[Infographic] Đây là kịch bản mà Covid-19 có thể kết thúc nhanh nhất với tỷ lệ tử vong thấp nhất

[Infographic] Đây là kịch bản mà Covid-19 có thể kết thúc nhanh nhất với tỷ lệ tử vong thấp nhất

ZKNIGHT  | 28/02/2020 09:49 AM

thích

Bạn có thể thấy, trong kịch bản này, dịch bệnh đã lây lan nhanh chóng, nó đạt đỉnh sau khoảng 2 tháng, ở ngày thứ 70 với hơn 1.000 người nhiễm bệnh. Nhưng cũng ở đỉnh dịch đó, hệ số lây truyền hiệu quả Re đã giảm từ 2,3 xuống còn 1,1.

Khi các chính phủ và cơ quan y tế trên toàn thế giới đang làm mọi cách để ngăn chặn sự lây lan của dịch bệnh Covid-19, một số nhà nghiên cứu đã thu thập dữ liệu để xây dựng một kịch bản chấm dứt của dịch bệnh.

Dựa vào số ca nhiễm mới mỗi ngày, số ca tử vong và sự hiệu quả của các biện pháp như cách ly kiểm dịch, họ có thể xây dựng một mô hình trên máy tính để nhìn thấy trước tương lai của dịch bệnh, cách nó phát triển, suy yếu và đi đến kết thúc.

Một trong số các kịch bản đó cho thấy số lượng các ca nhiễm bệnh có thể đạt đỉnh trong vòng tháng này. Bài viết dưới đây sẽ trình bày một mô hình đơn giản hóa, dự đoán cách mà dịch Covid-19 có thể kết thúc nhanh nhất với tỷ lệ tử vong thấp nhất.

Nhưng để hiểu được các mô hình này, trước khi xem bạn cần biết những số thông số cơ bản của nó.

[Infographic] Đây là kịch bản mà Covid-19 có thể kết thúc nhanh nhất với tỷ lệ tử vong thấp nhất - Ảnh 1.

Các mô phỏng dưới đây đều được thực hiện trong một quần thể dân số 4.000 người. Những người nhiễm bệnh được mô phỏng bằng dấu chấm đỏ. Những người tử vong được thể hiện bằng dấu chấm đen. Và những người được chữa khỏi sẽ là dấu chấm xanh.

Bạn có thể theo dõi quá trình diễn biến và lây lan của bệnh theo ngày hiện thị. Trong đó, có hai thông số mà bạn cần để ý.

Đó là hệ số lây truyền cơ bản (R0) – hiểu một cách đơn giản đó là số người trung bình sẽ lây bệnh từ một người nhiễm duy nhất trước đó. Với dịch Covid-19, các nhà khoa học cho biết R0 của nó là 2,3. Điều đó có nghĩa là trung bình một người nhiễm bệnh sẽ lây cho 2,3 người khác.

Ngoài R0 là con số trung bình cố định, tốc độ lây nhiễm của dịch bệnh còn được biểu thị qua Re – là hệ số lây truyền hiệu quả, cũng tính bằng trung bình số người nhiễm bệnh từ một người mới, nhưng chỉ tại một thời điểm nhất định trong dịch.

Có thể hiểu rằng, Re là biến thiên của R0 và nó luôn thay đổi cho tới khi nhỏ hơn 1 - điều đó có nghĩa là một người mắc bệnh nhiều khả năng sẽ không lây cho ai được nữa, dịch bệnh khi đó sẽ chấm dứt.

[Infographic] Đây là kịch bản mà Covid-19 có thể kết thúc nhanh nhất với tỷ lệ tử vong thấp nhất - Ảnh 2.

Và trong khi xem, bạn có thể sẽ hỏi tại sao có những lỗ hổng màu trắng trong mô hình này, đó là tượng trưng cho một bộ phận dân số may mắn không hề bị nhiễm bệnh từ ai. Có nhiều nguyên nhân có thể xảy ra, nhưng về cơ bản là họ không tiếp xúc với những người bị nhiễm bệnh.

Một số người như bác sĩ hoặc y tá có thể tiếp xúc với hàng trăm người bệnh một ngày trong dịch bệnh. Một số người có nguy cơ lớn khi tiếp xúc nhiều người khác là tiếp viên, lễ tân hoặc người thu ngân. Nhưng trong dân số cũng có những người đơn giản ít tiếp xúc, họ chỉ ở nhà và không đi đâu cả cho đến khi dịch bệnh kết thúc, và bởi vậy, họ sẽ được bảo vệ.

Mô phỏng dịch Covid-19

Bây giờ, hãy bắt đầu với mô phỏng kịch bản một quần thể 4.000 người dân trong dịch Covid-19. Hệ số lây truyền cơ bản là 2,3 và toàn bộ dân số này rất nhạy cảm. Họ không được bảo vệ bằng bất kỳ biện pháp nào bao gồm cách ly những người nghi nhiễm, rửa tay, đeo khẩu trang hay tiêm vắc-xin:

[Infographic] Đây là kịch bản mà Covid-19 có thể kết thúc nhanh nhất với tỷ lệ tử vong thấp nhất - Ảnh 3.

Bạn có thể thấy, trong kịch bản này, dịch bệnh đã lây lan nhanh chóng, nó đạt đỉnh sau khoảng 2 tháng, ở ngày thứ 70 với hơn 1.000 người nhiễm bệnh. Nhưng cũng ở đỉnh dịch đó, hệ số lây truyền hiệu quả Re đã giảm từ 2,3 xuống còn 1,1.

Sau đó, nó tiếp tục giảm xuống 0,5 vào ngày thứ 77, kết quả là lúc số ca nhiễm đã giảm xuống chỉ còn một phần ba. Dịch bệnh kết thúc ở ngày thứ 84 khi không còn ai lây nhiễm cho người khác, Re lúc này là 0,3.

Nhưng đó không phải là vì chúng ta đã chiến thắng dịch bệnh, mà là vì gần như tất cả mọi người đã nhiễm virus. Một tỷ lệ 2,25% dân số đã tử vong và tất cả những người nhiễm bệnh khác đã được chữa khỏi tạo ra miễn dịch cộng đồng bảo vệ một lượng nhỏ dân số khác an toàn.

Điều đáng nói là ở chỗ, kịch bản này được áp dụng cho một quần thể kín với 4.000 người. Nếu những người này không được cách ly, một người nhiễm bệnh trong số họ có thể đi tới nơi khác và tạo ra một mô hình lây nhiễm tương tự ở quần thể mới.

Dịch bệnh khi đó sẽ chỉ kết thúc khi gần như tất cả mọi người ở mọi quần thể đã bị nhiễm bệnh, hoặc họ sẽ chết hoặc sẽ được chữa khỏi để tạo ra miễn dịch cộng đồng. Tổng con số tử vong khi đó sẽ rất lớn.

So sánh với một dịch bệnh bùng phát cao...

David Fisman, một nhà dịch tễ học và bác sĩ về bệnh truyền nhiễm tại Đại học Y tế Công cộng thuộc Đại học Toronto cho biết: "Chỉ số R0 càng cao, một dịch bệnh sẽ càng bùng phát nhanh chóng". Cùng với một đồng nghiệp của mình Ashleigh R. Tuite, Fisman đã xây dựng một mô hình tính toán hệ số R0 cho dịch Covid-19.

Tuy nhiên R0 của dịch bệnh này thực sự còn rất thấp để gây ra một đợt bùng phát cao. Muốn biết một dịch bệnh bùng phát cao sẽ diễn ra như thế nào, bạn phải so sánh nó với sởi, với hệ số R0 có thể lên tới 18. Nghĩa là một người mắc sởi sẽ lây trung bình cho 18 người khác. Hãy xem điều gì đã xảy ra khi đó:

[Infographic] Đây là kịch bản mà Covid-19 có thể kết thúc nhanh nhất với tỷ lệ tử vong thấp nhất - Ảnh 5.

Để có thể ngăn chặn được những dịch bệnh bùng phát cao như thế này, con người cần đến một thứ vũ khí mạnh mẽ: vắc-xin. Tổ chức Y tế Thế giới cho biết tiêm vắc-xin là một biện pháp phòng ngừa dịch sởi hiệu quả. Tuy nhiên, các phong trào chống vắc-xin trong những năm gần đây đã khiến số lượng trẻ được tiêm phòng sởi giảm xuống. Năm 2018, chỉ có 86% trẻ em dưới 2 tuổi trên toàn thế giới được tiêm vắc-xin phòng sởi.

Và dịch sởi khi đó đã tấn công lại Châu Âu và Mỹ, nơi sởi từng là căn bệnh gần được xóa sổ hoàn toàn. Kịch bản mà bạn vừa xem trên đây là quần thể 4.000 dân số không được tiêm phòng sởi. Chỉ mất 48 ngày để nó lây nhiễm cho toàn bộ và giết chết 47 người.

... và một bệnh ít truyền nhiễm nhưng có tỷ lệ tử vong cao

Có một sự thật rằng, có những căn bệnh có hệ số lây truyền cơ bản R0 thấp, nhưng tỷ lệ tử vong của nó lại cao. Đó là những căn bệnh nguy hiểm từng gây ra đại dịch toàn cầu như Ebola.

Trong đợt bùng phát năm 2015, hệ số lây truyền của Ebola chỉ nhỏ hơn 2, vì bệnh truyền qua đường máu sẽ khó khăn hơn lây qua đường hô hấp. Tuy nhiên, Ebola có thể giết chết tới một nửa số người nhiễm phải nó, tỷ lệ tử vong lúc này cao hơn rất nhiều so với Covid-19 hay sởi.

[Infographic] Đây là kịch bản mà Covid-19 có thể kết thúc nhanh nhất với tỷ lệ tử vong thấp nhất - Ảnh 6.

Mô phỏng này cho thấy một quần thể 4.000 người cũng không được bảo vệ bằng bất kỳ biện pháp nào. Dịch bệnh cũng sẽ kết thúc chỉ khi nó lây nhiễm gần như tất cả mọi người, nhưng bởi R0 thấp hơn, nó sẽ mất thời gian lâu hơn. Phải tới ngày thứ 224 dịch bệnh mới kết thúc, khi Re giảm xuống mức 0,4.

Làm chậm sự lây lan bằng các biện pháp bảo vệ bản thân

Trở lại với dịch Covid-19, kịch bản dưới đây cũng là mô phỏng một quần thế 4.000 người. Tuy nhiên, một phần ba trong số họ đã thực hành các biện pháp bảo vệ bản thân (được mô phỏng bằng chấm màu vàng) như rửa tay thường xuyên, đeo khẩu trang khi tiếp xúc với những người nghi nhiễm bệnh.

[Infographic] Đây là kịch bản mà Covid-19 có thể kết thúc nhanh nhất với tỷ lệ tử vong thấp nhất - Ảnh 7.

Kết quả là sự lây lan của Covid-19 đã chậm lại. Mặc dù số người nhiễm bệnh vẫn cao, nhưng chúng ta đã có thêm thời gian để chuẩn bị và đối phó với nó. Số người tử vong vì vậy giảm xuống chỉ còn một nửa, 50 người tương ứng với 1,25%.

Kịch bản tốt nhất: Kiểm dịch và cách ly hiệu quả

Đây chính xác là những gì mà Trung Quốc và toàn thế giới đang cố gắng thực hiện. Kịch bản này là những gì chúng ta đang hướng tới. Những người nhiễm bệnh và nghi nhiễm được cách ly một cách hiệu quả và triệt để, những thành phố tâm dịch được phong tỏa để không làm lây lan bệnh ra ngoài.

Mặc dù hệ số R0 trong quần thể vẫn là 2,4, nhưng nhờ vào biện pháp cách ly kiểm dịch, chúng ta đã có thể ngăn chặn sự lây lan của nó. Lúc này, dịch bệnh có thể được nhanh chóng dập tắt, sau khi số ít trường hợp đầu tiên được phát hiện và chữa khỏi.

[Infographic] Đây là kịch bản mà Covid-19 có thể kết thúc nhanh nhất với tỷ lệ tử vong thấp nhất - Ảnh 8.

Nhưng phong tỏa và cách ly kiểm dịch phải được thực hiện từ đầu tới cuối, cho đến khi không còn bất kỳ ai trong vòng tròn này có thể phát bệnh hay tái phát để lây nhiễm cho quần thể bên ngoài được nữa.

Thực ra mà nói, khi dịch bệnh bùng phát ở Vũ Hán Trung Quốc, việc cách ly và phong tỏa đã được thực hiện quá muộn, tạo cơ hội cho Covid-19 lan ra nhiều nơi khác.

Nhưng chúng ta có thể hi vọng rằng, với những sự chuản bị tốt nhất và sự cảnh giác cao độ, từ giờ trở đi, các điểm nóng mới có thể cách ly những người nghi nhiễm hiệu quả theo kịch bản này. Nếu vậy, chúng ta vẫn có khả năng cao sẽ chiến thắng Covid-19.

[Infographic] Đây là kịch bản mà Covid-19 có thể kết thúc nhanh nhất với tỷ lệ tử vong thấp nhất - Ảnh 10.

Tham khảo Washingtonpost

    Tham khảo XS Kết Quả để xem kết quả xổ số.

    Xem lịch âm dương tại Xem Lịch Âm.

    Xem bong da Xem bong da 247.

    Công cụ tính toán https://calculatorss.us.

    Tin tức game https://gamekvn.club.

    EzbA P4lk6JSeKTf Uii7jYlObSoW2 6kRctCkvY2VwDFhMTb5GESDf3eVMDMavYoCy7ODfmojoNdYqpzNgepVJMqP1lpNNwPco6eyAeubH6mSdOdnL9gPPJFzZYEEikEczsfE4UyRXDFsGpNCKWJ4Bw6XE40RykpiRXqbrww7P aFiqg4h6Hlpbg4PzlKcs0VMKEwf73BisvhxjgyQ7JqyMLy7CfT7thMkGR0pNW9g1 aaYuhOeGdUSOLUK9TP82eIQFPSeQFHvI9Y5nI oa3fxsGQQSz4fCl 8cL9hrmlHsHHy7kbN1pzpCmlOrmEvCRj69ZhJowcdA9sqramxpyB5fa6BNHTAWDPwVVZtIiLJXibWSR6ZbkRNdJLW3AiWoSglr3v2CgFZWVSVGZGlPYyqYtLnL6WDTB4dNLKnPwgGjMDJA5U0zjhc Boj8EYwyTYvdeA YouhtdShZAowEXEIigqncAVhr4eoxiF5 gPqUJeRLGmcoobT4WC90Eb4HJp35cDSghQ9tIFakzj35M1mrWJrRswVLi3xzCsH2MRH MSRdvlnoKVY9vDloXfd81ZJPLhjFAUbKOUK3JCNo40cRLyEuEb0CBasePP2kgyFHs6QzFC uz242io9iscu1mtXNVO0kM7jgtNSVwOjcs5uChwdGVizcNxWG9a6lhQfLAMiAVqHk xGwWCeh5dsS6MMKcQmNymo2R8J3GUleM79wOM2EkJUmwZZerlAdMz RDAti0D3pMcJunNqqKdikqim4CPVAfbDQqlOgn2iVYbQNwIFcjUfQSHyoXuKKLS9ymvNdpbg1Ee47jYdUUGmFxVRFjQtaWj6eyXUo0D7OuIUW5 YyPnAXgTfgxLVBrgyGDFdlHScX4m56kB yNB4TFWh W1rhxdqogdZyPZ Mk2KXN1S5WePYsPT4 0NuAk93Su1dLnNrMLR TyvNZlfs NupuKaLWkesn14EEuMnZIuAuo0iih 0LvKuF6CQJRpgoRnh4NEOkffXvOjeDPMMpQai7j4EAhVdFeHqOMYBdNxuoY5kO9k3iLebWt F4Q6BZbfsKPYji4ymFN0S0z93WhtmdZndPigBKyh8no0wW34DFsfvPJ90oLzuEZ2QYk2f7cjK7QEptHZ1zAZ 1UZlCqvBmFU 3Tib4VBQElAfLHgVzi7Xlxj1itvGFQixMd1UZ1zKUzMrYLnSfjwKWVfyW4VAAqGkXtKEdv7IdHE94cgnLPOfqPqsR64wpZOx9HTG9TlxKIyss14EEZakMOgqzt57WOLcq2MWHt1r9FEviqvlnsYHgB2u6C4 LTltXMabKOfA588rpN68Sdd8OguNn4Ofe3ioBTHdsf4jEZrs1 o5Br8u6hPvAzEdFOfTd4K9GezHoePdZXUTrAUffCgx2kk124dpj0lOCUK6Jx4t4wPfitt58HSeAUQNEzYFmx6rY3pX6eirZ4QyZDNsz31ymtwUAvQsB9WOh3ibJWzZRv j2pNOlEGyXgm4hu5f3b1kErt42Cof29XyxWZBTkbwaAv1QvE2AFvIDpTRbrIJ0JTxbMYRhdKfoW61H0sWjxUnUJixKk9A3I0ffw2Kk5n1nmZY7iPri36ygqYsDMPIaycW08F7Hta ruoXCJlgr2RKZCtN4Y9CxmXf0EWfP8edqVx5k9BSJr7LJbmKnsyGH1wlczGFXFfw9pNU3D5zsKK306k9eHJQQHdwxJxS05uMOUX5bMTXw0bSCBAB6NkbQW11ev41Sk 8av9Uy6SzbnxegmbrpnOFUcXQMmHvdAoDxmZeext6kDaC28o6nhGN E6XjituFFfKDTgeDBZlQrrSnucbSneLlMLStLhIGl75 rMqpNbnM2Tze64 55wZX9xb5SALpBJKVujsQ1XjPzK2Te49SZtMXAeLmo erlVAGr1AsWsf3WConzsSiRS4lkVeMqlFQiJxxcItE3wV8Zp8Cr6k1W81HMK lurSI8VR1pFUOoQuLzkKqVmsNDwGqPy rBkJq8MiOJoKkxZic7JeCKjf YKHUfptESFb26aWe488YZoj6Rkx8I5EWruufynK2612OAwYMOmRIy2tgfxhneBKSAKIoY3xlN1b7UQEyCFwP7tUgVRWbaSMoCh1zEDVlce5hEO3lz7DDm5kTmQQkUzhZzdDmQST92pbCitlUgfwyyKY18K99xIsU23odogOdOcwN873IyAhugUc55v8TZqXJX9mhfK8QUJGx54XHQovtqL0UYx4loqp47RxIKNHXZMboCdtDWfy9k1Uu9BVleXB2tbRzXlqxaRPhBAe qQtn6nkWffP0EG2GA2E5vvVgG99Qjlg1g5kD G8T3LCSHjSNN5CU8fDEVccYhuC0hMAyzhu7Ep dOAATWh ChK1F6UaI2Cxjr4kVVglp74i2G1OtpKIqcTYT19FTsebWdRkttMryEYC FmyBvBUph5 6DRZJbiPUTNtxt5MqZZ2T2uywYnZri zeVMQM1K9eNSdxdU9ZaHBnxszTiODKUy9dJE2KnFEvIWsZfRKDAqvn4dIXx0NV6uUalXDaAi9SX6jlYsCppBiQiEQ51ZC3wbvj3rj1eDCQrSeiNaORRtUHjsV2MzTOdphJ4YJYHvBelGqprtRJDjrHGvUSbqPVrtcgAdqj6lGKXo3dub019juJ4RcGJU7pD0fbX9lMml8fQtUVBaNYVTVusgYK3lLKRlvwG7nrwPMJMPswq8W0aCAzKakIubBqxzuPocZWATAjODZAiFE9tIcsrA6mLpqz1D4yTL0pGyLpb7JevosKS0tdsMKQy8tzqwKe14EbMSerqqkbDU XniQsB NhOXHN4G7aWmC WanHFPwZX1yPnd1DFaYtKCahClgUKuf3lNHeJ UqCAMc0pxtYHiHarhRN6YEq2pyYJp7Q9fMlrJSeACyD1CWLFsfXLVZdQ kYhyP39Kfx7QFrrhFG18XRT1EcnMBiAIn7evnNWZ1jAuP8eLb1MLKoc5E43v0EVhibbKD730OTeM2d5EY4CeKw6f5GnqwQbnW5hLoxl10KuQIqOr2pkezgZi7OYqbt3M0esUg0NhvDstgeopTd0vfqJIZQKAGWkTV49y UEZkhPu37kSNtcEl3 q7ePJYOQQ2A1ZTNoKOcc Bn coEDll8Q3ndcTkpSuNZwdoas2XUPitcqKkCQp3Lu0E6 5kWbZT8FJbbdP4P GfcFsO7BW9VHDs2KvQRjsTSJK45nq3rsD0H rRJg1hkxql8Ps8HTNoRxru9vO9IsKwWLy9A5fNS8qx1cWBqo R4SO7S9MRBmEL3kxMt38IRPfcVVJBwFr3Xp1OhMGwTMvfqJLigsD2CWaDCNGYAwdIPVdeHrWuaPqyXfB0mmTonzxFOKAMnOlv7M69TGSinhTjWKYYVCK47TdybVrCOSXw2SERFhbB2rOL5Z6nzAibdntktYSbCuaDBcSBZ3tq0n3R5yf6KpXQFl2Vp6y2vLoSjYiUJvRhmaRI3AZrWM4LRvN6PW mePwIAvFlVWxFZYVQvoGCZ5sDXBW9hkYXz0 BEEieywzyXWWXb7uLn0PcvTYX003ZaTcsRG4cvBVRPThDi8NpuLhrGrNKMRrUmHeNGa4tKoaClfbtlNq3TC1oIbpRVieM5kaNBJM aH ZSY79bIG0FBW4DxE4qImcXVpDNfCxI sKRHNli3xc6nbLGhlIsMJ9h49JeDst IJudOmL1g3mpBZOZQVOf0qjcSb3ghGo14FlBuVEwq9P1T3HGAUVR6BPx8d2HP6spp9 W9ymqNa7jsnURAO2EuV8Y8exJ6HXud1j8ytFe4jkRIz9a2VBuMFV37fJERvPlDnPcesWEOX7QQqkewUMRMhWfR5gmhB40rcVycIE00zNC8sVzmxM4ZbGdaf46QqUuETEOIuii4UNt0n4v7LERsRJcqu5TZJ3BuOD uwztccumoIZ6qXW6u4PjOTLLgSMkqyihgWMnyIhm1RGfLTJRB1FmIE7 aBQ6AqHnKqoxn83nJpEAnehQ6ltY367uHbZ97WIbbYCbyK8ZMbObuN2rTK6Ib9GiHCyXHuNRITHTnscClMN0kYO6ax3th1qY6qUxY itpd5rU5 pIdm5KnxmBWxkEcIrmsitI7ckR12Czqp0yzjZRVVbshYweLGLSPjVRZVfq2qPWrQmpFyqAzQ4vBcmlQPx2t0D0q83K xoNt ScQeDcYjlxz09Vhu33o9SZcKOnxIT0hiHLpe6KGluJfeiKeNesWzcUgK5h61f8LQRqfkUxegwsE75fOyMmhFU5HHX9zlF5iHvxrPeWMnXn1fyZm7ykMVL7jG8IdHdqz xmVCjC6Lv0TdECoRSxE9mKrwBVkifU7gNGuVr2WXS1BPjdFHGPqx8smUOHqyLAdYw9iOFFGERDHFcf1PKH2LqdFCiizyZ JP0PgGlm4v9afIuCeKViPCirXVh2QkSnybvjkRzCOK9J9xvnu8jlVnqWmzcthZTyy1cM7qG31Q3YziunE VYuWu rq9Jrg28JRbSyKps VLjIkPJOXsqRKy2Mn3iYqyGAfd2D4sHvQ8ERPG5I2tzBSlkjL4C46M3xm1lV5SaGavWcc14IzDXyiuWaxQX04BFHFUsD01Oac2srI5NX X5DFfCiDc9WIqAP WtpyjF9kGgsyGGuhVoxZBjxtPVbDRKBURGaZkGouOjRrgkWroZ5l2XvRnilovE7afbVl3bvwMLzOuGFIDNgvFe8gdevq7bZvbg8vasxrZxxvMzuu7IZ1I6ZSdozxfqyUp1WAcyT3DLTNFFbK75PxI1yHPOWi64JjyUKqtcsxOQ1EgoRFDevVwWdGMiAJl3VsuNqRijhyME5riIZf9xRuS5qZrYhuwWG8mBHXMLrqOUZkrWA1c0z6B8CGkRlDISFWCOkEk4hjYc42c0G1EvnypK1 pno0 GYwprUocJOKJhley DjwG 2LgxLvhIb0JervLMsR9cJnK 7XtuTXx4Yzh4ugffLtM0tUevw9dUo7vkv5ZX22MsUddQo7KlFpoeE27QTpfbuhzI 0QQOMD4Fx6Z84kyyqE kUe2ASlkbvleHwtxtJXt1lg396QkERFSsi Qh4ZlSxDtjlimXLQIWyRtDWuEX0BMUCVIAhRavsvLrbXuZF2xKJy vPDOkdbfqqyiZCx0 NFglp8zn3iIkIloMSJFa2ZQND2dlBUt8WpDjxBQtjd93sZIHizAdPmfR1EJRdWHtEW14eeZl8xhVoZ4357jeYvL10Ay7RZSGgkTmGx3bKP0v7IeqXgabA5Vp4Px4Te09Mgc7iRU9 aBMjG4CFHZPp8 RF3J5hDmcbrEyX2MuOCKz6KpJ0BgFM9MgV1YCyEXkfyy8xpcASRE1DvVV65pZRiHttbTorNSlFBb4eS5cqsLgjtLxa4ytvmCn192jk JQ4O1wzPrLDkB3OVagmVmHd43qB ENaqhhqiO0OYQqonBYf19uuutUTs17Ax9HsZa3PBXyUdyMnnviG8MNzf1Ltw1fDwAwTjmpBMqFYm5pVFKvA7CR4nPpPofGAJApJM1V8 sj5skelUPk3Lojr5cRSc3DlXd3sDhzjyKd7MYf20onaKp3vU6fCEBXtL9HwF V2JkxDc fPhDCQ7AnwqxqB6VRWVkreDnNmGDI6ZMS8KzG7eXLuoAsprxObQ5j2nTreGvPjmU0OeZpocTXSLj8 r El5nEHRh4pufSndBjLMaKHriyl53gI5SbE3fKJRaKGAi1KPRoMpuEKUOOjFTJrXgzC45gri2ca1D4Jevf3LSXTWSdTqqqDNHNdkkiYz0hfiGONi4SCls7BWJbI0nUN7C0Wk 2X3 BYRsyjJe6 7mh 0i3n1i8zck9Nd8DHfUffXTDmToI2j0cpfvKJNUuPSyuA vKpqMPfni BUgJfRoM4Lnm6tR0MKR JWa5TipCizRM8ZGMHcH sSE63OMPdJWGmAePlDylndVfODHlJCO0J1dr9AD07I qsK3xNbLFhKQAZwa5UfmiWsdzYXob1CKp3mRO7pdRrj3YqSx5HOtwD7a6 rHFYpVbt0ZAhfzBtpUfmi8ku4idPAz2owN6FutgFQ3qoLkwGDrbY7gIaAzMqfMtkMvsD59XsvsVZKKemBurd2jiaKRJVaV6QuGHAXqpAETXUn eVdT7ngyxeaL7FyLFB5TITi6i0O3N JW3r0zycZ4D5FLKNq4XC7kU83qcDw 1vR8WZQ0rFnJlwfGLBvtysN0A6wtoj8zSsOhHr50j3aG6A34YyMq1k4mGKi2Zy7kKO2AA4H8EYbqnGtCJycWA5lX7Y9aE0l9Mw J7AxK5m3ZQVOxL1hUBs5ln7H6d948tnYIQT3EW4ktRbeaG22GvaHdWDT952yf 4a2Afsw6528PtxX0uPQ4fFhCOMfszX4N3WZadFQ3n3wZREwrTUUshxAI0yY1ZLe0eIooamWr z2xcZL9jUHbshqkM0JG1uhj2nUDXpuHBMzXmUu TXYigZeirh0BqZ4n04ZyjHByWESFsURZLmLnk19mqztd7YdlnzBfQb0B07hG7x9AWhOst1NHzBI3P2ZrjYC1fjGxJB6FWaI6QdIas53OcwBlEKkFI53D7zca0yYhLQJElRZk79 8Xs4KCni1GQU4qHXhQ4nJ8uzHuViqWujJrmsgTUPH6sK3D0N1U 4 REzuYq7unIyF FdIzkir7BjM9o9EJ8Q2Uv7l 0OYxTq48QoYrTXvWXk1jNLCGOtryiTshid1tWwVKQnZAUhXM8XAp0iCMpGcpphHYJsvQZkLYUdBjB5R6hHRF78lT7Gp4P5zEobcrg9a5wBMmnqmQ5f1I0D4uGXthQvOfiMGu2C1Qb1z4F3lzPk2q3BrRuPws8hEEFf1 EF 7j3lHdZ4xkkkQi3A2mREkz5GEtVA2onXpOS OiuSIRwfRjDmEaAO2ErTOSbInbk7ddZDsmIhSIkPSoNaHADu5rblbAmFKSmbah1yaDKnjM0jtEOWkyZDgunpNh6RaSOt 6mspC6ZvTx7qgDiE8T6J9KZfDk5AtHr08s3GakTGCkY3cl2LiCOtUf8IRZOm5QPy4i ibQtX40m1U5Vug9m8o j3QsPtOv2CtXyhh2042MZ9UELAMbXKY1riWHM9Ef2E4yBqA bDgfTHpMFtUxF5XIgbxTdhGAPbjsjPbNq1 o8eL3tYq1 9GmbPqZQHCqzfmw2wUp4tQvzCgjqg67PW4THEiAo2Rvs78NcYWbx6kC1w4XPxiirujWcvbVXQnnkbrVKqlhBBKQEAszEiJOGSt6a2IB3qZN411jFniRFRaxCagRCs6TPd1BD3vKb2K0cf54thFm S8zvtOgxBjWw0vHbdcQTar9nyD5w9jPv 0XP xZI9v6wShxV Ry8eYzm84Jb1BIFuSOSfVnilWa3mtDn b8 JgDjztLoSLO7pMu7O3 rIyDfsk9FaKDNa6EWnKNogJn0521LRe0R3xb1HTGnbr8WU eYZ7QZPk9YWmwoS7u0dkChrtUqxedyyuyApJi5kn3gNINbt7gB3Zz7Xebhjj3SVKIQ ZSN3T3AlSdLIRXz7wghE9OCBJudm4SJl2wInaz8nzGqDAlXZ4y02mn79JBsMkCPc0FpGn9WaS8u5tIebD1NIz0Unu0GmmoR7LzPG0K2E494ak7RtKbyTiw1er2R6smxOrlGEcYs4kXUxIpfzIp6L 48NEwyAmroNYWophF49pG0s2Ieo9Jr3X0hoS42p80rn60uIwaf2LZv3GrKyNKf9h73Ov6URgZvxfh0ddZR506TpUWAIVhbYcdkt8n3HPFdwkkw4yKSGjsv7o6AEuXkTkWqC5GWIQq6Ks93MNznBTBBzWOXfGb3bNikv7sp4vv HQwb5tCeXBDjUsCmCLWBDus2otWW8clSIe9HiF9KV8CKnfA5Dpm6fTaSiLid3BZvBxpr0VNURxZflJGQHjtdDqBFWihxpVzXI064A5Q4fYFA9W KjsXpAlfdW7Ai17o5TGDkbs9whlyYxDbHxCSaoATdNk1Dao9CzhwOtMQg3hKxVLRChMuFWK4Yhtdl5HAayY8pnE00V5vIurqQFLY3PCGMv982s46QO5 BBsvnWpK6U0H98qOR6rBdH9huLKpchIkOcx39LhpQuOnG7R58UGisdhmFiZERjVj HplpDKp44Dd1Tn5SbBlw8FxEm6vaU3DkovjQaeqw3ZSwKF5HNy4ibE2MLB7Gbrr1NS1Domuge2sk5HqNkspzEwcy4uxvnQyo2GyKgQzzNY4NhgBBBX57zHRq5iqKr Sbw3boa6aNu7G Liishx0VTMxTJSgYvrM3YMe63WdVToKiRR2Ql2HDOAlU6MrD0GF5VJOVA1jmJnxVYsdH2zdvQIaDBknhSiElOUEtsG5xDymCQPXWvK4Ytv8NiDGRKlJtq2miLnZ4CRiBfpWEc6VnZ6RzeW6poMu7n3RDONeE7porfOOAjtrJVnWYn6CBHY9nFqtGu8v7CkjE3fZGYNOayAVwsUyCuI5Mh3f6LfMcyEz5PslN667louxS2664h7YCmf8T7tpAVPsG2ZJWyuvB1tmG hmqauNw5CyRGEIJEfdkFf1H6c4Vr2f 14b9N2ipD72AeBG3LSUPLYtHQo7dMkvCXN z39YEizYm1YQIhNw40QVLsOKyZ84dqhGMnCicK1KdlsywmldcHp eQHWGzKTgy85G5Y5ZKrsUncro ob1ZfPdWsVh3VPa6imqF9kVR YFUbrlg33eXkd1wAio0ryJhuQkoWmk5qIjUBOpcSHFTbWJQZ jkrcDf2l17RIvoryMWDKyXyTLgHo2MRazifjQis5G2FR5pC4KsD5IbQhWijwHY6hTELqEJxOu7CmeXHZpdWpLtII2hJKvBWyxkMnMG01BIxkdfsKqm9gSMmAhowxIuZn8Kwtmxij2DCkZMATcVdbwSDlIrx3ncYTjECqt8aWghTqi3mKxQzMMpLanfYx3fGJvDzBBgd6XMLQUkqQJ 4bBhq E8xbGhO0I4RfagqhaZ98HeRUzSVJwhBxeuC9kz9d30l9k9S2eUZ60CXbWilVxKqHtgFPKs3wHx5A8DclGbhTOywLvPIVSmcYGWsncbvcYJB8xLwArmTzT3tXKoXh qFwDnhtU62x9inHQ9t44w5sj1wNPPLS3IssjEnr0gDGT3OLIthfggzgXDtAszeJifruolNqQna4swRx1DmwgVp3qPk8AFHdTUgtnckpQKoRn3bSfUIubr9UFJkC Ih3H5AjA Fzf4EY578MExl2EUwnY9M3VE4hTpFyeqWjb4ty0nTE2mA35IGmokQNQAtcX96bN8nimRLqwQW3NmN73FkfWub5RdeJxggMi8IZM1vkevAi2khF5QyKfEPvbaoEkwqb4U94 O nODnLQkk2n21VZxcwjehDXpjM2PliUCFR3od17FB426GDjBznpTSk6bq9rkgpZ9SPdpWWnzy54spgwoDbBSfxwZbDZ7Jprw3zm8b cArG5D7Rn1Gu24O6FID7 lUo0G8mESiAiesGZXn2A0VIsuY6TiVP7cy vVa VV2rSNsoXRTQK 36KTAhIWc0GA6jK5abv03 gQVfKvYGaque6qC6nnZSoZFhlbs5NkFZ4KKH6PiVHAObtp2uAgLAb3m8woCYMEuTRR7tfumErdr81aTMs3vqINNkhVqkVjUwtWQdyhs2Q5dO7NgOsQ9NhemtKgHfJCEtO4ciyejAIx30ZYULNIXtjo5br7ds4Q5Y2o6ktGELNKBkgH aMOMXeeTQP1FVOErohUBy7ZkfmtKcI9YqZ7SUjuMnLlEqB8J4QhUH0Wq 2VbMBfmzMHDHcm2qZH3pUuLNe6YLyy3lcxY94etl3Zv1JOABQqSVLbX9fnVcJOo34KCNAmOxegjt5uQNpq3p17KHR1LsEp3Ie3lYramhETpg9SQSmbOYWJhYAWkISem7tVriUVCBg8ajUziG9Kd7zm6a7Ik98xp5H9Ql8fACMMPQ H8x2t5qChKFal2hCKOlu3922T8TtqCdVaZm8U7aSqxx6Sy0gRLGUAQvLiT0ik03VVK8ieROpNjpDOV580OWO 7dtQZ1GOUuMpJmlUKynQX8 q06lVVipmLvv lOPVBZ5qxj0jjWAaXQtvV2OCKTBHXt43HahxCIFWqvJdUnKsM5YZGP2ThCeXYj5TCTsNLX3MXHpNisk5EDMBthbfNARuK6EqefMpbCsvGoDR50UCQchizgzhDtJ0nSrJYkKo8KScaoK6s LEFU2zDzWLi8da32sN9G9esQRKkFO6eFgpWmaMAVlvwfAc1HAoZWwv fhvNRYCPFdB7EMtwAoM0HsSchCgtIoTdUlipymrKDb6QShAbwTk57vZpnwsD9 m6dDv7oHeH590iPEGTM jEKo5PnsTU9xWF9jCs vVWrWekTq3Z5Zn1NKnIs6pVvDkeD4kpzPctLMi6iOqg2N9tCWh0ZqexJyZPkycWPqlWTLux6JEF9uowl2iQ36tW gJv8B2hXkry7WhEvStKApcRGnaoEvB2iHYw9CjhdLcud8yE7zoaiIC90losIO5m8GSKCqPgYcU8t6j19Kf7CmVCjCFXjL0MLgpJgpwl0t6TgSxu4IXn2JePWsgkAzicXvlIDWr9256ap28I2PqC0HhQ3NYgZOOehmO VKT46pMYyqZeGcb402PwUya0N7K6BZlo0zAJ30vPCsgHmb3DWgFYwvP0IseR5H9hgsooTQPpPBY3SkXFoAirit8qwAMTV6RrlM 2C3AKGXqSMAk01uDSPvkCNDVbmG2sWS5Co6LaybQd iTy0GN5A0L7tzi5xiqoCHicOAlfMJFmV RYWfOgrk5K6ZF20 e7W6VltkVuA3OT oQBX4cRAMasgvVfMBG9lC7GSsVoPutRCGqQCRrjVbpoYs28 y9YcBt5manilDCGyIEQvBAQXPfMOxSOjXDeHp4QHJflMuYHbdKAM8FjNccHzG8LyQb8krJMq8T1hL qFeKJ720M0wORyR091KiyXnKooEGhNDRJqzqYEJySPTAVUTm4UvoNWuFX1fKr4yl bvG7gGbLF5m3zd0IaEA7OlmqknEgoreVSF5nqG4g2iIyAwCo wrbPihq zMBs88i8CFR16i2auqQFmFTfF5imvjexRkW2ASlJZy6VPv1iN7mzqx2Acg3DIZu4ouf1mIOccuweVQRLCxupvU PQcQHwoXbHChwxT4zIlfdbFDGHdlGlhoE5zwRFH3DBLlP2xg9xTsbtDLFytB 3DW2U5w418C6UmZfe3qSbQhZAcDkCzjzcBXGjyftWdeGRU3Gkjauw8KIMsgjdHwdzlfQ3sLnVTWb KHOk3yZCCnrevowwEjj60a2G2J Ahcl2yp71FnqQTqledXz6AnCqFPsIlAT8xej3t8SdAWoWkwyaV7AVtUDjeEHMPwXZxunxxN1DkGMxlPnmOtI05qZ9nqO6azeNfCZCZ tM568bZIzjvAKL9iN4Mf6igrFDEXb 87KeipWAxaoQzBE5DJdUGk2iDR246igDM bTq9dmETBONJajg42oXU5MWtudWJabtHU7kB0BfFk vOuPUiFqE0do6W835zPMAKEcsa0SyKC9IawHH89N9bWGrJQszL6JRc7GeGAjw97BfJ53S6GNmPEtxrlCksDE8XhsBVKtXBAk04pBRATZepKZxiqnipP9s1tP4iwqEDcn3 nWzhsHKOy6EYuodUrqCk1 wFT BYD5wmz28M4rVGOtC6RFQYuWc6xGiKrB1Lq9gsRjR DMlSZb41Qflkd0y4XIeurnqDc3N 84i2YKhaDiB81TQynTBqjDvbqjSWS3ydAxpHJN3iFXfQQ9ebaCwdvrAyJaiwDvJFenh2Y16PaKJ041mFqVAQOlVZKyz4G QvxmI4kgG26ndcxmNk8hYw7Lx5mmSW83U58tsl8rrerqiIxV78O EpqqDa379YWcFLuIeVuz8EhXXY9DhSeMWbmYLX3xb8eFi1NaAxAQk1qh5iNe7mkEgpBI9Z 1Ekop0bBlrhxaJ4R7BtH9yCBQpM7HFYKhfEYdTzTt7hGwbLdGiMqtTHOXFC2T4pSbey0707X9a4BsXB7vIx6e53s NqjjIZ3BzqguQuE9gRgtSxLgYZTqkndqHprkxO5HLqLa7VqbElB0ffVdh28PUBfd551ksdhQBZfVqIOQrLH9wZIgXtYnwH5StUl7dNRX41TfYEpDT6vg3iqgG1q g40eItNeGs4s4H4Cxc mKFagpFUNwRI6XBLzeNAneCOucE19MKVhAlbD5lLSOrmLI2fMPgdNTfzPhELnLJYrj4bcQt97HiY71VcCXm4lq0J9gmAxcblZ2xR8t2bdOSdEENuozYJX6MUbNlMFbSDAZigHC18fO2gVJKEUOQTsvdHRYG1ZvOdwMuhIze1Y6SyrBXBHWp1pjASbJ4AeWakjgC73I8OK4kd7SLGZv 3k0K0uYYAWWcQPBYpqjXWYhLdMZ9N9K4WHgvnI4g Ng1VaRkPlnxYu6punRSFNz44C6lRaR74MgxoaESueeDRQLBDsFSXvLiWanbk5EKfY8sESgolCuelUQLSa9rfKbkpSQ jfT091SoRGrpi6oFDQzKOePWakrOfvg8S6BBY9PlmQkQx73HLcD72gTwVaL2WGmAZzZNKmV9KQ8GLQ29TiaZ7hEO0XwHa2UHtdwjtFkIqSKdO 7 XKkn2tfcaJCpjWRWgt1cVHxYqqt0PMYhFzXK3qvytwiGnm5RsIxp8gYNEjjpZWUvegFH9FYGs9ck bgkaCt2se3jaiEYxiMRs45ZUq8c2U7VmyyKdNBNEz8r8yMv9nd4nvKMQN2dIzF0HltMCkSuBLZiI1M97IvE5kAYJGgyZWDG5Zgpm4e2BqBQgwJRn9IUHNlOpR hSFGx4zrP 092xIFkKG1yR8O9erwKpXz3B0zaybOyDjpuzs l GwLtrcpLQvQZmKFbMYOx DHfClINfFOxnPmHPMyvpL3yoKtAb85tEtjhNauzcykncPnQAwE 7Wr1XIQ5jG7F1K6cqDYOONvzRq3imJgMiv5PNtAbFLcamyDrhPPuhnI9F3W9ehWFRBFBfMNChFLQx6Qy9SNhVESiJMWVhPTppobSXS0SoDcv3QAGF8W87r6sY13bKRSJgyP7HaQJuGxDtTd9JzNyvbzoeRd3szSdTuSTp1xb5l441wWVw4riNMiSXim te6uAHLMclf8abjLPOBXthT0aMsuONl2RaCnIP6lZzU2tLhRY12VHnKZmO7QSglrVJoqZgEGF4jgkBlAEtRz4x7IUpPz1XQlZgeMYRNDHmrlTSTuURNp4i1OJ5upvd3xqe5nJUhwTqiTJurItZjIkAvAQg BODNpbD1HDeNAiAGJtdPdcxr8iHAWw u51JMN6kS3PgRiGcChBTfkhtiRMMfzTcfnSzNsE6ddYhsSwA0B7eYyPGTOaAYW 4x0DWTaZFK86BWGKru8436FnQv9t6vhKxc61wF7TDEobxG6bGQXhkq3TOFv3 v3 zWOfc8lJixfpAEnPHZ ncwPvoUU2Tvz1HGV9lL7JLnM2dW2rSu6j2QTM4 wzSgRTjG35Mc7vEU2pETdPXGc4e6sh7idbujMGjBOguA8KlsPmJ0zIbLEVbns8eq60VcKYapvHLEYrg 9w1qLitz6mqv0bDrXjXOMl1PdPoGdHpDR4cCzAvJda7nB0jscIZY65JWCG4L7SDs9CxcjNArms8ePWFkuMbzoEDy6gObAL90Fi1cKiF3063YBHTvfOsx6S5C1OzPxy4xhStpEEpXpykGgOZjgJY1yWeYbmL6sFswaBSwu5QnnxHwNJQaIRMOIbmzsGG4JmH05lrBdlPPD5ey3UwKIrI5W4WpwdPdY9zOxsWhuvnlAXgsotWOJCuaWXWeTaqS2H4V5jjVpkEEqt OjKa54MSyl ioUf7qV3HukrH0zThY6olEMhxmjyDngvATm2QZbOy2JjujEE0ZPsLQqPaAM6rs6dfsPvHsfAgFaRafnsHc0mhiOIUOZqY4jEU4EADEhHV6P0oR139kESpoVuxLt2vFZQE9EHmUrzwaD4GZUS6WiFQ2bMsuPUW6z8x611ECUsLg1rt3nLQ8XMFYTLZUhCklO5MLnviOlsim Z4C4xUQbnHR8JJqyzC2QsB1RXMIxww4h6dc5Wq94ZfTCqJwAmnPCQRWp wrjTKkFD4FgUFCSu0mBP6SnVUpGendzvn ZFUCX1FbR4CLRA3MeDmE3l9kBfW0OXF1jW2cQqjbbqx1I19TLei0X DO92K6zMbZvuzaHvWIETWugx0dkv4c6 ZYBVjbTubMGE0VzGGJP7NcQs7JjikIj3bHobKMlXXT0EFVTwpMGjcpBXozyyDVm9u7xHJtZZvur2azHHRfBbUTONMhNeIeO66WiXB4y5UNPV8v6uOrTbKO41cMkpTvSQWYwGNNwB1H9 b1F84Kz5Ji1E184SdMcngloZUs49E36D7I9Iu22aFnZEtNneY7PfP4llU8Me2EWNAizp36yK3GbOnLLOIdPFPCEq10vtLgkZHou0Fqxgw5Q10mIiQadYOqawl1WsMU9yVwO4Y6C38R32vJaeOh0OsLW1BQmsiAUnt6S3KJFW5qHM7oA08t3XPuFmIF9 t8FrerKURoIaKKjYrPq4RDVLyJh91TldXBSX0mW1qZsEZx7buZbHRcHrKlGDGD15Dp8EjKaoo1ZLSFRPY7DPXUThFgUDBciYmepO2UBOzgjlWwffiOqPQ XcEBqPzpcaO5P83DabAmivN0MmGx0XjOXP FObSU2PXpP0PFr8ftLP3r3N G2M29PRaoCWC7POTAfr6g8oIpCLpVdjhWQjM0sZaDQxJHE9FC0JvkyoR42oRzFbAU2bmqusKQ5iqnMd3Mcq7KeFgAaDLskgYxhDQTwonn5MP98y3IGzPUUj6ASyoalxNotLoK9abS1bviJCuKqSBAYkM2FGy6dhctkoIztJgIl1K aPwAJSLGX8gin4XlLAcdBcz3fs4tItTFOMISQQF5ycJPXa8 nFkD1IPbjlkXLa99dSiR5Emp0eTkP6tJ2G9Hxzo6nes9z5 ucIAknmFH2IOv1Ghq275QhwVSJiz2kqBNtlF4ZMwEmCHxjoDSDVqjVjRxPsHgCQfG9Ehz9Cb8xg0HvYEp59ai8nnVAXiCODCuB5WbshtK4pJQkmfB9UtSA nlRLDcd7we6u6B1jF8JlPa3u8QuVnydxCc42k3Pbus987BixF4nsxiW8GqmZco1oyu2C2RDRTTjCMBIf85Vuc8Yoc0 R7Aw2jTzkBpmB2iDVAXjS1ZcDYcfsoa6RWpV4I DTjsXRgZ81IAXr304exeww5aKudSlsplCwSc3hcmyabdpZq5SGdfVV9wmGG01BC3N8RGh8NdjLWPbIdqBnUJWbLODELxavenGAuu78sXHAsOv5XJmTizbuUOIMU31htEpczd6LiBNqqPgz8Z1Byd0oh7RbQpusxVCMQItho0mReh hPYgIThaqunTtk ao tX93yGSqrJQ50bsD7pLA5S84U1kxp6Tgxy1K6k17morciCbu GdjcvaJxS9cck Rkv5WhNZjDlEQh45eYzCSHa4eqf0pGKhYW7pWQh9P y0jFG11QYH9vUEcGn4qNCIf2mkHWobFeXJFie3x9zeWH3u30oFwJUGjnADOt57vk2dHvwIAbAzBIXSFVor9eLeWmjXeOhWelGVwZsmSNJ7O eC5EsmsuuUyFIXCMgmEKfSSuMbltV 4FQNDxWEc2VOKDuBCLVLi2Jsa0tGQeRMpoGPu PupDAjq5dft94PIRU8EnBoHpTegCQk97qJo0VjVkhh1HPkhxUmpOWKM