYZ7cXQ8VofuKjXPxiBzF9ON73wwgtqUSqfGUTCEfkuJEK/WdFV h9e5M3ZEwqGwVSY6T6ZsCI503XTjzeqa/hbZ2uAwZS+O/0waqRCEQkFFK7coDBGpUwSD1eE4lPJz 8y1awdI0FKRQfuZ7gsrgF198oUaVqCgy3YbuTAstGwcCfqxYsRwNTfVSfvVCl4Cik0JSejhixoW3 55x9nnqUTFcbxQnh31ZN7QQBeVJC2xERN8pO+CdG1JQmKlqvRxwR6alxrcnN09bF8duNsvxziHir ULgMVSc/j2qfNCppWH2Fer0NVFNKpD7Xe0pREl6BX+q9+OnGHbFGrfSoo2Hhv94eZ1imF0gGfM45 54mCMceahpD0s5U6RcjEnaoXOO2QqTj8cH0YYELoaCF0xx134pUZr6OsLGHXRTdzhzDwOkyffi02 3ngj/aAD3n//P/jjH69CdVWNJdR0jaUwpBXZyy7/g7onAiIIdp+8p9rhwrQbIcu46LbbfjtwW7RJ X3cw7zU3NeOcc8+0fBM48sij0docgNujt0U7hB7xGBdU1uGRRx+yFj5qPP743/DoI08oxYlg9JSt /A2G/EKbMkydOhUbbbShWr9AOzPc/fHYY4/j57nz1fRHcrp5TeE2YsRw3HHnre2eKZpdcQ2qrEMV CT6n61/bH1tssamiD60ZGwbAKbfXXp8pArYFPg+VYwrRBA1aW1pxyGFTceihhyiakrY81ffJvz+l 1lpEY2Hx66ggJUGKm5YQ6uuaMPPVmaIscJdVIs0E46qvr8ett96EddfTI8fEqvLDbzltVzugn8Tt wNy5Pyvlp7SU1oe14pJMLyoNM1/Ta6SIVMrPxEPsNnkvVYc5xcb8t42SyHOOymy3/TaYNGkXjB49 WilI9HvzzTfx0ksz1NoTKucGJtzly5fj3j/fg7FjaWjTRjGjS+UkYm2phcOFidNn4ctfWuFTp+jK J1LQiWre+8BMO6XRL2iKIPzXKdLYOZSd+90bT743F0c+9CUGVvrg4Mpyq+HZKDCkmkecHlFMpLfl rYEj0owSrxM/Xr87+2QiuShce3b3jm6KZKJOtaPkwgsuFaHCHSCEtDeu+9AyQH5j+MfTT+jrJIZO 7L77nqgor1ICxDzjL53b48Tf/vbYSt8YpKOc/PDD9zjt1DPUkLuOg0P8bjRIj//qa67CJptuaL2Z CZjR9spiOsrJbpOniHCt1umX/2q6K+6R7yIoKy/Bww8/aL25MqZfdwPeffd9tVjT5F/Ty4nly5bh wYf/qpQUg1UJcwruzbbcDH+4+ALLd2Vwoe6SxdzObNZR6FGBSCSKzTbfEH/4wx+sciDryEx5/vnn eTjxxJOkTPUoEsH0UeBzsfCRRx6Gg6cdpPyJzvJDcDRmiy02xx8uudDyAa6//ka8Pes9NdrDUaDk 8OtW1OPJpx5v29abjnLy9NNP4a/3PaLqP5US0sCMmlDBOP+887DLrjup+45YvnwFjjj8GElTWVt6 +KvKJBzB2uPXwvXTr1H+NooXXdZ2lzQGKvuipuCM3Sag0R9GxBGRSlUCZx84a6clFMUR23PERCpu hg0/GWTObETSBlTjIy578VfU+oTxREU46HZio0fggFvqbMRdClc0KHXbhQUNTtz4wjfSCIpD0daM VKdks802U4xZM2tJoWLk+hnfq29oxOzZs6179aPw9jvvqPeomBiGzl8KohbpjZ9wgl5rwnCzBQ8k ZFoYtg5Pr0ngVu3RY/RIJP31s5WdSYNe0KinhIzT610yw1dffaW+NwJJHc3PbpYjLnRbgRtvvMF6 sz0YL3H+Bee2KXbJIJ2psMx4WduG6Q4SM6IR2uAwaJ9/Yv/99xeh39pGQzp9LQqK9SnvmRfyFEMn 80uY7zqGb/xHjx6FnXfeQS2ETgafeURR4AhId+C7rIfRDmuzzjvvHFHCQvLc0pqTwHRzSisd6HwA M195S2jtUyMi9GNYzD+PUNhCFL7OFBPzbW1tf5x40jFKmUqun/KjFtX+778fqPdsFDe6lMi0A8LR BUrVvTcaBJ9TNFjpffIQtSgXHum60CvB9Qh1gRjOnzxS3VPZyhZqoRgbguqFOzB7YQN+mL9YeujS yISx9WZ69XpQ1kn5CLtWQorrfgaUunDhs98hID1cLoQuNhxy6FRlEItC0RjcMgKXvcInn/yHflFg BNXjjz6htleSqXNYm71OfsNf7vLYeWfN1OmXLdgj5ogjhQbrPR3XUXCb6d//rkd1GI+Oa2Vn0sDp CV7ze+NnBE0meO/999VUAJGIX/iZ0GT4iOHtRljaI7H2Y+eJE1cSrEwTFxl/+KFeRNoVTJztofOd cEB1tbZcbOJN/q59EMyHXohr6MRf9USu9XftXcIf2GqrbRBOUpToz/xQ4aAQ7w46nPZlYsqovLJM FN+V19S0+lvSLkeTp2++/bZtzZTJA+OngrXPPvtY96vGPvvuo5RxQrUB+cc2xOSwDL/88iv1zEbx okvlhGbduaAzZK1sP3j7deBoWS4KijByNd+ZOQPpaYSjcaw9tBLjh/RTzBWOlffZpw1pRDFhzmqr neDGGXPB02B5fgmNDtnoYQiPI5NSF6KoOETZrvG4MO3ez/TzIkCCEQP77bevWuDH+qnTrcF3uBZl 1qx31T0ZLpk6h7O/++47NbVCxm562Bw94TqVQw+bZr3P+pkIL1PQqJeGGfWIqrhKvHp04eCph4o7 BAccMBWHHnI4pso174078MCD1e9ZZ52Lxx/7OxoaG9vyn0yHdPHz3Lmqh5wsGHlNITV+3Hh1z+uO sOSiwvrrr6vWmBgwPcwj8zdnzk+Wb/ZgOqjgpTJlQ/qadRRPPfUUrvzjNThQaDvt4EMx9aD2tKWb etA0ZaeFv3ffdY9aZ2NAeug8RaX0EnRKB0ah2m33ydhtj12x227ym+T22nsPiZPradILn7usOEKV DKaXdZzrnMaNW9vybQ/mh++pvMk/Lso1+aTBOt2GdHv44Ycf9Ec2ihZdtgg3wghKo/FE/er+4klD sShcrkYZnPGgFHP2DK6gYMW1fpsCEVyy51q8oY+qxNmC1HBKxecaHWm6eOjtuSh3cTuiMBQ1MpNn ejF/zEZSPvPp+NMG3qt/ctnhXiH53SIAS4KsldsMn/t0MWYv0Nseexod6+Gukyfp4WlOmXQgotft w4wZryjmS9DAFo2Kmbl/488RA9qxmDZtqrrXhZGbAtlpx50kfUHF8BkfBRYFAY1/Mc6odAK4lisU inBZj9wbJ8JG2kk4HBVlYp5awHrotCPwxBNPKiFk0p4JFqgdNbpDZcDweHjhqFF6uonp7QilBFrx jhw5StLYXoHhM7qQKC254BcG7LhwDVF3eaYhtTfeeBN77LE37v/rI/jow48lHbSMyprM0TEqYAn6 8lkoyN06rFeJ+pAMNVIhzzIBwyMdTjj+OPz2tNNw6mkntXPnnXeudM6qVH1MB0uXLlHhdkyv6kTK /2TT9Mkw35iyYVmbMlT1Up4xv3Rc/GyjuNG1uu7wQh1B5tRa7KjBVRg/qEwZFovG9dbYXgOpsFFR ErzxEEKSL0c8gsO2GiEP2Gg1g8gWMdrLEJqwEfzljbnwuaX3xsZCvziVFuvFfEDyF5O4XI4YIjSZ Hw3puPPoeDIu55rJDHjPnSQ0YOeKS29Q7t2SZzd7ZkJrTmsVV3WRMhFmH4+FUVvhw0kPaONsYeZF /Lh2uRhw3HFHo7m5ybpLgHXM6/Pg2Wf+ZflAWY9lz5rMl8xYM2sngiKgdt9jsvUWCyF3FfH3Z56O pqYGEZCcbmDoVE6kLdBWiigARmnR19pYl3a0kyEdH2snRkUFrbaWqpNr77zzbhW2qleWSwdc9Mh6 yXgNVDjyTx+q2Dk44mm+KS2lXRR1uRJo+p5bWHMFpov2VDrm06y7oSE14u1Z7ysDZ2WlZWpar0QU 62Ratqexvjb1oSOYT0PbJDKlhZXDZfqTHdPOuFZWBLtCIEhld2V6JKez4zPC5ClRhondakwr24Sa gpT06PN4bBQzupbIUsiqnNtqRRxnTB6L1kAYnjhNbGdYq3sEIkxjEYRF0YoEmnDIdnp4l0hmYlmB JptjmqTXvjwHlSVyLWHrXovyzhukSYpiEkcYbkT8jVgQ8qKuKYy65jw5CXtpcwx1rVH4Q1HVew6E /cqoWQjCGCVNIWcYIaFJTFTcEmEaGXbQ8gMpkFgkCK9LykeUlHfntODLXxqV0TzWByqZPYHkukhG W1s7AGuPH4tIeOXeJwX7999/j8bGJnz44YfK9oRZa0Hwe659amysxwknHGv56vzlos4zfG71vOnm G1FXtwx+P+1eeFRapTaq56k4MwVFgco1GM8++yy+/vqbtnTynXTAc7E6+04tLO4i28nPOqNP+zCz p193MLLfCPc//vGPaqqC6TDCljQzdOzMUWnkO52hszymi/Zh8DrZ6edpxyPpNiMdyeC9PGq77gzJ 8THfJhz+Mk18xDBIGxvFja6Vkw5gr+iUHcagMeSQnrH0QHpRAUtTlYrJBi2CNRDFFVM4apJjKNsD wOwFDfh5WQvccsNmsop2lHN4YlEsDblwwZ7j8expm+AJcX87NU/ut5vg2ZPXx4PHb4IL9l4X07YZ g+3GDUet9OhWNPixoonGtKTnFg7AI0qK3y10KKrqwhqhF4xWwo8aUSQvffob9YTnFnsKVGap4IjD D1dGvJJB5kqmyzNFXnpxhgj0f1vbOfWQj2HQXJy44447qGe5BuMg/TbddGM88OD9GDZ8KBYtWqhG FbgDJUiFdRWOz7g9mfkwQ+8Mj/dVlf3wp3vuU36dCanuUFtb20aHZDCYFSv0gXHdCaf6+jql2CWD 31Ap4ELZ5F55vkB+a/DMM/+Ex+1RtGAaDE1IO6aLtFyJ3v6AmtLjeiM+T5eOPQWeok10LCM96tF1 HpK/oZ0Vk2f+6mdaQVnV1JCN4kFayknM2sp4wMaDpLesT3btPZC0CsOKSh4mjOiPobWJPfystLnI C61zElc+/xNqytIibU7gl95qRawVZ01ZF3usX409Nx6GvfLlNhqGyZuMxIFbDMM5k8eoE52fPn0z fHn1b7DsT3vjwRN/gx3X74dmYeSLWhxwh8xYhO7R9TQ4muVxRRFxlSIs1xzuf/bTRWhq9QsD9Il6 ErTe7DlQwHJIf9ttt0FpWal1r2lnmC0XOT777D+ViW8zRZIMGjQ78SS9fTjXMO2GvyNHjsDdd9+O hx95ECeceBx2mrgjJk7aCbuswk2avDO23PI3SoCacJg/pp+7ir788ksVRybt0ignHb9lT9qsNegs XLWmwcLcuXPl/cQOLqaRaeMvz+gpDBLpeeedd9rsrjANdAR/qYCSlqRpMo1J/50n7oDJu03CRhuv 32umMmiN1yisyXllkfH040WLFqn77vDz3J/bFhCTbtpp5XLYsGHK30bxIk0JqjX5c/ZYE800MW1V mt4AadKISU9ohT+KiyX9yQ2/M0aVCRgH8dh736HC7cOqzgjJB5iFlkAEv999nNxJb5RrXCR6FlG+ nPWH0SdR04cKr0OUliF48pQtsfCuvTF9v7XU4Xt1wTAiohy6hDa0cNmjEHrFeZYL7TaQaYlg6l/u xhXP0eaDCMl4QjD1FHS91E10v/32kt6vtiuSzLAphOmomNAvWYGhsF1r3Fh1FD398wE9upBoP1RS 9tlnb5z5+zNw+um/XaX77W9Pw0UXn4vzLzwH/tZWlWaTN62guPHTTz9aNEgPG2y4gRoxMHQwYJgf f/Spuk5+lqCNjp+YNesdteMnGXzGMthggw0snzwjnmDPc+fOk3ajp3AI/jI/PF36kksvUrQkTTuj 9WmnnYJ9990bqWwZLgaord5sn5JHlr9xvKeC+d///le9R1LQj8Wn6UKFRtNnwYJf27ZO63fMVF8M oUgI66+/nnpmo3iRnnIib8fiEfxmrYHwlroR1fWgV0At2IxKZZWe6KH/R9sm+WDWTtzx6o+oLK9C RK4LOY3BBtjgj+Ci3al4RaAM5fN/Hp31h9Fbf9uDEydeZwxnTF4LC2/dHpfvubb08lrR6A+JvzkM rmfA9Ko6wUWQkhBhW/AKs//zrLnyxIlYmov48gHDkIlp0w5WtOO9YdYG5j3jr59JfWhowKmnnqRf yhP0aINm/plg/fXXR0T1knWaTV6o9LSI0pIJtt9uO/g7EcT6oLgYXnzxJRWPUeR4zZ66od2KFfX4 +JOP263fMe/zvf/b6jeWb37BOA2Sp76MvzpJWMi+7nrrqvuOYN7Md71FMWGaie132FYpmMk04HVJ aana0aXv1Y/8amWdu5PMluw///mvalQxmV5SveSdGMpLyzB8eMLCr43iRFrKSTzmkg/0J2futAZa Q7ri9wZQADVF3Dh+O210LWxNUeUad73yI0qkh+NxhMhqLd/8IxiJYY+NBqkhcVrEpHLU06DgEjGj dm5wkew5e4zDx9fugjEDvFgekJ4MuUUPQpeO/BXmxbKiIhVq9eOVr5eAp7oXA8hYyXh5qu6OO22f tHbASr3FeNsYsAUKrn79q7HRRhvJ9+2teuYKjNOsf+g4nZQqZs58rW3o3YDhUUZ5OvinAioQAwbU ivAZ0iaYDUgirr25++578f77/21LOx175Pzl+TW/P+NMVFfyLJoEWAZ8v7W1GXvuuYflm18YQU2U +Lh7qGN7Yb3w4u1Z71j37WHyRXCLeW+AyePuu+2mDBCaMjT0567K5qZWXHThJVLWCYXSlCXxyCOP 438f/E/RJhnsb/ilfU/ebVfLx0Yxo8uzdVaCMDlOF7iccdS1BNH/1Fcwsn+J7oEyGKtyFAtU1kza BL/UBbDgtskYUu2VfMSVCfNc4oOf67HVpbMwcoBbhLEbbnYm80kSyQNzRrIvbgzh5bN/g53WGaBG tEQlEP+enZqIxyJqBMIhygkXsqkFbdY8/qF3fYB/frYEteUeIZFFpJ6sPkLLkMMDd7AFv9lgGJ4+ eTPrQc+Cddgw5jlz5uL4407EwIGDhJYs9/YVTF4TP13XuYPn7HPOxC677CzvUjnhdtPuCZzO2Tpf ffWtCIkLUcU1GIw8TYWYYTc2NKotsclsiNc8WfmVV59XShnTwfyncjYLLdRyrQjPJjrv3ItEURmg wjP5YFgEF48OGjwAW2yxBWrlncWLF+Onn37C7G+/U4fbud0cNeHIik6npAotLX5M2nUnnHHG6e3C XNVZNIpmm26Eyy67xPJZGV3TexOh98Xq/vLLrsKnn36q0mZoRZrQUBzvuRXb+BtQsLOzQkWV4TJM fpOMzso1m/x0hdTKL7G76IjDjkFLa4sawWL6DX3oqLi43U5VfsNH6M0NS5cuxkcffqLOCzILlvmu Kiv5F0MYDfVN+Pdz/0RJiTKSod6xUZxIs7sjDE7Kk4sJ+5WXYtu1K9EKqTjCEGjOXh5Y7/U8WCGp ZbtFMEZFQAalMWwxploUE+sEUMlDtoiIChKTxmT6pTf/+yv0qxJmKsq+S5Eij/SQ/EUkfzT6Fow6 MLzCKYrJIHkgvQhpkCyrHofTrVJB0/CiCqq0agYax+OnbYmDNq5FvT+GqCi7UZdQsQerDxXsklgA 8JXh2Q/aG2jqyPQLCcOMiTXWGIMxY8YoOx56KFt5K/BaHQwo9Zryl0KIignBraipKCbpI6aO5fe3 BtQ0ijFdnqqjgPH6vErokMbmlwJqjTXWUIoJYfKfCswiVp5NtNlmmysT5qQFwzXlSOFHhaiurgEv vPASHnrwYcx4+RXM+WmuEmocydH2e/S7TBe35AqjU4oJoRXDPCNpXnjiLjsqmjEtRsHgNdNKR1p2 pC8XflKholLBaZ2OikkxgvQ25XTNdVeqXVMsfxqVM+BzlhON0v33v//DP558Wp3WPOutd9WiXz4z 7aaNXlKFGuqbcfzxx6sze6iw2ShupFdbrQI3zOL0Xccj2NIkwsUDn6gp1E+LCdQ/Ag4vSmMtaG6N 4LwptAjLB9LbyAGzJu8QFYgbUkX5ieGZj5cAnhKlFDH0RHPKPUhrryOEsPSKQxE/Tpg8wXoi5cN/ Vhn1JFQKWF/0j/LR6dJpe+jUrbDThkMQaBYBEhWlMYkZFxzC8GLC7DxxP7zS25zxyS/Wg55Hclke cughInDabytOgAsGOfXQgiOPOtzyyx+YLgoTl9My/qV+U3cUGgzDOH3vxLLlS/Hb351ixdI+/+ng +huuRv/aGtWT5noTKhwU5BRYJu0UZMbxGdNghCOvue6Bjtuj77vvXuXP783OxbwiqTlst922qKqu QkwpTXrUhi45rZ3RlyMn5llvgSlvLq4+/4Lz1KiWy5pnTc4zrzmSRCvPyihdifBeKWfCvMN8U9mt q6vDzhN3xNSDD1D3pImN4kZWJXTQlsPVNkzuxIig/cr2nocwuzgttjoRcFYgJkzvgC04/BdGlOfo xLNfLyPNXnqrbDRO3PLCbJSXelEmipCIOYQ5naFfywvYfqNRYaZxF5r8cVy4GxfC9j78+9T1MWDQ QFGwWqVM8kmxrsGYaToMXDDnBR7+YLl+IEhmiD2NXXbZSeqcXlNimLgB1UAKUk5tHHxw4gj8ju8V Czqmi0JjxYoVmDr1IGy22SaWb3Z4+OEHMGGdcVguCg8pxGkQCiwj4IlV/TI9Lc3N8PrcuP+B+zBk yNB23+UdVjSm7v3pT3fC79c2SwiTFuM6wvgVLL05BvM3efIkNeXU0LhCjf4YxbKz8iN42XYvZKNh whV1y3DgQfvhAlF0bMWk9yDrUjpu66GISAUohBXU9BAXWVcCrygozaEwTttJL4QNxT1wKdPu2VdQ sgyn2r7mwM2vzEOJR5QF6anQfLw3FlZTBfmDxC7hB6Sx7bPhAN0qexnCoghAlNrXz9oYzYEIZ/gV TdVfiyEXCozNJXFGXdKL9jjx3Kfz9QOBEQ7Fgv333xeNjY2KWRvHAwJpobWhobFtwZ9JdjrpJ/Om +XBlKM2aDtDhB5VgTwbDpTIUthyvI+HUHaen+A3Db2pskjjCOOGE49XWV71Opj04TaHTpvOr06h/ OSrSERRkxE03XY9zzjsTHo8XTU1NaG5ukXzqnTfmHeaF90wP88o1O/w94KAD8Pe//w2DBw+SdxKL M9nmDbgwM2jRKdlxXUtHmnXEKumtvk3QgHHSfsvf/vY4xq41FkuXLBXFqaXt/UxdZ2nMJj9dId3y M2VCI4KPP/6oWl/Cwy1pVI7TNywrlp8uD13efJ9p9PsDWLJ0qToj6e6778KJJ56g3jGKCd+zUdxI b0FsJ/jy1yZsculrGFRdoc5UKRohKdmKOzyIOaJYuLwe82/aB8NrvUoI8bRlKifZpjQujcMhysjr sxuw541vobayTDylkQkNRLeXJORXYeMQ75LmIN67ZGdsPqp3rMZPRjQmPUBOBcCN6S/PxRXPfoWB ZRyWdSLidsKl5vkLU5+oEKlpOqvsFjUE8d21EzFmkBcRKrRStx3WkHFPgU2VvUJuEb7llltQWcEd JYnmK6xcrTX43e9+q8ycG5jvUsHs2bPxj388rbZhJssLCoI11hyFqVOntoX37bff45qruXCyWvxW Fi7dgWFQkKy19tpYe621sOdeu6upFaKzNN9x+92Sv1a1qFqvfdPvcb0F88zdScnoLIxPP/0cr702 E/PmzcOSxSuUjZWm5ia1s6OmploZWOMIyfbbb4fttt+6bTuxDkvHyTD5SyHOUZhvvvkGTz/9NEpL KtS7BuFIQK2dOfjggztNC9EVvcesORIHT9XfGpgw5s+fj6+/mo1PP/sMbkkDBXO6IwKsL/xu9Ogx aqSNAjvb/HSFTMsvOa76+nrMnDlTLXheuqReFM1mLFu2TN6JqfKrrKxSdZ92TLhOh+lNhqFlumm3 UXhkp5xwi6LDjdFnv4y49ETicl1MZa5W7ksPjOeTfHL51pZv7hDj6cyiAE258QO8//NSVHCFP/Mv JJXmlFdasNTYu/R43Jh7o/SUadTMslDbWxCV+kMT8k75y0W8a57+MkLuMIKeUlS0Si/WQ0WhcDAK CguxIRDG5XuvjTN3X0vKmWshYuLbs8PBFB5kqqkIoWSGnipSEXB8h2DQxqZENugsnZmkPRPwlGKe MKy3pDpFQfG0KUfJ6Co9RqB3BcNiO4aRDr0J8z3DS1cR6Q4mH9nkJ9/oWA5MBpXbSIQ7ljgq4miz omtg0koUOr02skNWNZzKCHH2bmujTjrB7HEWDaRSxt1e1AUcuHgKtefcp42nWzYEgnj1y/koI1Mz dV8aQf7bQRxNIaH95LHqTu2W6mWIxt1wi4KnVZA4bjl6fSxo9KAqFEO0RMqrwNVJpYMFJ/99bide /panAYtiohhcz9dtMlc6w3D529FRmNHxOl2YMDjlYa6THcM1DJ7CnH4GydepwnxDgUiY+1UJEfaO +Q6dyaPJL10qMHERtLiqF1OWqwMMk0dtTPjEqtLDd/iMvwzXpK2jI8xvMszzVOidrIzwms9MGjN1 hhYMh2HSL5v8dIdclx/Do0LJUScuiDW7dJLjMOC9jd6F7NRvESxSjXHyDiNVD0SqNmsB//OheqWn wOF5r2jUEZcTB24xVFKTqNS5Ay3C/oDSklK51HnPK5Joyx/2Gn47iQthpaHT+m0vg0dywVOUHVI2 tDuzz6YjMKbGgUg8iHCEtg16rg55pd58MNvasaPne/R1kaAzZks/yjIt0NKnHXueHEXQcrDz7xm2 EWAGnSQlJZgwKBj1Al9122neNBIKkc5jIj3mvmvo3Uz8pWAz8Zswea9p2D6sVaUn+d2uRjI6C5NI l94mHSa8zsJMB4yfwp7B0DEOE2Ym+eke2ZUf3zFKlElrMk2MP3+Tw+t4b6N3YNU1MAXQXDCndjhf O3GdWgTDIUS5pdDBxY2sDJ03uIJAom6KiOK00xh1G1l5fV3aUFvtRQnQDUIrO9e/+DMqSrxwqimK PDYAiZMLbZ0OHpTmUgvCDt5ylMQocYpe4lBMt3eB/MLNP9ILN3ubzt93LFa0eMVL6NuD1YfMrDnk wNImWmRlafc8fZkm4zreJzuiK+GyahiLogxj5XCTw+S1iYtIvk4VZvpAh63j7A4m3s5cOuD7Jj/m W44GdXa9KiR/vypHJNOtPbKjt3GdfZuK0/Ezjvbp7Oxd44hV56d7mHx05lJBd9+x3JLzQWSTXhs9 h6xKjfzEwW25gjN2HYv6kBfuSAAhZylc0iPIq7DuBqyXK5qjuHSKVk7cjuxHTlyiBcScHhFUzJcL r3yxEKFIHO64HzGhQz6ntUhLryOMIHxgCpb6HThzd2uxlyskL/S+aR0WkuYfqiLJbxQnbbum0FLK S+pRfnc7dQOJulSq9qxvl8iNMNQcbD3PFsmMuCNTJrSfYdgrP+8Oyd93Fr5Bx2ddvNotTFjJYa4q 7mzi0WAAya49ksNvf73yuwT9jVsVzLPO3tF+6YXR2btdfNoldDgmvETYHcNPhnnW1TurQgafrBId 4zfpTvY2fubaRu9CVsqJYtdquDuKyRsMRT8XD5dyISY9e2dPGtQShMJR/GbCYPSrKJf0RBB1tj9n IRPQ1DJ3yLit4/Sv/ddsVJSLQqaGZ4UO+az/ErY7Flc2WoKRMMYNcGOjkTXKXEvMGqfq7YjwJGWp kgdtNgAtMa+11qOHIFGXuB34z8/68Lmers82bNiwsTohK+WEhs141HzI4tvH7DAaDREXPPGACFHx KDQ/pzBjnPLbGIzi3F30yZNMiiOW2oKrrsD8qggcbixt9uOdH5rgdUURFsXHI3HmO7shyUKpI4qm oAMX7KWt3UYcMRGcZRJ371tz0hFOa3TrhB1GoiUg1z2pcUncXPD8+bx6677rHQw2bNiwYSN3yEo5 4VJG4eDwWIz7nN3XRkMLFROH9Hol6EIKF1EOYjRxLMI6Ahe8COGALbThNY7m6LnV7ODiWJHKqxPT n/8JFWUuuCWfSidy5lk1YSQeN6KRGALRCI7ZTu/SUWs2BM5euFunI6TWSD4j2GbCIPkNINaji1Dj yn7EJ/NbrNt8q542bNiwYcMgK4mtRAcVEXUHDKguw+ajq4EgLbBSYlsPCgCuyfDEQgigBOFAM46c uK71hElkCrMXdFyQqteuOHDfW3NQ7rXMYIvjvwQl8gDmIRJCLBzCYdvodTSEyhv/W0pKr0aMo1Na 0d1j07UQTLKQWXBI3XW53Vi6lGbP+wh9bdiwYaOXIPvhhA44ZZc10BINIRT3CUMvbG8zBpcoD3HU +SO4ak89sqB31uQGzjinTmjafAn8ERpCshZcicurYkIwH64SLGqN4cLdEspJ34JTdAI9/bbnetUI Co17CixNqqHlJT78uISjJ7ZyYsOGDRuFQk6VEyoCx247Gs0hD7wIqrGEQoE7ZSISqzPcgv9baxCq yj05VUwIfR6PA3986lNUl/u0wlAgkJK0JbPZ6GqMG1bNjn2fQ8QZ10cgCHZZrz8CYW2zQJdjD+SY 00ryf84ya2rHhg0bNmwUBDlVTmLW0PfU/xuOYEgLmYLCEcXyljjO33e8vuWIRg6H412inPyyrBGf LgqhzJFnuyYdwG21LYEwTt9NL4SlEam+Br1qRv8dNaBK6M08OtS6Gn1EfQEVFImOB72VeJz4ZpHf 8swvaEDKGJHKtWKdDySnMTm5vSX9NnoXTL2iYztJF4nv29ddG5mBJIzFNB0zoWeiPDovz5wqJy41 7RHDBbuNxBI/JzoKVwEovF3RIDw+D/Zaf7AkIx9xOzD9lfmo8ECdXlvQ/KlCBI78vxFyx7UYPaD8 5RlqakyNTmlsMnYwAjz7hGogjVUVjtwChzQOxuzEvKWNll/+wXKmQp0J8+0p6LTqwmH6bdjIF0z9 yqTTyW+0+XstEG1kC/KqhFXeTMDv6Dorz9xO60ivNxpzYqORAzCixoeIMqlaIEgGW0JunLzTKHWb n421Mdw362dUl3nhKLCRsNZQFMdur/NGC7G0ttLXscXIEqmhtJtDM9WFXRzLmssVMHGJ/9eGwmzT piVLYzW1u8PXigGGoRirn8nIRHjYsJEKWLcyrV88P0l/bysn2YIjy8YibyZWeFkOhnd0ptxkdypx ByhjYKKY0pT6dc9/jetemIvKUrXhWCkPkgr1Xu4gwkP1t/WowpK6IBbcNQm15aXqxFtXjrfXPvb+ XJz44JeolTzB5UE8FlGEzR+s/Enm5tcFsOCWXTC0X6nkVXoAkj93LzuFOF3cN+tHnPW32aoOKVGd lzrUORiV2xFDY9SFDYeX4Y3ztrGe5A/3//URvPPO2+qkaacoRUUJIX9cekpkSsNHDEX//rUYMWK4 Opp+yJCBGDhwkPWiDRu5helhn3nm2WhpalW76dIBBWFTUyOmTjsQe06ZYvnayAb33/8A3nn7Pfh8 0pFME6FQCGutvSYuvPB8KVvNU5KRW+VEmBaPvqcACYaDKD1xBkZVe0Fz7+rsFw7/5ky4cF+HEx4R 0iKmEY2EscaQSrx78XYiuOUJK3KWDJ5MWK2JFKIx1etd8jbq6+vh9ImCEOGBXbnKS2eIIyKReySX TTEfxvcH3r9sJ12IKjWCAgnqnsIbXy/Bnrf9FwMqfYipg+FyOtDXLdgziEoJ0Iz9j9fvYvnmDzff fCtem/mGNHSerqoV7mIsYiMkOETONh+RtsD6WlFRjsrKSqy//gbYfvttseFG64uipRVo0pJjUQYM I5PeVjI6sq50Owpm6sx8l9+ORu8H6W2c6fGmi+Tv0wW/Y5zTph2GgD+Y9ugiv29t9ePYY4/C1IMP tHxtZINbbr4dM2e+hpISUU7YHNOoEjwfbtz4sbjpphvayjYZOeX2OnCpfLEofB4fdhCJ2hIVUeqM i8KQ24YvWYFbFJOg06uMoy0OeXDBHjyhF+qeJ/vkAloZAH5Y0oQf5y8SxUQLSpfkKWdaXSdg/nzM h9ONYEs9ztpjbeWvBDTpnAFj6G1Yc2g/hCkARfgx31J/CwyhcSyC5mBh1veQYbtdbjVyQsbLXw5D F5ujwsH08cBPMqXKygpRTCokBw7U1dXjzTffxCWXXI4jjjgKd9xxN3755VcpP5c4rqXRhZiJYOsI MjSDTMIjvY2QzUV6+jpII9KLZZ8pvUwYRjFMByZOt9u1Up1MxbHe8ltngTs5fRkc4XUJz2KdcGfA r4yC2Vl9yunICUNiD0kNKAgz+vdHv2Lanz/FgFKpjE4PnOw9ZVipO4JxuR0hBFxVcAYbERQlaNld U+RBCDGHV9gklYose2YimGgUzCVpPv6vH+OZT5ei1K1Dpal12lXJTW46R1yUoIirBK2BZjTcvafl u3rBdcy/MaqfDyGhtIuFnqP60y0kLm4d59bmn5c2If7oQdaD/OHWW2/HG6+/JQK/VO7IvAuU1xwg uefDX71IDmhuboJHlJgtt9xceqxHY9iwoeodNcoqQiobGNbF+N566y18990PiuGlB4bhQL9+/bDv vntrLxudgiNk9977Z1RWVCLK9YRqN13qCAQCmDr1INTW9m9XX9LF4YcfiYA/1CbY0kFLSwuOPvpI HHjQ/paPjWxw26134fXXX9cjJ2mCIydrj1sT119/neXTHjlWTnSF0yHq6/ITn0NtmV6ExGmYDOvj SmAcHJGJiFLSKo3mrJ3H4NL91wF3MPP03ig1fL1SIWPEJJKoNEDpJ8J7/PMYVCkKFtPPbbzyG8+n ciJxczFmc0szjt15HG6amrB4uzrBcfTzGF3tRNjrgysSEY+8Ubw9VNk74IsFMKfFh/hfJlsP8oe+ oJyodm4pHoa1cPQxEPQjJm11jymTceqpJyv/bMF4TJw33nQjZrz8OkpLfNbTrsGUmelRzn1PmLAO br3tBnVvo3MEgyHssssk1FT3lzvSPXXRwTcbGhrxwAN/wdixa7bVl0xgKyfFg3wqJzkd30qubOb6 2O1GozkiSoTTI9U59crcHRhWNM4hxhgamqI4fXc9peNmfXW4JGPZZ01iEMXEiQfemifhSmMSH83Q uI9Dr0PJG4R+sWgY9REP/jB5WA4p17swurYMUekNO9W6hkLCIapnHGFXmcQdQEuBpnZ6K9jeKXCM QqJHTqx7eVZSUobS0hK88PxLOOboE7Dg10XqPa5bSf4uHZgpGcLjKhHFpFTFk4orVb8lypWVlcHj za4jszqApC7xlaK8vFxoRlqnSW9fSdtoWaaKiY3VBzlVTgwS9S6G03ZdEy2BIJyxUPKD7CFhcZoo LEJr8jrVqCnVPSaVIQcVh+zj4tiLBIYbn/8K5aVlKkyOpnALcS7C7w7haBw7ruFDv+oaOGK9/9Th TFDijCIkAkxt6y0wQ5MYRciKwsudX0rrtdEVjILC33aO681E96Bg4tqUhoYGnHDCyfjPf/6TUe+3 czAuxRbScDp9Os1WMDZSQqKcO6Prqp0NG6kiL8qJQSwew4TBFVhzYAXCDg9rtPUkezAkCqwlrV6c O2UN7ZljcNjyy1+a8M3yICqc2iKsapDW83yCpGoORHDeXutbPnktqqLF8AFV4G4vPU6Vu/qTGvT6 IgrQUDi9+fXVFWwfKyHJi8+VkiK970svvQJvv/2u8uNIS8/Blpo2bBQb8ivx1AmzUZy+23gEW1uV cFf6SY6UlEjUiVpXEBM3GCGaUD6MdDlxw3PfobLShzjNp+fZcI8KXWjDX47QlLkd2H3DIYjEwwUf NSgWlLo5PcAJNVKlcDQwsZHs3NK9cEXhrMT2RRgFhD1uKnvsuNRU9cPVV12Dd955L4cjKDZs2OgL yKtyogSKMKNTdhiO5qBE5oip81K4PTYWy3IOX4L2R8I4cfI4das3/GaHWCyEkLoIqHvu/Hn44+Wo 5sJbrjnJ8XboZFAYcpoq4PDBG/OjOQycOGkd9cTpcAsZV881D6wnQn6oo3UKClUi4kLS0/cgnCOF enUFlZLkRbJqhEVcRUUVrrzyavz4w1zlz+fG2bBhY/VFXpUTJVTi3Nrnwl4bD0FjWJiTwwlnJAiH O9tpnjgaAnGcO2mkXCszb9o7CzgdLrglTWGHXnl806vzUetqltClV6dGLvLIMMmQHR6UxFoRdFfC 39KKC3YfLQ9oUC6KKKfFVkeQ7hbZC6mfqGgl3nbC1EbGIP1Iy/a/MWXLhVtTzzzzrHbv2bBhY/VG fqd1hPlEVAwxnLnbmggGgwhLF9jr1DYQskEwEsPEdQagpqJUTYFEcmBYh0qIMx6G25JDd7zyA9y+ Mrgcovzku+suwTuEXlGnF+FgCDuvPwRVpR5E1KLcuKTBZtiFBvUROhu5gVHwkn+NosJRld//Xiso hK2g2LCxeiOvygkNzPMvx+S3Gz8AtZ4woi7aPZVoOa2TLucXhqWZVhyN/ggunEKrqdzw64JbxZUd hFWqtDkkrP/Nrcei5a1w0qiTwyXKiShU6aY3HXDKiAcTiYLSEAjg3CljlTe3s3LUhOfrrM7okdwn Rcr1UsUOq2lkJdj5rXE6LO3MM/NrrjMFv6dSYmyi+Hw+fP3Vt2r9Ce+NApMWmKQ0nMmjjQyRRMuU nA0baSCvyonD4QYnI8xSjSMmbYRo8wqEnSVaMUmnwgojiXJKiDsnog4MkCB2WncAH8BFuZ4DxcGJ kGVm34lr/v0VKitK4RIlSi2GpfW1LBlyV1CKkdArGomgutSFievwADUtEnUhZZ+/XomYqLhCAKeU S0H5GyNzcCuxKIacn4wW91ZuVk2ni1OD2jBZJsoDvzGKgQpDwnJK3pn/WJxHCOhw255n0R6SwyJ4 XV1djenXaUNolne3SKRBfiW9THOqzimMg7/MXxZZWW1gykwplC6heAd6duckhKTytu0G2egaeVZO tL0RUyHP3mUYVgT0FIUrHkpL2FBMexxhhGMRhKMBHLXLeOsJza0x/BS5WRcIxn3wCsMKhGN47rMl KHHrtOtD2BKMNB/gqIw7FkIwHMHpu61n+ep8qb95jLuYIWwQLv4tODMTRiz/nG4XIqKY+KwD7IoX 0pqoWMctVVbqC+sshW5qTismNIpm6ho3UsclvLjIFbWZO6kOJpSCzJFIY3sl5aGHHuVTdd8VzLfm mrxApTNFF4tysbnLyp+9W6g7cLc3eTrribruhKZdOcKUVyrla2P1Rl6Vk46orSjFJmMHIRgIIOYq leqZBoOTuhyLcU2IC/X+GP6wm7YIm0t4Le3+npnfo5Qnw2pvQULByhdIC9qjbZAO+nm70m4L02Ij wAXVNECXgzVF6UDNslH4yTVLfkhttfIvVrB+8rwTl4vKRByNjY1oaKgXV5eiq0ddXR2ampqwYsUK dbQ8w2hqblRnokQiYaW4UDAR5jdbMN1GSWGYtD766CNUTroH5Zxpl+zN+/3+tBzz1draglAoiGDQ 2qFnY5VgGXHdIE/2JQ/vjKZduUCw1QqJ5VbY9myj9yGnZ+t0jxie/O8vOP7+z1FZ7k3zIDf2kpwI CBPafFgJXjp/B8s/d4jSEqjDjUG/nwlPjFZB89yArPzrnzhaQ3FstVYNnvv9/ylGkG+FqDdg3Hkz 0RgOwgufKAy52ZWVCtgonGqBsgfLVojg/usBKM1zdcj2bB3WGdoLqa+vxx133oayshIltFMF3zXK wsKFC8XHqRSUOXPmYPbsbzHv5wUqbJ5CbOySmHqabX1NhONAS0szjj7mCBx00AHW086hTzjm1JML L744Q9L4DdzcBZgimFwqRFRShg8fgYMPzv/hjr0ZoVBAHZFfJgokaSdFlgbiQucgjjrqCAwaNEgU 3ZhSpDOBfbZO8aDXHPzXHeKICLt1w3nc8xhV5VILWVPmZ5JKjlgvrm/Fy+dui50ncL1J7vHG7IXY 44ZPMbg6imjMm3r60oWQPeZ0q7UMLqf0eoUpL22O4O3zNsWWaw+R3q/Qis9Xc4w46w2EYwFwHIuH OearODpCCUuODsRD+KVOBNg928NbUm49zQ+yUU6SlYPly5fh1Zkvt93nCi0trcrk/FNPPYM5P81V puh5CrBRapLTkC74LRUF/obDYQnHiaefeULuOZ1HhalzQZZNnDZ6BiwzItNys5WT4kGvOfivO5jd sEdvPQytIZ4wq+9TAYfZY5Ewait8WjGJ58MiLHD9C/NRWRpFIM6zdPKstwnjVQxZLsPSCxxU6VCK SSweVot/bQBLli2HmzTqCQHEOieMlAuu862YZItk5YCOAj7XKC8vw8SJO+Oee+7Eb393mhri54m+ HM3KhZJAJYfheL1eNWLz5VdfSZgu5Sf/O0W2cdooPEwdtWGjKxRUAkagRwLOnjQKSwMuNaefMuTd lrADp0/SW2xjyjR+bhEOBPHyV4vgdXng5YLdPDYgYeVqoSfBXmFAlLWzdtd5U6cqc5WeDXAih3Zn 4mp7QJ6VxWSw7KNSBm4v4kHbdD1BJUErEMCee+6Ou0VJ8frcbScLZwsjsBgHFaF/Pfucuue0DVuM DRs2Vh8UduRE1BPy+/VGDcDYAU5EYlaPaFWMTfwTTxxo8QdxlloIK4HkYeTk8hfnoJ/02hyOiDDE bC3Ydg2uMYlyJ4QoJtFoBMFQGL+dSLstMWVrReVxNcecZU3weHjaNLeysgYUGKIgRmJODO5faXms 3jCjI9QheD1y5HDce++f4A+2tk3JmPcyVVYYDuHxeJTNExs2cgVTJ532qHSvQGEXxEoPKyydII+I mRtn/IxL/vU9RvgCaHRUwhcPSmqSKo0ki1MbnnhYWUnlMPWWa/TDc2dvA0SCiLhc0qPObk1GXO0C 8YjoC0uF9WDgGa/CHYvC7XMqi7A0r5234UdS3RFDKO5W01U7TuiPJ0/7jW5AmvvnL+5egte+XoY9 b/0PBldI75zrk9Sez8LQhMXgdsbQGHZjaFkMX163q/Ukf8jFglgKd645eeHFf6vpkXyC60E47fLF F1/hzN+fjdraWpUGU2+Tr7uDeVfVfwGvuWvo9jtuxTrrjFejKUZxSYbx52JLXqfXZnRc/OuU7zKZ N0+GyUNyOswvs5VW0ooScTQ1NcMtiiOzYhVVyiBdyspK22jUsTy5YywYFF5Mm1ICXRcSROM3NTU1 OOH4k9SOoXTWnJiyCQT8OODA/bDvvvuqacl0wBHCqqpKyUOZ5dM5Lr74EgQDPJOr8EoQ80k3ZMhQ DBpci/HjJ2D06JFyP8R6g9B0jUZJa9JQ09jU1XTQZxbEcmmbMx4QInikR+pC6TH/wICBA+ERJUEv AE1UNqbK4eCZMl64wn4sCLjx2llbYAcR4rQuG5UK7JJ/2SDCiSYOwLgl7C8XYMqtH2FQtfTUVTc9 N/Poq4KqHrEgXG4v5q/w4+M/7owNR1TphzYU7n9rDn732JcYWOlDOC7lXUjlRJxT6mSrowQbDfZi 5gXb6gd5RG9UToRKqo3ccP2NePvt91FaWqLu01cUdPrNN7z2+wPYb/+9ceyxRyu/jjCsi9/86Z77 8MabrytLs6lCx8XtsSFh4uNxxRWX6gcZgukxQpfXpI/L1X73EHc7LVq0RO2A+vXXX7F48WLlx7Sk S69swS3n/Mc0U7hcffWV1pPOwV1Nh0w7HJWVwqcsswvpoKmxCbfceiPGjBmj6NMxv7fccitem/mG 1FupQ8owni5fAyot3OXjdfuERXeurK4KDIvvRyIiZyRaybXku3343YH18aijDse0aQd3mn6Dgw8+ BIFWUU4y3I2UKUx6+Mt8ckSe9HK7XUpZGTduLPaYsgfWW29d9R6pQPMDRhnMpP71GeWElcEpvdFo XNQKocNut3yAj39YAq8wFC4LTS5wJsodF+HgrIA33IiQw4nFt+0hlTIo70rl5ORHlutOwlLBPRR4 Tje2uuodzF3WIuqOTgNdVxUwa0jYcdH8A6E4yr0OzL1xF+uBDYPfPvwZnvhggdDHhbAwQncBlRMF UYJbwsCeGw3AQyduYXnmD71NOaFQI4yQ2H3yXigrL1M9WvploqAYMC+RSBSDh9TinnvuFiZKQd++ vRvWxThuu/VOvPLKTJSmwyQlafyWi3rHjl0LN98y3XqQGZgewzOS8/3999/j1VdfwxdffCmKSB2W LFkqZeyDy+lReTLvmvwUCoyXcbKcSkvL8MTfH7GedA4Kk8m7TsHAgQMUL1d5tZ6lgvrGBvzlL/dg jTU6V05uvfUOzHz1DbXeqLNT60keZcfH+razMFaF5He1UpI+rVta/Djq6ENF+ZjaZdzZ7CbKFMnp Mdf8p3IqfJN55uwDbfqMHDUcxxxzFLbaaiv1vm7H5B3pp7fP7NbhIs8Axzs4nSI4e9IYtIZjmoBS GdsVtnjGRCGhgtIcceKMSTyhlyzbq4iZWpXsGi72/EQxWdISxP9+XK4WXpKpMh3ZMNbUIBVHeub+ YAAX7p57g3J9AR/OrYebvQ/uasqAmWSLOOuCxDuyf9fDuKs72EMj9txrL6VEEGSQ2YBtjz2+2bO/ U/edMXraRGlro/JDwcXealpOeo1s84wrWzDPhn/4/a147NG/4dhjTsQZZ5yNl158BYsXLUFE+N2A 2oGoKK8ShaBUKZBcX8Mt2bwupDNxMv5UBamLvUqBx+dMm94uEX6mvGLC+zqCRyXwSAEqJkybLpuE YzopZBlGV8pBZ+j4DQVxx/C7c0qRLKzITBvJeRT1Uf0lpFqqUc3KykqsWF6PS/5wBc4770I0NTfL Myp8uqNRTCgopcnsPaSVFDSJNmn9QaIQiOYelXuXm5RV7xEUCmFRZJyOGFr8AZw1eYLyZ4I1A8g+ 6SaEO1/8FpWl7kShWkwmn1BkkD9+aaMnTVxT7hN5X10RIQliIfmjafHZvEbQDp6Uhvyjny6fwkDH F47GMYoHOdlYCWwvdKbHdfgR09QW4Fy0TcNkuSB63s+/WL7t0a6JKkWFaUrNsSox/DZmrqYp0gO/ ZSeGv8k847HHnsARhx+Dxx9/Ag0NDaKIVChFhMLVxEmY78x9oZFIi9DO2X3+uYiftn/4XTRMutEv dcc2ZfLqIr/vAD2gQTq6EkpukqMflQSGocosTfAblpcZfUkOOyUnApzKUzHClGWiTDUStEr4U8nq 378Ws7/9HkcefrQa0eP0ox5BoeIYU9NCPY38SuAOIJFU2aqFrLqQT95lHQRDATgj7bfuCknhQRTh gB97bTYKJR7NALlwTX+aeDdTxCymesdrP8Pn07tzEoWZZ0gU/mAYR287St+qlrl6wwmOorFuxPDT oibFrFjeql6I8MlBkacBiZdrmyTesYPttUCdge3EOKK6ugprr72WGjrOZIi4M3BnxXff6dGTbsE6 kqJziNOzhBRU1vcZgPzC8Iyvv/4GRx55tCgnj8kTbYpf9bYlyuTzueiSr43rKTBqLaq7hqKTlW7t oWmZsmuHjvcCCd+ErX7kG5ZTm1OGsrLjz/xWj4pLOB3D78apBFp06snyWhWYJlOv+NuZX+JZ3Fof 5sS5556H119/QynX5p18d85TQY+n4Hc7D0F92IV4J9ZQScIVYTfOnjRSe+QY7I8//cEchOI0jh6W tiCVUFwhwFiW++M415quso2usTzMNmrgpa9XiEKqr1WJFJgXsP063Q5EwlGMH1jcBtiKCTtP3Anh cEQEAHtemReaYaI+Xwl+/GmO5dsNGF0aLtumrnvhen3NU089izPPPBvNzS2orKhSPXzmQfMT7ZJ5 S6H4TKqQ1FlXaSCRtdRculjp+7aLrNBWJia4VF0vgKlXndW1zp5xWo9TjDdcfxO++ebbTt/pKfSo ROQx7MNrq7DpEAdCMSGG0ug0hDUhHHNiSHkMW48fjLg1zJdrTJ8xF1Uerj3Jr10TA621AqFIDBsP r8CEETVqFxPNpK/uCIuCpg3TufDyl0vgy/fZRt2AJcU1AiMGlEkZ5b9u9H7EscMO20MdopfBNElH 6F4cMO/neZZPccGs07j5plvwl3vvQ01VP7hdXpVu0wu1YaMYQeXDTOOwHpeXV+Dss89XIrAYFBOi h7vruvGetut4+AMUzgmicBTDHwjIs3W0hxrSyxLxCMKKYehCmVMXxMdzFsPlLkVcDfXlt1C4/tbh 4i6GMJpDcZy2G42uRZWS5rJHTuAWBTRqCbWZn82D15rK6wlQOQ5FHBgxkDtnBGpY10ZXYNMaMmSw 1HFOYWRXn42A59qEBQt+tXx7HmTodEbxuPHGmzBjxkzU9KuRGkM/PSyupw7sOmOjOKEV/4SCwrbm cXtw8YWXqPtiQI9KRNV0RVAfs/0a8KvVkLrBKwjxGkMOnLMrpz0i8nL2DZ3WPj0SLi2zErc89xUq K6pFMZB+MYNPij7nkLDj7jhcUZ50WwGEm3HctpyuioNm4Ixp/9UZPAGYhvVe/XKFqPOeHtacRT2R suLIFmEfJ9A9LHmN8ePGIxohvbJvUGz2CxfxhOSeh1mkybpBxv7AAw+KYvIK+tX0EyavR3nobxi/ DRvFiuR6qn+htrf/938f4JtvZxdF/e1R/s+twnGHNlI0dcsR8IcTAiAg13tuMkQPnQqPo5XYbMFR CyAohNdM84G356PE5VUrHVQhKd/8wRGPIOB0Ix5owNStxis/pZRIxD03RlA8UFu7BX9562eU+3pW NWFdoAXFrdaq1fdG8tpYJbjOgqCRrc7sVGQCbj8NBtKz5JkvsHdJPsF8fvTxJ3j0kb+hpqY/tEEw Mnn9XjEwdhs2uoOpp0r2WXW3proG10+/Xt/0MHpWORFhHbdWYP9+l+Fo5L5aUklcg1xfOHmMflF6 Ks4c7GZRFi0dXsm0Aw+/O1cdwV8qqklMFCAX17zkYuqoC1AR80RDaiHspfvpQ/5cch/hYmB7zQkc lnCb8dk8eKRs9NBaD0HiDkp13HQYp3WkZ5Gj3Sd9GUaBGzVqJCJhLojNHJphcqIkDo/Xo6yTFgMM Q7/isivRv19/pTxlDIvdaJanb9JVgjP9rmihaGEcpwcTTj1u+1U/aSE5jExcqjDvmynAfLr26Uuk 0/ymB9oW8mD+/F8wZ85cy6/n0KPKiRs0aiOQnsfmYwdhULkbobgDEWEAI6rc2GrcQPVMJIMwgUyI 3QFKwdGjMze9OAdVPFFV7qn46AWP+ZSGUlkl+EjcifWG12BMbblUIGaNe4YEWZ4T1BvBdT4xTtlJ kejSdeLe139CUGqGxxox60mEwjFst64eOenxxPQiDBo0EFEp26ygmiOZrVzKn6VLl2n/IsDtt9+h BAMNi/GXYBrTGjFhvhwULjHhAcnD6xKGlWdFgy6ceT/5tzcjGqE59SgikTBiUW1rg1aCjaOFUz5X U2hO0s76MAWQNhz5MuXVMexUnNqFFl11pIb+NBkfiYRUWrUJ+dy7iPqNqqMXaFuIynskwnVOie3A 6dYHVj1WrLLScjzz9L+UH8Fw0g0rFyjswX/d4MoXfsQtz38rhIjhkgM3xFm76G22uQIL1O1y4/sl fqx3/ssY3E9vERUiCKPIaDNdyiCVabp/RWMIfzl2Y0zbiutN8hlj8SMuTCjqFhU1KrR3cRrAhWGn vySKCc9OKhOlkQcz9gyNosIAeVL0srv3FOVJGKKkI9+nmfY28/UdoQS2xD979mz8/vRzUFlVqZhk JmB7odCmRl/XsAJ//vOfMGbMqvlBPs1oJ6OpqQn77LMvBtQOkbyRdWaav7iaso6K0BPuo+4pfCk0 yf+YfyVIVxW8POf3fJ9Kkk/KusQn9SbN5DBeOl+JB48++rDl2zlo5n/KHnujtpbm69Nf8MszhP50 713KfH1neOSRx/DOO++gVOp/VNoc61IymE6Px4t58+aptkgapZoGfmuUk4qKCmWThxsR0gEPG9xv v32xxx67KbrTim0yTP1fsGChii/frIuKCNNRV9eADz/8H15/7U2sWLEclZXV8lSXazplZGjEX54j 9O/nnraerBp95myd7tAaCqL8xBmq1xz66+7ik1thEBGBw5Nmj3loNl78z/fwlpYWTj0QMocdPvib G1D/533AE5Ed3L68OiMmPQAHx894GJcbT7z/E4566EcMKQsIuUpUzzK/KuOqEQhHsfXYWvzz91tK 2XGEh8pJftPS25UTg5/mzMGpJ5+uTnDNSjmxhH9jUwNuv/1WZeBtVSiUcnLzzbdi1lvvKNpmmjcN Dvuzlx1BIBjAkMFDsMGG62LcuHGq/IcOHSJl2XX4pBEVmZKSMrz08kt45eWZaeefdYauGJSTVHHk UUcLHw0K/9QLk1MB88h3W1pacNLJJ2CvvaZYT9KHWRhttpIbkCasr92VWz5x333348m//0NZgE23 jAz/oMLDsnruhWeVotgV+szZOt2hzOvDVmtWYOcNOJSe+6RRMWHv/PE3v4a3rEK37nxDNX75kctI yI9jd9bn6MSyPLSwL4DTXC4hjMOh1yec8bfvMMTjR9BTBadaUFnYRm7KiRfBcAy7rNtfbkLK/ooD 6fWyVmdUV1UJgxPlOwvhzS+l5UhRaLdsWXFM68yY8Sp8PDVX8sZ0pQPzvs4TD5JrUYewXX/9tbj/ gT/jzDN/jylT9sDEiTth3XXXwYQJE7p066wzQd5bF2uuOQZDhwxuE5q9FUw/aUOhqgV9R1j0lp/0 KK/BsGl+vtXfYvmkB5M2CvDOwDqhqzzTr8+PyyeYHlPmvCZVjj/+WJx40vGoq6vLuI5S6eKo0Bef f97m1xMoKuVEqidO2XkN/HYSd7Jkt6Cuc7hwz+s/odznlmJkXzi/YEWOOt1wSQ+QZwSt8EdxnrU1 2knJvLrD4RYasZxLcPk/PkdrSBqB2wO39CZjBe59sP2xp+60yqwlHMW+Gw+UJ17xkzRmabdjdUKl KCdmeDh7OOCS8mBvrtAw6Te/77z9HmjGnNMo9Eu3V5osLBoaGnHoYQfhtttuwfrrr6f8CPM8VZj3 9dbt3g1TZ/i7KgWAyFQJU/SXT7M5zV4rIBwdWTl9ifrAdwrT+TSjN6Zu0R144AEYP2EswqFwG01N PUkFfJfKyfx5Cywf+lkXBURRcdyYKA/T/m80pqzXT13nA7e+Mhce6fkIq7B88gQpTYcUsCOqzwxq ibqx6YhyDOkvvUoRdFSOVnfw7BqX0OiXxSvwx5fno6bUqUaUnKKc5HsNUGcgb6GtFUc4iMoSJ0YM qpZilJrIhs+HNrqE6e2y5HidYNbpg7xQCwEHwuGQOjSv0DDpN78zX30dZeVlygIuhUI6DJ9hGPo0 Nzfh+BOOxeGHH67utfBQl21xpYpEGnu/8sy8dKWUyBv6r8pzesoh31V0Vpw/PRobMAwT56ri1v58 L//l0TENrEOmjh199FFo9fvb6ijf7a6+mnf4y3JYtGhxm39PoLhqdCwOj1uYGtdjpN7uU8YX8+ow Z1mTdM698MQCeRc4PNLd54ggHHMgEAzjon1o7ZYZY+VVr6zWcDl1D2i7Gz7C0EqrB6D+ZMo+skNc 6h9ZF3cD7L3xUOWnyknK0UqZjS5gmBhHOXjwX3fMsCswKFUeEgYVE6536CmYfLz73rsqLXTsvafD tDXTd6rdFdtsuzUOOmh/5ZegUR4Yno126CkhW0gY5W7TTTdT7dDUr1Tzbt7jbziS/6mprlBUyono bcqKa5S2A4Qx5RpXvzwX/UqkB8ZhemVbxHqQD7CQRcmKwoWYy4vyWAv223SIVBZ5Ru02B2eP9H54 seeN72CFPwanaKM9zTy4wM4dD2JpEDh2m+HKjwpmXK05sdEdTPlxxwAbV1blKe1ENSHhAzRyxhN+ ewJaqXBg/i/z5TfBLumXUCxSA/PDUaCLL75Q7hLftldSbNjIDGYKx4yecOGxuU63fnE31LJlbMem DajLgqK4Rk6EAm4hgupDdzm8lxo4JM8tacLi1P2z/5kLt/R6OEwfjtPGSh4ZAhmOKCUQZcvv9+Oo SRtqf4mbQ8LyV9/3YUSE/hyL4MkEFDAsD61z6hGT/e78CG/NXiYKo1NKiNvyeo5Bsy6EpUwc0iRi 0TB2WHeI9UC3yp5onL0NhhHSHkQmwjsZrDeiLQob0OHU1nJxcs/hk48+g8fjVmkxLl3lq7W1FQdP m6quzfd0FCrphmWj+EHFWv+S9xWGt7EumdGTwYP1IulM6ip7Y6Fgz1pmLqqtxLkGl9C5uWra6cGd M2bjomd/QE0ZGYyifV4lDonqjkcQdLqwfFkIv945CQMq099u1ZsRjUeV9qsOVeROKSqEyqKmA3vf 9l+8+fl89BehEwnzPWH4HD3RJVNw6PIKoyXkxuRNavHI8ZvrBwVEX7Fz8tFHH+MPF12Gquoq60mG kEKhktLQ2IA//ekO6QnqnW6dIR9bGg1rJGO//Y67MfOV11BamlkbZlh1dfV4deaL6t7QKld46h/P 4MEHH057hInpoutNW4kPP/xIBPyhlbbypgLukDr66CNx4EH7Wz75g6FRMp3YUV24cBE+++xzLFmy BIsXLxL6a6Uil+DU47fffKfs8vA63fJiWY8btzamX3+N5dM5VputxLmGOqzNWrxy3au/oMKnBaMq pDQbViaIiTAOSBK2Hle72ikmRFyUMy5spn2QqMMniokb3y1owPgLZuLdb5ehurra6mWzjNIXxjmF JIG7dOqCMRy3zTDL00Y6MMyP235zwWypmGhlNY6qqiwVnQxglBNizpw5cLszH+3k/P+48frICoab jqCw0VuRUAhmvT0LF130B1GMjsNJJ52M+++/Hy889xI+/vAzfPrJ5/j4o0/x0Yef5Mz95/0P1Egd FTijmCTX596APq2cqGkbhwcfza3HohWtcLsKyBCkIsQ9DrSuiODiA9awPFcvuDhNQpJzK6hoyRc+ 8Qk2uOI/0nvxo9TnVuXjFDqpXcOcz++hxqMbbRxR0Y/6e4LYcR0qJ1SWbKQDw/wWL14sxZkb1sJ1 QLSc2q9f4ad1khWIBb/+mpXCxV7idttto6719vkC8iIbPQKn8L23Zs3CUUcdh6uvnK5GMrjlu7b/ QJSWlKudX16fFz6fT41ucKST17lyRLq7yooJfVo50eaJHZj+wg/oX0pRWDiGwB4fz1ioLAV2mcCd HysLOx5EqI5qiIfVU222uvc4njyrrynaVY7UXwOOlCxt9OOqZz/HyLNfw11vLcSAcg9iLp80XHlB XifD59wsvyx0b5KNlo7x0vlbQzhx9/XlSUxt97aRHkz5zZ07T5hidvQz5cLfmDD0XA97pwqTp6VL shsNoiXYsWP1tJTL5ZF82cpvX4Oqq7FEuV7yh8tx1ZXXorGhETU1NUoB0fxOj2R0/M0HGHZPtZ1s 0ac5sMvpQTAcwdMf/AJfiWiSUnkKiRZ/CKdPGaeuWXFXQtwBNZjjkErLH+4K6UWO20XZqNiu1CiV /A2G/Ph5eQB/mjkbu978H6x33gxc98pCuEWDrylxwRWPwO2kUiBfOPRODBUG6VFgsEwMs+B1Q8iJ S3enkTwH3DH7lOh0YRjsd7O/V4w4GzAslgkV/IGDB1m+PYdsGTwXJo4erddaMF/5EkY2ehaan8Rx 5JFH45OPP0Vt/1pl0MzUZ8XrrLJP9stHnTDhGpfr8PONPr0glrjhua9x5Uvz0N8XQ9TBqYTCgGRd 0BhE0z17oswbRQQetR+lPaJY1hzDsx/9gnIPK1DvOpmYJ0UvbY5gQXMc85Y1YEl9GD8ubcWCehqp cqDU7USpR5SYWAQuUV7CzsLRvzuwfMhIjL2KoPTOd1xvCJ48eRNwdz+t1DpchS2PvnK2zs47TcKA AYOErpZHBjB54cK8IUMG4+577rCedI58LYhVdSOoF4L2798/Ywa/fPkKvDzj3yKoOGqiWW4uhYW9 IDY15HNBrKkvxx57AlYsr1N1kXRiOtO1i9PTKIYFsX1eORl15kuIxKQn7BbxmMfhMwU2dAmfpxwH RNhtOaYGz5+9ldo15IxH4BTlqD3C+PDnELY4/yX4aqvgEYHYmyDUhNsRh+gfkuconC4vfE5tgCvs 8MATDyIUd8ElDJnbc7mFu1igGAkvmCa5XtAYwfdXb401hlSre7XTq8DnH/UF5eTjTz7BJRdfJkKy Iqu2Zhg9FYMtttwMF198gfWkc+RTOeHzPffYBzX9ajLO0/Lly0U5ea5NOck1H7KVk9SQ790606dP x6xZ76GivFLudDlTMWG7zEe55wv2bp0cQ60xiYeUXQ1WjDe+WY5FzRSa1rBZmsw+LbCRSwWkdVvu +mj0R3DWHpwioAgnoTvTAT0ocUdQVuHDUG8YNaUu9OsljmmtLXWguoTHtTtRUloCn9uh1pNERahT MYm4SpTy4owE9KLXIgKTExEliiM6jSEHJq1bI4pJP1VPWJaFVkx6I4xgM9fE27PeBo+1JxM2fpmC n0dFqV1jzZ5dUJ48wpYxJC/miP1s6WKjOJBc/4nZ336PV195XRSTirZnZs0Hr3uLYlIs6FPKCdcx IOaVHrpeCHvDc1+p81qiogTwWP58s4SwxO91xhGSTu+gchd25q6PWFAJwugqpmwcjpikzymC0iPv yZuswL3AKeHj4JCJU+hNpSym1pA4RUF0xPUUmlMEC9+Jqekc+a6IwBEuriuJCdNoCQZx5xHaSJ46 sEvSayM1GOZsGO/Mma8rIZztsfE6vLjaqbP2WnoLbk+BignPgEoWRGlDssNt8wSFlY3eD9ZRKh8G 06+7ATU1uoPD6svnik/aiklG6FutRIRj3MmRijia/AG89G0zSkRZgMulBGa+5aOy5xEVhhqM4LRJ eugyCp8aoOepxF2Bae5taEdONkT6sBGqa+PX4b0iAafeYqIQNoSAQ7YcjLGDOAxrIx2Q4ZpeIfHx x5+ooVoqJ9FYRNeHDGEYOu2DrLtu4tTenoBeM6Ct3mYOEWTWDh3mzdDMRm9GYmrr++9/wPxfflHl apRPU8a2YpIZ+pgKz0rACuHG9S//jMpS7ibxwhMJSE8+v6eaqp54NICIuwqtLU04Z8q6+gF3tdCu gT1NUBRQ/ILCgQwjxrVBYdx//Kb0VM9tpI6OAvbhhx5FeWm59CaFQUu9z5aiDJ92IMrLuQan8DBC RRtfy26ailurF/yqj6C3hVXPIJvy6ww6PB3mU089jZISn1rnxdEUPkulnPmeSZe5TvbLFrkKpyfQ p5QTBzgvrK/vefVbVLtjiMk9D5UTdkn2oh/mARKF9MSdaAmGsOvGw/UWYekpuUS75ohK760ifQe0 LeHiNJrTJwpjFMsaA7jp4A3g5jROvHctRi4WkKZkwt9++x2++OJLdXYVp3SooGQrgzkKs8WW+hiB 5OHzQoF83TB3lzs7VsnRl5/n/ayucyl8bKQG0luP8lkeOQFHDnWn89133kNpaamaAiRSVUyYJr7L a/6ae+OnBEcmjj/yPetdT7SdXKBPKSdUQIQNYOYXS9AUkgrC6RxRDrimg7+sTHmDaCeOuBtBfxMu OZCjJlJJpfeonatvEboXwjCCQNyL0kgDWqNurD24DKftzOk3vdXbRnogTck/iauvulYZmuJRBGSG tIOTLSKRMDbblKNa0oRSYPb5gGHs3M4cownhDMGprm+/ma2uabzQDP3bKByMAiB6c05g6vjixUtE kdadG6NYdAeTFk5bmvf5EwgE1Pk7zS3N6lycxqbGzFxjo6q7ui0mKTu9CH2qhTjjWou98sW56Feu D/iTIrdUkjwzN4krLHEMrCzHb0ZWi4fdEy8msHFGpaGWOCJoclagQZjAzAt3kieivErZuaz1ADZS B2lKIXvbrXegrq5O9dJUeyOXzQHIpHfcaUfrrmdg8jJixEjrhPPMwOH+t99+V127XO42pcdG4ZGr nYNmlOTHn35sG/FIFXyXygKNFTIcKin+QCvGrr0GDj/iUBx//LG4+por8McrL8vI3XTzdFGoh7Qp J+a3N6FPKSc8+XZxSxjvfbMQblVZrAd5guo56gv544C/pQln703z5zynRZ9tYKPn0FY2llMLlkUJ WdHcirsPXweDK7mRmGuCpLffzYJlGyuDzO75517Ec+JKS8uyZn6qPam2pEcsBg8ajKrKnluonJyd sWuOVQIk094nhdfiRUuwdOnStnsbhYNRBlim5AG5gCnDuXPmKOUznbrBd/m9rlNA//61uP/++3DT jTdg6tQDsd9++2DTTTfFFltsnpFbd911la0htiOdb3vkpOBoT3AnbnhxLqpLY4g582uuXhe4U3rc UYQcIuREHW+NAL/daTAndNSWWhs9B5Y8TeVH2CiV47oSFxqDEey3/iAcv8Na1otRKTtude79wsK0 hWyYEL81ztwn/ybjz/feh9tuuwMDBw6Qu8zjJBg+GSgdGSrXm0zZa7e2Zz2B5HjHrj1G9XANk88k TZUVVfjrXx9Q1zxXS//qcJhnG/kHy2/FshXWXW5QX98gfzOro0xPXd0K3HrrDaitrc2oXq0K0kVW U5GmzvK3N6HPqe/3v/q1sland8hYnnkAgyZ7oT2PcnCeMIBDfjNSKoBbKSw0yGaj5yDNEWG44Ral 0RULyVUYzdEARlWW4MkzftPGBGjXhMO83F3S22GYkFxYPukhQZPE9535zZkzFyeddAqeffbfap2J sgPiEgXdejcTtKVdwB5lc3MT9t57T3VP9ARjZZymd7z55pshEAiqNNIvOb2pgMn3eN14ZcZMrFhR J/eJhYpG6bGRP7CsSGM6ruXIJcLhUNrlx/dZ7kzXsGFDUVFZ0eafO0j9lPBM3nsbejVH7kj0Zz/6 FcG4ExF3CbzxsBRN/gqEYbscYVFOJD6Jc0XQh/P20JYsaQwupgzB2ehJsIyckRCCzlK0xt3g8Yof XLmVftbLjgroDmwLtIRMgcdVVpmYrmdbMu3J/BrhvGLFCjz//As4/fQzcfLJp2LZ0uWoFIaaiaDu DCr9Tn0GCQ2vbbjR+hJ+VduzbMPPFCZeWv3UC34TQsXQKBUwGOavX7/+OOuss5WfoW22ip2N7mHq KNd4fP7555ZvdjBlxp1p6YLfsvw5rTNy5CjLNz9Ip54WE3q1ckImnIyrnv8JlSXSW0YIETWMbz3I CyRwEXg+6ZU3O8uxVnUY64+slZoa5uZhOO1R2sJDGrwqcv6KguimQT6nG2FRHuNNi/D+5ZNR6i1F XJgJp+H6FqhY6ApfVlaOm266GbfcfDtuvvm21N1Nt+LGG27BrbfeqY57v+SSK3D+eRfhkGlHYNrB h+Hue/6EBb8uVNMTNFGfjHSFdWcgr+euFo6aHH30UZafZuI9ASN8zO+kSZPUCCkVwEwUCm679njc otitwO/P0AqKEZo9lcfVDSy3hYsXYZ61rTsbmPpOWzxpVoU2qPQs1PZv8oV062mxoFe3iBhEEYio yRUsrGvF53OWKTsLDtFGY9JLkWavX8wDWC1D8EnlisDfHMR5e6+t/GMOGn4jo7ZNoBcU0gDDDi9c sQjinKqR+4hUbw65hlqaMeu6fbFmf6nuoqjERGnpC9M4yWB9pHViCrnS0hK8PetdvPnmW3jrzVmp u7fewTvvvIvXX3sdX37xlbgv8d1336t5a5rlriyrUszUCGbGxV86I2SzA9eahDBo4CBsvPFGyseE m33YmSFZ4Zo8eWe0tjbD6/W12wKaCpLzwcP5fvzxJ5x40smiiDV3Ek7q+TXvqXPF+jjMNJjOc/r1 zZRBP6nLF15wieVroBeOmjA7C3tVzwYM0AchZgKOps2bNx9RfSCcYNXxpwsHTw4ThTgTRboY0Ks5 dJwmzpQRHBeuf/kHYZ4+fbaLw6OMbMmFfjEP4JRBCVrREnXDEWrB8TuOU/4UenR5jNpGJ2B5VKEe IdLeGUdUanYsFEZdxItPrpqICQM4pyuFIv953F8u7HAUFZg1jhAJEyKj9HlL1NqrdJxPeoCcDqIx KfYGOQSudiGQuqzQ8j+ZQaspJPE3TH9lIZsOJAz5R2F97vnnWH4aDLcnRhZMfszvmmPXVIsWM1lj QPAb0omONF6+tB4H7D9VnUY9f/4v1ltEYnqtO5j3fL6+vzvQ5JXKAIVuuiDdWY844s4RMI4GvvPO e9ZTPT1p4uiM/sbP1H3+EiOGjxDlIv3jDfT7cVRVVeGcc85XaRLfpGfZgTyO+aUi3RsVFIckuPep VBaUdUrReOFww33CixhaQaGTfaGmAlLNhSgawi7st+kg3H/sxtaT9PDVgjpsdul7GFTtFmkqaS9M 8vsepECC8MItiokv2oLlopRUuB348eqtUFJeKY/JPIp7NItC6o3X3xJFgebayXxXn8pANhSJRDFs +BDceedtivmno5Dk8+j2ZPzzn//CX/78V7UexihnmYECjsP6TmXPhUrZ0GGDlT0VTv3U1FTLM9bX VbNnCh+uf6EC+dNPP+Lnub+oabF0QLrT+Uo8ePTRhy3fzsFRrSl77C0Kmh4pSDfv9fX1+NO9d2GN NfS5Y5niD3+4FF9+8Y1SptMB88k0G5EXjcaE9q2KfhPWmYB+/arVqCP9SfeO+QsGQ9huu22x9dZ6 3ZrBkiVLcei0I1A7oNby6R5MAxUGsxiatA1Hgthss80wfvx4RSPSOFNwa/8D9z+EX3/9VeUv3fJi esaNWxvTr7/G8ukc+Wx3vVs54TYpadyPvjMfJz7yEQaUlRWMnyuyCe9ctDyCr6/bDmsPoT2G9CO3 lZPMwSJQ7U0uuF3YE4soGwbLQh5sOcyJNy6ZpN6LWKcPe13F3btc3ZSTjqyHNkCef/FfKJd2XKzK CbHnnnuhxFchwsWUT/rlxLw7hXdFRSGj0DA9XApGhsZDArk2apVB85EzYVyLigyVmnTBdND1BuWE 6WScd919D2a89Koq63TSYOpb4hv+6lEQHuzIha3qXCihq3k3GVQgTzjxWEybdrA858gJp2V0HZ2y +z4oK9e2fuhMWruCeYfxG0WFCnpY6MxRRNaB9CicAFNfXlaulFWTl1TSZFAMyknhx0pziJjFHKbP mIP+ZR5VIIUEl7tMGFYuikmVXNsWYQsJtjeXQ5pwNIyo06MsvHIp8i8BF07aYbClmJCBROF2usTZ RvGKCYZRGmZJWxFnnvk7pZhkMmRfCFCIEGedeZYyD85F19ppAZ8OOLVAM/bMPmcYjYDyej1wi5LB aRpfiU8x/U6d9PDNFBzfpWKSbhp6G0z21lxjDSXEUxW0REfBrGmlA+QIlEfoTjqaw/v0dXuak9Ys I/NNMnbcaTs1skJ/E1eq5UEFh+XPX5Z/eUW5WpdUVVGFigxdZUWlUkxMne2N6NXKCavJT4ub8eW8 pYiL8JHqoB8UCM2BKC6cwm1gPCtDV1obhQHLOhh3weUWxSTqx/IQldUSzDpvK9w8bWN5SmWR88h6 TVKf25zTB0AGzsW2PE+Ew9l777O3Yqbk6emMmhQKRuDsPHEnrLXWmtbaE/2M6U1VGClQKYmzfsp3 sYSSlizYjN+qkPxeKu/3dpjsrbfeeor26bD7jjQy99pPgpIyMM+N6wzJ3sl1dO999lTTc1rhXPX3 yeA7iTTo93lNqHv+z9glRtU6xtFb0KuVEykCXP7CT6itqoA3FtDH4BcIrELBaBSHbrOmXLmsXUM2 CgVpavA5omgIRLAs7MFJWw/GrzfthG3GVsqzOMJcEWujaEFGqWyaRMKo6VeFa6/7o/UkwViLDUZw ELfdfos6CyUSDSshZdYOpAXr9eTPTBiphpXu+70ZJD/rxahRI9Up0ZyqTQcdacT7BP3SpyHTYurp +PETMGr0CLlimhKKQXdITgORbhq6ggmrYxy9Bb2egz/5znco8wijc5To2ptHKOYkjrH4QzEct/UQ 5c+K6FSL12xkC0Vi/hrHP+pa052OTCkoyuCyJj+2XrMa3/5xW9x42CbyTBpgXBiDPPc47Gm2nobp sRln/MxvOBxBeUUZHn74QeWn2pHVGzXvFRNMPug4jXLbbbegvr5OKSYcOTVpLsa09wVwLYgRspN3 2xXBoLbYS/QEzVlXmR6uFSLOOecs1DWsUPfJu2P4Y1eJ9NGrlBPRU4WBcYRCl/QDs+bC4/bC6Ygj xO2hyjc/YEVjRaTxLm5XbmiN4JJ911HPnEos2rUvW1CpcDuF0cdpoURoygVhXFfCXogoHQ4pe38g hMZAFOsOr8FbF++IF87eBqNq9ToFzv8TUkKio3jUtY2egWkvxulpD618UAnx+4OoqCjBY48lFmGq 9mVxcaOkFBPMegOC6Rw/fhyuu+5aNDQ0qAWVTL9RsEw+bOQOyZZYjzj8MGWG3tA6ue4UGmaH1Drr TMDuu+0mShMN9SXSRNMGDoeerrSROnrhyIkwiEhQXV3z79koKytFEB6UOvy655wnSD1TZuodopgE Y8AGI6sxrF8FYtJrkhZiqybZQgjolAYciHsQdpQgIjQOO91C3zgiUSeW+yNoCAH7/98ofHz51njz gq2w2Zga62OWD+3LSCGpX4aVv7pgI3UkCw6nlCd7lS0tzZgwYW08+tgjbe+Y95JdMYLC0KSPIyY8 Afaqq69QW1KZNz6PhHunXYnih64jVABp62THHXdEa2trOwWl0GgfZxxnn30Who8YKp2olkSaaPiR HS3rLRupoVcpJw7V2COiqpbg21/r8GNdGOWimrikckajZBj6vfzAATeP+nN6UO+P4aIpo5WvRC2N hfPNvVDPKyqIEuLwwhcPwh1rQSAShb+5GX5p2OsMceO+ozdG3d27489Hroexg2tEUdRDqbYAKE4Y IUIhzV+6QMCvhMnhRx6GG268TvziSsD3VhihuOWWW+DhRx5ESakXzS2NarcHzwfqCWHZl0F6m5Ep 4rLLL5L7iKJ18rRaz0GX97333qPs1HCBLNPEUTW3SxsztJE6epVEpRkQUwEv/fdPGFgSU4f8ucNN iNCGhTzj41Qd/5h/2mPVUI+lUURCIficMRz0G1FO+D1NpUuPUG7Ue5mAVVp0bBVCn3Oa0LxQjvd0 nMKhcIqIC4SjaApG0drUhPqIT2jqxh6bjcL9x26CH6fvhNcv3hmH/N8wNdUT4/ROVBg/6cUw+xiK PUuG5qYck8ug4z2FM5UPjig0N7dg1OhheOjh+3HoIdOsd3t2jUm2cZr8Mo+1tf3x2GOPYPLkXbGi frn4aYXMvCNvt4vP+CeeZ45sv08P2Spcmac1WTExef6TKAItrc1KQWHajL+hazJtkv0ycd2B9YBp JLiOatPNNm47AZltgO1hVWGmEn4xI7P0d/1Nr1JOmFhl2yTux9MfzFM9lCA1FqmUTnXgnhS4+puK k4oEy/CZ0Ciu9qeL/yoctwuH4UUsFMARO68v9zzDhZVNLgWZ9ZK4q8SFQCiCoPQqA6EoAsFI33GB kCgecTS2RtAYjKEuEEFdKxWROPzSYQ7EnSh1xLDV6CqctNNYPHrqVvjq8q0w/5bd8cgx62N/UQBr Sj1CJhKZpaZWk2i7JuJDmve13qnpHep61XXjLTTIgAyDNUIimeGa8uA1GXVrqx4pGTlqBG6+5Qbc fvvtGDiQpsf1uxxV6RheOjCCQEHqUTrkMmngLz90qi3n6cGkOXkK5/TTf4eHHnoAEyaspXrOqvcs Cjgf832+Z+KmIxLpSA8mLBNuvsHkshVmCmXgLAM6GyTn09BuxIjh+Otf75OwQ6KkNLUzTEcY2tLx Ohuno9bp1zKhPVgPktN4xRWX4aKLz4evhCNqTWoBr0EizPZlyE+LwSmYX0Fn+SXUWhqlNKY7csV3 SQNNz85GUHuVhVgebsXKfe0L3+GiZ39EbYlmDlLtqDOr69TByhtW6xO4kDIQdYqq0lXD49bVVixu jGPhvfthSDnfzXbRZQhzl8dw/hOfw1NWCm8smnYuih1eVxwjBvZDXHo2Ywb6UOl1YlCFC4P6lWJM /1J4vLZxNIPbbr0br702Uxl74jShXvytmWxxQDNRrTxpZq98LRYSCgc1k5Hbiopy7LDDDthzrykY OZJbLHMPI4TobrvtDrw+800RBKlZqmTS+T3PD6Llz/XWXQ/XTr/SepoZGB7pY/DrgoV4/t8v4PU3 Xkdri1/Rhsa8+I55r6OQSr28E8oVf5VP0nWqMPGmZiE2jCl77IXa2oFp103y5/qGRtz757swZszo lWiVKUhTKgXEXXfdg+dfeAFup1v8aDHXo/LGX7MeKBtw9O+oow/D1KkHSbicyu9a0UpO2/vv/xcv vvASPvvsM6VA0QosR9yZNlOPmdZiAUeiJkwYJ52KG1U+SLrO8nvHHXfilRmvqZPQtQKTev1luDyv 6oYbru20PvQq5SQsefc4g1jQwHMOwnA5s0t6RJQSzgU2+4OoFwZFQ26Ks3YCkpxGv0j/nSfUSFpC kpb0znboiKiQ3pUmM+lziIfkD4WdUxptdvTs7bh++k14+eUZHZST4kJCIFLAUrBygSiEOZVh7XFj sfnmm2O99dbFWGE6BnpNVufMLRswHXRkatdffyNeVibNU1d2dV445B7GuHHjceddt1hPMgMZLMFw ec1zczTnAL79djY++eRTfP7F5/jm62+UXyyq3zO90nRZMd+n8OOIBC2L+qjop8lODA1TUU5oAXWH 7SeiX79+cLu5zk+nO1XU1dXhsccfxpprrqHiTFeR6ghD72ShxpG6V199Df/73weY/e0PUrbS4RP6 kkbZtifatTnuuGNw6KGHSN5F/ri67pwyfcxjx3yyLsz9+WcsXrQYCxYuEBkk3WLWgSKSxFQchg8f jqOOOkKVFdFZeU2/7ka8+spMZc3YvJcquBZn3PhxouDcqmjVq5UTjpxoBheRNkhCZcvsjC0MhpNq Q/GLUuNT0wvZDFESERHKIoKkUKn0hOFUi6b6DlySJ2aI0188dC8GKT82WA5XkeaimAhbVetI4OIZ 06mWQd/EV199hV9+0Ye30WKly11c9CCrILfQPMqhpmiqq2swePAgZe67MxgGzV/Ti8wVkpnmF198 iUWLFwmjTyeOhHJQXl6Brbb6P8s/c+hepmayDFcrbyuXI7cfL126DMuXL7e2xK4sxLoDBS5pQMXk v//9L9595wMph/QPw6NLRTnh6MOMGa+qsuYW/47CpDsEAkFss83WqKriCeHpfdsZmG4j1HhN8pHe yaD/wkWL0NTYpM6LSZPE7cD8Dx06VOr7YFXO3dVnQ1uSSSughTuYNldI5KHz8vr888+Fvoul3Xnk nfSkVzgcRU1NDbbccnPLpz16mXIiFVEUlJjTo4WcKujMkx9l78+6ZihOVYFWVXnUG9yvo9Mg32Y7 6qFWUUicEbhVyBKi9aRvQC0HEigak3ykr9BM2IgoLNpLxIM8l6u4vNXLGq6NzkGWYpiwuSaXyXXx Mmy6dIVkvpDIayL/yViVfy7w7LP/wl/ve0CdyZIqDO04uuArcasFvYUBlYrsyy1ZMSEMaXnbVTkU GlpJNW2gfbqKJY1dQdOXyrO+N8h32oujVacIJ7ViUUyYaAcrNglDvwwdVQGSlk58LH+G2ZnjM9F9 1aUrJ9MxXN4JhxvsIKtRGAbZhxxpquhK0M8qM5KO/qS/Vg+Zd75goy8gmWGZ63wUL8MuFsWESOS1 88yuyj8X4OnG6cAIFgr4wk8f5qbcTBjMh6atdobO+aR3OtCjOZ2nq1jS2BWYxs6Sme+0F0/LtmHD hg0baUH3aqEWa6YrLMz7/K2o4FSLDRvFA1s5sWHDho1eiORh9Tlz5oA7VNJBYvQkjoGDBlm+NmwU B2zlxIYNGzYyhBm5ML/5xsrx6d/PPvscPIwwXXBqhLuV1hijLV7bsFEssJUTGzZs2MgAZuTB/BYK Jj6uFwEc+Oab2QgEAhmlgTtQuAtyjTXGWD42bBQHbOXEhg0bNjJEIRWTjnGZrazXXHVtRmtGGB5H ToKBIDbeeCPL14aN4oCtnNiwYcNGBqCiUCjFhDBxmV8a8DrphFNRV9+gFJV008L3aa+jorIC/fvX Wr42bBQHepWdExs2bNgoFtCo15V/vFpZxy0EnKKALFq4UI12zJk7F01NjaisqILHoy1bpzuKQ/sb NEk/ceLO+N3pp1q+NmwUB2zlxIYNGzYyQDAUxKSJu6O2tlbteElz4CIjGNseHClRdp8kTsPC01NM OKXjwLJlK/DAA/dh5Kjh1hMbNooDtnJiw4YNGxmAIydT9thblJMBanFqutMqPQmyfbrKynLcL8qJ sbZqw0axwK6NNmzYsLGawCglVKTq6upx6m9PUf62YmKj2GDXSBs2bNhYDUClhEoIFZNgMIgJ66yF zTfbjE+sbck2bBQPbOXEhg0bNvo4zGiJPksnjqamZlx/w3TrmX5uw0YxwVZObNiwYWM1AJUTKiEr 6pbiij9eirLSsrYRk960XsbG6gFbObFhw4aNPgIqH8kuGVREGhrqceSRR2DbbbdWNk6MwmKvObFR bLBrpA0bNmz0ARhlhApH8kiIVlSA5cuX4YQTj8dRRx0p93p3jq2Y2ChW2LXShg0bNno5qGQYpcQo KVQ6OFoSCPjR3NyIm2+5EQcddIDyM+/biomNYoVdM23YsGGjj4CKhxkR8fsDWLF8Obbbfhu89PJz 2GijDdU7Wnmx15jYKG7YRths2LBhIwMYI2z9+w8Qgd+zW3HJxqmYRCJRSVdQfBzYeeJ2OPXU01Be rs3rx2IROByuNgUmeerHho1ig62c2LBhw0YGCPiD2GmnXVBTUyN3PSHo9dRMOByGz+fD6NEjsNnm m2OTjTfBJpu2P2VYs3m+bw+W2+gdsJUTGzZs2MgQ33//A0pKSuSq8Gw0Go2pc30qKyssHxs2+g5s 5cSGDRs2MgBZZ7FMjXCqhjDpYdrsxa42ejNs5cSGDRs2MgSVAioEZh1HoWEUJKOM0HYJTyw2/jZs 9FbYyokNGzZsZAByTq0U9IwSQDP0jJvpsPUQG30NtnJiw4YNGzZs2CgiAP8PbbXdzQbfU04AAAAA SUVORK5CYIJ= ------=_NextPart_01D6E354.C0207940 Content-Location: file:///C:/2C48CB21/01Incidenciametodologiasadministrativas_CesarCasanova_archivos/header.htm Content-Transfer-Encoding: quoted-printable Content-Type: text/html; charset="utf-8"


 


 


 


 

www.visionariodigital.org

                        =                                      =                                      =                    ISSN: 2602-8506<= /p>

                        =                                      =                     Vol. 5, N°1, p. 6-25, Enero-Marzo, 20 21

 <= /span>

Derecho &a= mp; Educación       =                                      =                           =                                      =                            Página 10

------=_NextPart_01D6E354.C0207940 Content-Location: file:///C:/2C48CB21/01Incidenciametodologiasadministrativas_CesarCasanova_archivos/filelist.xml Content-Transfer-Encoding: quoted-printable Content-Type: text/xml; charset="utf-8" ------=_NextPart_01D6E354.C0207940--