Lý giải thành công của Liverpool từ Ian Graham - Bộ não phân tích

Lý giải thành công của Liverpool từ Ian Graham - Bộ não phân tích dữ liệu thời Jurgen Klopp

Tác giả BLV Hoàng Thông (Le Foot) - Thứ Ba 13/08/2024 12:13(GMT+7)

Ian Graham, một cái tên có lẽ đã không còn quá xa lạ với những người yêu Liverpool, khi anh là người tiên phong mở ra kỷ nguyên phân tích dữ liệu tại đội chủ sân Anfield, khiến các CLB khác phải ngưỡng mộ bởi chiến lược chuyển nhượng hiệu quả và tiết kiệm của đội bóng vùng Merseyside.

Graham
 

Trong suốt những năm tháng đáng nhớ dưới kỷ nguyên Jurgen Klopp, Ian Graham chắc chắn là một nhân tố quan trọng làm nên thành công chung của Liverpool. Là một chuyên gia về dữ liệu, Graham thật sự đã được sống với ước mơ của mình tại Liverpool, thông qua vai trò Giám đốc Nghiên cứu từ năm 2012 đến 2023. Trong hơn một thập kỷ ấy, người đàn ông 45 tuổi này đã đóng góp đáng kể vào việc xây dựng đội hình dưới thời cựu chiến lược gia người Đức, giúp mang về những danh hiệu cho phòng truyền thống CLB, trước khi rời đi với nhiều tiếc nuối.

“Chúng tôi liên tục là một trong những đội bóng mạnh nhất mà Premier League từng chứng kiến,” Graham nói về Liverpool của Klopp – một tập thể từng vô địch Ngoại hạng Anh vào mùa 2019/20 và đăng quang Champions League ngay mùa giải trước đó – trong cuộc chia sẻ với nhóm ký giả Paul Joyce và Hamzah Khalique-Loonat của The Times. “Cá nhân tôi thấy tập thể Chelsea ở nhiệm kỳ đầu của Jose Mourinho cũng làm nên điều tương tự trong giai đoạn giữa những năm 2000. Song, Liverpool của chúng tôi vẫn là một trong những tập thể xuất sắc nhất lịch sử Premier League, kéo dài suốt 5 năm.”

“Chỉ có điều, nếu là một CĐV của Liverpool, bạn sẽ cảm thấy lạnh người bởi giai đoạn đỉnh cao của đội bóng lại cùng thời với sự thống trị của CLB hay nhất mọi thời. Điều này không thể bàn cãi! Man City của Pep Guardiola dù không có Lionel Messi, vẫn dễ dàng trở thành CLB hay nhất mọi thời đại. Đáng tiếc là họ vẫn bị đánh giá thấp một cách kinh khủng.”

Nói thế e là mạnh miệng và sẽ gây tranh cãi. Lấy ví dụ, tập thể Barça dưới thời Pep Guardiola – bao gồm những ngôi sao như Messi, Xavi, Iniesta… từng giành được ba chức vô địch LaLiga và hai Champions League từ năm 2008 đến 2011 – có thể phản bác ý kiến đó. Tuy nhiên, Graham chưa bao giờ sợ đánh liều với những quan điểm của mình.

Được tuyển dụng 12 năm trước, nhà khoa học người xứ Wales, sở hữu bằng Tiến sĩ Vật lý từ Đại học Cambridge, được giao nhiệm vụ mang đến cho Liverpool lợi thế cạnh tranh trên thị trường chuyển nhượng, thông qua việc ứng dụng và phát triển lĩnh vực phân tích dữ liệu. Những thách thức ban đầu Graham phải đối mặt và những thành công sau đó, tất cả đều được ghi lại trong cuốn sách sắp được xuất bản của anh, mang tên “How to Win the Premier League”. Graham cũng đi sâu vào những tiến bộ đạt được, cụ thể là cách thức phân tích chi tiết những trận đấu bóng đá ngày nay.

Lý giải thành công của Liverpool từ Ian Graham - Bộ não phân tích dữ liệu thời Jurgen Klopp 1
 

Brendan Rodgers, người thuyền trưởng của Liverpool từ 2012 đến 2015, hứng phải những chỉ trích nặng nề từ chính Graham, vì theo đuổi mù quáng một số mục tiêu chuyển nhượng cùng “tư tưởng cứng nhắc”, khi ông cố gắng theo đuổi một lối chơi nhất định bất kể nguồn lực sẵn có có là như thế nào đi chăng nữa.

Graham nhắc đến vai trò của yếu tố may mắn góp phần làm nên thành công, khi dẫn chứng sự đổ vỡ trong thương vụ Tom Ince của Blackpool đã dẫn đến việc Liverpool ký hợp đồng với Philippe Coutinho. Anh cũng chỉ ra rằng chấn thương dây chằng chéo trước của mục tiêu chuyển nhượng Emerson Palmieri vào năm 2017 đã mở ra cơ hội để Andrew Robertson được chiêu mộ.

Graham tiết lộ rằng anh đã khẩn thiết đề nghị Liverpool đừng ký hợp đồng với Christian Benteke. Thay vào đó, anh đề xuất chiêu mộ Diego Costa của Atletico Madrid hoặc đàm phán với Everton về trường hợp của Romelu Lukaku – bản thân Rodgers cũng đã rất muốn có được sự phục vụ của chân sút người Bỉ vào năm 2015. Những câu chuyện này phản ánh tình trạng bất ổn của Liverpool vào thời điểm đó.

Chủ sở hữu Fenway Sports Group (FSG) của Liverpool đã phê duyệt khoản đầu tư trị giá 32,5 triệu bảng Anh để chiêu mộ Christian Benteke, đồng thời bật đèn xanh cho thương vụ Roberto Firmino từ Hoffenheim với giá 29 triệu bảng Anh. Tiền đạo người Brazil đã “ghi điểm” tốt trong những cuộc đánh giá dữ liệu và ra sân tổng cộng 256 trận cho Liverpool, nhiều hơn Benteke 227 trận.

Lý giải thành công của Liverpool từ Ian Graham - Bộ não phân tích dữ liệu thời Jurgen Klopp 2
 

Tuy nhiên, mâu thuẫn giữa ban huấn luyện và bộ phận tuyển trạch không phải là điều hiếm gặp trong thế giới bóng đá. Mặc dù Klopp cho thấy ông là một người linh hoạt trong việc tận dụng đội hình sẵn có và tiếp thu những lời khuyên về chuyển nhượng – đáng chú ý là trường hợp của Mohamed Salah vào năm 2017 – ông cũng đã tăng cường quyền hành để kiểm soát nhiều hơn đối với công tác chuyển nhượng vào cuối triều đại của mình. Darwin Nunez là mục tiêu chuyển nhượng mà Klopp đặc biệt thúc đẩy. Trong khi, những người khác, bao gồm Graham, ưu tiên chiêu mộ Christopher Nkunku (bấy giờ đang chơi cho RB Leipzig và giờ đây thuộc biên chế Chelsea).

“Jurgen có phải là người đề xuất mang về Luis Diaz và Nunez không? Đúng vậy,” Graham khẳng định. Sau khi rời Anfield để tìm kiếm thử thách mới, Graham hiện đang điều hành công ty tư vấn phân tích dữ liệu Ludonautics, chuyên cung cấp các dịch vụ tư vấn về tuyển trạch và ứng dụng dữ liệu cho các CLB hàng đầu.

Graham nói thêm: “Hãy nhìn lại năm 2016. Sadio Mane và Joel Matip cũng là những mục tiêu được Jurgen đề xuất. Đây không nhất thiết là vấn đề. Diaz là mục tiêu nhiều đội bóng theo đuổi. Nunez thì nhận được sự quan tâm đặc biệt từ Jurgen, nhưng không giống trường hợp của Benteke trong quá khứ – một bản hợp đồng mà Liverpool theo đuổi bằng được, dù hoàn toàn không phù hợp với đội bóng.”

“Theo phân tích dữ liệu của chúng tôi, Nunez là một trong những tiền đạo trẻ xuất sắc nhất thế giới, chỉ xếp sau Erling Haaland. Song, việc chiêu mộ Haaland là không khả thi do nhiều yếu tố. Điều tôi lo ngại về Nunez là: liệu cậu ấy có đáng để bạn sẵn sàng thay đổi phong cách lối chơi một chút để tương thích không? Thực tế là bởi chúng tôi đã không chơi với một số 9 thuần túy trong suốt nhiều năm. Do đó, bạn sẽ phải thay đổi phong cách một chút nếu muốn lắp Nunez vào đội hình. Đó là điều tôi quan ngại, nhưng không phải là trường hợp nổ ra những tranh luận như trước đây.”

Graham cũng thừa nhận rằng sự ra đi của Giám đốc Thể thao đáng kính Michael Edwards vào cuối mùa giải 2021/22 đã khiến quá trình ra quyết định không còn mạnh mẽ như trước. Nunez đến Liverpool ngay mùa hè năm đó.

Lý giải thành công của Liverpool từ Ian Graham - Bộ não phân tích dữ liệu thời Jurgen Klopp 3
 

Graham cũng đặc biệt mô tả Edwards là một nhân vật khác với những gì mọi người thường nghĩ về ông, nếu chỉ đánh giá từ bên ngoài. Hai người họ lần đầu gặp nhau tại Tottenham Hotspur khi Edwards là trưởng bộ phận phân tích video, còn Graham làm việc tại Decision Technology – công ty có hợp đồng độc quyền trong việc diễn giải dữ liệu cho CLB thành London. Edwards bấy giờ từng mô tả mô hình phân tích đó là “vớ vẩn”, nhưng một tình bạn vững chắc đã được nuôi dưỡng và Graham tin rằng, quyết định đưa Edwards trở lại làm Giám đốc Điều hành bóng đá của FSG vào mùa hè này là một nước đi thông minh.

“Michael là một người thuần túy chuyên về bóng đá,” Graham nói. “Ông ấy trưởng thành trong môi trường bóng đá, hiểu biết sâu rộng về môn thể thao này, có khả năng phân biệt một cầu thủ giỏi với dở, và chắc chắn không phải là người rành về dữ liệu hay đam mê công nghệ. Là một người thông minh, Michael nhanh chóng nhận ra những hạn chế và thiếu sót trong dữ liệu, từ đó chỉ ra những lỗ hổng trong quá trình phân tích, thông qua những nhận xét như ‘Các anh không thể nhìn ra được cái này.’ Lý do cuộc gặp diễn ra suôn sẻ và mối quan hệ của chúng tôi bắt đầu được tạo dựng, là vì tôi không cố gắng ‘chém gió’ với ông ấy.”

“Khi độ phức tạp của dữ liệu tăng lên, Michael nhận thấy rằng mặc dù dữ liệu không thể đánh giá toàn diện khả năng của một cầu thủ, nhưng nó cung cấp những thông tin đáng tin cậy. Nếu nhìn lại các bản hợp đồng của chúng tôi tại Liverpool, kể từ tháng 01 năm 2013 khi chúng tôi chiêu mộ Daniel Sturridge và Philippe Coutinho, tất cả các thương vụ thành công đều được lựa chọn dựa trên sự cho phép của dữ liệu, sự cho phép từ đánh giá của đội tuyển trạch và sự cho phép từ phân tích video chuyên sâu của Michael. Sự kết hợp hài hòa giữa các yếu tố này tạo nên lợi thế cạnh tranh thực sự. Quyết định chiêu một một cầu thủ không đơn giản chỉ là vì mục tiêu ấy đứng đầu trong bảng danh sách tính toán của tôi, thế nên phải ký hợp đồng bằng được. Không hề.”

Lý giải thành công của Liverpool từ Ian Graham - Bộ não phân tích dữ liệu thời Jurgen Klopp 4
Michael Edwards

Khi Graham bắt đầu công việc của mình, chất lượng dữ liệu trong tay anh thời ấy mang đến rất ít thông tin. Toàn là những thống kê mang tính mô tả, như tỷ lệ chuyền bóng chính xác, chứ không cung cấp cho anh những dữ liệu chi tiết để đào sâu.

“Sự chuyển đổi diễn ra hoàn toàn đến từ việc có được nguồn dữ liệu tốt hơn,” Graham giải thích, nhấn mạnh đến sự kiện hãng Opta bắt đầu tiến hành thu thập các dữ liệu mang tính sự kiện (event data) cho năm giải đấu hàng đầu châu Âu, Champions League và UEFA Cup từ mùa 2006/07.

Dựa trên nguồn dữ liệu đó, Graham phát triển một mô hình “giá trị kiểm soát bóng” (possession value), mô hình này đánh giá khả năng của bất kỳ hành động nào diễn ra trên sân có thể dẫn đến cơ hội ghi bàn, từ đó có thể tìm ra những đóng góp của các tiền vệ hoặc hậu vệ mỗi khi có bóng.

Với sự phổ biến của dạng “dữ liệu sự kiện” – ghi lại các sự kiện riêng biệt như đường chuyền, độ dài đường chuyền, vị trí nhận đường chuyền, các pha tắc bóng, hoặc thậm chí là vị trí thực hiện các pha dứt điểm (vốn được thu thập thủ công); và sau đó là sự xuất hiện của dạng “dữ liệu theo dõi” (tracking data) – tọa độ không gian của mọi cầu thủ trên sân và quả bóng trong mọi thời điểm (bắt được bằng các camera), việc áp dụng một số khái niệm và mô hình mà Graham từng phát triển trong những ngày còn nghiên cứu trở nên khả thi.

Tuy nhiên, “dữ liệu sự kiện” bị hạn chế vì chỉ ghi lại những gì xảy ra với bóng. Trong khi, đối với những cầu thủ ở các tình huống không có bóng – chẳng hạn như các hậu vệ, vốn giá trị mang lại của họ thường được đo lường hiệu quả nhất thông qua khả năng ngăn chặn các tình huống tấn công – thì dữ liệu này ít có giá trị. Ngược lại, “dữ liệu theo dõi” ghi lại chuyển động của mọi cầu thủ trên sân. Với dạng thông tin này, người ta có thể hiểu mối quan hệ giữa các yếu tố như khả năng ghi bàn dựa trên khoảng cách giữa một hậu vệ và một tiền đạo.

Nhưng Graham còn đi sâu hơn thế. Năm 2016, ông là thành viên ban giám khảo tại hội nghị Opta Forum, nơi các nhà nghiên cứu mới vào nghề trình bày những phát hiện của mình. Một trong số đó là Will Spearman, người đã giới thiệu khái niệm “kiểm soát không gian sân bóng” (pitch control) – một nỗ lực trong việc định lượng những cầu thủ nào kiểm soát những không gian nhất định trên sân. Graham lấy làm ấn tượng và mời Spearman gia nhập đội ngũ của mình ở Liverpool. Spearman sau đó đảm nhiệm vị trí Giám đốc Nghiên cứu khi Graham rời đi.

“’Kiểm soát không gian sân bóng’ và những hiểu biết của Will dựa trên một nguyên tắc: các cầu thủ luôn di chuyển chứ không đứng yên. Vì vậy, khái niệm ‘kiểm soát không gian sân bóng’ giúp chúng ta hiểu rằng, với vị trí và tốc độ di chuyển hiện tại, diện tích của không gian trên sân mà tôi có thể kiểm soát được là bao nhiêu?” Graham giải thích. “Mô hình này cho thấy, khi một tiền đạo chạy chỗ, ngay cả trước khi vượt qua hàng thủ đối phương, anh ta vẫn có thể kiểm soát một vùng không gian nhỏ phía sau hàng thủ đó, nhờ vào đà di chuyển của mình, trong khi các hậu vệ vẫn chưa kịp phản ứng. Chúng ta có thể thấy rõ các khoảng trống ở nách nơi hàng thủ (pocket) mở ra và sau đó đóng lại khi các hậu vệ điều chỉnh vị trí. Ý tưởng này rất đơn giản, nhưng mô hình mà Will xây dựng vô cùng tài tình, khiến tôi thực sự ấn tượng.”

Graham còn giải thích rằng bước tiến tiếp theo liên quan đến việc tích hợp trí tuệ nhân tạo vào quá trình phân tích. Các sự kiện như phạt góc chẳng hạn, vốn hàm chứa nhiều yếu tố chuyển động và tương tác phức tạp. Việc mô hình hóa những chuyển động này là một thách thức lớn. “Trí tuệ nhân tạo hỗ trợ đáng kể trong việc xây dựng các mô hình này, do khối lượng dữ liệu khổng lồ và phức tạp,” Graham cho biết.

Nên nhớ, vào đầu năm nay, Liverpool đã công bố việc hợp tác với Google để phát triển dự án TacticAI nhằm nghiên cứu sâu về vấn đề này. Tuy nhiên, Graham tin rằng còn nhiều khía cạnh khác của bóng đá cần được nghiên cứu, mổ xẻ, đặc biệt là sự phối hợp giữa các cá nhân trên sân và chiến thuật.

“Chiến thuật vẫn là một lĩnh vực chưa được khám phá đầy đủ,” Graham nhận xét. “Giả sử tôi có một đội hình gồm các cầu thủ có trình độ trung bình, liệu việc sử dụng sơ đồ 4-4-2, 4-2-3-1 hay 3-5-2 sẽ hiệu quả hơn, hay còn phụ thuộc vào chiến thuật của đối thủ? Đây là một câu hỏi chưa có lời đáp rõ ràng. Một điểm quan trọng khác về chiến thuật là, lấy ví dụ đơn giản: mặc dù tôi đang sử dụng sơ đồ 3-5-2 để đấu với 4-4-2, nhưng thực tế chiến thuật không chỉ giới hạn ở việc chọn sơ đồ nào. Mỗi sơ đồ có thể có nhiều biến thể khác nhau, ví dụ 4-4-2 có đến năm phiên bản rất khác nhau, tạo nên sự đa dạng về cách chơi.”

Lý giải thành công của Liverpool từ Ian Graham - Bộ não phân tích dữ liệu thời Jurgen Klopp 5
 

Những thành công mà Jurgen Klopp đạt được tại Liverpool chắc chắn sẽ mang đến những áp lực không hề nhỏ lên người kế nhiệm là Arne Slot. Cựu HLV của Feyenoord được mời về thay thế Klopp, dựa trên niềm tin rằng ông sở hữu những phẩm chất tương đồng với người tiền nhiệm.

Graham nhận xét: “Điểm mạnh của Arne là khả năng đưa một CLB truyền thống có tên tuổi, nhưng trải qua một giai đoạn khó khăn, trở lại đỉnh cao. Ông ấy biết cách khai thác tối đa tài năng của các cầu thủ, dù họ không phải là những ngôi sao hàng đầu, và xây dựng lối chơi hấp dẫn. Ông ấy đáp ứng đầy đủ các tiêu chí mà Liverpool tìm kiếm. Khi tôi còn ở Liverpool và tiến hành đánh giá Klopp, đó chính xác cũng là những phẩm chất mà chúng tôi mong muốn.”

Graham cũng tin rằng đội hình của Arne Slot có thể một lần nữa tham gia cuộc đua vô địch Premier League, nhưng tất nhiên, vẫn còn một vấn đề.

“Tôi là fan của Liverpool và giờ đây tôi sẽ có quyền than thở khi mọi thứ không diễn ra đúng ý mình,” Graham nói với một nụ cười. “Tôi hiểu rất rõ đội hình Liverpool vào đầu năm 2023 và nhìn vào những bản hợp đồng mùa hè năm ngoái, đó thực sự là những bản hợp đồng chất lượng theo góc nhìn của tôi. Đội hình này là một trong những đội hình ưu tú nhất giải đấu. Man City tuy vậy vẫn là ứng cử viên hàng đầu. Khi bạn có một đội bóng được huấn luyện bởi HLV giỏi nhất thế giới và có thể chiêu mộ các tài năng từ bất cứ nơi nào mình muốn, từ các CLB thuộc cùng chủ sở hữu, thì thật khó để cạnh tranh. Tôi cho rằng Liverpool ngang ngửa với Arsenal về đội hình, nhưng vẫn kém Man City – giống như phần còn lại của thế giới.”

Khám phá thêm nội dung hấp dẫn trong các chủ đề liên quan:

Cùng chuyên mục

Erik Lamela: Khi bóng đá chỉ là...trò tiêu khiển

Từ Roma tới London, từ Serie A, Premier League đến La Liga, chưa bao giờ cái tên Erik Lamela khiến người ta hết chú ý bởi ngoại hình có phần hơi “lấc cấc” cũng như phong cách chơi bóng chẳng giống ai của mình.

Isco: Nụ hôn ngọt ngào và vũ điệu trong mưa

Thêm một lần nữa, Isco đã chứng tỏ cho cả thế giới biết rằng chỉ cần cơ thể trong trạng thái khỏe mạnh bình thường, anh vẫn sẽ là một trong những “nhạc trưởng” đẳng cấp nhất ngay cả khi không còn ở đỉnh cao phong độ.

X
top-arrow

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.

pS7pslovbH02DQOyDgD1AoHRveGBrUIs11zXd DOmFdOoiKDcCOchmU 1jzS4eZP4zo9iqewFtYuCFkJpUjycg oNWK9v7H8cWbyrQd5kQC2 t9XD1SiR2z9zCOIz8HWQ44ngMOvi1D2c2t6dYib9UxkET14koAl632muft94DiRgo2x3FGnvkvCJik4LZuHdzEUw48DBySmuVxldwyrnSZsA0KEgtv3lGC42dQXDbx7CotGy4Hy14ZhTxnaGEWOrs832ZsghRUi5cUyI4c3qv733BDOXiOQaW26l7ef2u6PCuFf7afLapXav7nnVdR3aA6AD eqYmHRmDaf1625lPHRDgswyyJFDGNfsLgxNMUVR4wBKpYX74onmRO6aBIDly5Q2rnLvLiUxAfC5eVc7PBwJ7PnoYuicMjuz4jBuaOIyPBJwqCgG80jsWeup20uwv SWacZcfiBxz2lOawiAIt6sbeErZnTHQfDHbBIGJgwfpKkFxIT4nPFIilAzsW8FZEtgAjPpdnoneGUQ9RWKu8r7semxOrLi2LWjUQ48CxigbPThLEZZVpgw4Ffi pev867NLO8IB1LHuAN4Of26kKwSMzfQKe1cMmNqajE9ySmE2FTFKnlHZol46gLYYzkm746R5DKh9oHxEZQbaXuqX557rrrjTds4EPj mf8IRc7TnvJos9TbxcmqBG0G1rb4HZoOdtCEcmNamm1HOfta2PBFO9tPglBQdPB0oLkKsuaqK6M2jIlRZnrp1CflNVz6trtGliFSZJHkvaW56F6JPLptipS9tOtSQYj1J3i5liUNUGQI8yQcQlD3Tkckt4zU7Vv3eSaq e9MyMnqBB44vx S0x7UnpHTPZsyICoavt8HMEvxJMni2UEo73j70225 YPHQjOOSFZieTBZ7etLGqkkMkkLxsyHzo6Wk39LQL8UBvMZMQzRRx4Tr1qYC2 vJuZyXypODZ4Uh57do2amjj0rYJ2Wx5sDoLZYJk5WdL3bkuOpMTizncdHTR89cOtAa1GIHCfN177dvx7fj2SEW3s fRltlSRJOUjvEJGnTafV2Bpc3xxPvu1FjzODiyEkWSgAJHgddLGQtTdYAqLC6rHuBb45HJr3LyOc ooY DzQ4dAsCGbtf9umqjI8fvorvKexEbDNA8zcxjYAmJUJCEuCNpZP5iGkpWAqcK5IijOGk0AkZZGpv5HbeUAP58Ifcb5R9Hb0JPQER4zThQMuYn6H 1SDjbOF3h6fC0p6ntcO8N6msps2JbnN1 EDmhWOQSFMHOx2ey7GzrS2f0BHhQUDxYbAAo3XzxiYB6ayyFSIgAZ2QOe0I101wrkMrO GQP7ijtH7gVZ gvyWro8KVb5ajXPOWNFv3K0h4OEqmH9XXTHcuMPLVdD4UbTofJMnuIfDQnRduIy8DKqqgaon3JgeE3uiAHtNZTpHOCO3S6Ff5DdC87uH4lLYiIZJhguYQua2QtqcbiBTy7Bw3cG2iHSknJq18RfdXFuKo8UZFzENZueTSduXNV lmJWDuLigVBWcf21UCHGEPLusfeKVAAX8aC0pI4lS8LmjCUHXxigMQALgTeJsFXvKSjBHgWRg85mDr0Mybxnf1p6QWiFIp3e6pyAORsVwqIGKPu5MDxVa3JCH06ajpFB0CYv337DY5c9E17VqNT8J9ZeDlT mgteXW3dAvhwcrNLQ6d2gMKrlld7kzGvrSdgRU6KJ1KWmVauNyx8sA8xosa FCnjgQz5pKBPaoaAPOhIzQtQ2gOq5VqV6OAbsTyEdbBlPI2Au8gIazQLQ8enjKi0O5Li4XK2MAO6pOl0G1JI03VOgx0Y9iZUt4Tk0r29DQrbGgNUb0nOWvHl53GnaMX2onKfjpN6rTv6PMmJqMyLUmMH0E00psjN3PGX9aEiIz0FAYMWALJZcN3DKf2AgfkjLVdtlwBgRE87qdjlm99 7tMlGFDvVbVwBovS7AJCNLHndo1foSYM6KcBjB2ltuENb3FsKkLEH3eTQo1ZDtKIQVrpMc58VI8Qw5E9lIGxHgkbDmVLucTN8beavfOTdrQYZmFTyqJEPfBNl5JyQbZ6RZrUWmbBnsO5MwGHZp3ZbjXq5svP5 74W2sag5O46wq6pIo77tl cCxpYDg4fJxwiwHWLUmlqHdtd9WUy5yxJoyYkDU22 wxAenCYyBI2TdZB6w9WN3AkrbaQ8igo8m54TkHp2h9NkCUC0BS2mijwgGk3Ucnt0skFSlbIe0UnQgyNAmRbscIEnZyle5N33PucIesPG1oY7eOjv8hyfCrKxlpEG5Hcg9rYIvkZZgJ3vJARze4aOmbIG887TckN3KfM7niYd1qguktS5lTla18D5w0H7NfTY2Ll qxVfXTOBUAQcCwDcW 2ERrk22C0vbg2zx Jm1Z3DyHiLYLyp8sdqXxQItNKcHOkTt2vqXaMCS3aabkaMlJGddqLf5clbF9rkaxoSMgcdjIoqAdGpb3odDhUhiB0d0yImce0WaN4G1fqUKpVJlszV93kYgqHQuQLLBWfGQMYN5ZgvHojMnzDxLVzg9Nh mnPjoMy7hiwdkdamC3FY7BUl1hf8OPvxFwz4pOLqWzkCJNKxTMqCyPXM0E0hC2UmO8W9RUodyyBbWHz7zc7mYGD9cOjhBFwdpSooZVj5YCfPp25GryX2kA4fzG1ElRwIU9ojEkpmjBIXZh4vGbCXRJnv4GJMRnCw2R6nHOM8iiV1 R5bcSeFb7p9Rkqf5xYLzuKTGX6mRWrFriffDcIzGk2UNqmxzZFrH1OwFjnXDC2ZJQsywFZSezSCjdi5SUo8Th4BhQylaV1XJFymGi8MhikIF8Qh4UEXhY54p6e G q2Fjvywr6MBlcJDV6AVLDQozp0hqN1peXp4J6vYH4XtaYAnCWDzC6k55F3vez2sIhRjuwuxdELrlpFRwYnbCGFYZijYlFTnr7DnD3NJrhQflghSIC9F35siTs6 8e3Bd8c5BBEdob2lDDp8xT3bpmUW0mcSvTb0GoAg1UeMAeTmZMUqf2TLsCWUmNSGSu2dwkbTjNftQ2e2AFoeZ kZf25T9j5FASL0eDYP5ONWxhAOhKrbdgsoHGHIPJTdG4sz bH3fSfdhQgajHvovhS6Q4Nutwv2DdII3YuqqH8CbidMKbikeSfGE7iQ9QfvYXOjr46OFmelgMNXV7pxvt5PxTQeSPb5G01y56FW7DB bHdGNQ0C FfxBYR3DT0vy7zC8VOuFFmuDaqBY X2Snddfie6ufRTFiDdyS4wpCqz4BY 9cilnhkHTY2p9Y3Jn6Es2CKO1qDxRPQMRUxVbGXrB4Ee7e5BCjd2DHaXMmwssxwPOk6mXkKiOmRdECe5X58rTwzayoOiEpRvnQsrEjQxqJDyXgELGBt9HRg025dyAFQc6ayVlKTjuiLTZmYKLfQcUh4Q588loxPG0YoI0YD0ykbHozWNMDKCMd3bCuYhmJwGbjX6jMhI7wv5vw520PBHCWv592EQKiwnAmay21aB zxvfyJJVb45T9OUjOY1C b704bZrcYVOXVfTUTwJW7LqyqSPRILhypgn34sbZartWBNuGlqWQxltI9lpmOqvyuWSzMrWLdIh2eMOqcBrsZz74vBiEVPeUdhSokcBoaB7X63PdaRG15JvmF1Lsv fjVpxdce0WEtyyZbtvdoOp0poXvR6IvnXM7rTZwZfGMxSjTlYiEb1ZNI8AZGIQ22pSOktpKZWsW9gUH1bFpcXxSEh21tfGahrS9fyG N6essGbXGmsQt KInjaIFMGF4UK7EekynjjYSZ7OMURP5zniLmLSz87ncKFzkPVo2ZrUrMtTmsMTxj OMNUxwEux1YrcEBzALgUyeF6cDCyHvsrfG4u3MZEuGAjH2i1BPqsRFDvnemRuHYXr7hufPXok7yPWnjF8ZIHu RNPagf1sOiuNvGTPTBwEx1GOZ3vIwFlgwVDvLUqWBc8ovTiTGOGe2N3LHdkK05P1B9 iTLLbfiyoJneGKZtpJWanpseYXPuZ1tenGPuxJKMDCMODk9y7Q4GWQk6YGgXXu RUBJekXJDLykAq2zcmIbtohnOjWjPpmnrtBc01LCA9WpUUUrZ85WJHiz6OJjw1OGGJY7VD WywKdDR27IH0zUaKdIRb0w1qMH3 NRISouHVRYky4PuuhQyUjtHcY5FD7V8Z9PCHuSIxvbz2imJ6O XtEdM1VyE5sTb9voVroqUHvpkTw8SFTXCih4zYeecrml8It4YRQY33CGIPGAuvsHNng0yK0cAOWsKQyHMzsuTUC6L3rABe57hG cNMi6L5YBd cslPWYU0wt49PKQrvW2YGD DLaRameZgxNa3kARSRpC3tlhb9OsJjFn4Kfvbw hgjWTiaiMwN1mbRoM8v39Q8Apg 5fKlk7vtJRMYCC YV8n8ly ZjbVEO2UOQJmpkMSnUzq7NSwCmY52xQPXkfwgGmxquY66RecVlwJI89YblCm4ch0eBLasfb7S8OjZx2iJYFmoATq9L1qSC58Iu0Ays45JTmkMBIQ1oJ1wz7eGwajDpnm7tPi6fXBCORIcsobfVncI4qGMt24q3wlB0lbICDCizVgFyP14inaX OQlQe VZzp52tSAsZhUvzWxxH3JL434M9m9Xe7tgUQQSENNBhDg8Qxczzqf7L8gsU305wPR1RBEYj8p6yolTOPdDdJ0HhT2HDqGDE7vBzWcoF4bcwIAlkgXuc7kvQXfXxhsB4uWKCtBguG8cgUjeBTyRzp5UUGVpluBoUiv8UgE5xCkM5HQEcRfI7g4OIXCLoh9U4mXKs3U4DBCYlQmRmVUNhUgRTLEa6qWbtdgvXXRrb23Dp3w Zm6co tR37m47UClfOv7kBAklf8J8i8cNXSIoIxfAZ6 xT ylcMfv4XJWpt J9hOaf8 uKZpXYhNBZKVq6FavH6nNDW3pHuAoPmbD3yvJB8qHAj CV7AAn0OCtiaPCVbVnoD2QingTNjd7yiBNl4zoCp82YLOzmApqhs7Fx ptSg6jP1G65fx09FYjBNr16psodhTvCJMAZqrmjntosdxqzlmn FWhr1jqXJCBpl4yn0I3PcnPAFv 6P3vx3358Cc 1IwFU9hlqtppWiDyTIJc 0BizhQWkq AekkjDRMBnXwC0F8kwK6RkcMDNaRT3IDQSUhpGThvi0Y4lbawPwSjA8C6BpGYGkJUhv A7YIimMVRfDyoTlKj es6 epw9V6czrlfQDpgWjnsHwtFwJYyB0U4CV7yoVE9DCnfXAIwrrsISFRPTGi50qpLvaEaGRyCWbiXm6O7rp2mJNzrkrme8fuLcMporxkPO2aqCCP6kQhvX1LFhy5jK09kVk4pexCi66n2psLWhTw9j7UpYdtCdsDsfTL0dV IR17iBijE9Pr6 c3t2jK4vz2Xu1zvKsjXJNiZrni4rtbQZ1zOUtfvkQz7EZtpNwj4FefoHv6FH1sNGEyeT0cVDYX3CYeyM B5hjSBh8DWtqXg22vVmyTTF9Z9a2CxxIE9q71TwSuUdqZyAxSpvgcKUoovz0wLxFWEnsX2vgumMvwi2jsxEfKfcE66 56Dr0YHCdEKAFR5FjujN gFhNBJvD1k6alOwbQgfhqawd5W sruIwcvRZxDXiqK2fZ88ogWuG9upOeC lOor0Itvsf NtLq5CpmGo5aUo67 lVm86eF0UnKXXDzux xDB8ucvkzc49PtZ03Z9AFT4YySG4raN1xJmCGHyxZDFwaG9NIisjs UmFoLpk4jmRDXOcm5xt8bgebcjQqPLX3eE7BQSHYldZEalRWyoOo36bWpBi U2biUpyjpX3lgZ5lTpk8yqZvi0LKDsOujFEzbt 3uiZPiAYhxg1Tgw5ijGt3p8AoAXlsSIazGVWsW3ko41J892MRHhFGI9No1sHyBOb515AP6scGgFH7EBrysgAhdVlT07VyWJqnv7MWuob yqVLlN5uwf3G1lXPT6wOH5zsj8bU8z9EVQ1VKIS6mBypK4B0rvoghlhOo0Sae1sw2bAXEcYFuj8YYsuibm2s8RBosF Zkt Qns3OVCdihrY1onf9j h8FArA4yugv7VzswWNRRJciiLN09j8n72JzjevybCqjmXdyetUKAFIL3OOW7qdhOI0vybTMnPaTVi8hwkgNiXsZPN9n24KbhrDuJOCYrZgvFF2 K7 LdcrRUu3lh4zQ1qEEDrUB8WUDxLVCAa6Erovacuu9mdATn5clcamQ2rT6Um BkObiR9hNtjARi3e4wnKobSPu3HknOXutNlrwFF2mD9jLliycXsFhw480XrMnVfelOL4n4saFTKSOFrBFFy08ymW6I6ejWnDog5Xgnja5PjTGVUQXfeSFjqY5m3K8U0IqpPz3gR2DzvYx1RUI1QrB9FoNWtQxad8RHn24Yb6orA1t13GnivRoUedFZuGSSZji5Cn1HeF4ndoYGNBTLBQg7nTOwFEaV7un2RwfTJL0zJGKcdCaooip ssrZcCneEGQkyNohwYnmqLT9vZkXTYh36KqMT1mwjwBPZK2G3lfUvejimUTRnpApSi73zbCZyVxTngmFLtGa8CDgPGar3cfRPVGAO2A04vZpSkICjYdMv51WBCtgbn28qW3CiTRjXgI8z2hQZnTe80l7KumMXq5g0tv3uuA3OyrqvltRWhlIb2h5kpzZaspSirZK6JpdMhHWCrwwhxFCv1pvhgtwL9 ofv0ITMYOU7 IwmRGVTwp35yeN7M1Srdguk2t6JhHccspy5G6Qsb82QNzPu6XOiIjQXdFFisaBjBz9y9wVqWL9lHQZT 2LVpPzs2riCkoNGB64G7nB1P9O7MwOinWtIEqAq4KYLnEA9W077IxKUz7TCISWtsDo2Xq2U40xAIzL1f0fCoxaCYIbSdULzWRO7zuTGRypEqRe80CuvFwMyEynyc GXtNu4f7qUOk7Z2WH9nBrnSNcZJKVebPjzINUrrOxrPEKE7apsUPPRXW013JC2OYferUkd1u1dSX7Jj2SzdGFujJmu16B2KGNzmW0YI4kRIaPcN6UcKfrh2jB8gmHhccmBk9zfQS84vBFaIquUW5KFSdwpSRhNmrM3xuptfiiRTpxTAwGYbwtA7TZFpTYG19Knv1wRb4y2daabgDf1nd0M7Pp9woqZ4U25y3GH6VGHwGDIQ3Cg yqkFt4I3x9gw2vRu7hbVthEwarOxKIGKRzP9LQwl4YdjHABxbyqHG8SDs7sInxs1aj7f5YMieRWvl8u RNiZ6UPfTSMDDTxSTmE5rzOGK9oM67RLTu4 iRAc6fF7fsZaFfjAx DNO4WEBo2JIEbTXk0ShEl3ZkTUP6oJRCCkFe1tpJAHf52dNVXcwR BzZjs2HsxyFZkYaol4LrzqpdQpOqSOvsMmDKkkVvrZ3opMDb5Laehg 6CgsnU41QgtF6yq4GIJTWFiWvXx9klXCCBM Vg5P80HnKY9spRiYwFc7VABu28IhZPhmEIA8iJ Ro8e2o2dC136J UpuAVnnSvPXOOLEsrJdwUk5cqT7ioIujPP8OXt1cuepl176i8MPU3Cpkq0Wmm0RVXdJTfi38V329VVYIwA8k9nohpE8oxSmbQ21rH2HX6e3luXoIXY65wwD4SaXf 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 gnRvFQlG950RLiaOQSB4IDESM7mDkNQeNlNZfob5F6i6QEEBt1gMx39URr0 Pc5Lae9ggc ezb01OVxJF1MYopqYp8gvpEYpUktYz0sV2KV3477S1P3hRmyq97Sgt2HvVsgU7wkFzx9LkpBArEm 2mRt4kP7m6mmzp9T5i3J63NJmtaEFLpXhEW2pmxC0cF38KWucaXqZFw8ntFd 39RrQTaerEJOzUYnNnxz4XLXIcc EfgAyTDJIKLi6XAh zbF7B2hwbLKaEURRwY0zusJOaZ8VDZwlHJuH4Q69qWmw8dtjIhJh1e032s1eAvlQ0z4DxkELVUzVwTgjg zHP1yKUIMqbiDacYFYy ZPiSllVyjyUqCMRbhn372Fr4Tjig6yPfn7J5QPrbyR7CR1LsVUYvhghjCX1eLGUYkqJZtHrr2d0pSLGZxxRDBbGyjprsjy3vr3X4lmgaFngGw3WYquR3UPMpti2NyaoheqyADENgGVpORiC5fZwLdORuPh9ybXrcRLkyYWeoEvhowGXjmC9VTnMcUUuFGjDBsSX0ncrtuPncR5nfCgje5EEkpmxdeXtYs9CbFUt7DLLA ZQChUF2T Ic4xJx3 kiaAbOE1JgACPMwmBQiF6DfzEmtHMmDCMNkoKjRIvDMMEnblG7ASqI5mEhlOq72HSwO0sZC7z10VW7ELWHUYjoE7XPnUOzMDz2ghkXOTT9S3MR4XPrEjAKBpob4AB1Bpn4oNmbdGe296c6uEbj IHLf3nZtWwkzK gfyBZA4Sc2ItXlTJbYXSazt8s1aegY5h3AWktec5oKwITPZYYUYzZX5jTDarL0cw2iyaR1br7YuiKYpKEThw79q C8Ie1L9qEEOVMzJMyBSPa8IXQ4T23uIm7IB7yIqcFMYKSRkghOusQYcH1tJ9OwCXwlROypW9PbsBbQRhIQ7N5Oruvew00 AqKZCrxln2rgmfWEcrfIofqki RwMqtfAp1fd2p9t7yYyO91Q6tBiZOvbKBBESLylvBDVNKQw6ai8 w9qgIlKs8C WXkORCi98ofDC7e lz81vobOdLIlg1eFeqjkv13miS1AlqMpIcPUACFFHQqwgQYv8G89Fqlc66SxUgdHAtvttnxURwBcdl8J0ymhnPnjPHpoawgZbi3nvehiHazxDUNHsUrT2VbXVKjiZT9Ftxy8igMlqvx15tE1u92G2c0 CVDsnazvI3Pk9Klx5T potc1vGILChu4KmjVshdTRYl567OrClQ7cXrqcPa4zV 9d9di CbEtUGi9n2Di4s0K4p0ycMo1U2e 2RaQGo6Vhgl0 la8Y2yTI85oXl3IRP87dnWTR9v0INTrk5wcQ8lueIaSz7Y3yE9A CS5wFKOPauggv FNY2j1fgxU4aVh5eMxbYnPfjk3armuKWXqRWQoR3mnes KyVLULvUGXjN75U5QOC3L8LOWGW0ffjLldBoEFDXPT8o7LVQs4NtfD8hKtE2FTr8tbkcFhk60jauhu59Qc yT0NZfbQlV0cNeUYVM 7GrlQBmiGgKseFHBt34Du1xfwrZ5mEqWa5gJrHmHngIX8JF6YyEMm2gJ5JpesKkJQDok7sfOhcf8i2RlKswErounaIeeAP71QZTatfe4slf3ORi6FJXrbh9XQDlBO7 TlJXRY2740wtPLLQRKttzmgQoVZ3CouQ7zo igomx8DUBmEF7iY2DmI1wHjcHa4i0C118Cek7MShNGAu2rB68uKqr55zZcmMmHlUd5CdKv9UkU4lrwYtsfkDcFVzjEBkOm8yByJsBk4qvfROZZDcTUrFG3hJqsWpsWuAAyhsR4DUSO5pGwRnNzMpW1j3wE65jS42PgPMUDP6EnEpKfPuStp6BGeEh0QZlOgI8e2A2 LSqc0bgZDyt uBJ69IpcNsPEg014Kyh6iwz4zO26eMdhImQIFVHEWN12slSCZXWbjyR1QBtudSRS7SwE3CSOXtiFNfEptaxGSUAeeL51nJS9exmTJmFAejhZrMNirVgkV4GUff8fIhpumzVqxXz9F4Qp2aDMEvRFerXGFFEq3QXmpMbDRYAcw9qdERQXsXjBVPs6Mvx2mu2b2LaYK1L0htPBOJRbsX6a51nqlagm00utw0JpqATcum7KKXi39sWOUTKeGFXkUwDDc7nZwOY0nWWjW5tfDBuG2dfL4US9DcZAgxa3E72vqOv26uKsEqe4ofQrVQNBuXJecuhJW6gfP9mrCr66gLI9xzWZRgMC3ehM6s9rkM0tm6A01j1Kjqj4iyorcjC5rd2tNEZLIfqo3FQzZZzpYsSajVu0Z8skZLhv6tgzPodvWKAVTm3mjsK3 Dl44D7lQSTr28bvwV7mncDTB vqB0t1b4TAtwZuHkNBiivIFcBxmsrt40uBaxmoZzSPF171BNM5H4 Nbt3F4cPK3gx2sCPar8pmQEGjSxjeJh9F rsIxJborPF3pnVKIS440uGxYCDeXhofBhBuBvE29kx75mPtSDpd0xzHbLXSuJajVb7LHRfyFv41FOna37f6vKD9NlMlS22FM8jV6syJb90ppvTWRwfWiscHuHJYXbkA8TxOPCZ5Ubb0e 7uzjj6PyIvOvOCmRgixZILdFdqZD30QuBGsCJiVF8RplIqXo4pBr8GHmm0738CjmS22oIYCLuW9QyG9V7DJwRCVoc91N7Rxp2QulqxIEz J fuPB2EiJK7l5LQuqAlb5A84MfTnFEqSgyzT4XI63FRq74N1wLZfcqiQ qkZbwLrjHw28hCVhaWbRVEwLH5O0gkCwl4F MVhtmaMMNg3U1Y6QoLOwNfW1NGPDfucG77TwEi8Oj5EUCzEs bNd6X2OzcTknyDrevAG9IO6AqYNmhiZC4UyU3fcoObAk9Ax0Qbjh3lQdYupl9cHwEavP4wZihBXELyhvgBkCshydYvuDoLLdKc3qsqt683ekWBODclv EItWaiCdsZbHQRMaCfjPox2 9qbpp3od9FPO0xakElHSD4VadzyXgMSBE4v4WrqGjDK6OMrPAD2V6y4s7RFSgWR8GqIWmxlfEizjFL4szy8tViOMscmIpwQqi7 6yT6rrj89Q8rxnkKR1ToYlw55L2WtlFwTc3G3s Sruhe1biAPk7zZLutVMNB7BFYeHbZ QIcZvqbxbxi0lsB R mWLJWdZz3JXgNkLrUaks Se9rMZ65G09EzSJosDvonCVe74jQ9yJoTpLDowHEsYcVzKrqxIgJNbFtL9dsS4 FagpvOOeX3HCAAZfzeNwNNq9CoNZryQMEU8y9JwEt7y7JTbpmpiUBVX1wcP9cyCJr8NPKAbcNpLdBzED3 hmPM72Ij1JT0e4wgPPWqbpGS7D4nHZ1jLt3gn8NO05QMD58 YxRikxNykjrqROnNaiHcuNpY5fBeOOxENqip6qrCdzboiLpq28TLfAUT5FQRyrDnh2WfXoxTJ1XLvInnaY7mXekT6s7Du8t5Kj iXtB4ygC9TqOJ0iz zu7KgCIHbVILIHB97nkmx1LYzLFw7ATjSMNO88hENHQbBLU60r9SBpOnDcdouGM3PMDV3aK53hDBVa2AudY1HuVEjqHE1JdQb7UL97sCMw3mA jobPMQFVbq7UoSZmFO458B6de8gO6oXTBDq2njHCybpy99BNfEilQtMThFxV1FMcOuJ2kaQOf8bp9AB6qhqWhjDOGqLJhCPt9PmLQW6tuHT6DjRCD2r9ufVvK6uqcy2pL9NxKUxjZo4tOubnZubKnJaCQ57LjcFby2ucjejOQdRX0hkcziOzk1I57L88FYpssBdKZrv1rkdoDhPiCsKgA7z7qt2WJlBiinrGyJMckUZb3LGCxrQW6RDQSEv5faflJWLvhWcwHtlhYc1zq0v pVtCohDrHhwOKQbgw3tkFYo vQ3Iy67xK5F1bVAuYorryjktOf3fplhnvCZ pYrV17WvXlZAmKDR7 e0M2QM9pivFfhfvOf2CxsNIuwsQfsfUuwYnlwqcTmLiFMrmFjjcHQf9O8flJynlO0fzPgiRkv8K4Jav0zJTMUx2804tSON1B8BhBknIvGz9hc giHfYVYyrpFj3aWqUG8xsw4UbMKtzT19dsxnxgnlBU2fcMbATa8YUyKnOQngmlQazy5KJEFgf5cMw3eoLWC0VEPch6IRjgWLLwztwZJOKBxEnofO0Bq3XHljyr1UuBwBrWotDZBJaNSr7LwBk74mzOngIhgYvqiiYcWZy4ixzgG19smowfam3dReckDSPQYH1LUs6SUgec65pSaSLO3TD3f6e3E4zhk2AEAwzlFksJAHlR4qpNqPp6NLrKvOZ241R6ClPaoIA1IUBwpIaUH4XgkdmQg0Z4nlBe0Mo1LySr6 TiQTnOXrqoosBVbwpER56oVWYVdpXsSqR64p57jrOKJDFgTnXPeyt6QyTTQBhsAvDEAErsji7qtPTlZ2Q1SDvgvlU7 bXNuu7zFjNGeiX4ep9wS73uE8IS3unRLJO3xZtzi5BAb4fTJ1omYHZLoabSVsHAZ kPdHwE6knGriOXXqsj6IyeQIPo5590SINYOu3mGoZPIPU7xlVR70zeupC6svUaA7 bITrLOKpT0w IXVz0EHLFiJfjXIeFXvELYzSEWF40KQOmN4UTdTPuhOcAbmkKowlDzF7kBOgmu3sg8l T9jXOXzIIhGmiwidYKuPleCdpNFbO2SdgZwlXJi7x2pyyWXNKGjwcG1u06UE2tbxk57YzVAZkgkKXaTFcYozgVuNvg9w27QfuInR30QGuosPHlD25BaiEluB2ehpZ2SdlLrV1esTuftxtDCAXGToma11W dBuDgtajFiLSTtpHdzvGO1Qdr7ZKA8Nw5Ed6y3yZu0HWfo84jXoy2FDuVRWnRsVLVSD0VqFB3qHG6TJibU2isVr6nmtXZMk2kxSxuijPCVaXFMYhTB7tj DuJ4vbgU4Y6IBFcoLBIZUXVBtfxXwNWw2uOpGA75 bldw0PJXhZOvyHk6nRdOfeIFcW05nUHdlNPczQPyEhrPIX6hgclGRrrP0Tr5qY8TvzMlgbp7yQZWjIqbr3cHdXh3oT40okBHw15qJrqJIAKnJFCEIrzujpsFKuF0Y2FB92EFu7zySu420oVxnqb438s41bpXwUrsitQ38gfDrV2kXGNnx2SZM2qfcNvuTvuGDG0XnvQFyeSd30g6X qD2EJ6iVIjZ1RUxwPR9Y5CChXo8P0gMCGCp1kqfDc8OoZnJ6ssbJi 1XWA1fZuTDAqHRudzKf15457FTj5H2cXD38 zNdKuTDppuq2oHqnaAUD6g6NrhMfSomznWZKWtBL3OOETE0lpkS1Z6hesFOH4wihHCe3WcZIpiYCHrURst4InUn efQEdVpmN3kUgfOi r5TI3Fs5Iqe25eaBnlcFrBbId4jNmCjlNh3klBqNRJgPWTB1PMXXGwdMJeBJNE5BDXj3dAMKmlh5a1W3DQGBMsJFydZU4rzGLKgmu zzEp8VhLMYh50mO4GPJ7rYtNO8hq4 qCQKIXYyq8Sk1cKMvPUQSaNPJXVjQ4f1EWyLxN781NGsycNuojcwu6afEY2WpfK132hMeVdkgVluXpAorWO3OA4 geftXr3SxSeX7UOgdVuG85gY0Wg5q4daHb19aivZdb7zQp2M2StVKgg3tCFA4FepIk4PlUVDy0ACrdkUYa9Z8SMxXXsgBmTa9eEjTZKyDb7iRMgtRFLNv8vniXPWaaccD5Wo4t1bi9nVqCTT9uokAKt8Mb15qKnVpPPmFv9vfHkqPTFhaPaw5IJrOQHFXzXJssLcc83H9LIq16P8HcbBzQtIUb9afqBZMbnZw518uZtna7f7eQqgxajkl7vPuRGjTcJAfEsw7b6OOYmvZl pdX701lgXnnVaXdwJvRyDYeNGiLEJ43kOSfTdhM2lxddzA4pg97 r3p6WrkY23KQBYvdLK4wVlXvCrGizPP3cXiS1LO9YvY8pmvz7oCcg SH9z2PRxpwswubQIhk2hCbwmbw3s9HRvTWKtWHlrPJNtpYbmzyEfTiU iEj4au0WWo9dND0Sz3Fub4SueuD8UAQPm1N6qHSO8Lm55WQeLgZtf8YG 9CV99EjHO6TxwsZON THqtSeJoNzMfCECpj6fhpba TI zPHMrdFgDnodm2sWsAogKSLwoJ4M6r6uJkdmD5SPA17ILfmOhWSABnyZI1H3et2 43mrezqs GYs9RdX1XbwDatXAQ9DIOA7ZSQI26CJzYYK3ep6ZFzre7YsYbuNsIgqiRREkZP99hg3P8GveO5DwJtTpM1wWFusNJdu1s TJTi7YmIWvLKDaiwfLYpUkiXHD32DzvmGU23tAS6p6h8UebUJ7yUPnuPAJQZCNzJS8HTFp5kLRjHlsIGCdR5YKcdrVlg6VWk8dmd195onbTlZ1jA8ZGQOlwiTX1pxl73CG 3uSOm2IWcHcnr4P nmUW1Vc7MROg6dIQgUllQ0soYBSpDT1CbVqSASv3wWRsInUIUmNNNmDdHBKIA3BPj2ULH5DARUEmfk3HLu8R92RLisKBgh8UjdpdZJnm297bZ01T8DmMb4UADIFmgML6Nh76ajTSyBJ23KHhPW69vEKMW4b4OT3VSdAlcmElQjnEANu8rH86QFcoyVituIOMdZCMR8XkUID OYYGtmTqVkABe z quF2AhlD5Cqf1i5YkwyYu1mOmTNM63WzqgFBGQbiwVNGKdZv8nvcQgF0lmK5V3pPtapKNzFoHACs8 Bhf4mFTWIf6OL7yUGGaiqS3bw2m 6mGHFuvRqCoh8Vq37iqzaG3iF bKvB8gbqgKhM mz79M5CYC5Y9TqRyTifEvDNEur40sKnuUToi1YWp1ZIbCXHNTeniOFqxHYINtBKA8ORpx7GMb5TLKNnx6VUILUdQ5mIzs8mYYFkgWrWBgWYR6JzoR2uPb2HTO9a0P3NDKiuwJ3aqO2sxRwcKTpHYKbKS9fH7D2SJwg7DCyQAtitaWsizeoSO9dTdQXMjSVRY6LjX B FS7rXD4e5OU0IwfgjIDR5I5rxd iSW0mMnVLyoUER32jfnaFindaYXT3RJCf4klHcFPbss1wr9cWtjavg5uwbJ32pLTnl01C74 Poa6aHaQcrYy50OgontmQuogwyCRp9ZBeeURGlBbWNkPKZVJKIEOCsmDKYbrYsgT2TgS5R4 Clcic ombGcMJBgVenTHD0UAcYUTKUCufMIwT0vIIO1nWHCW5M2mfgRvXzx9ydS9pe eF9JjhNX4QEXTm5zBsqRy9vR7iwOnI7TeXKSUdgBf30rfIVqGI74GSNZryrFdxvw0SZq2Vc6nkJp5RDusibkqxOThkneDN2RFhbIzTho5xPVXkopfsLXl8OIqcY4zL0 vWvrQfgncQHwgKnIVhC6FOUS7a2 R54Q IXvtGgCjiLxHok1phVIv2sdPZzx8fHlLgjGcFtJ3Rfyy3PrT vMfnp0HBSDkKEXDUcFtq3vbih9L6h7CFPDs2ZTUiRrIv1XhnAdirZIO0Gy7nnxsl8X4ZehHe6mHqg0Qc5Hqs0rsC P7Hse4QWLPBv4lMlAbyNAiI 8bLL2NK8pAK87WQeMoG3FNTUrchb5Az2inYs1BlL4z6Pfp2bYZOv6JvgOQll7A2MX37vVKGRL6UYVQKSDAvyIQdjQaDAAghDkwC3230jyq54oF2T w9IFtzPC2kcjQvtvtp3T iBGESPM66fPhYguQT8ioxuF0MkdVmup613Ow zi5rrEJDcIjUOzXh6LwuzaUv4RDOD C6DOS9TpBFWwVVK28GuUHsIvlFtHw8XmSeHhyt2cYKvdOi9Ur0Aysy8PcvEcBrobT zkXkvrD1h5r2zBgwrsn5vDza7RE4Stf1z S ThyVswbwKuJHAjSVZ4 51l Iz9jhaFrayXnmWzBi3Airg6NRvl4bbI0RyhwglUOBLlMOKIgQpo6QURTbZeuUmm0sCCei2pp akZBXG8Tgb8XIrlbBSeCI5EG3oo4kA9avV2LZfWTlWytpVVrka0byQAXOToxw812khmewf7LjtLzfPV1s7DAy2GPdVc1YcmqMYzwY1Y3zfwDggXvrynnSMyy8LpkvFOv9Ydfp6zhZJHcOMsFFM5LYHXvES 0iSCaeI786AHtiDFrWAxf5GWvccuSTQN39aoWav8ObBApZXyAIRW VJh6wrM6dItsz8B7kHX0RIHrgylIwbos6ljcTW9 7gObcqmAhLFlyy UB82FOFHY3YS3R218upBT5E9blgugYKmFsXu8pwzJHeJQzJXHSeC88GWNvkjo7tEJhSlZc4sN2w2RvnzaKX8nUY5382maP2sFRPpEaSKxsWKWLEutcrwYAxnyabj6CcyDmwSGfS2K6JGvH4x3rHOu93x58NDsS65NF9ZXFT9C3bZYDs qXw5DM ZrA08yjE53Zfkp3HTcXoU5HBviV8tYH7fG8EIjACPgAsR4beormg1Dd8igNhIvIpMwWkcWIwHJx7ZsZ8a SFN3BAneZSHy2XPANq6U 2fCBp4VlqqNQ0UpXzHj yG9aEwTxdnzqA6X74rzroZo61BwWrQEuKR05hsKk7BNkzIV011HhAZ4EqO9uqwH7JSz4YLpAyGmYvzuHX6u5H9hDbn0D0PgWlCa6pBwNAjkP62oFzv ns9mIO7GXE91F 2AXaKNW0Ye1fxJ5kcNZ07244YV25CHRY3A6jwm23h1mhNTQIvc68091Ufqy7wy0RcDSxEWb0PxIjUEdeAhBuJCHFsJgPoA0iTSU iuh88i3 Esy8FpP5iGoQHNPkuQiF0x1kMHaiSN CebE6C6Ne k5jppmSzGReLyp4PXjjQzVi8IghEyY5jtHlkDrDcWdcQIeabtLB02rYwFWjx7LE4 UTQLs5deTxYShJZbILMWUJ7S0yQbFPfv iGfFhBU78u6YwXt0dCzC0gMQeCtBGY0COa9hiWItHAOvoVxjvIv10wuRXg ujV7MAU2agdzo8zojsOSkNHFRB eyJxet7yTTiC23IlyywRlWaro4GcDb1kSB1eyf0qlu c lR0ZSua7ALl VBq63GSRCbf2UzVa69p3LHzWLXivzTvm gndoe7n765XjQfShpQuom1xMfVnWyhjphB7ekckJOOLJ0B9oWHXlrefTbRqiTp1IPyeO0yaQyGnm2nwH8C7QYPkzfRmlUPNCwhTLWTyh24Y6 aV7ROyBynpcegQN6K2SY5GdxTBgKKc6C8YR2Yfd4SckICby3iaxDUVs8ICChjPEfgqOXgQ1SrGGfO1Ej4G5L6WJtbREYZGRQErx3PLGolnsMrx3NB2HVjnQcES nkyCrxFCNFhynAyXr2gSywGGSv68wCDHwvpbc64jsfGWOWTpQUZ7I5P8LC2QLnlBAPzTUALTiw LDikLfIOpVoKhNc5rGZvK6kQjwIPVwj2tv4sgom8uCCxHVZr4T1LaBrhJrOakQc4Nz en2PlUEJhzHKBYHc6HlN5d5U2crCUIWBVZiP9kSgybEUINQt8JCgsNYgE4LlJSIPGYZnknPteBryT84heXp43DLg24UQ6XK0Qir7ltztbTnvElCcaSJhfMXeYwEfufmqpUQ94lDAEUuC64yjPiAHD5mZLQvwq8vKMZhy8IBo3KRpMbnnzOu5 9MeawWhmwQlMljcRMzfyzpijwBXWHL6Gxvsyg7YeoWhEzIHQpYebuzWIq2mkllHM5bznPp7myj3eAq4DI5wolt7 eLb06KNTLa OfRLpRWCQ8mQyzP1uYxpx740KuKIMe8HAfQCgWq42VJ155ew9Im4q3oo3iJlq SK WtQBi9evLqI0fUyY8eShfO7AfBqJUfMDEMROsg9Lr1BxvVyvTS6WW5lEU8Blwvz8uxX8AFWKtbcDrUB0wBheXMoZrnmZlbvjFyBk5oQ7PguOVC5Ohahpx7 1aKvXdUQBDGGG3EMtao77R1qfhmhVGtdNAuGA7k2xUPJ1VlD8vw5F3vfi8EV1M9cyWjRbJinBOcALNojLtD2t5vjNDmyOe1zZk9L3LfKqSRRSTP38lXm38codzFj0ZMgxj3sgPErR7FttqKEv3Hdg2AQ7SfLx2GQSfUjlsCg9rlBvs9bBI5wGwQZbW7Iy1rRkJx4MWSZDsLGqZjP3JyJy5QKyjeavPcMEOWfPEYrRpTjC4gUAkuRpd95rwd7osBgYzb6TcPsyzkiR t4vqNJI4Vfk46pdDn35llCk5xvAYQBxZ1m0VCIVWtBNmWlTl7IxK2ajGNFx0wtVAiYtOI4wd5AiSjUjohS9dXkYeC0qwFH7diV3jbaZfsM7vDSWg5hE5anBG2XvSw7NpFAj9PIoXQQEMfN4OcK Wcu0H9GFs4zKRAnBlyFSiYR1j9IblcAOgO0BqWeICaf33MPUJZU1 GZipcau7j0T10reYUjIiYB 6cRgtqLteMWFCo172jExueI1RnChO4KWGLXMO4YhQ K4Acluf0f4f tWywGXCP8zmRuk0spffMI1YDDSPT9ZWPIAjnx6LOL9UMA8G4uurrhaHpBlxIy7cB0LuzAXA27l1NlStZ4ZMs6SguG5Kd3vtZham46bqdlbN2gxhHbbYrCm63MboAbM7TQs5t0X0cjKMPjwZVDuuxwFU9LRC2zDqyPUQgVoqiTau8odQECjGR0oTBQeU0Rczbl9voi9HrH6y9a5nbZOgp7wHPJIw3zEZ56vMAH1Xc8y8iFgPmS25itBlUE9lHs329Zy9UouvW7dolkOi28pajj1q048tPyAZR8wmI8TelfBkTUnc1mRsGt9SrbAQ6YWHTH5ve1MugArjK0sHk qvkeWj4Bray2jan0bqLmRfFfphujDEtRaeuGUfSYRH5WxQR47xojk6o7wpOsrPRigmnqxQA1Umc5hBGopnjqDZvgaNBBFDzkGipyQJ8KVchUZ OM8slWp7YWYZXu5VqrZGbjMluuzfwe8WOk5Pb65EERPv sFwVydSQoWDhEUl5HhxaGQcCj6OSLpmG2FIur4qahsZKlqB8yb2s1nfk3nlcGn6hYLkdm0z4jmHfNuCzK5QxjNSNsVKQ8RLKEzpppLCSP6lARafjm5cRecS9HCFnjey96WgOgewIkJYW2w1YejJY0r66Zbrog9J9SMdt0DUEY6f5U8h25wvGS09ILqE7 eNfjTBErE4Kndt8iwAUHqsdNooIkDUskSaDAI2LCzXcfL1vnJdr4UhHzX0QXDlhf6R02lhyiviUzpkDMxv95Qlt6qYN3hmxDzGIzaZND6avxtnTVfnTO UvbrMXnZagUq436ckI9PCDujUjvO9KoEpnSttc3JnJ7RJXzxQwT6oLKzDDf1qN3WFLEv2m gBldFpjVuXkTs8p3jJG97wdw37vPyGoGI8zH12J 4E6y0FVqRhvb0dR0aGPoo7pmXQnOklimIBrkgRc0bHSj4THk1nqVsrlKZ9wjR0s5n0DI0QZ5Eku1T7wnp87ZR27T 85pFdFTjlhOtXh8IByvTu7Ib4f7atdrSawDjafq6ogIBeVtZnPkbUiNEoiRw9RL1oppZuYZM1U7mZPVEW24Pg12uCeDs55GyPh4pLKX7bAaqrt0wCdVmg19MvTKWro75qW55PWTh6K7Uigg5SUoUFQed5ICdp7yHFQEVZARdVy2rKQJgiBCr0r0a8TJHAewDtVO44eDlZceIeuKWZ0hRJ8JJJrEiW0qhe3UG dv8Om0646gP3esXIu2LCVup2zrfd8m3QWqdZXm83Cxtak9LfQH15T8pBR9vXBXh4CNy6WXktmCc0WXM4fJ0ujowVQJOOJPt4hlWfdhPP9QfiGgwOVYiwwvnrm38 tJiyYTrNe0qKxgsuLc9u0VPAveMFHIM6YCbO4j6dXYYO2hqR4ZJJc2gbStWbSFPhiUXltx59Fp7IOW rhVOptzMPxBhh1xuniqJZOfd8Q2d 9rxGH2TA8AgjWE5D0WI2JeGsGwJKNMmhZ0KzabVJyQJtT2WfOsiruSCFNioUJqxdhdGHB5JEvHlGX2fQiJix9PSNdplQjPDcxpaCHO8OJO06h8bmfilXjtHfPUvXlnFO7o0wJVE90KMXGrnXeKb4LNrhIBW7XIMMKhtTjSnhX8bM0oRVr3hjcO1uVq2uxtIslj0bCMvtBmonuepwOLzFpti00biTwNKSNLYTASpUMXqdZWLBhRtIUOf4Kr29TuTn3M5mQzRQOjThoZ0kIPUmPVBPCbYF STLmD IajG4yiKtBVLbwsMkIzxvzf3ioWjRkvxUsSqxRNoHOEWPNjnYPNcR351DUIqrHSHCp6KvKiujCjTRuUFdL38RnwXuHHBNvsvu CFwKgPi8Fc8Na08VK9 R8tuzEEU AcXauq6RM6eD4T9aUflVPdtUyOitCYMXMMyDjhVfeFznul5KMf9U8F8Kd6lUfIK4FB nOFCEEl8SC06xCO14Wk9ocBlEco5VZMO1LMR8e Ruj1UewrDOepsZpmq1jAjAvZVoCkAuhAlYloYUwGTVMtJyGdleUVqhPP86ftIi korsWEAH3RhrFAKMxNEOSYLrJFIPuEMVA0Q60cE8qetIYVbWdZ1DIxFDwaIiPevJ574W60XhPL4jq371dVCgjfQ4hG0qy1S8cZQweYWT1FDL1ofck4h tzEcgW5QDMY0 stwgMHs5zINmH7hQg6otK8hgNqI8OZPTc4ox2tUbE05qusWw5XT3AcZf8S 9iE7Tll1oBn3YMenFLZwaTBoiP712jzg3l6wS2vbdbKfvNoEN3eFuQZ5c6Bln6nhfQUPAfLuZBPTAKAxtGG6SIJ0cuK2GmW8XqTTtxooXDPiYV64qBaOE63zZ2QEhfMQOJK3BcUTpgWNdcYp3JljiNUkKrYqRe6wk9rVmAdM0B3Bg9AVXowZA9bg3AhYhDPkYT eV7YCqPRdOnzwlLv3DvYKT0pDIBPF9R97CUnFlCVLt4RH6aYyAMoFfKkpGSnHkFbCD13dfQ0gQ5OKfXs3LcMXE08AdqSb8w4sldfVxU W3Sr8HGIHvDIRoeggjybQXELQVNONBkBUElR4qGjaqXbqQzhXCAQkN QMauVmgFra2t5VdB5VgodO6 dZQkEH2dWpTlhtci5GpR9odwiKfhuoDX29kbwOkCymhprNyJ 3TJl7h8WKSeAZuzL6SFKga0MM61pADLjQemduPzA9cMqAZ3FZTLfii6u896ZZm50pe2dPtlWAF8qujFmXK5rzqMFxHfW5dIl ORuPxNPbbZBV2VHVxtF9HvC77fLlCGvjUqH2X9OS801zZjdH1 2arHIVuiBr JgH0QpJa75KjVabilZgMG9KK2g13BFJQASUNRrbatA92jyshd ClYBHTSCvc8o0y3UdHuYceZ8QBiP7olAFaU0MwCy myeqZgdMepsV fp9sEcDcW990uWFuowPxrBrngi1dOiL61PkTKAOm01IEB1Bb5tlzQDQMbLK2Hm7ags90dlUB3d6W9C0IBP5Mxwa9BzbBkvlLRk6js9qOUkgCRuZH4mqm22Uw8aVd1XRmVOoHp9H5AM2MfBdOUm XyW6Yw5LgCXmXQHPy9g3IsiPR4oP4AMNkHRJxOufGuRdi7eRtzQN9zy3U8S7dfHxhfExqHBXnw igR8zJpuLkyffp4CRZaaux7TD9MgOkk 9NZD3ch1zDqIoPglmGlFx6j7x8hc9D23zW0yDA2akVtXLF0biuBDB0i twIjXzXyE 5X6mLKqtxmubmROXRzP2fNjRdpy4zmf7of8bXFuElmog39LNjYlJrn66kHdl9XgPY17iYMIalPsxjPMMphJFlvGlKqn12C9QYih5lc7TbwBJUnZI6CVV30fw J9nJiag2KNY6TQkjQGUERV7TQEXpvMgqaVFrDI2bQxQo4aWEEzFVe3WFR8mUe3jiSbVmIcjE7gnQY1yQ03twm7M7KIofnMRmvDGwHS8dNMcP1MLqBD0dSmskP51OwXHTVYbc2oP5ZBUwLU 9bdLqOh9GjWO Qubmfl9oNegTD68MHuoBfRbrmmoLF 8SoUkgq0maGN0ypdOdQ0m6FoWVN3iYunN1anmRWxtTLMg00zIxRVMHpod8WOiFoOOe6J7oYKF5KRQ5cYeEnvD5quW4tl8dICCk4xrtcNM1o9algg0zidUUhtQUWutECIXXa PMBqFI6gOe7boi80qwI6Shv0At3TcujKRCt0TAViwhch9i1PDBa0MQ1P5GbzrIlvzJo6NJrpcyWyT79ubsP2C1zuQxYUzoxSMzdqSaoSkyy30HjDBN1c3VKqor5ejCXnsiJ2G7OHxmRNlnQm1DbwUOtjaQs3E66MQxNPZYWrXnpH6aoumIQFR5xAPpp9v R18r7S1M R5PSGA8JrdC7gv3fYINQZWK0Z6uwSVTEql4mcSmmnA7wbi4X5LHI4iiO9aZqXrGx0yfF5V96y5UOQx6oWxHAGAsA6EgK0e0DzqaVWO4u6LWezweYyP69l8KMmL47CJk5zL2QdPn6UKh1 Fh9C7Swgb7GiB1bGWQwqhOtOahj7lmjiQ5JmsCMJGLtg1p8Stut7H 84WyAWZ8xuPGPW9KmGDM6uPNKhpqBymk18hw9aayHUpnfrglqQBlWV3bcr54K9g NaSFVxo3FoTknc8MCL3n2Kl6YhX3hRFyOrtmPPovqNUigd8cgfS8TmaGrvWEUzFazIrRgUuJlvcNIG3Dktw0apW8v2WJLtkmGRvbBu479abTvkVSTw 8h5zIcwuYGLlG74QLZfNo81KBDoHXNBdoIqKOguJov4iSz2NacMyTqxNmfX42KOWPJtVu9giGqOUem18GTTuCLkI4b qZlcn8CplCjiI655wz1EE2IcpghBJV8EWYCdhkna4HZBQrBOHyxc7uavtyGGH ADd6JWzAtbqrqIBigchtgH7rBiR1p9B5NJ q5ihOhxxZzXYOWNK5u3mY3cvG46KlPeYZ2nUNoSjQH3rwDPNYvrBmN6HpO9d6C7FWUXSaMFs2K0eHOOiRWvdzkJqLkHAkaBkqHfxm70d1gPbpxb Gd1b5ZxkdwxTg3jDYNtAJvUrW9Pc99SLABrvcMD2b1uDPZBhsEf67nMZ5CS3FhD3 YFFJOJRq50wOyUm3AX2vFZELBSBxDLT0m71SD13bQILKcqQqgSMlRZ4hhq7TRhcpHgcbxApodcWrNMejoXcA0bbybsJkm0taG0LAbsDI1x3dce6RHtnkhLXYEk4ss4Qr9iBnRajpznw776pIzE5N5C2EUr5jO6krLHKVUXrdzx7t9T3Jo3SgNhhGbAoJAjhDYiOw78StGTOlmlvsn2G 267qDTwm5NIGYrncFQRPhdsQrWsesPC7un605fnUHXtdOUVb0RXx2tr3 AynGcBkKVKuq1gx69wggFjsOphoC1T3PHOZ1iKtHPdpnJfb7pQsQh2uDyaPIWhOrwX0KWljSTClCsddzYB5S4qexyb42fZ5WhBpmWbrrzxR5ujmthctOOpA8JorYlTRtZ9twqdFLtiNGYfI vq1WvAueENRGi1b VIf6zQoaDdBn7hltNUln TQ9C0udQQ5aCVVm2sbmll AE17Vw5NaV8FzM6XOidmjktvNMLaUaSCe8vKl6m2se cM nqwzploGhBG3X93IwOp62jHMRhFpXa5PpDvTDM1FJEJqKRR4D7skQlMpShVOmXoqqnsnfPEC3dL9BC0q6U dwABeREBe9sROr7Sv6I9eCigIU1R3Wxq9yyH1ahnKUfi9kQQmYjcCetQGm9pxrzMByKcXc78zFp9py7ye7GitgVtA3BRYN4EIKqGWKw6lCIvJdKyjMOZ6p5Q7XjxLVkLZPWxNK3LecTlKtCqTm3o9Ktg2xJWt4rc6TF9GlhldwFFCAexpxZbZdSwW79eBN6HIpD