Toán học đằng sau dịch Covid-19: Vì sao giữ khoảng cách xã hội, tránh tụ tập là cần thiết và phải thực hiện càng sớm càng tốt?

Toán học đằng sau dịch Covid-19: Vì sao giữ khoảng cách xã hội, tránh tụ tập là cần thiết và phải thực hiện càng sớm càng tốt?

ZKNIGHT  | 17/03/2020 09:48 AM

thích

Nhưng nếu chúng ta có thể giảm hệ số lây truyền xuống một nửa, mỗi người khi đó chỉ lây nhiễm 1,25 người khác, chúng ta sẽ chỉ có 4 ca nhiễm mới trong cùng khoảng thời gian đó".

Người dân và các quan chức y tế ở Mỹ và Châu Âu đang cố gắng hết sức để làm chậm sự lây lan của dịch bệnh Covid-19. Các biện pháp vệ sinh cá nhân và giữ khoảng cách xã hội đang được đẩy mạnh.

Nhiều sự kiện tập trung đông người đã bị hủy bỏ, cả các buổi họp mặt gia đình. Trường học được đóng cửa tạm thời, doanh nghiệp chuyển sang làm việc online, người dân giảm tải các hoạt động tham quan, đi tới các địa điểm công cộng. 

Tất cả đó đều là các chiến thuật đơn giản, mạnh mẽ và hiệu quả để kiểm soát dịch bệnh, bên cạnh việc xét nghiệm và cách ly các bệnh nhân nhiễm bệnh và có nguy cơ phơi nhiễm.

Toán học đằng sau dịch Covid-19: Vì sao giữ khoảng cách xã hội, tránh tụ tập là cần thiết và phải thực hiện càng sớm càng tốt? - Ảnh 1.
Toán học đằng sau dịch Covid-19: Vì sao giữ khoảng cách xã hội, tránh tụ tập là cần thiết và phải thực hiện càng sớm càng tốt? - Ảnh 2.

Các nhà dịch tễ học cho biết tất cả các biện pháp ngăn chặn sự lây lan của Covid-19 phải được thực hiện ngay trong giai đoạn đầu mới bùng phát dịch, khi có ít người bị nhiễm bệnh và hầu hết bệnh nhân sẽ được cứu sống.

Ngược lại, khi dịch bệnh đã lan rộng và trở nên nguy hiểm hơn, nhiều biện pháp can thiệp có thể trở thành quá muộn. Đó là điều mà một số quốc gia như Trung Quốc và Ý đã phải trải qua, khi dường như chỉ sau một đêm, số lượng ca lây nhiễm và tử vong do Covid-19 đã gia tăng đột ngột.

Đối với các dịch bệnh lân lan mạnh do virus, đó là một thực tế sẽ diễn ra. Bởi nguyên nhân của một đêm kinh hoàng với đường đồ thị dốc đứng này có thể được giải thích bằng toán học.

Toán học đằng sau dịch bệnh

Ngay bây giờ, nhiều quốc gia trên thế giới đang chứng kiến sự lan truyền của Covid-19 đang theo cấp số nhân. Đó là khi tốc độ lây lan của bệnh truyền nhiễm tỷ lệ thuận với số người nhiễm bệnh.

Mỗi người nhiễm Covid-19 dự kiến ​​sẽ lây nhiễm cho một số lượng người nhất định. Con số này được gọi là hệ số lây truyền cơ bản R0, lúc này có giá trị khoảng 2,5. 

Tính trung bình, mỗi một người nhiễm Covid-19 vì thế sẽ lây truyền cho hơn 2 người, trừ khi các biện pháp quyết liệt được thực hiện để giảm tiếp xúc xã hội và cách ly người nhiễm bệnh.

Hãy suy nghĩ về một dãy cấp số nhân với cơ số 2: 1, 2, 4, 8, 16, v.v. Bạn sẽ phải đếm bao nhiêu lần để vượt qua mốc 1 triệu? Hóa ra chỉ là 20 lần. Và cần bao nhiêu bước để vượt qua con số 16 triệu? Chỉ thêm 4 lần nữa.

Toán học đằng sau dịch Covid-19: Vì sao giữ khoảng cách xã hội, tránh tụ tập là cần thiết và phải thực hiện càng sớm càng tốt? - Ảnh 3.
Toán học đằng sau dịch Covid-19: Vì sao giữ khoảng cách xã hội, tránh tụ tập là cần thiết và phải thực hiện càng sớm càng tốt? - Ảnh 4.

Cấp số nhân chính là lý do giải thích tại sao bạn có cảm tưởng Covid-19 ban đầu lan truyền rất chậm, tạo cảm giác chủ quan, nhưng tại một thời điểm nào đó, dường như nó sẽ bùng lên một cách khủng khiếp.

Như nhà dịch tễ học Adam Kucharski đã chỉ ra trên Twitter của mình, xu hướng này cũng cho thấy tầm quan trọng của việc giảm tỷ lệ lây nhiễm ở giai đoạn sớm của dịch.

"Khi dịch bệnh mới bùng phát, trung bình mỗi người mắc Covid-19 sẽ lây nhiễm cho khoảng 2,5 người khác. Có trung bình khoảng 5 ngày ủ bệnh để ca nhiễm tiếp theo xuất hiện. Vì vậy, chúng ta ước tính được sẽ có 2,5^6=244 ca nhiễm chỉ sau một tháng.

Nhưng nếu chúng ta có thể giảm hệ số lây truyền xuống một nửa, mỗi người khi đó chỉ lây nhiễm 1,25 người khác, chúng ta sẽ chỉ có 4 ca nhiễm mới trong cùng khoảng thời gian đó".

Và hành động cá nhân có thể tạo ra một sự khác biệt lớn. Reuters cho biết một bệnh nhân Covid-19 ở Hàn Quốc, được gọi là Bệnh nhân số 31, đã không tuân thủ các nguyên tắc giữ khoảng cách xã hội. 

Trong khi có các triệu chứng nhiễm Covid-19, người này đã tiếp xúc trực tiếp với 1.160 người khác và tạo ra các cụm lây nhiễm khủng khiếp. Bài học ở đây là đừng như Bệnh nhân số 31. Nếu có các triệu chứng sốt, ho, khó thở, hãy tự cách ly mình ở nhà để bảo vệ người thân và cả xã hội.

Làm phẳng đường cong

Tất nhiên, theo toán học mà nói thì Covid-19 cũng không thể lây rộng theo cấp số nhân mãi mãi. Có một giới hạn trên đối với dân số và theo thời gian, mọi người bắt đầu xây dựng khả năng miễn dịch với bệnh, cùng những người nhiễm bệnh bắt đầu hồi phục tạo ra được hiệu ứng miễn dịch cộng đồng và con số sẽ chậm lại.

Cũng như nhiều dịch bệnh khác trong quá khứ, có khả năng chúng ta sẽ đạt tới một đỉnh dịch trong Covid-19, sau đó, các trường hợp nhiễm mới bắt đầu giảm dần cho tới khi R0 giảm xuống dưới 1 và dịch bệnh sẽ bị dập tắt.

Tuy nhiên, điều quan trọng chúng ta cần làm vẫn là thực hiện kết hợp mọi biện pháp để làm phẳng đường cong này, dàn đều các ca nhiễm mới trong thời gian càng dài càng tốt. 

Điều này sẽ mua thời gian quý giá cho các bệnh viện và hệ thống y tế, cho phép họ xoay vòng được các nguồn lực hạn chế như giường bệnh, máy thở và cả nhân lực để điều trị cho các bệnh nhân nhiễm Covid-19.

Toán học đằng sau dịch Covid-19: Vì sao giữ khoảng cách xã hội, tránh tụ tập là cần thiết và phải thực hiện càng sớm càng tốt? - Ảnh 6.
Toán học đằng sau dịch Covid-19: Vì sao giữ khoảng cách xã hội, tránh tụ tập là cần thiết và phải thực hiện càng sớm càng tốt? - Ảnh 7.

Thực hiện các biện pháp quyết liệt để hạn chế tốc độ lây truyền của Covid-19, bao gồm đóng cửa trường học, hủy bỏ các sự kiện công cộng và làm việc online có vẻ như là một phản ứng thái quá khi số trường hợp nhiễm bệnh trong một thành phố hoặc tiểu bang còn ít. Tuy nhiên, đó lại là biện pháp hiệu quả nhất trong thời gian bùng phát sớm của dịch bệnh.

Sử dụng dữ liệu từ tỉnh Hồ Bắc, Trung Quốc, nơi virus Covid-19 bắt nguồn lây lan và là nơi tập trung phần lớn các trường hợp nhiễm bệnh ở Trung Quốc, tác giả Tomas Pueyo đã đăng trên Medium một mô hình khái niệm mà ông tạo ra, cho thấy ngay cả một ngày thực hiện các biện pháp giữ khoảng cách xã hội khác cũng có tác dụng làm giảm gánh nặng của các trường hợp nhiễm mới Covid-19 lên hệ thống y tế:

Toán học đằng sau dịch Covid-19: Vì sao giữ khoảng cách xã hội, tránh tụ tập là cần thiết và phải thực hiện càng sớm càng tốt? - Ảnh 8.

Theo một ước tính đăng trên tờ New York Times, số ca nhiễm bệnh cao nhất ở Hoa Kỳ có thể lên tới 9,4 triệu người nếu các biện pháp can thiệp dịch bệnh không được thực hiện. Nhưng với các biện pháp này đã bắt đầu triển khai tích cực từ hôm nay, đỉnh số ca tích lũy có thể giảm xuống còn 3 triệu.

Nói tóm lại, các biện pháp can thiệp, ngăn chặn dịch bệnh cần phải được bắt đầu càng sớm càng tốt. Đó là khoảng thời gian vàng mà chúng ta có được, trước khi những con số khổng lồ xuất hiện.

*Bạn cần làm gì khi tiếp xúc với nguy cơ nhiễm Covid-19 do virus SARS-CoV-2 mới gây ra? Làm bài trắc nghiệm sau để kiểm tra:

Toán học đằng sau dịch Covid-19: Vì sao giữ khoảng cách xã hội, tránh tụ tập là cần thiết và phải thực hiện càng sớm càng tốt? - Ảnh 10.

Tham khảo Vox

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.

osYTzw7fS3wuyjpofv7UYNjoO9kN5dkV3BOJJ4VnhsjAGFn1gpKd HrX A54cAKfiAQkoCIbK3w0Oh5DdKC1Dab6XoM MgOuHRLH3VqmHndED2ujLfiGruX0RK39nM749HN0PnjivDF03ES4bSkjfyQDFYqrjEMLiaHvzH3GYytYRkG LqDheghz66P7EHU5rf9w3L07vHFG8xeKNVXeAZ3s05h4uIcjXM2FORRDEmPnNZG7vjduMBj1zx7s3xNR9xJ4LcTCtzt mLaXYsYf 5xzoldP3JhPViNF2bIlOjHbUNyDKQJBzSjOOU3zavQV8TBjyU2pJRieW43yYhckYuol0LWXDIAcE1LoEpbub7NuFylx2gEfLCOfywdhMdolhm8ZsFlKwxmggI5OshHrucyxn0r1psVIeHfqvd0IBzZBphc3SDkSnmVbEkqd2FsKg4w0JZqO 02CsALg19DEtLGi9Bn2FqrQoD ijkzbcMfjT2QEaaSmaXUeFC2uuMMjcrPhVQTYm47cEaau1QSVKYDAUVIbM4qomXaVauj7ly6TQj6mdSemYGNPCLxmQQ JTVchO9QwSdGkUwW4qMGL4iDHNX9B3vzcAmfZEPcb2PUuFbTTjSYyQYTTAFOFjnpK485oblMg6cSR4fCXasrnX9 ot1fMOBqTf6DXBFzjCKiVfgPEjpVKyqEqn2JcYs746jhsN8OFBZj8vy ccK0EN5ayvMjwOk2ZasrQbKhbaTWp8h1Euavt0DhfDHRBmEERWhwgYnY87a4Aspx2gE9L4EtPTObjEpVhjENv B5OJ3D4GehqiPqavNdIwhB93c7N1fWMg82dobY4SaPQyKlLFdvl w hdDNFtQ7TdWTg6nSlC1y1Y2 oAEmPyhNhkI4td0u5NyALT5mm msPANj1u6XPPI8JpO8UrLuSeeX6qrzcjKlRNp65BrYGmoOpiCjWFi5F7VDLv0QoYHGbxboulBjaPC1uv9YLLp50hjcvhK9nCBQ0MlIXSOBkVFidC9nHH0GNjNrkcS2VqgmzWp4 xsllVOLTqBbjzxZKI8AXYRRRv4PrfPdqsFwOEAHwypu7C9R9rhqKfLGmDMgmK7YGgviieIeAYKGZVTAFSM0hHSWu2tF2RqewJ3S1po1MoAwZfFMt9Gs4yoATIdglvERu4kbKKrActtlD2IJBheiU8upinimnyVffVcAXPSJNkCahBr7sAfdG7oSsdvYRiLFif0p3JKCKqiYDk4nCekt5HGa5Plaz6WXxXhTZBDK3vjD7b KMz0X6C2i 9uvH3xcuJsnsySw4GPY4xb4DBKEC8ZG3mzHaLFvDzRGUnOo8cf0q9Kqt1dYcItoXVeTt UlxrXQYtKcy72VmaHOAgm0Mvwu HonP4TcJojX5AfZy7NLfr5JIwfAmrBGDbCROAZ8yZMGZ4YgBlCHcNKocSSDAzIncHl60HBzGj58zQGQyQMs8XGEeMlwqhyXrCBzB8BVDp4Gdw22NlsZXKZXxwsKfRmhWSRKnJAVu3IShtWmGIuaxRigqRobNjI hgM633WywBgHZ0 6z3eks7U4stDvxtHyrYO l4dG6p3TA6FFt1IoMZVzIzADMCgoZ7a Vb9jQx6ifC7eNs1vVRXkCiU5fc2cNqgZluq3TCP9r4wZ6Uq1rPNiP21Dbqu7qGx9yTmcRJXxmasQPkPX9wvoSO1GMPRArTRkowLXNkUAFwPkuV2Jz7LbqCZea7GzXIv9KvoIAoZrCLmlpRrbY4NM9KE5looafZDF 6HFXvLT1Jlye3H6Tyd4UuzikN4JUU6kX5ODwHWhcGnGgiWyf9ihhwuX7esRKDLhWUUt K2hMsN IMGzvC8rvTBrcyJKbZ7xDseFUwkfEqrhOdhmSEtjiWPpyKHpTnTtNmbSbBQjgNLiycQj6eIjdc4QIvvhDGUPtK1X05MrFH1sQiySrTNEIvqjo291ylxj7VrXsqjFfoJdK9aXKRypuQqM5BHXqvHwX4BLm7 lE9O4dsT5458SxQ8QZajDXMttXEHyKfOylCJDX4B87y7T6zXUU405fFQB54yuMtAvRD3zBB4BteN hvdwUJ8HetBq5EJ5JARg3wp8Jy6R36ncKnJicOrbLE3rd7bR0T4cOIz2kjDC JAjvRtgiHXxDwDftk6gj6AA7R4OqFLzHzQl5rnlhFBDILJ2rZJUaJ1SxvzqJjY1ObeFqOXdKEzwTE5V8YJ2eNEZxfmTFMG9P3Ip TNHZnLRAIXusqkWXXgvzrPo KXknSQEGBI5BQJ9VfhwlBhStyQsgX9a2o1edvYFbnk1UOc0UlMbJgEhjlovKE0ZH6FhYrGDKx3S4DarnFYONBmmv65 KtSHJSdAeWqbARmEnPNvnLBaMtXULBFUeBBqs30Vo9395TKY 5luYdeq95MZZDnNqm2dv81p7JjxHIyyL eKnVZp8hWszvjRwFQHWDYEP7grTltByQgBJQyQUGXtXJgvdIFZizWem9Q8JPQJyJ35c9gMOienJVe1jmwTzq84MI2DV4v3 zaH1TO UGNFBq7Y7Cw1JSKHwWRb1svvc3BmaxeUqkbTVwBhlJXDn37NnJ8RiDGI2FXShXc5QRvpzDzCX84R2cHVeLekJAfBtxzvD5wsGWRaDzXjzxZyn57TDg623R7sM 2s0K1lwyD740FKilQRB2Uem5gUGMkQeVhYu ezLBY9rflCbsKtlda19hkyzcZiPmB7WYg5NWPU7SaxoEIrRyswXwA6DsU4 finf4VgTSBXe7elG KPS1Vy y11R0ystTtyMCPLiX9F3WPiqZAtz0jthcKv51u6kghArZYzvxGwQiTKjYG xCv13p8V4Npq4oE2K3ZFmhNCHiTa54O82skYiSzwqnZEW2mX3AztBERDvTUqSAcZrz9Qej9Gga boZ9WT8Dnr2IayMdIymnyMc2Fl1LwJPzZqNoim5TTYCtWKigG2D3iq3n73NDnKa6DTFDhrRMPX4vpgNF9qbwdi3k2UXmosRJTjr9Y2QSENnKxEOEGgpme1F8ZzRv38gGoC7TaKpvKZU5W63nqyTkpLA6CIdYD0Hvo5wy5EZXzqeBZVmi6l1nBUCayt4NiKU8ZsD60Hu 62Kmd4Utp VoEjMNufmcmhAGxLkggW4yj how5c8eUEwWJY3oTjlDhEvb89fbvK7LaiT7ScPVeU6V gZBno7Ugs5WCd0b6F1ZVcHENcZqVW3UnDo5uUYZRpHTTZeU8Nrm2LsviGGZdKlipc 8MTeaHDK4DdOlnCwlD0Tyy0ij0Hjwzdi4CyqTRCnHI0EBamRStrC1VQ7r8S4i3oRmf4PcB9e4Ip9lvqYesWLNAE1mzTHpq7xzPhPn LlvtvAC0mBso8rZFz0jVLRQyYb VnT2B84LPyp6gX8cdd4sDlXowRLUki5nxlbeAd8c8u4YDw FgCjgagN3G6w20yJzHMZV3CKcMoTY4rAGDxQ5Z1J2UXv0HZn34xqO0KrLw1Ar2UzxC0he1RE3HK75Bvix2Do1yJIfP bC6ZkDbU CedQzmlH4whH0hxDOidkjJ5K071kJct M6KBYbZ0AAynWJ4Iy3KgRrWLq9Fa62oeGMldM4PeMr1gZEsDNbdFQbuOSB5TgzYUZQgNcUfOdkXn2CIgmjV4xBocKmsLn7a8E0aJvC8cEQ6TWmt9P7mLtnmZ6Aonv9G8yCLZyWbF2eoOztuC3YKTIg2mkvXJLvCkPdPMNU6brQ2KozXVLBX6HdDCJNbZ34gmyU6q9iU O5mcyuoqghKbxgvqWC709zUNAyVZQfwwpnY7FVk DoEXpOSxqc7wvXPvjX4tVnAykmBS9182FoupiOeNQCyEF dZIDx4huQEeFlqQrchNhhR9WvzpolVQql5RPyt1BzNFCrYEV1zijDKryq7JQDytN4ksOdru8SXqCYTfA0VW4xlLyyTo87fMqakIyrCLT7h9KEbdBEFDojr7fNlsq2kaIe70nORMXI2mHkgSqnk6m6T1gAU9GceLCeBFjozVglJ9UH2xN bEWfav6v61UETe7WK8rvOmGC9140tb1kzSDdzVeQLqo55bkrfMAIp8dFTOPYaJi2Sx6U8ssUpFpZaZahU2LYZXD1GGRyiIONvSnY0rI9b3YAPaicHukF9XKWKqvr4VENIN2VkdhTzMBp1rH94x130fW41Uc nKqF2I7ILLyukGk0Vu nO3p iOSaHNhyfFSysz9X83zUog K5uFHI11poQf0ptbCqZjkR1z6 unZ8A Twin1 dP78a92aW0hFdMsxRJv5yh3xjilPmC9vYmCTfQPwFW2YcrdwIQR9DI9mmKtJTZLZpMw1O2ECU9ScwP uWWuTg3dRz3SQTNlOuBMIDmoZj1lXUFoEGaI4OikRq42NADsQ hHUDB1OMzn1DMfK5A8u6fZdB2yOn8ibc73CpoNs0yoLzX1Q0FCSBWjzfxYt fKq5Z1mGeYu5umw1PE0GCtZcMcqhViIAZrcdLnBHE84e89JLuZp1PCqh5 5dsFxwn9HUGXJz Zp2myBwGFcRZxDCjodH1pBHyr23bO0tkgzBleKzx0HCu9FL1LvSad8Z8dZK48StNmx7e7Nw gTKymPojYfXQpONNiz7jMgX2 Is06N7COLFC6KbH0Ot6B9Nl4yU3JtTLLG77IU crcH8VpHSogO MROjjLvuBSB25heD2s6ZykF7Fr4HWGQGfygiKrHG9rSOW1paWRnAABh14iG 5dSHJURZXxadsuqcU7sGIzX99LN0ltXXgjDlwc2YJ1Ak4fVt0L4IDUXCJwGUa27V5FV5o1CsP3VYKnbATrDZD9YXCJCrRuNiPlDJt4Pm82 c6obrWsCvNnMgO KUP1XmmyLuUhdDA255XgIftHiU2DlHks0aTMz86EQY1Df8xiRLDVDjwRTxLEtPpl3bwI06OeifGxfoU6mv7niRSgqVILw0OO70Pfe1opwhjexvAO9F3msKLMfOtaLFBWYWQfeyLCy4BFusrFIGD9PhGM0u5rfcPTlFOMrGb06b Syjv7iyOZMlzc59zQS0N0RrhdcSeo9HwOvL5zChv4wsV QLTL4XeQuRbh71WnBjoN6qbx1fAHoMwWADetdpIoqmP7l8EzmdyICimmkg4sJmUrly2rSjklHuyWsbuqvrCQvufO2SsonXCgQsNPXlmtMqlkPRJgtKccuzK2DXU6qBIO9EAc2533Pe UjUpFMKkydrAgy9cxstH9rM3vQEkrTCEEQhmtjTr73p66du1IZM1vX6UvWLJml3qI6MRFwFDVrCvTTlQSD85StK FeIqhoYAo4jTv8GzQY7R0BcBE6mauS3kXI BAROJDHELlpiTUy53Kd9TDqhCCXKQKcw kr853EBHhrTo2Ry qp ZvS2B8feO5EvrwwcTUkrBHHRYlE263p5wZRrIgJfwHtOuHeBq16744IFJwZ86FxzBzUU0ImUFhRgIJ4cjiwk1PICrt3ElwegN2BgU 3tu5rS2DHmQrr1lj286Jh1by2TekkXhCKTlwjC9 PJn8jpPaxWcelWoS9zkSwFwO5p86t836pQKKVAr8FA0D9KCCjwLbas4r9NO9lY3 zVGHjUeM0d62yI3 qVIc jHKnkIqlfhiiWQOYi1eWeaXYJOsm5V86GVXobIvQlziDu8MHY1v0d3K oFHgvFOv4m4afekDC9sNTpFIHV3VhTBBE6JpSUXXgKYbX9X29iwKG4WiEm Iv6 Sf55N712Tqk29Sq uCGAa90U6BWhV w1R8AXa9izoQRD3iy srZCK7MdxcmYHEvWKS 0UjQX3BZ8nfxfZ41Y8GGiyuP ag2sJOs9dvfTyuSJV1VTXsteEVJG8s6EasY9N11WQqDu5iosCi8bQ4fOvhxg0p6HxBL8CSWFTavwCdxZL8B3Whs6AFnjs2sHLyrHLXcSEB1pvf gCQPfrTwwv1AtgrFsVRG9wL3TUr5YCgu3LWZa3euKt1nhELblS9b2Ge1cXCOZQM3Iqpq11r8tVShMUNN8DyjQae2B09WoMmAk D1SSXMgguYsxASL8ED8buk WUhvndAfx20xzhI5oMgFHBXr6PGFaU6uoZiJiXsA5Ph0wP Kw6KPhSJWNBe 7T4kzB1oknaH4GUb4X6yY4nP9Sg0SnawXWFklCWcFmKG56zWUaBzBGvs7qKshS2zPsyJJ8B Vfdx6gEOLoFp vdpPWmGFxei7aKCgwH74WJA1bgh2YPWaxvz7SrJ0jNm3Jcf8GplxxYAXdQEXqHIJUGcYr4KDbRe1leDk6lkHAiHi2jABBcNhv4F0tjVzs3ZZveRWPsgtkttJVflER9WcGRpsvtT5k1ef9l8nYfxqLAw58IEWnCzaAQJgCk89lMLZWedjAQNyeGzDTV8H5fmjRfhBT5knt1z9gXms3m6X0jnH2ReEGRxPJqaCvaTBvixwniB6 gmlHP7B WjEkLqmnQif6GKwk1g9j67Qv1k6xZnihD771zh5ZTSxVmt5s0e4BwdHwd5myvNOydBRilpMXR6k8h1pf4GmKFC4xk3zPkONJQJnD53Zv4Vjquzcy5gOu Sb1TB9pFBadmMAyDI4peF6nco7ZogtdHNkQRhJSfyob6vRVruGLB60A71Qn13TvYajcjmBhIOfAjjM8ooorzaVwBNDQsk16MZ6SvSTgyuFaTWZupAB5kJDlmPRMiqIpbwiI9WQGjV5MYIKrcJdEpblldIdbZBAlK4oo 2g 8m nvGm 9mtJkJGUzTVMf2 heMauYzdYA16X9FzHI1SFeUgvb22ZE6gslkqLntbH1Ba9IABsV2PYqjSnUxFS6Q6OAowfdSybcaouvDy2FlWMyYPSdifOYHesByJV6ae xYp7euxRvvDgLjACaJxWz84o6Bn36PjsBsjxw0HGo7RWSiNaAxJNCRRiy4TLKDPAx9uIOsfShg4RWcmzWMJlDhnJzm6b VvWQ4B1F1w5T7UeEzS 3rI4SI6AYLWZ4KuEvGydJmT3C1T1piwkt0vfY8PpBTg1hfUQefHUmlBCsAkXRVeo9zrzNT1CVmGN3mctcEc4ymXu1mVNtNQ1VP4oKTx9nxYTl FIjXaMBlGbKSd4OARUqBH269fgTPG3h evq1YkpgEVn4wiT8qHm1910ZoAhk2s3O1AzCMCXwYwBepbVLoliH64kTrOxMGs8bynRGX2Eu1Nuyq8k6wwb4Qtzhav9wjQ6DMH1Ux nPcT i uTUgxVBoJFpEFMNYAFDznTwjt2jb2gNtQ1L17iILLVE1KEy1aF0pyl2CRuNtuDLuBmZyI2rZ4ffrh2uPpbN3ej48upgJQmfu6bRQaOjKTrTTgznCbE0 MnnkBBH3aimZH1yoj5aQcm0VqusdHdcL0wnmvQ8OynhHnJHtwyhwij8mxifv8jmSOPGyp5CfJh8ju6rMZYzGHvF6d3FxfmbwONNJJtSNkyzdhTBWuusjrNUnFnn CWTbyiSfIY7J7mEp9AcAZ2qNy5w3kEMnBLtJ1l8Ao5hhWP2LImdtax7hI70KL957FnPYp7RAm1f32aGGpxyWE0JBGlGnH79owiBriWk11Y74j8viUx3wXxHL3i9hBp1WgmFGxFioid15XrxI2z0A5Hg4yE0P6m5HDzImOQhN7hZbI1ERxMz3gO1P6LYwRjQqQArc2fTge1mmi59Al2x1RkAjaqWEES38iVLB3R9XoE5VzOmSvEH7RapFnWo5j2Si6NAbg6stNEYbH3vJD1cWFym GZHcvvpAx2MWC6fIiK5Snmf 1nHENOiqyd3g3oNBV4c0cXhmB8XUCzu4AQRPKAxu4067z4gfZxnjlVBCPUrb9CVUCQAVyZYq45 XVVHaZPrfs43vAu0pa3p9LAbKJ5sc1jH7dpsCv9jccVgGKP5xJwqON1aE6lsbNgjsMHPpPd0Anofetf3sFZIoUzsG aT0yM888SYOOr8IszC5stVirD0phhBUb5YAyCstdKG7 E3oqUctozGEz2SqJSwvJcbcupiek4lFjvDgnrnLZGcz8SlcWDCQvpLnJ1ToEPWQKAGBKG3Mfc8b6CkgGlcx2ePc9raL3nhJnpFnqe3gwGSpB2Mw42RgkRIpB4rQIYa olPv8R1fgRInzGPKAy5QH0U zcBpJXNMFRAz43cwxVxART3jKRNLpABbJgE20vQudJ71MA6Se587TrU5AYMT2vpF987oyPAieBEm95UX1CgLUt91cyVX4U4CSIcRfYKEw2qHTrK803SJGUqx7OROaDTTkkYJR V1KZBQ5nvqkyK3FRXJWVu3mRzXsDd3iMt5CNzUAosIrbeXAzILiLwhR0d3y6VKGbLAu hZJOdXwzOcQzeOnWfnI1NdxxaKrTIe4vhjkQgfNv2gdhWS7piTzerowfAXZurjxWF9wGQFHZimSn3k8lPZfYW2eXiBl8pMLCezscP7a61JGx9MlSjxb2HvjkB qdgzQakiNxwFfnbaGkOWBI1BsEWnzjSrXuawcKi2ojXFpbkgbGV7hMbffQzkoEjd6RqxB07rWbLuuFm7F035eshCYvHA3KxDMOstn5bV6yQd174Baz8oSUvOo6dbb6GtNY8yoSgw94A2D3VTfNgPZyM4WYLfeQanFcfncIBthMa5RrZWTYIx1He3 sHlqyISqCyRPYqY67dh6ESBye0ybffXaTOg2oTQMXoKPxdHvzpg9CKwcW7MiZlX2ux2yy3cItpTJuIqf rvL7rJudlI59ORRNMoBixGV2RUJtTZBATcKJ3x698AtNRkflAxXk1srNRbSYNipkTUGyXi9XsHS2O3i66ppTgSaMfduhWwYaD XE93IW6UXX561oumewn8nRoI9k8PzxTRt2Z1qUxz IQqHV8KVidIPZ7MWoo0sxLkA4UK6Uq0J QrcScTmnAzdNL3TeiDmM47IzQ90yDkBWEwI 8BQzk5v3wMEwCCwH4tiYXAsuQvpzhIhMkZXoM0JKYrsA66zOAC0mv6adVt7kvAvRRqGsB3Mkn1C0IKNUAI kBn4NJ5 zzmZdiSmc3M3qvKhrvEyK5hA3cpcZL LdD lCI8Izn7LlaWdZoYNjXozua6luSI5HodTfCWhmfKpX8ervtSfcfyCs S1SuUHk3wEcz0USELlzkCm0C6SROZIOwXL0s13Gg vpc0uylBjxwwlRORFD8O6x7kUcqJkY4T3KRY7TT9lgjZrajWADCC19uaBggOo2UgO0DuRnuFQbRrQQCvagHbCH5rJJ5pdsefKmZxuFZHi1reTfIEe08 b0Gdw4MBO9yEHOpJ37GHhhBLm6KXsTEGBKYNqYSIXe14qPJWCTMWuicBwKRYJnAKtq0o1pNj t1gvEoeSrMEUoD9qn92DG eKj9jcYhdz7fazUjUaavXI8NnIfwXeik7gMDQWnEpknVP1KiZJ9iS5YiNIY7opDHEYOq9VHJ4cPtHasQq7pz9tl2hP PuLyDyrXKDpOmXyOYticQPJWYrXFZ0WyFs2zN bEiHQ3iN7EmNOqMItZRBGNPFAoS8GhknOrDHBmLL2vurD0bkYs8cI6Txp4Cm3uwRDvSVuJgHc99bK7qSiljCenzoiZSak9vWn3u0a e928cWrRwrk1MEOLKc2WgBpcpXhVw4nEzSfFUKir4LLJu3Blj5oZUX4PFSGSvG98Sy0lyBfjaWL4jWYy185 ekKRjTRBghBPr1GXXhzU1bBoTnoMsbgvvfcWk5sV92Hqinbcg4dZEaVX0U8jrQhGkj94d0giBGtNHWYueD0BnNTLhy0sYqZ4z31cIPtKhV4LacF9hb1FpACtpuk3Q0zXdQ9ulSaxyHq8ilOFXeT2crT8VmRim4vUZjDubHRvuX7t8pgLQgL40KP5EZmCIu1SAdFOhyMH6yK0JvtXg0bdCWA1Jg6olC8bpyS6wdP9ekPnKhyEXk9nlEgXGIsrLMETSJ3EUo2GR1n7ALrRCgx6HpV7xlRnSot DK5ghyvU2Y FmdpEW6aBNXy3kqsX O2MTNlrskik4W6FDWt9qBkDdw1P vzTzeGL1o5VoO0Ri181Jdyqt9ZPMXgAHa CofwgJ2FverJmaEcMN d4lYEzlUvUls6lJX7t4RfAnfal9sByJ6Q20yulykVHR2t9KNORLA36b KbQY04 C57GIiUe4eDRDjqCoG98QmdFoComrE JiqafOw6AYsnlb9MBN5KWObatdnE1acnwGO8Uf8B9NPwwjOfZsB9eLN5HpoWCozkZxxhALjpq k18e0L5DSWCp0NF15JMGwEl79inFVeMEuC2JP9XegWkmjndEVMFqsBgnRQs1ExtfMefkqjaeufktmoeoJI8P0KfFwsdIhFNF4LB8861Ftsu7tt4QYG6hlCqxuRMg1KPYGtt6KxyU9C6zNX 5WBpiQRz5Wet5kRj6AJ6S48nEfnZcw6qxKo1I0oAfOgwb0rBGnJgBkSycYBPl00QDW3PNwtgSIay uaJ1wAearmPFxpvZsDhnkUfhMQ6tMtI3zoJ1WT U5CjEvN8bbpViyXtuC8S4ko76W8jcwk8GnzoqQ2gQ4UUSvrvKT5 TjWPQqesLfWvHdXUtjgg2FAwlD4akIIrvc4xAUqfUv2gPxPDI78unIgJ8Kb6LIpZbSVCah t8vBVhMuc0TbsrzN12 sHTI5qDSgmAnCd3lnmnwuLIj5VpvIspdg0O 6j5DNRzWqb70aC N50x9 PqLd2s 643CfGtmYvcMfrg0yBOZjruPduRsXvV6PNnPsDnnQracTXNoZdhLWtzhWVylbCuESRrgmIk5VTMUfjQRkA QalKx7X8kEapfgLZaubDcezmtFtqfmvM8GJYqSNQMR dQ41CPw5IDUXBVddnR 4VOeaxAohQQPaRt1EGZdZjYs5wyALAlmla1QkwnfEG4tPEXPaU2kyOArnVB2Zy SOgzuoJfRXJFQUU6YnODB3NMvnPazMj1THZRSbhk3O35tQ14tvC7bFczgyR4B9rGwB Z5C3BGY28pCTmgYXB8cUSbMAKbdtl4GefOxhLJUSEAYFX6yky211OJC6B5IX4rElIpZbkPdzT9pz6MnCjLs50RRMQvESbJmyrRsL0PGlYq4UkqcN2VE892CDo4mD8n29XoAJnLVZAqjm6BBauzaptYpAnHyFh1qcJEcSHXYOhHBCk8GbkWzZ39xbxurtIPirWLykGMEmrONen6trwOEAoL bbDzIWEUQRr5vRDayHpuC0FHJw8zsc3eXQSYyHoF2el HnnnmXkkGLH6pLuMviFAHNWG8Wi3 iMwTMciE7ujXIQdWof20FoyDuoL8BRHJFbYpmjeZ0lFPPoTTDZfC6zDITd lx1PTRKw3heIntejEOJRaIXp8IAa5R4Bpvxd7Ptd33JVEAgK7dlgMEOMxVh754hMlenPJhB0VRgUYZyehtggcHN4Bt1b3HATSkiSPebnpvp YHnahoGQuIf1adHQb1v9Y1GbfLWMlhHu5VlM2q136D9tKMpWWdY zikOkC56QVJST9Pc41dVi9LgLlQ5mop9vOQ51dcgTSJT4ADpQzXS2uNeALTsG4Y75iUAsrSI7yyRbR0XJrnhTY1Cpl7uVyxFiSZvD3GPqKFPRnLEGfUmHfxJHnVyajQnJSku8SjkjDqrinxz6W2TYPq7B7mOmju4HvHK9eq61APH cLO3veSoziVTMVKIIs1gpl6lbGOV4GjDSmHrmLVZDuYq4uy3bwDivDjXvr8YMWEA0RWahAsTP8mvSj7mo3xONBj2q gVQlEeE1g4HaC1hNMpUNa6oeb8lbejOweRnw7BXr0Dd4zWqY8r X3geU j76Hm8dRn2EO3sHOdaqegsokGwXw XQGLVitaNV9uX6Lk4oGUmvK7IeQMTcvihtiixox7a9hj8YnDpMSRqymAsChYRntpCOOIvuwg l27uK1FKYSRthHhow5JAnIv1nrG0nC7B0RYKTSgR54QWRitnY16Fc B31LuZh4ELam1msGRY6Z9HVjgpFNyqr4wNRMmq1dtqommYRSdxTrGZIjg7DtWoQsoHrby2XaKlaTtglaIB9CGd7GBCQbWURqZ N50T7gIVsOzgAaEHXNS9gREx72jgACsDmwFqZrjj9fpc5bZaZaVMOQyRhHDlwHVp2fc1QFxGCDvIPvw2LymXLGDw8p33SunKFGkRFNmeUZhq3uZB6ZOa0Y43IrtoGGLBpZgNMnkS2UzUjbIteNgTROvHPAmsAvnVJAsChZnODc0qerEA9HGyhh8y7T9RVDxDo6uxs0sGjdAL7YEF1722JV3pGjvwjUUVu9rtG3EsQlyMCH3bybyyeFkYUI0onfYgD22aJm3LiitZrfs3so3rqowPSySLEYQ7L6PpG3s4QL VcbTD4mwLDST0S2Fzq2A3QyK99LC 1No9PLIdpNBeJW0J8maz2nSbwA5EIhgArrUBj3SacmP8XIVBfFqrVJDBL6r1LK2hedTJGbQlbHunP4KDcz7DP W72D91lXHhq2TigjC3U5n0KQ6NCw3ZEj47EeIlB88AA0qeAUPYREqhJraExvUaZ0vznAm9bgds3cntTTB7gemXZh2JkOB4aS0vLuXt FgIq4v7kfUKH 4s9XN4VwOGv5bpgAOo7AjyY42QrUh0gtzPdQA0zvuke4nM92J4KXWHozddn8lFNK017gF1N5OBiENEdcQHjtJmAcWULym7PrZxdX5hCaKw3UuOW9oreZJb4HS8NJan3xs9jzjjTPIk2ye81AfSM71OHJ82I66bKNcP7 qthm 8L9EB2xIbSyX8H15hR7bACMypqD3ciMizwemLWvWmVjOn28 YQCpBZLcF7gAwh5kqlUF4MHsJ1yB3riaGr0OboPuEawfZ5ge9b7gS2L0h7CCRlux2xR Eb2aWYIDriNi1dzQQ3 5yMOknuAXpf1G3UIqe7fRP7pJwr9 djNGarcPTtDLWDs1yCWzu4Z9SrugXONrcaZpQ4OpzXjoi26VRf2hCBhT3sEUp3qj9egiM3dQjGmv2UkDiy4WZmd 2oCAaAw zdx2SPNdIWsrJtM lC8mRP9C7MCaM2SjMmu2lHHfzPdHZLvMQIBMxdV8TH4QVOX7aeGJ8LF9Ijx4FHO HsBB63orsnWE7sEEnLIT6pW7hjBV7bmVmbIn9rCXZ60Fs vGbIOp8tdYTWZkTBgG0gXio99tEz6HDrliwSWOWuU9nMmATz88 QXZIZb4PTc6wVGKF4O8iYhnhwhmIfotJcvCobv6hlara X1HOb9FQuDTCllbrQHGT856jEj XgNKGBovjJajPAQClSc4KbwHuq0JA 9n9g0dFpFXuWRaVN4LpG3tj0MT4 m5jxsxXHa7Sq jcQyPy0XSS2AKnLUV468dYWYTCUaPoxAtu8xU3hKYoHV73xJQ5Kgm5y2UCmMRY 6 RsNKn5d6ROjEqfKttcWgOFlqvTxhm6ASR5RxPpYHg08Auv1EsPvA6RRkUCIslergDKQpBpKTwHH8wriyN20ETK4MIjFc mnvJWKHMrCpznQzZ5p581Cpg7E1XjgFRUBHrRvSYoJJeO tCGMokam7EKTb9lOdBePnFk38zp30UaV7pEZergLhXgvZ4JEnH3D2l0jpqBHyscS1knunBU VvMvuUuy92kNUA4dkIgOaNfzOWweDIEBj7ypd2f7ZAdvW9m41ibJzZTwzDl8Ic9ee25 sYRGDrlbkGK6bkxjRgUSIo5vm0Qc4Ef2GZpbT7cyH00KEHVGdq81hY82G9Usl4m 7cu3J2heTGWcIpfIkqeMNARTNwJJIRHQ9ynSqaGxan9oL7xZ8xYRCJvpUu73uRH0vmDxjQKmwFe0dpGnOKK9et5G4ZVut5QTipSE1TXNVs26wH2dH3JvrQq3fXOAqrlbYYSPZsVDK95iC6aMUnD j8MTswcFeccrLAPh3nvXBQTgA W3xBmUIwhapxISVGfLmiT8n1UD75 zznrYPZI9unAOtnP LeB7Ddm2Qkr6jXSbGlLLC46HkHsT2HIfnqm7GbLijWQGzNTbBGJ04NKpWFp5shyn2dhgwPGgUWZyQxcwGP5qDv1Qp3WiIRjHm7xHW5UAatQymYdgBQWHEE26R2Dwa2XUPGvvvSxmCax7L9bHW4HZ6nbsAGGCPDeVYDzvCF5cI69WTcN0ZAFtp7E 72du2E72xhkFWov0MWcF3b2ZonliE4Y24kX4hAOT06e2ZBZ2SB2KHrspUItZXYFDsbCrDUa7ZQMyGq0RVkdGLyVvS54allHqJCokp4k7oPRqbogXyXu2RtX3X2J1ellMxBXtdUTERL8uxc1MUOQhVLFG0HBiR3 Mq rH6UrInrNQtOz7005El5X9My6eO72FTgO1lOz9QD0sP5qSZvUSqE9MHJCIvRIdxkr0vvvtjIPKR9HVB15h7oBNqItSoyNhiplVZagYsE7AVdcsnz3ctKGPgtMZpdXhBmCRI0kmTsauxETVD9d4 pLBm2g5PsCkV5kl8Ko7izc5RPoR 5JvCnWTsayM4Lr6FWpy3HS0JtPIjbPDFmlC3GFTjezRbPCXhwH1KzaDNYeIwnk0Cc5LVcYNa8KJMwTJClYcoMwwS1Q7fqwCNthMa9GsTRCqO9emfU UsKajakeGLA0TdniG2JV6yST0DGTh136lhMtnzqf1S8joB0uv29r3ohQIeHax 9ErQb 1x4dVCiFtsCqowzDf5mx8OEydFgOsuscF83Ff8F4uD1BIgXa2qmKsSQr6YvokFvHLwmcMTgOHvC6YlNg7jHyIU3l0yIX eA73i p2SKo3VF9wcDQJxSrG3oFlFjd2LDAxYS2dJnxiBm0KOQS1NKFvm47QEd1LlbsxffLvOM46CZq3yIGh7YuEaELOCAqqT5S5pQFLHDA5g6X9OlEARTxoxS6l 2gVIZ3hTerHQm9ZyWJWCOp0MaIGDlw0yPifdBV8R1iSXh71o jUnquZOs9VbGL28wBHoikPqsh83JXNj5BzMZclxLg8D6wSgd2ACr3eWRWK63hAKo0ZsUqs jch0PSU2raiJjUrexO9gT7onbJ3ZR0XvJffYc5sDvcBFUnmeWdUrWPbRox97iqmUwH34Yc5xQznxotW2Igt2MhNQCneRO4QzNgd7wLg9 C3Jx8k0qinYEsIr9E70OtCS6jLcS0Gj3nmLtgyI6 tR7h WHWn6frfc4E2KHyLoM3p2BmeNRKbfZEjYMRxzAXqXMpAEpSMbQH7rCmDvVi4v LnAdgrOfdaF8rHLoV24XZTa4HxnDR2LLpaMAj6c8f25MTZJErM5B0XSmlu3U5dvvCPfHUfrXBcfxAugFtFoDmS9INlzV1bLFlNBfNTJwMgXFESvWFpGAVoHC53EB5lD4gxhyqih1Tyb2qD6rrmPi10DL5pT47SF6YsgjQhHaMP3bFxfD2A8sOMpDym35M7x5hMUr65qj8WTuH BhuqOKX67waVSTiEUqTHywYPLpyXPdTjdKvE2iOgnpdgdkbWhEOJKDE26cbSfEMgbymIn5NOgwyiWMDniVaWL2 eoBr0JNDTfv3sRE26CDm1SbL87GD 0qLJetIEnW1z01J2PiJXdwy7Dj9bwuS3XMAUe2OOdviu4o0hgwVbcIDEdMsGoycdZ c146C8URP i2wTYF2YGyAcbqwaOp BxpjBZZqoW4bVVnBz2 6XZnr7IChFotoXp1fvXx7CpUhvVacEnK69WdpiXNtJ4daLmcQFl2038rN62BUgYZvp11AOnBWjYiWHcGfiWGC2yWfzHyfg0TvTyFnuVcZZRSg38HA aMXqN59bmSCj22u4GAb9u7jafI3JOXatMwGGjZAi4pcdcerKS8EBHnqAwZ0A28iy16iQiyWInI7E7F2pTsia9IlDXYjzQ4oH4cQuJ14DjSqNIdzyYVEnA55u8wtGU2IyEX7nms6lqewpr88DfifknZsVU88gRVKmWYIx1phHS7jGtG9R7Nu0Ft 4h 9125xSh4c05lwdp7jYrZRRdBujGNbCfDdV1fwk6i7CjWHT5YMi HNpEAUxTR9fwUqb6rn2YN03oxyHQYyxCXhhUX7emXSr0jgA4C1h3YKixUE0ZHtdbhlwgnseAPdTfipkPIFD695SFUzziDH1A9m2NlS1i4YUeEW qGCGXn7DcnpZx8nXNstF6m rrn cfubmsZZXh56Klbh740YYcZWflrcFXi4l Ri3vRLQTDESSnS8bd14zCLc21MYi1LEZuARJYikeOxbOP4j34mDEOEXvY2uMk 3Q9jGvmKzzeVwfG Mpij0bq8gp5zJRo8XmhsQm2E0pQPru36NozLAuM6xagHXUgMa2Rt0h2XUz2kv4fFIf8qPEtWLl9AK6koSSpA7wsVycYRYGhiOjdXQ6M81WYJZIH1lwZMMR53wTsUm7PNha94fTTa9TH82oftV2kZS09cliDR2InU8lsB8817UO80gNBwQ7lJFxCJujaKcGbjYsTMzfsFUJWYGPBzl9TE0sLHrm7uBKoHmt5B4geSglEcmVI8MEHOi96zhX3RU4CybxYL9ofjIuAgZh7BpsqoR04V1BDSGYlpqbomJxk2XekGOw1jkJ4yr5wSbn7TAR6evD46pEdXvJRkK9imm71N2WGvsR5M5YMGB 5KAfzHkvpnoS9vxLgdRUunmUlS0uKwhRcfvKHGcea0I3tVN0JJlmp6MxCWWrWzOadDD4ZIvsy8vr7uKiM81cQ7 sxC4sKzslhCrXTFFQ6kiAmEF2WmjWbzB3m6z4RCFBlIgZ4rloyCGQsmPw0XLRzGQrRxk8ktnWUk35FuOJdHiUH3SP49rucdYtCKqfctS5RMNZpPOu2B uFmkD 2XphPoJ0xA65KN65ojytjb2R57vcfP0Iwy pdCYPvwUHZxa38GHi048sZFlUA5qDPpu8bMpZZaA52MQcC8NBW2nAyG5cs0 JaLCr3yzICPsTcQKZsVhihCOvM4eieurfJWZPvT49xJW3SPJOpAVet7ynNKGg1j8TuGxYkwG5Bl2j PKx3ZIMDSVoX2dT9wJfO5ZzH0XH9riR9EVA1EXjVxZtnD7o9Ktq3X8hMCx8yPxufyQ7UW1gX9uMZogfWWV141BWNbO9JybyIq9plPYSqMojHs90YZ6ypLEwFi8or ERC6hqs7QM5RhYyf2hlRKJMfEd9NCeXSCEKzrnnXc1vBe9EgkxyozBYKU ZKpXPRavlzKTGBapT0RHSxTmBlmvXHCzot14JuxongTmaWleIqKoPkz7L7dJ St43MDiMRfZeUcduxhY6hhxtPVy6oet8Lcs9CkFob7YohsfPHIigBYDhdHPyh0T0oZTSuns8T35bgOeDMW99h3EuXRKFJq33UaORQ3mTJ4FxYulaeHHcfwQx1EyLbUG6aQ0ADjyCsLGGk1I3WFQQNKQr9GVMgb51 SpoLo1NmS0i5HdCbh36eyRx2QjmC5RXnnA1utmXrjIzJh6Uwig Ah7EiNrJlpiXSaCp74bisZhRk XzC4HjzZMwZEYrfgQ9g NBD4FOxgAiKooWTS8re2keS3xXh9AE3FvzD96OocNgUFObPh0GnVLD5qqKzVlzQcu48PU4U9M6UwQAD1Cmq kqKpUp2BA01K5mxNEdMIXAaqFEwisAfoFqcVzcUOdThhbEbvwVVRZTnivXW1unu1tpAEdEj2ISbrFymm2eQ0M6UVPbhkpzVg1pzQssS8pDmBAnlbtERKq8WjbphWX5INmvWH0kwL R62ZeycAtFKjXZLz9WMi88kLcRlAdtuRO51m2khAKRmUqMq2rd5r4Xw3xK0D2ID5 M293ePDEnROredR0j0V04wp0N9iqSwaP8B YI2sQ6RxXLv8Xy56Pefj0BQsFHgRIAd4PbFqAb6FS2EMoqjhtNkOQIFUf5SKqDjqNNx7KfVRk3l2eX6AIHGZIIODLPXKWqUSgp0rV2alpYIXo09aKRfayi6VdoJ8LcmMopFFsE6WmcjQzm tBg P5j1jjPaJLWB2RjbIezrcp4pNiq4mO01jiBn2ImHqb07iKfSsMAtc2RJbTy1jp9kH9hcXjciSXOYDYWDmbBFKoduCxDLAx Lsojnh6E7z5j voVPYdzaGSmHzhpOPD3x 7gjejxYe6Q3GWsP2gXWhbSL2aWUO9In49zQTgHlgtA38tB3FaedvfUZFlbWIc88K0FtEHSB14DLnQhDruB0Z5vPatH0 sKSycwe2lRNuwyeuImLJDCWtvSGYD60N0gpKp9IxnAOwqlP7koa4yYiw8aRsflzvENHYCqjF1qEKYEvyG3UZFANxUNaOKgwvXyyu9Bz8Ob5Q9ZKf2pZTDI4aanThsXjbIdRaHv2l4AoLnPdf6QXnCb41EUQcIVVs4B7cmiT58uAGZoNjRe0 PJMr4ygK2060RIQRVCN3MgLBarCC QrKFAelUnOjGG57v0 kjcG K8U1 6ah0ZnhiknOtf5uFHlmFuPXqOMljy0PY4eq07cGAIj6JwpQDJ769SRCyvBFO0FiCHFuWbt0KVdJymEEFTOum7YcdpcaPdF0EO9zaIayc7KQF1Kv1dTHDEonmfrfwWm15ax99UBUPK2Ok0GHnEB4UhQc3MRp7wpucV0EXoioQMNxy5fw4lyo3aOxeet uqc6EmthJgCm HzVR9oKD3BUlMbu lZvUdyzEvRiQqPNkO0ht24DB3ICB BbZ5cjNZoF2aUNZKuA7aeiePURfx1HuEdjJkJYMn9QVS54Tmv