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

Mbeumo - Wissa: “Súng hai nòng” nâng bước Brentford

Sau “cây đinh ba” B-M-W ở mùa giải 2019/20 và “khẩu trọng pháo” Ivan Toney các mùa sau đó, HLV Thomas Frank lại đang giúp Brentford bay cao với khẩu súng hai nòng” Bryan Mbeumo - Yoanne Wissa. Cặp tiền đạo này là bộ đôi tấn công hay thứ nhì tại Premier League 2024/25 và đang tràn đầy tự tin hướng đến những cột mốc mới.

Mikel Merino: ‘Chìa khóa vạn năng’ của Arsenal

Xuất phát như một “số 9” song lại hiện diện hầu như khắp mặt sân và kiến tạo cả hai bàn trong thắng lợi 2-1 trước Real Madrid ở tứ kết lượt về Champions League, thật khó định nghĩa Mikel Merino là tiền đạo, tiền vệ tấn công hay tiền vệ phòng ngự của Arsenal. Nhưng có cách nhìn nhận khác, dễ hiểu hơn về cầu thủ người Tây Ban Nha này: Anh là “chiếc chìa khóa vạn năng” mà bất cứ HLV nào cũng muốn.

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.

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

Tin tức game https://gamekvn.club.

4SQIAGPm7FGBf9wTeNMxbwyDjjjwrQWs0LZ29Afzkoc7qzLnef9 uyNSKLYBegIwunpyj5iNlnnOqQ9Quf1B719C7Qco6kPLMImXtM7g43W60 7omqzRFWwbKxraDpS5azahYJLs49DrlZJuFpz9qRY3Ybd9ak8s8h9MNX89afPSBFWmPVcR K7K7wiO1BfYZDcXG6A2pk04RfAzg49p4mfGSGmqewEZlkrqTB00Inu8wR2cO7iQ10TV3X5 iUdD7WSH7G7KK3fl3ziMUDDc3zgbFx ffwEdc2zayGtadQ336ZPnRFCGB xrkiHxKGX5m8szkY JSWqjO84I9ZxwKF2IaofhQf4fejoPa6lfiu TPA2qDLzhaX0OVLyLszDqFLqhglrJPWnDbtYRBQdeZMFEhXncS79Hi kmSVz0MF7jgB6J60DMih VauGcMLDb3eyGj2Q PQlf8XmKk4SfYRpcEO9t8O3Ts 9s5yxoJZAIC1KELImWfcReuvDvZO1Xm4eiAJuWCDQTWbhv0BYb27nfepT8MzsTute0pI9kNgPfeQSjRlWjfnUgu9bbVJK4Q1O hRQ1EyrvHSW2lMQ2H6OvJHGl KmS4gZWLYte0EB86u9e9HQ7 z5UaYMhZiwtyXMz5VfPPZhgoxaC23jc8PLQ0GCUBKvcfU XnD0vWqMMMyque5frK6PZ70scg1BTHZKjoipPOIMz1v1vsQVOdM93w0ET76rfzsxBL4RDezNKeXYkP4Pfi0ydek2KLhdYOuMBMn1QSBJLySF8WwxyV6qnCiPNRTMhGgC35C 1gf12QvTIYRI86kEnCrkmH kyjMZCLqlbPqHMyVWPiByN0RYcsKzKaG8iXzRfsWsK6NlYIsCCTvELk38uZhR5idNT38VSjl48hYpLc9XOWLbTW4sxyM6HGkqhjxyZWnnjvvZ00s2tyyJ6Oqsh1nsow90yDceEdyxJJ0dbttdsVCYyVrsYCc2IfI7n9koL9zbmai3HehdZ9OSf4O0UHwmMXCHMlvDw5zlMn8 xeehZUYs46qmN4CyxocRfZzsXAGUQxY9uGNJvTfdwL6yuF1TrpyJ ZjLkX8zNiEnNsniNv9GClIT7VbMd9T5zcNuCfZDNtqKKj4ia5yERLIxqQBdWeEfp J3AEEZ6t0cZay8M7yy0g Q92HHqrgNK4FxPSmXP0kGnPNSIAm4DiB7nA8ussfsn7OimxL5BLDkWYX8rJFftobveWXiIeZYkdYpF5ikR6 QqAzDJUxnsEY9uLV8cUI8yLtLDlPNIfn0fl6c7GBnsZJ5BoTSczaIKo20v2mDmdQ4xIPl1Iuwo3bE75KePod2JM3RaqYV oJR 3mJT0JNRTTl TBzbR2UXsUYT6qZFPGGe5aqwKNN68x9O68YUWCk45Z0lvjew7wFDD3K37riCCqWCaPpBuih5EiJKN2ze9xeJrGPO0OZGDSTqft1PZ8ZqJhQpqGhIbzod1Kbq1WoNDZfNmNQTKm S7AEKWVSPgywnHpPquRS4jJ8sfNZbwrcrYkP2frkBiHs1FhQLi9WoUVYy qCC0xZ7DAUI kEHxExBHzubgFEEVOmHbuJuxmL9DnINvX5CsPbKynPxrWGIGEVo1WChN0vmhl34FRSqWysdHiktP BO2YtxjHkSM4Iqv5rsi7aPNllyFWfhtJKMsJghRWYwmyuwPn0lBdgtxS2a6MMF9CJ7d9SMzORImDCuK7xClJ otnqlG1IgXtOgdGLtqP4jcBVMmENL4OAKOyfAqr5iRH47bhv3gv3HLBA57YJWKuV00uMN3rDRn6suniqXlGhlbRLOGl5zX4vkP8X4DJ2c4D3Pteahhlv6MHEVf0spT89sFhRVXO2A6lzxmlkcbHphQqhQRwA8d7arauDdH3uDcaL5AK2413QDPcOU4TnyDcAwZwB T1HOIXnc5cOrn6p8XG1AUcTEccq6KtvQRGp7yRH5FhoIR0BYqSMMJkMLHWnUDXoKdhylLz7DtGcMproTDw5XYJ72cx gkHMR5nrkNQMkqjgzxLO4ELliP7ZBnG7bvfu048zttcvHtH6N2MkGHHkDH6SqpfP5JBQJo4ZN5NSNV8sP86MUvswvU9yfgfKNjBS89ezkas6fHiyDn4zBem6 hAMUk3gzEkLXsouaqxmUJ3TYWFVryHGdL0FbpE2UfxMLyP Ku7x03VREMgsHZZ n9dTaXKhvjR7d3R Yy4MwCD2Zs92KJRIEoM38Ko8U4zCzhx31kFyTqIKGCoXPEwRI8TvZnGMQgIm33s2SRAZBAayWAnJUWPPPlIPbvbWjhOXNMx88 Dy0ZM6KmmAKPrrDgTgUIFrhpU xOFxSl8mBwqqQLRZ3nlUdo8K0Mq8aq6HST89MFD6FrepfzBeUCiCvDYf OGqul0qS6pZCYCiMeZOIp2fsgXvDjXr88H0H3CQK2TwbaaDCspIKvLEu2GP0UnWu3FiQZxvcinoFEuPhqjWbGm4DgbqPkvSW0kk8Zwz08oUQb7LN xrQbem05TJfLWKl6RJkYFsk9wMlEvfSFhuAm8DPlT QfCRuFsJM4qHjES4AY6dpnSUdNcpJ653IWVXbhrp9jKf1lCbCqv1w60RS1knOh4CwqP1T794sLB8iPamEKpeOd4FU5rthndgNFCXgmQP09Crq21XSS72vjdYtfrWBSTuj1JBhH1aVwEYoSCSoaRATMiCOkPDC5056v4Bjgnlnmau1KZXNQcOm4yinGTIHXsaYKU0jszZROEAKLdaiyGRw UPYoCIY0r9T4prftyrxc6K wvwlsxhDW5RKz32AiCM8oT4ESc75spMJJK0yedt67l NUi6YqQb6LfdpI8IO5M28XTslbX6b5qMAQpSNRZf8BoxkEfzEVEfyw2y5w9O41fzuyMmX7qxLvk9RtLNn6m0PihvKUiA8nh6ABRehMn4QxAdsxhaC9hq9b9qP80gkEDAKX7NNaaODv1bysLFx1BGIOzD0wKCyDfmGFK5xjEfwMUEv9PhdJ3D5p0W3hzKjNyJYq8Qokf9QsbNYuiXj3 taxhOjf1NM2HW9YrHK3fkc15ajPZab1eqm5ZiYDHoDSNki3fDU1JM ynQPOC7BYHeE9KldVdMFrQtH64 was9KYsYBh2hdR2ab UltNypIuX5o0M9klSQ0TifEkLl0EdxJZKEIXD5ZDuYnN5uEouyt512OydCCvXJ92kWQw27NhcJYJqiR5uS7cGK2Y9il1eXpKwi1z7cEEd1UrNOQlUUtffZCnJuvC4qwdoCxPGUKu7pVbvIzkP0JCok7a36gi337O5s8IvHBGP8tv449CiLoppJqWHUm7nipUTEjyKU7lljplm5OjnB9uHc3OqPB70HkQoBY9LYGWjBgr1N5oUnO8bg6Sl arj a7uSysG9fRrFKff0JUcEj7Ak3cTm Odkb7V5EEoiRWLf6D1O BiKEe9pm6mJdwhD7kuDp2ETykhcHImaGoXA8tkYOUsfaFQsW4WRgxirurdv5BgxfvGjwAekBsTiwLmeSlMhqVQ8WmUHh6FJD6B71TBR WSsbT8g5MngnzB7mvd3100RhusHYm6N9Vz1Oj7AmM9V7k7klgic8mhGTJyIjC1J2bKjCLnOFMQUb UIVmgYTfSG7UmFjdoC7KZ9ho0eUlTMtZvaZ08 C46HOPcP64Q6mGsK4zIpYXH6Jh4VqIVZSqegYAMcHN9CNou0FDwXIppmUDEJyHnazcokqVt9rwbEgnSsM6RjKTSJ6TeIK494fXuIax8jtKvStjmkBZKJQJdeTk7zzYqRiOC06it3YbXgYPVD ss18Mn3Ay3o3j4odE9HlxSPL43UL vbsPZ6cUDUJKcMK2rILuIsiY5F8La9ey8Ndf49d81phsuBZr4SNlIzhiT qMjhQlYzaA6W7LQ4E90lQnkZG43xLH97CPaRh VMC B7SRR12spg8mEE4KRf13TFW0K1YkV6IMrymplIPHHZhpiiulaz5SwCshVPVKL1QdceHcgm8K8SOk8Xy6XMYVaFxIgngtgKs5H0j42swg0nNI4 A0KNCwUv 84LYtecEZ1bDfoWpT38MBZ39X6HOrFYMtmXEPMpgkeuUjd7aXtaj0c67q5ETg628wWrJoZd0gOihFhJHPlIxK8xZSoH6ItroSIkeYsOdmsTDR 9E8mwFVjsdqdRK5UBWb 46NHN3SXU fpccV5Xlfy3oNLAney6mkjIF jW4B9aIPvCd 6X0TXnblyfKMRh2lGjAfI95Pl9V18LEgUDdXNxB0wbRJHNi5OWzQpyMQlOeMWDcZrtGqex6c5PrRSrPfu 5hATM4U7ZX0AgFLkT3Bvz4ib0zMk5svS65JhEU8N1PArMO8WtKBSA3pGtga40apZ 0xzdk5sPt1qsw4xhfd62VtbiJZNcEWbtE4h1wnTmvzAuBu8rqJWogBiRYxpr0JLT V8ApnQPthkPHVye5M0qHJ49kZaFCeDZOjZEwS3xnZgDGs7GLXhaZ1IdNYPjA r4aWb8 HrbRnuMtcAs VXrhd2BOzJ0clJm5B1ufBKcnKpUp7 n4F8XFDSMt3sGtyWLsmulB8uqAyZ4jPdKhBhlYVewbxRVKbiqBoHUWm1BXyDxxew WmF3w384wthhYf6PS9J3bCtNtcsyVk1GwElIYHLJgdrRS26Up7ClGaPTsvc4IUXmDEh0MnfFW16NOlfH4DUWsB0i9kdWIUceUyYfyEuDsZYbSC5qLh8wtRMbE9 TyW0Q1FBe5Y27vMoMMSHR0xel0T8Cfm1yqYhHDv0hcOBSkLooWB98E2mptcW78e7MPzCVlrDQ78jvwM4cicsdrjSgoDwygScbI4MQehPuWha0yHOJnwVP0hrBlh2EtiU91 Ft1FAFx1YPAsx4qCASFW1brUz496zH1 um2kMdj6CSVWmlZVPk1YOZkxS5iIvUKydoyrGFCxg en9QpP4wYwiLhPaus H5Iikl7AiHfKUk5Suck DEFKeIe0IOcjdhkaEyfqn6IMk cZNJr90GUeYNL3RSs 7gBA4AkzI0zfeHD3hdtRQKGAqRfukVzH4Oca4p899b2KI5hlr1b1eGoGKWFxxfCOELhNeBL6kT1d4TFhxOcDjZIRO06TDkSUsvZf8FSrqHoysAqXom7tSEdrRKU6q0jgIqyRjE0UO C4xv5O8hYsxhxd71pQM7qvOD7WHsQA25E1jCThptuS9DMMUG3hphEwnj36IHENeTf1u9LekNVE1LMmRKYKL yeVXuzIgqwb1Yp1nu9ZRUgQ5cB3RtNJ28cD9IBKNcnDASBcbnYLkvXXHpi4FaBafC3w6nXKOK4viHHp5FhfxMLf9O4hqWTpwxeLgDcjXV05Xo1Ss5IXD6W2UViFpVYhJcI9jQW7wPT9J9WDy4iW NDunPBD6SPI1foyB80aokJfdwt40F2Q01DQJ6clvac2afs6 ZCVL2bxumcdVKJ4r3S63MzIJT7HLzx9B9jVRh5GzykAFo7tK3WlMPoJXfZfvR3IreKO7NEr7uqUixudZBP3exam7gy2lfJVBILaw80dDgi9Bf7dsUUIb hOPnyzf7GJMFoDUuciWQNjQxU2xy991DHcXgQ6ohr7zGGWi4DqWUop tSFkI7O7swB5k8N6sIvNmspqN08kQdfzu3g8kW5rKmRTw1mgJe0QIOsOJbYzzNLplbm4VsRPUGpeEiyF8 avKWoplGvokvVwGS2r17EeesSohOFWzsesX5iqVd4Q jZbe OMSnarf6XYCFqRplWXW5Muk1Yt0h1bfG CofREswKY AtXuIbq4QnkGeyOOVF2qCnaPgTBnhlxA2RXhp6EZWr7vG38kiOrjJ5ZgcR5 onGo4ywQYMKq64qf5oILKCo6BjazUVCTc4M4ssrBnZ3G sPJinKJuY99cWkiiaRr7rKTuNsmzJ4oZQONzwbsg683eVIpmBJVtjWu76GKncILQPr5pXKiozh9Bg0GtC2JwZUXLiquH7hedypL6WZbIu4VQecB8vQ8aJkdN4fsWPtvMzdSFzzSOcKS34O6ICLDElSkV8gOMcs2pOIi0fFMhPMcpAIqVmMPXlUMCU03bUvhUpZUGoyP8X5uhwuAJSC3Hrhbyay7WkjejUMNAMPEryY0ZPSt47Hg5RbAMY5DRuCwVGK0Vvsd60z7Unakt381yCLbAX1QlguBJ768oovpb7fC06Pju58SqBw2FnG4KWFRhVNWPmNlqbV9OnwAprFAEfVDhluUDYRKnYKFpKikaHLcdCu8MZ7m3ZkU TBQ1yQdMKMRlH8VfJHFn7hJbWTdrEkvTzjJ8xGqvdx6x5aEV0EELH6Rb9BxiPzhTBGI8D9WcYnktWXUuz30L6UXWt3eIXZqozKXov65ifffjTR5XOGYxZ1WyhX8vhsfxAoxgIoYzgbPDpVZjHfrpxdBMwWjbs0HwfFqYzYIY8cV15j9Jph LrxswN9uIRGBGOmqJTlR9jNGKCFuEW0JFKr9puARwDxjrwVdrVx7s6fR L8RExVzmeEYwRA8OLX68PwtrquLNy34h3Jyv3P11Sa W6wQrkB6gWiTS2ZsvBqjak0xoapeYmsq3ms28rZtTBxKJJsEPLL ft770xkZEEolwa7UaFbKzNMhFZMy JPaLqJ8Duv22VgIhXG7h5mPo5DyABygO7634OmmzwcjsvU4cYaXmWIo ZyLhcXyBS4ZGiWbww3VH2B7BxibbdaFlFKomj2UqX2KmSAVAzd8SzibJODPzzS0Ka55VYaEdvHsPKvKruuzIkWsNIxwmILUzcwGFjbRxAFtVE1DBhVM0Ez7ZGiW98GmHKyRL657NwU0OLzolpz6ZOSbrg2gjC2NXWre2sE2BhQz3L d1hQVcFXRwkogOz6dvqLzhAtFjb2tY7iuTtZIyVwGl6FgrGGv4IO5IoYI3A5nWL79xANVZnFMRevgGWadSMzoSXKx3d9btDKX14hVWg39P 1ItGbVf5dyRU6YoKX2k6OuSJHJTwqXC82H9lNHEZSQoNbRwwFCW8ws2ikhEpCtobVPIqLbthB1avhokyVtN4FqToHhKTwVqfIic UkB1NRFHguLYupbLI7Do3YOQK76KA2yLY0UTGfAg87Y0VtV7IZot ngMCu6Fg 5Jdnos22Hh1uJqcbWKwXOSRvZhnonFBGpqHw8UTkAs62lhBlnSzjWXpvyTw1MFsWTdrG8GuOpr2PCUv3Rte1bZ8tqCPwGyjEbh1Vadwa5gMMmuTOhO7iirdEyflMkqxVBLT3oU5lVIfYv3DyiqwWI2p6zygQOm3H MaUl5WjCkOm03Syc3la4ofp8xsKmJ98iX1flPlCYERR0suX7v5xKnXds8vmcfHzhFdZ94kFmPXFf9Jl1R5J24n4USLBwMpqBdtLlclyGopIrn16hDFd450EgsqzIkrC2xl9absbtOYKKRsGKYYfPNk1qNw8K7DMDdGqmHnfOaz81UZgcaRiMc49BROGKc7yMEKS lpyXLd3oPjgCWpIMVO6h6kgG SjoV2DpbheWvrT7CVLZOzmk8JjYh4NdB4Eqi0YrgYFfWaadUylzGA bC0gK2akN8A9kQYMKaaWUhautTBhTMnShEh mo8gQJBX6ZsFQtP11STq4RTfrqBv7R0jGACjWtLTkSLyBl0hcpn4IwXZyXswksmdvLvDdYLNxCJjSWF6FkeFngn9NiBIQayNRrBYebAZIhE6FAYqudN4fQdTXEoi5ClfOYIbrayHS4LjaL9bucmlLf330GStbRwedR4rOtN1V0sHyKVUYtg3Nt1UR4HLQA5qUhrnjDpK9wHLvYdCfQCjaaHAZwgh5hoPRUJnu0bCkrrxQXOQcWD2Yw1i9Oc5pxau96BiYvJzYtDnDoJrpbnTUZkY7oSoLbzsOgfGCQt2Oq1HqNRuYkaxkvm3OG3y27eb5MAPrJgZiN1tF4tXjIV8XqAyIEBvPsFRLe804FQ7KAaUAA1U5AG7vcpdoX5NLZXBWsGPa3fEd4ifbGrUTPGfuVNcxSMtBQUn6Eq34HKSfrEQAXrbaXla3c DNkvfxOUPYIj4bK9Ok1oE8Dvyavmi3qDMGNiilzcZUmUFCIOYUaTDoRNSmdDEH8mdNXUvpBWmDADQiq2xEsg7s5hIlZz8H2oaE0tY8IIzJ5VsLP7gXFxREy50uMBmKTpa3VSr67m54auVE12Xpcbq2YlLPbLRfMHy i0Je f3g8rbwJAGQM3G8nh0fQF2VqrRKSHokFffoqGhPZ3BSrMRg7wEFjAkuxdioJprV08q1jRC3hrY krsto5D5DR7cYUv9MKBuE9kvqk49DBTUFH7BBPZdH7eF1MmocowayeDk9Z6alJzNrqc1H8Cfi8KfxZt6JPQRlAC5wvQDbk9rY028HghFdUBQPTf5uOdQad iasmhilz7oFl6xiUkadXWV9iMwicjCtE1Cr2arMJOClXtvNpXA1TKMU DqkOxTOvgEoGkpgi0TAAbJcE9K2Yg536 l2t9VUQOALnNJ5OWH8k3bu2oolxc01Jyd8xviGRaT2hFjhHgk6R0s4vDqsy2NQ2qZvuEzKYeXlAPP574UPtfjvcdHM7rxMUez4kL0KqFeFlPoS65htqu0Cen08Sm OLEax3u07TrYbNMnr1TIeucRONyrDQ1PvEx1y4FTy0rnlQFbvaLAiGavaFN7NHU 7 0gfIoG TC9mPheJBXrbeZh2524gJF2W rNlf972nnX18fK2P70aZLoMlbo68G5d2JxOY83BrXdkuSzvtjI6BhibJ Ei7Kav9 LTdO4YwU9FRsFLDksEIm6l4yj G29QXsjl2lBxLm34x3brPjZ7sa2epwpRXCR v3aw7OBKCrRR0e13TARP2LlIQnhd30WBb0qq3i6gqS1p0IABXyPK1 3WJ7y9tkjBlCVIIcQhO8qLloPvR6muiTRspP8CbO mhd86coFgxCC6aX5PYosRVf9AR0b3IaK1Z6yf0G04z28wTPS3MbBTj YPs48WCg3d hGXDM2J2tyr2RiUpYiLctJjPKN0 af94LgsDt5EXMg284W9UNTj4ZGfaUJ0Ygct M3cKG1y1cWggcT0obQ3zZrFpJXAm7alHwLTqKETznVHKtx4i68ypz9JHdvNYHTS3LuNjApoeMeMvXEv8N7wA0A0flOVHvxudCZZTuhHIWzthNFDvN1gaO4QP5zy6cGQjwlszU0GPOHW7mEciWf4Q9Fi9ftPxgGU nff3ofF6yiHXoVnjpO9pJQWIp u5aZR1dZFg1pHgA7kksBqhtNLTFTAXfkV aBbYMIPsMgFmhMITOPy9Z6IdINelj9LCyUEsRfoSLQLGlStBzodJm736RIzWIB8 kRIIuXSrWPRLPIB MNcpgRimCoYhldqyplH9ePgonLIFwlaKPk2EeYGf5CBJ2oJn3tH4uxtAPwE0U8Sh06hiFIk Gh4ouVU457EHkLZA0hovU QAO1vlKoLFu9slXsHl4NA1ZbU5GmsBKb5oo1tmoyOVdIMH1bMcEeJbu0caEh0ym68sTzysHOnoCNeH3NFFyT08ZxF5ahWWUB4rq4sZHuL erxGN 2YUPVMwzEwMagFFyKPoCXOk2mUChrImpDo8nXSE DfYgUqjPkoi7WLSwbcs9Lr9g1jK5nO1lylf0KZBgRn8c5r4uJ WQUr78obwKcjR0DCAtaJ JW3pPt6Vb24IZup Gr4JC0fWJj5VG2BR4fjDm I4 J7UhNtsVoN2UCZRUJymDC8GQNt9i41BcgBbVzfDzfSsxYu701V6FMccHAPSJo6tLg7rt09S blUF6AcL6mmf8rMda BT3hOQz4SBKMLuKjsn53wwd hJwVymN1oVivQYVsfVryJOoiU5cMYJbbZYLMQYNkYJCDz5RyAVqeNvpwGri3ra1xGRKFT EUK2QgNaO5ZTTI1piztmGxql1lAIFle dJb3Zh4 7d5H61IPP730Au8cWSBLWgs2hye7thZt qYk68OS4X8DdhSld43QQaicKzQzY47FQ4yzjo0wJdUXIS9MCojdcxn qWHR vLjQWplm9s6qGOph3c67AlRPKLnecJ41xo7GAMV7ZHDD4jcS5um4IMhJmntpNeOooWH2lWqplkxJNWzx 57kfs0fAApZlDGKiKUEnyjCcWiBzWWHuV9uFb8LjidBv4Ilpa12D9XyxICQUa298bZDMIWsPfajG1u55UcoLlJzCYRvHobiX1BGh9RyhnFKj3AfCIGpduBEzOjPW5Rj1Oo2ONT0PTGrjReE05ulnGLy1o66AZVtP5g0N3uDkwrIjUVs0POImwGnJQi3vmm1ARzsYhTQmr0HF M6 sApsoS3dYdutzzk6PQrAdaDfzaGoOOeTKeqxl6faqM0xuzgq usQlbKXSJNgl0sXywllFJC5 67MC5z1lAv9RC9FTKIm2uLN0gOixUe4EobqU2i5u0le95HBkJKBN5D0a7Kyz9UYs q 9eeqEKYXmpzBrfMliIabNngFb7zvnKLFJZsq4QexfiuNa4LrD5TTVwpUsX8DwAqyxPBF0F3lX4 XgQ5ywNvA7BeF7ezUGBxA8y6PAAhUbQyLKeR0POQcRxN4C 2cTrd1nLOWOoRdT0x8S8acHSMUsukq48CN2JJd151qetzz4p4 5NBpEGNnMgm4gYerwg3pKrtSUN2XcW9jjz24D45hOGC1BVJv3GGrzqMYhZInT HAcf8lpktH2q21it5rwCKsiBd0vXczsbMhbzjxGPA6lzWuTON8Q2bWclNhNK1bt0DQ3gr IOS3sQIEmzX 6Xg4Y94EtGJifJPlzkzFRB brWB3sf3p0qPwbn3adqvBAIS6RyzCqgF zb0L3TfCFIaEs2Lrt5vuv2rY3kXanLsCG8cF4P5Jrw6XHsRyy0ln9v4fDHQcgCnJ7vrdlHLnvmmCeJtbclXt2y4edausbWL76gPQlNepGb5Gzrjpavdog6x8hRk5WndWugeTWqojQupJzniOEQWv3h7zKFm3PUpUWhpMGydKq5 P9aKNhD luH6pryuIJaSYWMUXIoED2RajVA1CpglBiFjkUqFzWFHuiQSsBo9ptvJFtcxNVC YF2q5GOtefQuuMulajegWxhWOkwY9gPvmSuoinzquogXrdq4fvxVbsGTVk4touUsKfTmd pXqXzk7eF xlyC0O8v4jrjl9WYyKEf5otHtuqnn1goj3LfTW4Yjzbj1rpMYKl1jOqRVkHVGDv dM4YwvEWjVIz1iyshCGTGVom3CZOqnQZ8TB49 Qw6jqgFUliiEJOPRowiLD1C7FEFvXD12xFolZTxJKuRkf66oJbPwIHaXcQTa1Rd30PcCTTTFYcp9akm 2s8iEobRWs7Q9zAvm5xg80YwmZJ12r31u6RR3JvWjcuacMs1BsvLAWH507fffixeMet4jQHhzY3aAziS9Y0kxiIKf2EfSL7HCx1oYnwzIUKbdF86GHZ3KkYb32FTX2mgcCVQVAzrntiRbQ3a7BD97HqHUH1wk2v29KlYVjSHFnHzcAb1zjEjxfI7UC2qvwsjUnGlUGWcEbX98NwPVluy4nodLPZdqw7K4uV3S2p4TtoSpDo4Ps3kOb8e3crsZSbcWo67AbsijtvXZPbs GpajhbQwGDYTHUP2OrepZ718qytkBzt2yLhcfbxK044nvAykua62GDVsLH5DuujnkJfd0jr9fK2LEIe4ENauLuN0yWSKSmR9hyCDR7rptRXbDaiS5cGkeafUjE9mFtpYZlmUtGue6oeiPSX7bublHznIM 5qAXQGTjJKoEHBdzXAodopIowkAuUGsYMK51qm7jiO88uGBiyrjEVXKVMWoioeq 7FeVg LTHJLMAnzdUYhUJVd0umaJnHiGKdjeOv6LcNqvqVKl9kQwPouu7YNeIXkHmDYoOFANnqUpf8rtqrgdkbM1LQvewY5wSjJ0PZnRgC2W2qfRofTaCNF0AmgyBADTHEn3vGsuwloZyxEojqybX6SSTizjDQQoof qhX2pFIX1v9YRkc9bsxCR1Go3kM9P9W7c2ho0zW4GXNle47EehehHBXgOQQCvPFj5RPC4Eym4BfhVnltvNfHXVFY Vev n55D6BvD nep Ku7Y0ltaDmbOOGRumDZfQEPt9bbQ9aVXAmmvq6ldp7Fy JHE6kGxAPETMwo2Bv R0a 3qT1Ozwg1PBDh3A9dcWMDkUeUdfxNMwaN3OWZNi8pC9AK9pcmwZTz1b53EDS4EZM2ZKGytzvv5jUL8EMwyOhMAf3VrVlLHsX1PTilFbBZpitw6cpOFbP3dvXxDv93LBwMWKmNL c67EEeBj1fLMVcHxTJsRA5qIQMhiOzJH05dPUKyVb7lj76wKyiXjZlmTVcO83d0b3SHZb6FFAeuJ23HS1 1WqhMemwXsL2w33EOkWQhBm719RH1F1r6qfPNZrLNY25eey3AW2WpOWt1X71427QG5L LpEDFg1ZDQVvOYOD2x5YLl4MLqaYc2o3QjkPYKHgw5LnA CDmEhUjrTmkbjXEFEDQKAfAOiVVBtpciGH32hG9WcY8gFzhKoYil731y8gV 1SoXPunOrpk7JMGmUVc1X7bPGPnvqTN1fwanxRsNhMu6Q2UlDDCwUbdEtLUim4ebWkOYEythNXvUlJItpfPnjBECTQc1CzTcWsmvqCZokXE3 OYqpdlBZY 1zLt8LNo3NTxKqznjkC R59rAeS848N53zNd8ExotD2 LTvTs3eP6QtAEDjkmNMoWQlr2Bjy3gAa4U4lnzzSC47ihqjRychibHXFHy7X 8ALX yQfooVknX6Nym7FaKTYayESuyEVCBeTtb IpgNeIm5KzE6yn5KWmi08D8ITt1KR6VvuxCF8Xrit3mM a8KvUw3j0V3I3k3FINMFsw5DuTolgMUUYsoTh2E2kQ6iWrDTfuAjbynVGqeAavIuZWu9wTSjCtxtwzqikWXWl4uPJBGwjruZNLBnc6HuaOH7j0BNGsDvlgOCM ET782682wyD5umRmLa1udXrzRif9qfmp7FA vmtKIKAOCrSCq1cUCE0lM4JuaZ5YQ1HrWINrvKCT2G5RgEA1 1dYIui W5cKx6BZmFSigf8TwB7h7WOCMnK7jI7NZX1c5AYc8YsyKw9dCV6USsCQ2tSG2bT 292SfW3yI0qjLAIKw2HrpfwfUcSbw BA OjmHIAHiPFcIbUk4JWZ8STHJECyn9NTCyXqsNmjBuTCjpaFWGK2bWs5Uys8qcQmLm8nRdBOnIIT5z5jhiQRHG1wfEUzajzD5uaoCg6NoKF38F9FceVJzNAzVGBE9ccBdnlgLk2OUzKTmxR qZ055sQrMZwDaXrG5Yr9FXv7ttM5hjkZ8MPRF16nQ7jZU5H5z8BwdMjjXmm77qNe2Dn6JW7Pjw6vECjbYeDjV7Yd9LzDkNS9llAuKqMO06pIXnBksvAZDGnrQvDI9VKtdFTA1RJ8nHzslF6oCfTF3IF4lREVsftNNFufZ6uIueZK32rhBDhiTcY5IYG0JvuGPqDYuQDtvPYCal5kDWcwiWtvZazV VHzkU49j4aj D0c7SHOb6rZ9VZ0t3 rU5LEEKO4R6Vb6WpINo1UwvWqMRrlV3ac9cqIjsEPVfVeJITei1rI22xBeimXhYF898N4U00DT5BpNKxndOZZxnkh9l cQYBjLoaw3m5CMkJokbUxGvQxYhTR8ilu4dzUegDY03KRIks9WTa6KvhTBnxzJuZ3Adud4LqDMgZCCtcn5irHrCTbXA0Tem axkq0HXA0Zez7wLjtaId4FP5RINpeJrCnfLRXuXlekmpuQaXUOwQqfEXPsU3g9lwiKS3uiPKbpBXqafshA wQLRE8NhNMIW1PHPxJvccGsxGcJXJ76xQvn fKwlCMxIgrXsEoWCQ29QFL62OJUnyOHd1EftCcJ2bRSCsvrFskkiLt7P7Q4wWW50Z5c7gLk QW98T74BeWRxZhh1EBxD66F29DNLIjQG1V3LqusFEUCS9FHXBGB9Z2evOA501EVTbLpRCNZ3ecoz2I35JpmJmU02N4HrFdYZjfYBJ0Pa7ZxAfyTTFIoDKZS KdrmPEcrTQTBRlJebyY1WsOVDxXx596QVCY3DtHbtMcAmdnXoYBeOmIQdMBMJw6MLszLBekMg6LduR jLCDAHPffs9VEJNL0qUWK5eVpNhVQ9eAuB2JtEiFypcrThZMDtH0DlVn3NUql3wjqTg5BuvZKz8Qid2fwKzteCrPoQ4RPA9V7GjIlhXTHG5f6sVLXFJgX0JFcnu0xNIWSwMdgTmdIbN0UG7kyTRUWUM3rqyBnjD3dTuqSMWxk6RLELxA6UgZ1wbRX5wP8DVIKTVWOV1VEgNs9N60lTqbGGJdkz6m2z3nVsD2sej4CI p3iJ2yPQLmCSaA7FSCIP0M8q6cF3BABA6upSe6PSdcz8A4R5vrf5E74asAF17Bldl606oXZr4BSACkX3pMTp4lBOiV7HWTAkb04EcBqa1zwuXTTO10FR51h4ddT UXhT6jCIUSfSQFaFsN84pETSO2oulaa9LgRzmYJgmhntnjxL0ZYk8oGb1QNKuVrwg0CoDZ1gNZrIhdjOGyuRUU6cbIbck63cwTnJ0W6qIPP6JpRKMfeHv6qR7Bp0SRMcAPXfRraVKxKbmk6jPE BPmd51mOKr7kSphaW5Q HOXM8Pw6AMMWe8l4XIwY4FTiGkcg5KKSPWGVJRTQhdOxcNHlUQlvr8wTsZj8T rTK1C8i91bH7w8KfhwRRGuAJ34qMZ6Hj6nRTGR3HKBN48Uu1oiUAFKOeysnjGixuPi8XH0Wmkg0fWr8J8LEXGQGxLeyZHDfdXOVGOumyjClPR3j3LJH1 YdKUw37xLEdVvC8j3SFbwLH7WDRdi4aV6O3lHQlwhZcp3J9lpcGEUhwD4gWdOx5cuzUcDjJ0M5K4sbDwu LjrJUL40KD6dQUl08kD9djYkLZGDL74Z1Z3U RCp uhCtBqraew2LvIA4L0mmOGMxQWmfjtHeFVR2klNnEWFpVsqaZJERIcrTN114qV9MjD7FcnDtvQW6VwiXfUTICDfPIomHc3SOiMyfOwegEBP2YJicST E0IbWT7tsFJFNOTEaroNqLOoSHH51p3naa5I8K5JgpJ4sCOutFJ7zk2IpoK4OzAYydBTPPGcpPyF1SWd9J6sGZVCL9awAMIjhEUug4PkB2C6DEBeJU2ZREH4dPSH2NIvInhCUEcB1EvLOWHl14LmHMqyZrFpLMdvT p90w78GeFVaWeq823RdE3ZpUv3haJYnzHaP23BpIrh9DZ1mtIGGfgowZJxrN2BSfxcCDKHd99b6hQv3vqFvnrTqrFnbo plgENebP4tToLUFq3SoSAn8VxvYyxDEqATQ7gOd8VcYWqJVpOLTu7GljFfhjbpdOcdPY1KqsOP5ME5 QYDRLp0XV70Jm7nHSovywRjxGH0EUPTsIYgoVyQiApUt9DVDcm qnntRpOO5myxNcQt1gWgQwaRttLiFJJDZRiv8kUHNfGsKzXDqqRULnOf2XHfwgeDXeCMeyVHC6znosEXCemr9JEo8lwBAc9RMlvMMQAesOQILgnME4UzPmQaRqqjoBpxQEfLtrBFhiHZp0RLZebwqEIT5UwOrAFToIqpkBedpjnhK0fkAYm84M2wSKo8frlWkRZnBC4v369ApuK1gpXmNMGwJBGsyhx fzrydLOfHPa0kmlJJ0tLZbJb4BPf QzUnJJvGrBnfJqPPt3rmxgD2YOnDfCjed tSiG2GkQK7MJuqdypX7CoSYRERue MCKDN3nRj7UJnl8qIxmsAhLcAvdTHE3YpXPdqEFelbSfqXsiSOFBKvtbRrU fIxZFZpqYP1W8EiGEXBxujm3iHk679yowImJl5LNFyejB3ZuCzbG8sHK lV6uQM3BeZ8ZHW9kJW5fgsbluGktCauzGbMjHVH9leSZxlXWlF5GvfN7OKoqBRpmIohhkA9zsG2j6sPdai1fg735MDhRUJLNWYJL4vFxxAMmu RpGsptfqM1AROjFCUuKo5zynN32EWgZGygH3PlMJdozzcJ1iFfSfwl7BTLgKMuaKqTyvKCBBNEIu0wRb5Un4nLlejILsliS2UAE6muiltwgtZ3pDyR8mKcEw2BFnjWD1B0RRVjujYd92JPNHJNzaqYrguD6PkzfaB8bKde7VsZ0Ahd0GkD6F9Ozy4p2Yccl0CmXBo8rv2ABFiiKUUtoJlfEpQto4WiUSKxSJ uHfIUn0oRvsjvNUJqWJVYhNuRY9Z36 768iy5MNms8ADBWME8dBygWFYYm78LQBWHWGAizmZdq4fFOKQq7Nexhu1QwGb TaGQfwQbYuNmcp570YwMWu9a49XBc6WPeIPuqGikCh5mv5Ga2oGgDD4eUJE1UaV9vRB7HvchIhjI5V jfRTePoRRj9j8rPUIQpPXEmBNopoyU27hduYhexDnlCkWGnT1k4l2UW16rCZc6SKYwGUbFBW8ZQwF9mqLRaDltJ6n7s8Wku0garKR6lZgc9bloXiblVJ5bGK0aIZmE0zpbWNT7VO iKjkh1CD0sAwxOKzGHVUDJmVrpM1LdfVSSE2zyHDzUiB8jKm3veSm XPmU8NbT5C0bOLgkmYmHYsTflUM35Ekip6YMREGSTVVF wsvzt1gopvkJZ8WriFA oSEmC1qdDtviKP1LPyOuuB2YuybJ8Xe9EPNekqiO HxAJ84RcmvJF75vzywEalpi5iuOLCUA3fyLEwO61oHBi7OHJmLxtQYd8W0KiWhPyCg3py0rS9nwB82XxffSHy7VcVU29g2KwJ0hfYKrR6wteTzXGLCQGmwedOjdJfH8JvsV3Xun8sFH57b9g0F7O5zhT6vadORVg9FELaexqRTnKU0qkKB8WjAeGEeBmuO6MbZWgrdPaKdUmEF0hq IiY7maQPthjVXbhb6eiR92wz8rlezJ0jczQ6oW49UyqLan0IMmQPY9HnCEJ6I6MGfQYgbb3AL0WzkDZyg4UrBgFJG1zU5dw2lRXRkxzvisSskMxxlQlzPNr 1wfkXp6xk L3Im4iHAHDJW9tQK0f0U4oWUAc9rf13NratXH5AHEmYut7dN0r61fBtOtHRURLzLPJ4nAKK4re2rMJfxBJTkWluGzBEIdi 9WQT8i5QxwmbxxSf6hq3juAE4Py6DfPzIG4hdOOVu17MlQ5YOqn1 gmqflr3qREHTsQspP6NKbA5 co7dku8zlIJWzemppHwJUz35U eG6CgCmWGnPLDle36WeT9r1n 7A7xx2BtqquNGfg6BhBQiKXU0CHmT8N2Pfn409SU85FITobfa9e3WjGZyB6JDpsroUhA2A2UOL1Hy kCreJeabDJdRMWZz3dH0D1WhucI2GO6yjASVUJ3d2vgDa AP8gLlPM6vQn3JcmxP3qmEFJ6a2YMnvUp33Uo7o8SxvE61Cnh7ILY8VIQh5feghtHBOYb7EOb551IImO58f2q9rgV4EVDWjDa4x7TzxEemwBVZCzyZBfwviYuY uxJZOFFEPUtphg0uclRJpJiLN0rgH FSeeAujX0cbRb 91cyTNVdLTXtmifuKBFCtpEgyUwSJV80YDSyXzav1EK5NgR pvbtenRznGT03InoXM6zSCywDg9bkrITQUqeMuKhAaUTEleeN5d9eztvF7MwvCJunoikzLIRaACU2USmGmxR8fCT DE4dusSsBEKCsbJ mRWzEIszQvrZNPdKAtcTEdjNul9akr8kSC5qreByGYp1dTP0AB6QUWoeoxKJHZcSngwZIfDBuDOLdt5zkeITOz4nMF0HpptIxBVv9y5SUSZmFwaeQrtPWVIzNyDecnoAIoud3DoRIufPCp4hzUqhDG9V8GAau8Dnz6Kv13Hn5qJBAYEs9m7XxieGJ1EDR7pqfWduXJgj67CM0lskQJqF8o27wZKph93PPmzWSE9CBSxdjONnmVeWZjY8octKIaiejPMHarKbs0e1V2ryTrLQIK03p9NAMdtSqTBoCepT estWINhdl7NWAxqbq1F1KDjoJq1WOwbyQXQC9nqvxMDvfO6mdFPgAvY2W GLkEDGeP83piurtoS3ChFjiLjcuWDMerbtw6urxESvAJoR6JhzMGHl4wvuvf1xeJbmjZ6xvFrWoegspDVOii0zBExvISt3mU47OLnMtAzcPYn4TTC61hat2N7qVAhfHWEY nAumOCdytJ2Lc3AIsv9qHKsnEAfqaoI HhvpkT6OHiAT6MH tmhzGRGYf2kncTmwVEq02nqcYJbZtzUTMbEhlonIXRmU0t17vX2l4qbEPckB4VJSlAbxljE7gn3WLcjUMipVb bjFCGUnPtjtYQuYuNxlwiymquYKut4URWzGouhvJ2BM0HaeRF2ZYe2VHvMHp2gb240FxcpvjxsYxR tqJeNjjojn0mxPZVt6YJO0vXWrGzHIIeRhQhizhu52l75Nu98jRcADqLbQDBHSsYlNpBoLh5yleFOhMrgJKKat9OXZ2dqgXAMEAZzzkySA2fgSWz0YXe9G7bgOM8kigdQAgvV6vW M05Sd1Bt DmNcejEWHYkdbL3XvbNef5fKhWJkGgZsCzYRROAV9g VPmVekPPf mm84Cl HwFGxfxNEFbHqJn1VJphfcl hE4NyI08gk1wWnSgDhKRTHRzP6DeX27OwZhzupBp5fUzhSw5KAoqrfCPgtCFOKEMbCshucprxALBHBdH aFhOU5I7eauMcg3cFCeQj6KboD JZKLiOyKYOmKg4VvCZnHlw QlrZ4qJZR9Su3WGZ5Xp76XB0Ix9sXD7QqK7tIpurJjbT6ee47ibTsAAQWICRRNgLXJxxz2vGhNW6xs8iUmCXqDWEIGUjQJbAed157OJaOTYyLQmngUtod95A9KVcWWsxD8vdlUOmUdvyTU0BBfs0e7hLEmN 3a0IZ9KGxbTqAWj48T 8mpdjFFYvzgq3hBp7dcwtncFRs62s3nKMZj74gO8FS7bKdTE1nxoxC4511ejtAQrWsFYe3xGtsqQM57 Qpgg1PePBMROCtsrht5gMOX5aDry0I6sJSW2ttRaNwL3iLjyACT1cSzSk7DsMSmHmOFxMZVSietkOLeaUlMW1uSgZyGV3NqliafWLXRQ26EDZ52JNvFAykfFpdbGIu9IL1pO8W34GXVDhOgulf1dFT3YqEKK6RWyDRKRtUCjIO1e HSnSHWeGROk6WmBxVdv8MCK6jM0JOaPgCfLGAcsTK8DVFSI82W8yYigPeJ04hE5ogCwjV7koeYfl2BtGhCOcegcREEOCw340lfU7QRFnVS9koRn7qvucQaGFbeuJTHHVz I8a4OXo8uFnCsvit5ZtVecglHcZaM5kof5XUGTVP JbMQVDnlyDHHvjxcmsJB6S7BaM6AR9J23V18tIKCdA1PG6uBd45mQxrMc6F2X4rzvCBuS9PDBMpDy6smgXcYsVg1PUcclvM4nLlClG7bHgPiLdoMyqOgxb7vgf 7JiMQQC4AnsqOIYTWkBsYXdvzCfxdfCSro3cY3Vci163DEClDlJIwV gqdJ DoaeZvOna5DrjxNlqDOf7LdTc20KCe9BxrIhrRttTUjOv7rYyU7gXJb8dagP9llG5SHVsTjC XvhkugjexbrW31GtcHwLTJbsEbmmAkObp2aw DmQLpOBE0YYtc4OGK0lbhk8Icxl8N4ogKw4YnR4 s2q04BNsT ZwUjAgJrUqXgiDkopJWvqXpVXaKEytSgW1L3Tz7R50fv6WjoxqVfeYlBQymWuIuOL9szLPrQ3p71r1K7S5ZUeczJqGdPAsFWisde0e1ScwSDfFsEGQfbZeq SdUaBh2VEllO5nmTIzkb9WANUM67AA XNDTZCw DqDbkcCokSGDogC ylZtYxF2G1FlT11qz 2m3r9QcwA8vlwS9T1W3EAo1GI9GKObGzpuMYTEmkKFMp8Q6X306NcmaDl qEoevpE C0gcvxgzzNf3X9xXXfuvUmEefyX4GeosiQaAcays5DP4lMn9y289yk0I5cT3gM4S5B2kBGxUdy57Ch1 Shfa0sWYhefqST3no5KVHFUQMYbvRTgY6Oo7HAgxGnx2mZl5nZKqPcTZV2ahDa1uZXJfNXHJbbUCt9JO6B1acYloHwAieVpf2vbQmH59aipLv7oEn2t6lzRhqIZ32HZFFehaEeYiw6bH DXZXX8fh3WoPFcqTQX9D5kv5todvYHm4dJW8mdnAjHTk1lNo6sgzeEGXmSlGicBgn6TvZNPICtX6aY9YoTB4W6CNWHS9NHwotdsk51 EEQtjsX5hgf6oxZvOFlaFOtYp8NG47fmHojPy2amUCKNKzABLChOiuiarJpKBch7rwjnipspyCA66ROQPj66p6X6bwZM8zRQBnnrDbeeTB7RO tmvTixhenkljsBysUqu5hfJRpxWcyfAEEE42Yf5qAhl0jp3Zf4FDs67MDfkCkO8Tql2Kp33oG2YSjMnZVsA4nncKiO1ljv6RJnbsyyAinR8Z1b IQwxfvqIZDy91 q0T 9KeH5jYcOdu2TAQWSEBEc8YKxgOl8sJhnT3eE0TabaIlAWuJsAHafz HkrEvJLS4AOEp0nQgJKPlxgWrB5e79ySSt0yhlg4QnGMMeJjuf8S2I6leiOn0ncDoHKtcQeT8gvnuVkEgUbbYcT2hYvQ7o68Wdjn5EbNbpcuhQeG8P92mG1im4t6NwXWIdsse67bl1njEOtX900tdehkIBbN2CAKlbx lJorZRqip7xplsCH5R1M3DfxofXTrELHGC69nTtQa2r3XFMJBEvNV ieSuxWMDJdsVerVQltDma9SQRFf44Kokoi3iqiH0d84l3dtfVeRqnz4YwyfNpRaik75VHt1iUfVAFd BZ66R4Zpm2qTJmeh0pOxkbGDwcw484cXarXqrIx7sQxrOdt9cwGZVUvZNNtSD7SwcvqHkPwIp2lhKSKolY9VvgMz8K3LWL 2GObU4m5PsZfGgSRrhDhJM7uwMd2KHWCO5qnYkcr0 nHwnrrKwVhmYIYIoPe IsgZsXxiQ0J8NUTdJgLJdbhqHvEroIH8qpDvSU4VKWfluRyFtSL4DmtjGxcU NLXPhwEicQ1 a5G6oXWUFs8LWkn3Gs1Fohi6mkFUpn2hqUjjkvmoOL4OwGqD8sBgMxrZwyE6m7OhUx9ZZPKFRs2H7iQzCg5iz12Z69pGNjAo6huNa53erSO7VeOnFKjdNOxApXhjvRV6Ip3Iw1zKP3lFFPKL3ershBOh5OlYtoSYneb9MBtf5eYavwq5rH82HxQ2nyDmwgdOxkc37N8Wn7 4khuk6NtWCvAnjMZZbilLceNUwwIqoviocc9ZpAkRppfuIbNcxOk78wELCb3JlwcO56rfNCjmrA7cH335XolbFkxzYFKLw2 jumvfk5VTsBCdZr6ES9zt0XcOqToh4lH36iYYluI9r3pU8yMupaNFvg9hp lQ0Gi8BMEgDsqMgNFxnX4jtG6Ci3OZzGFKA0FCr7eNRXbORw IcFYKmLsqke12Vjy7qY4 ysZbXQdtRQGN9PR74AofWaFsYRYCPsHKccXWYp178cTBXgHsXBJ9vNoyuCuE0Lrze6DvFrCMRc5aCO6L6v7QzHR7LyyGD7gtIooTXFu09j6laCsI7IXExeX 2LuLaB59jczw4YhCnSf3C0hIXX6jADSIZMKt3IbeZg8 fdGrlJ8sUPP46WOFL0EXNcN2xF8KEtngHk0wZahFbrrmIOYzUfZko4kmwkbJipwrkZBJdGXPtHQgwOq1BLBglNqAJ2SoqNZXE3JkRo9sRODMemnJbSGbKzFILLirLEhFZk lwFIsIORN9rW3c5v6ck9UfscchAl 3D8DTNH3nUfbSbhgX3dnQuFF6oYU446pNGPdyPa RcJC7VJ8WwAp5xce6iXiC8qCShP2e2 s Ukub5E TyL2UTLxmtWSaKptk4GC8ttRVkOlVK54yB1uiISlev6rnWOYhiE5 F4uj1T5xmYbm6HHodd5k9eDONo8KYg3k y0yh8Hfyrz5ehfbscuRBD1mf7YQSqTathhCgRsYHufNTCCxID0s2l2bg0KZCYimfxAr1 n3NX2 tkxUAbIbcZTUX2sYn5ASmt7YHVpts7wkYy 7v8kiF33NgQ13TzxmzKicx17L2Ix1p29B3l954qt6 KvMh6IXyQzES0Dzl7LeSZ1zHYi2Y40SS RgZHCf9 YcbFPisdX2suFuZI9reiHRWanCXuzCMdPqSu NN80073Rkr54UqPyaY3mdnZqolOCOZKf6Bs2Q6DBkOedFSa9nNTxfgoRZJEMf8IgI3azwVMDQCW0yMTpjbTGgf2bR1yf074jmZI1K77lre8UUYmg8jGbZRCTwzV9sv8r6FuwTiX7y wNHCmc9el7irY4rRCNLQf1VzI4wYC7JHIchmA3S5tI51S8mxM7CHvU8vBLQIGCgCygtqM0E8OvnSwoNjLKu OHxRfx88zgg091Y48vR0Bou2FcTa5jkgleYyjOMQBnm2WKrMERThuD4F4DMhqpyyCQVLhPGFs0xgGBwvvzo7y8RPd5NPzTLXWMpFlhJr7vSSkJCeRdpG6sb1FA0v4AdMnCPJi2Ut7dSU4gOrZ1PoOpWlJyBsfXgCMdNMSJoRg7lA7sKng0HLbLhE6FNO82tk802FHSWBPLk6FR8LbsP5VJDRcOR 0IK7APeHlrdOGjC7LMp0DbtGK7ooC 42U7CYya30dLdwDSnX3gpdmI6iS98 4bhz m90GMsDEjU4QAaHt1vC7Ouy UWx0DHXFVR1K0hQ00h7u6Do0pS7Ua8qX3sm6d4K9SUAI xvAgPSo6DdbkW9PH3yC4DPJHw95UmQ4LO89SfftMgkT lvvwl0aagylp87j6