MIME-Version: 1.0 Content-Type: multipart/related; boundary="----=_NextPart_01DA2133.C362ED20" Este documento é uma Página da Web de Arquivo Único, também conhecido como Arquivo da Web. Se você estiver lendo esta mensagem, o seu navegador ou editor não oferecem suporte a Arquivos da Web. Baixe um navegador que ofereça suporte a Arquivos da Web, como o Windows® Internet Explorer®. ------=_NextPart_01DA2133.C362ED20 Content-Location: file:///C:/E036A6C9/diego,+1443-FINAL(5).htm Content-Transfer-Encoding: quoted-printable Content-Type: text/html; charset="windows-1252"

Engajamento no trabalho: uma pesquisa com servidores públicos estaduais

Engagement at work: a research with state public servants

 =

Maria Luíza Rodrigues Moreira

http://orcid.org/0= 000-0002-3469-7104<= /o:p>

Mestr= anda em Administração. Universidade Federal do Pará (UFPA) - Brasil

luiza= driguesmoreira@hotmail.com

Carlos André Corrêa de Mattos

http://orcid.org/0000-0002-3027-7479

Doutor em Ciências Agrárias. Universida= de Federal do Pará (UFPA) - Brasil. cacmattos@gmai= l.com 

Carlos Henrique Andrade Mancebo

http://orcid.org/0000-0002-5301-3310

Mestre em Economia.  Instituto Federal do Pará (IFPA) - Br= asil.

chamancebo@gma= il.com

Alessandro de Castro Corrêa<= /span>

 https://orcid.org/0000-0001-6632-3230

Doutor em Administração. Instituto Fede= ral do Pará (IFPA) - Brasil. Alessandro.cor= rea4@gmail.com

 

 

RESUMO

Engaja= mento no trabalho é um tema emergente na psicologia organizacional e exprime um comportamento fisicamente envolvido, cognitivamente vigilante e emocionalme= nte conectado com a atividade laboral. Este construto é formado por três dimens= ões: vigor, dedicação e absorção. Profissionais engajados mostram maior iniciati= va e entusiasmo para superar os desafios que as tarefas exigem. Diante deste contexto, o objetivo desta pesquisa foi analisar as características e a int= ensidade do engajamento no trabalho entre servidores públicos em um instituto no est= ado do Pará. A metodologia foi exploratória e descritiva, feita na forma de = survey, com a utilização do Utrecht Work Engagement Scale (UWES-17). A amost= ra foi formada por 100 servidores, selecionados em amostragem não probabilísti= ca por julgamento e o tratamento dos dados utilizou estatística descritiva, correlacional e multivariada. Os resultados mostraram engajamento com intensidade intermediária em todas as dimensões do construto. A análise de agrupamentos revelou três grupos denominados, conforme a intensidade no engajamento, em baixo (25%), médio (61%) e alto engajamento (14%). As conclusões recomendam investimentos em estratégias de gestão de pessoas, especialmente para equilibrar as demandas do trabalho aos recursos pessoais= e organizacionais, que é uma forma de aumentar o engajamento e evitar o adoecimento laboral.

 

Palavras-chave: Engajamento no trabalho. Administração pública. Gestão de Pessoas. UWES-17.

 

 

ABSTRACT

Work engagement is an emergi= ng theme in organizational psychology and it expresses a behavior of people physical= ly involved, cognitively vigilant, and emotionally connected with working activity. This construct is composed of three dimensions: vigor, dedication, and absorption. Committed professionals show greater initiative and enthusi= asm to overcome the challenges that the tasks require. Given this context, this research aimed to analyze the characteristics and intensity of work engagem= ent among public servants in an institute in the state of Pará, Brazil. The methodology was exploratory and descriptive survey, using the Utrecht Work Engagement Scale (UWES-17). The sample consisted of one hundred servers, selected in non-probability sampling by judgment and data processing was carried out using descriptive, correlational, and multivariate statistics. Results showed an intermediate level of intensity in all dimensions of the construct. Cluster analysis revealed three groups named, according to the commitment level of intensity, low (25%), medium (61%), and high commitment (14%). According to the results, it is suggested to invest in people manage= ment strategies, especially to balance work demands with regard to personal and organizational resources, which is a way to increase engagement and prevent illness in the workplace.

 

Keywords: Work engagement. Public administration. <= /span>People management. UWES-17

 

 

Recebido em 11/10/2020.  Aprovado em 14/12/2= 020. Avaliado pelo sistema double blind = peer review. Publicado conforme normas da APA.

https://doi.org/10.22279/navus.2021.v11.p01-15.1443

1 INTRODUÇÃO

 <= /o:p>

Intensiva em pessoas, a administração pública depende diretamente dos servidores para operacionalizar eficientemente suas políticas (Lotta, 2014; Nurung, Rakhmat, Asang, & Hamsinah, 2019). Nesse sentido, a literatura tem dedicado esfo= rços para compreender os elementos que promovem o bem-estar dos servidores públi= cos e identificar os estados psicológicos mais propensos a impulsionar seu desempenho (Ancarani, Di Mauro, Giammanco, & Giammanco, 2018; Andrews &= amp; Mostafa, 2019). Há, entre os gestores, o reconhecimento geral de que o entusiasmo, o engajamento e o comprometimento dos servidores são elementos-chave para oferecer serviços públicos de qualidade, especialmente= em face do declínio dos investimentos e das constantes reduções de custos que = têm caracterizado a administração pública contemporânea (Ancarani et al., 2018)= .

Nesse contex= to, o engajamento no trabalho é um construto emergente do comportamento organizacional que desperta grande interesse da saúde ocupacional, isso ocorrendo, principalmente, pelo fato de o engajamento sinalizar com maiores possibilidades de sucesso do que o modelo voltado para o adoecimento funcio= nal, que foi o paradigma até o final do século passado. Assim, apenas diagnostic= ar as doenças não é mais suficiente para que a organização acredite que alcanç= ará o desempenho esperado e, com isso, o engajamento revela-se como uma alterna= tiva para entender os motivos que levam os trabalhadores, além de permanecerem saudáveis, a florescerem no trabalho (Kulikowski, 2017).

Xu (2017) re= força que as ações organizacionais de suporte aos trabalhadores reduzem a tensão e promovem maior saúde e comprometimento organizacional. Assim, o engajamento= no trabalho é uma forma de alcançar um estado de ânimo positivo, que estimula a energia vital capaz de potencializar a vontade de realizar e a disposição p= ara enfrentar e superar dificuldades (Alves, Mattos, Santiago, & Mancebo, 2020). Desta forma, o envolvimento do trabalhador com a organização é fortalecido, favorecendo a obtenção dos objetivos e resultados organizacion= ais, materializando, assim, uma dimensão afetiva que a literatura conceitua como comprometimento organizacional (Al Adersi & Darun, 2017; Udin, 2020; Cé= sar & Neves, 2020).

Destarte, o interesse geral e a concentração das pesquisas internacionais iniciadas na primeira década desse milênio. O engajamento é conceituado como um estado de presença (Khan, 1990) que decorre do envolvimento físico, cognitivo, vigila= nte e emocional do trabalhador com seu trabalho (Simpson, 2009). Ele pode ser medido com a utilização de uma escala tridimensional, formada pelas dimensõ= es vigor, dedicação e absorção. Esses elementos foram sistematizados por Schaufeli, Salanova, González-Romá e Bakker (2002) em um instrumento de pesquisa, na forma de questionário, que se tornou o paradigma corrente nas investigações científicas por sua qualidade psicométrica atestada em divers= os estudos nos mais diferentes países e idiomas do mundo (Agnst, Benevides-Per= eira, & Porto-Martins, 2009). Esse instrumento foi denominado como Utrecht Work Engagement Scale, sen= do representado pela sigla UWES (Schaufeli et al., 2002; Kulikowski, 2017).

Schaufeli e = Taris (2014) e Kulikowski (2017) destacam que os estudos têm mostrado que o engajamento no trabalho está associado positivamente com o desempenho, a satisfação com a vida e a saúde mental e física dos trabalhadores no longo prazo. Lastovkova et al. (2018) complementam e afirmam que as elevadas exigências do mundo do trabalho estão adoecendo os trabalhadores. Assim, pesquisar o engajamento é uma forma privilegiada de compreender uma experiê= ncia laboral positiva, expressa pela alta energia, vitalidade e disposição para investir tempo e esforços na realização das tarefas laborais.

Caracterizad= o pelo entusiasmo, inspiração e orgulho, o engajamento habilita os trabalhadores a enfrentar desafios e se traduz em persistência e concentração com que desenvolvem o trabalho, que, por ser tão atraente, envolvente e prazeroso, dificulta aqueles que desejam desligar-se dele (Schaufeli et al., 2002; Langelaan, Bakker, van Doornen, & Schaufeli, 2006; Schaufeli, 2017). Por consequência, fundamentado no engajamento no trabalho, este estudo avança a= o se concentrar em servidores públicos estaduais e, para tanto, buscou responder= ao questionamento: quais são as características do engajamento no trabalho ent= re servidores públicos lotados no Instituto de Terras do Pará (ITERPA)? Face ao exposto, o objetivo da pesquisa foi analisar as características e a intensi= dade do engajamento no trabalho entre servidores públicos de um instituto do gov= erno do estado do Pará. Assim, a investigação justifica-se pela necessidade de melhorar a performance da administração pública e pelo engajamento no traba= lho mostrar relação direta com o desempenho pessoal e organizacional (Andrews &= amp; Mostafa, 2019).

A presente p= esquisa foi desenvolvida na forma de survey descritiva, com a utilização do UWES-17 em uma amostra não probabilística por julgamento, que contou com 100 servidores públicos. Os resultados foram obtidos com a combinação de métodos estatísticos, que possibilitaram identificar níveis intermediários de engajamento entre os servidores e classificá-los em três grupos, significativamente diferentes entre si e com diferentes intensidades de engajamento. Contudo, 25% dos respondentes foram classificados como de baixo engajamento no trabalho, aspecto que alerta para a necessidade de estratégi= as organizacionais direcionadas a fortalecer o engajamento. As conclusões recomendam a continuidade dos estudos, especialmente com base na perspectiva das demandas do trabalho e recursos disponíveis para a realização das taref= as, com isso, busca-se fundamentar estratégias de gestão de pessoas capazes de aumentar engajamento na organização.

 <= /o:p>

2 FUNDAMENTAÇÃO= TEÓRICA

2.1 Recursos, D= emandas e o Modelo Job Demands-Resorces= (JDR)

 <= /o:p>

Todo trabalh= o é estabelecido com base na relação entre demandas e recursos (Schaufeli, 2017; Ancarani, et al., 2018, Lee, Kim, Faulkner, Gerstenblatt, & Travis, 201= 9). Os recursos podem ser pessoais ou organizacionais (Schaufeli & Taris, 2014). Desta forma, Schaufeli (2017) destaca que os recursos pessoais expri= mem a resiliência e a autoavaliação positiva dos trabalhadores quanto à própria= capacidade em controlar o ambiente com sucesso, sendo exemplos de recursos pessoais a autoestima, a autoeficácia, o otimismo, a flexibilidade, a proatividade, o = foco em objetivos, a busca do autodesenvolvimento, entre outros (Demerouti & Bakker, 2011; Schaufeli, 2017). Já os recursos organizacionais envolvem aspectos como clareza de objetivos, liderança, participação nas decisões, justiça organizacional, suporte da organização, das chefias e colegas de trabalho, entre outros (Schaufeli & Taris, 2014).

Tims e Bakke= r (2010) complementam e classificam os recursos em três níveis: (1) organizacional, = (2) interpessoal e de interações sociais e de (3) tarefa. Na organização posicionam-se remuneração, clareza de papéis, segurança no trabalho, oportunidade de carreira etc. Na perspectiva interpessoal e de interações sociais, estão o apoio dos superiores hierárquicos e dos colegas de trabalh= o, a coesão entre colegas, a harmonia na equipe, entre outros. Já a nível da tar= efa, observam-se a variedade de tarefas, o significado e a identificação do trabalhador para com o trabalho, a autonomia para realização das tarefas, o= feedback recebido, entre outros.

Por outro la= do, as demandas reúnem todos os aspectos que causam ou potencializam desgaste nos trabalhadores, ou que podem expressar custos associados. As demandas são classificadas em físicas, psicológicas e sociais e podem levar à fadiga e à irritabilidade (Schaufeli & Taris, 2014). Por esse motivo, as demandas representam, essencialmente, exigências, ou qualquer aspecto da relação lab= oral que consuma em demasia as energias dos trabalhadores, exprimindo elementos negativos na relação entre o trabalhador e o trabalho (Demerouti & Bakk= er, 2011; Schaufeli & Taris, 2014; Schaufeli, 2017; Ancarani et al. 2018; L= ee et al., 2019). Entre as demandas mais comuns estão pressão de tempo, sobrec= arga de trabalho, trabalho pesado, conflitos interpessoais, insegurança no traba= lho, excesso de responsabilidades, ambiente hostil, entre outros fatores (Demoro= uti & Bakker, 2011; Schaufeli & Taris, 2014; Ancarani, et al., 2018). <= /span>

As demandas = podem ainda ser entendidas como restrições, ou aspectos inibidores da obtenção dos objetivos, não sendo, contudo, necessariamente formada por aspectos prejudiciais ou nocivos (Demerouti & Bakker, 2011; Ancarani, et al., 20= 18), uma vez que, em determinada intensidade, elas se mostram benéficas aos trabalhadores (Tims & Bakker, 2010). Desta forma, as demandas podem ser classificadas como (1) obstáculos ou (2) desafios. Por conseguinte, quando a demanda se relaciona com um desafio, ela se associa positivamente ao engajamento no trabalho, pois revela algo a ser conquistado, materializando aspectos motivacionais (Tims & Bakker, 2010). Contudo, ao se associar a= um obstáculo, ela se mostra de forma negativa, atuando como um limitador ao engajamento (Schaufeli & Taris, 2014), uma vez que consome excessivamen= te as energias dos trabalhadores, distanciando-os de seus objetivos (Tims & Bakker, 2010).

Sendo assim,= quando as demandas consomem muita energia, elas podem levar ao esgotamento e, quan= do isso ocorre, associam-se a elevados níveis de estresse no trabalho que, se ocorrerem por longos períodos e superarem a capacidade de resistência dos trabalhadores, ocasionarão adoecimento, levando à síndrome de burnout (Haka= nen, Schaufeli, & Aloha, 2008; Demerouti & Bakker, 2011), entre outras formas de adoecimento laboral.

A síndrome d= e burnout se manifesta, principalmente, pela exaustão emocional e se caracteriza pela postura negativa e pela sensação de incapacidade para realizar as tarefas do trabalho com êxito. A ocorrência de burnout é considerada consequênc= ia do estresse laboral crônico que, mesmo sendo o resultado de uma ou mais características do ambiente de trabalho, afeta com diferentes intensidades = os trabalhadores. Portanto, mesmo quando os trabalhadores compartilham o mesmo ambiente e executam as mesmas tarefas, alguns prosperarão, tornando-se engajados, e outros esmorecerão pela presença da síndrome (Langelaan et al., 2006), visto que que a capacidade de resistir ao estresse é diferente entre= as pessoas.

Schaufeli &a= mp; Taris (2014) destacam que os trabalhadores podem utilizar de estratégias pessoais para atenuar os efeitos nocivos das demandas, entre elas estão as pausas ao longo da jornada de trabalho e a alternância de tarefas mais e me= nos exigentes, por exemplo. Entretanto as estratégias somente serão satisfatóri= as quando possibilitarem uma recuperação adequada, caso contrário, a exposição continuada a altas demandas por períodos longos eleva perigosamente a exaus= tão, desencadeando burnout. Assim, a síndrome quando se instala assim ass= ume uma dimensão de retirada ou desligamento.

O principal = modelo para analisar a relação entre demandas e recursos é o Job Demand- Resources (JDR), cujos estudos seminais foram creditados a Demerouti, Bakker, Nachrei= ner e Schaufeli (2001) ao investigarem a síndrome de burnout (Demerouti = et al., 2001, Schaufeli, 2017, Lee et al., 2019). Demerouti e Bakker (2011) destacam que o modelo foi desenvolvido como uma forma de relacionar estresse com motivação. Destarte, enquanto as demandas do trabalho se associam aos agentes estressores, os recursos se ligam à motivação. Três anos mais tarde, com Schaufeli e Bakker (2004) o modelo revisto passou a ser utilizado para analisar também o engajamento no trabalho.

O modelo JDR possibilita uma representação ampla e flexível da estrutura de trabalho e mostra-se capaz de fundamentar a compreensão das características pessoais e organizacionais que afetam a saúde dos trabalhadores (Schaufeli & Taris, 2014). Schaufeli e Taris (2014) destacam que o modelo JD-R é o mais utiliza= do nas pesquisas, especialmente para avaliar o estresse no trabalho. Esses aut= ores reforçam como principais virtudes do JDR sua abrangência, que resulta da fa= cilidade de adaptação aos diferentes contextos de trabalho, e sua capacidade para li= dar tanto com características positivas (recursos), quanto negativas (demandas)= do trabalho. 

 =

2.2 Os efeitos = dos recursos no engajamento no trabalho

 <= /o:p>

Trabalhadore= s que dispõem de muitos recursos normalmente são mais autoconfiantes e otimistas quanto ao futuro (Schaufeli & Taris, 2014). Desta forma, a disponibilid= ade de recursos é o principal indicador da presença de engajamento no trabalho, portanto, de desempenho pessoal e organizacional superiores (Tims & Bak= ker, 2010). Os recursos atuam na motivação intrínseca e extrínseca, uma vez que, além de possibilitarem a satisfação de necessidades humanas básicas como o crescimento e desenvolvimento pessoal, são fundamentais para a obtenção dos objetivos (Tins & Bakker, 2010). A presença de recursos pessoais como a autoeficácia, por exemplo, molda, além do autojulgamento (Bandura, 1997), as formas como o trabalhador percebe o ambiente de trabalho e como ele atua pa= ra desenvolver as próprias competências (Schaufeli & Taris, 2014). =

Schaufeli (2= 017) destaca que é a disponibilidade de recursos que leva ao engajamento, não a ausência de demandas. Demerouti e Bakker (2011) complementam, baseados na hipótese de enfrentamento, que os recursos do trabalho atuarão fortemente na motivação e no envolvimento no trabalho quando as demandas forem altas. Nes= sa perspectiva o adoecimento não advém de altas demandas, mas, sim, da insuficiência de recursos, sendo esse aspecto que eleva o estresse e promov= e o adoecimento dos trabalhadores. Assim, o desequilíbrio entre demandas excessivas e falta= de recursos leva também a outros problemas de ordem organizacional como o baixo desempenho, intenção de sair e à falta de comprometimento (Demerouti e Bakk= er, 2011, Schaufeli & Taris, 2014, Schaufeli, 2017). Desta forma, ao promov= er estratégias que reforcem os recursos, como o maior controle das tarefas e o fornecimento de feedback, a organização promove benefícios, tanto para os trabalhadores na forma de bem-estar, quanto para si própria (Schaufeli, 2017).    

Sendo assim,= os recursos se revelam como aspectos positivos do trabalho capazes de (1) aten= uar as demandas, (2) viabilizar ou, no mínimo, favorecer a obtenção de objetivo= s e (3) promover crescimento pessoal nos trabalhadores, especialmente na forma = de aprendizado e desenvolvimento de competências (Hakanen, Schaufeli, & Ah= ola, 2008; Bakker, Demerouti, & Sanz-Vergel, 2014; Schaufeli & Taris, 20= 14; Schaufeli, 2017; Lee et al., 2019).

Por consequê= ncia, os recursos podem ser compreendidos como características organizacionais e pessoais que contribuem para reduzir os impactos negativos do trabalho sobr= e os trabalhadores, amortecendo a ação das demandas (Schaufeli & Taris, 2014; Xu, 2017) e promovendo, nos trabalhadores, maiores possibilidades de crescimento, aprendizado, autonomia, novas competências, sentimentos de pertencimento, entre outros (Ancarani et al. 2018). Outro aspecto que merece destaque quantos aos recursos é a perspectiva da causalidade recíproca, ass= im os recursos, ao possibilitarem o engajamento, acabam sendo reforçados pelo próprio engajamento (Schaufeli & Taris, 2014). Nesse sentido, a autoeficácia, que é um recurso pessoal, será reforçada pela repetição de experiências de sucesso, que serão o resultado do trabalho engajado, sendo, portanto, influenciada por ele, fundamentando a compreensão de uma espiral virtuosa, que constitui a compreensão da causalidade recíproca.

Nesse contex= to, a compreensão de demanda e de recurso depende diretamente (1) da natureza do trabalho e (2) da percepção do trabalhador, pois, dependendo de como o recu= rso é percebido pelo trabalhador, ele pode ser entendido como uma demanda (Schaufeli & Taris, 2014), como, por exemplo, a autonomia no trabalho, = que, a priori, é um recurso organizacional, pode ser percebido como uma demanda = por um trabalhador que apresente dificuldade para estabelecer prioridades entre= as tarefas que executa.

Portanto, de= maneira geral, os recursos do trabalho são aspectos capazes de satisfazer necessida= des psicológicas dos trabalhadores, especialmente aquelas associadas à autonomi= a, sendo, intrinsecamente, motivadores e promotores de engajamento no trabalho (Hakanen, Schaufeli & Ahola, 2008; Ancarani et al., 2018). Nesse contex= to, a Figura 1 sintetiza a relação entre recursos, demandas, engajamento e desempenho e insere a perspectiva do redesenho do trabalho, expressão em português (Devotto & Wechsler, 2019) para designar job crafting (Demerouti, 2014; Peng, 2018).

 <= /o:p>

Figura 1. Relação entre recursos, demandas, engajamento, desempenho e redesenh= o do trabalho

Fonte: Adaptado de Bakker (2011).

 

Consequentem= ente, a experiência obtida ao longo de anos executando tarefas semelhantes desenvol= ve nos trabalhadores a habilidade de ajustar essas tarefas à suas preferências pessoais, com isso, aprimoram a perícia para realizá-las. Portanto, mesmo considerando que essa experiência não se converta necessariamente em maior desempenho, os anos de trabalho acabam por desenvolver nos trabalhadores a capacidade de (1) negociar suas responsabilidades, de tal forma  a possibilitar que eles concentrem as t= arefas que lhes são mais atraentes ou que eles desempenhem melhor (Bedoya & Poveda, 2017) e (2) atuar proativamente de forma ascendente para promover mudanças e adequações físicas e cognitivas de tal forma a personalizar as tarefas que executam. Assim, ao “alterar” as tarefas os trabalhadores também assumem as responsabilidades pelo sucesso do trabalho, aspecto que caracter= iza o redesenho do trabalho ou job craf= ting (Demerouti, 2014; Devoto & Wechsler, 2018).

 <= /o:p>

3 Procedimentos metodológicos

 <= /o:p>

A pesquisa u= tilizou metodologia descritiva e foi feita na forma de survey, com amostragem não probabilística por julgamento e tratamento de dados quantitativo. Em vi= sta disso, foram selecionados 100 servidores públicos efetivos, portanto, concursados, e lotados na sede do Instituto de Terras do Estado do Pará (ITERPA), local onde ocorreu a pesquisa. O ITERPA é o órgão do Governo do Estado do Pará responsável pela política fundiária e de ordenamento territo= rial e tem como objetivo diminuir a violência rural, assegurar o direito à propriedade, diminuir o desmatamento e garantir a sustentabilidade ambiental (Instituto de Terras do Pará, 2020). Destaca-se que, por ocasião da pesquis= a, o instituto contava com o efetivo de 370 servidores. Assim, após receberem o convite e aceitarem livremente responder ao instrumento de coleta de dados,= os respondentes assinaram o Termo de Consentimento Livre e Esclarecido (TCLE), conforme os padrões éticos de pesquisas com seres humanos.

Hair, Wofinb= arger, Oritinau e Busl (2014), ao tratarem da amostragem não probabilística, desta= cam que se trata de um conjunto de procedimentos de coleta de dados que se caracterizam por critérios subjetivos para a seleção da amostra. Portanto, essas técnicas não possibilitam (1) nem o controle do erro, (2) nem da representatividade da amostra. Esses aspectos limitam os achados aos participantes. Complementarmente, os mesmos autores, quando explicam a amos= tra por julgamento, destacam que essa técnica tem como fundamento as crenças e a experiência dos pesquisadores quando selecionam os participantes da pesquis= a. As amostras por julgamento, quando corretamente conduzidas, alcançam melhor= es resultados quando comparadas com outras técnicas não probabilísticas como as amostras por conveniência, por exemplo (Hair et al., 2014).

O instrument= o de pesquisa foi o questionário, organizado em duas seções. A primeira seção foi destinada a reunir informações socioeconômicas da amostra e se concentrou em aspectos como idade, escolaridade, tempo de serviço, estado civil, sexo, tu= rno de trabalho, cargo, entre outros. Essa seção foi elaborada com respostas fechadas na forma dicotômica e de múltipla escolha. A segunda seção utilizo= u a escala Utrecht Work Engagement Scal= e (UWES), conforme desenvolvida por Schaufeli et al. (2002), traduzida para o português por Angst, Benevides-Pereira e Porto-Martins (2009) e validada por Magnan, Vazquez, Pacico e Hutz (2016). A UWES tem versões com 17, 15, 9 e 3 afirmativas, todas compreendendo as três dimensões do engajamento (vigor, dedicação e absorção).

Neste estudo= , foi selecionada a versão longa da escala, que conta com 17 afirmativas, distribuídas nas três dimensões, sendo seis afirmativas relativas à dimensão vigor, cinco afirmativas na dimensão dedicação e seis na dimensão absorção.= As respostas foram em escala de Likert com sete alternativas, da mesma forma c= omo validada por Magnan et al. (2016), e iniciou em: zero (0) para nunca; um (1= ) para quase nunca; dois (2) para algumas vezes; três (3) para regularmente; quatro (4) para bastante vezes; cinco (5) para quase sempre; e seis (6) para sempr= e. As afirmativas estão apresentadas no Quadro 1.

 

Dimensão

Característica

Afirmativas ou Indicadores

Vigor

Energia, ativação, força, vitalidade co= m a qual se realizo o trabalho

Em meu trabalho, sinto-me repleto de energia.

No trabalho, sinto-me com força e vigor (vitalidade).

Quando me levanto pela manhã, tenho vontade de ir trabalhar.<= /o:p>

Posso continuar trabalhando por longos períodos.=

Em meu trabalho, sou uma pessoa mentalmente resiliente (versátil).=

No trabalho, sou persistente mesmo quando as coisas não vão bem.

Dedicação

Significado do trabalho, entusiasmo, or= gulho, inspiração e desafio

Eu acho que o trabalho que desenvolvo é cheio de significado e propósito.

Estou entusiasmado com meu trabalho.

Meu trabalho me inspira.

Estou orgulhoso do trabalho que desenvolvo.

Para mim meu trabalho é desafiador.

Absorção

Imersão nas tarefas, perda da noção de = tempo, dificuldade de  desligar do traba= lho

O “tempo voa” quando estou trabalhando.

Quando estou trabalhando, esqueço tudo que se passa ao meu redor.<= o:p>

Sinto-me feliz quando trabalho intensamente.

Sinto-me envolvido com o trabalho que faço.

“Deixo-me levar” pelo meu trabalho.

 É difícil desligar-me do = meu trabalho.

Quadro 1. Dimensões, características e indicadores da UWES-17

Fonte: Adaptado de Angst; Benevides-Pere= ira; Porto-Martins (2009).

 <= /o:p>

O trabalho d= e campo ocorreu no local de trabalho dos respondentes, a sede do instituto, e foi f= eito pessoalmente pelos autores. O tratamento de dados utilizou os escores das dimensões, a validação não foi realizada pela UWES-17 ser uma escala valida= da com níveis adequados de qualidade psicométrica atestada nos mais diversos idiomas e países do mundo, inclusive no Brasil. A interpretação dos resulta= dos foi baseada nos escores de referência mostrados em Angst, Benevides-Pereira= e Porto-Martins (2009). Assim, os escores, após calculados, foram comparados = com os valores da escala mostrada na Tabela 1 e avaliados como muito baixo, bai= xo, médio, alto e muito alto.   =

 <= /o:p>

Intensidade<= /p>

Vigor

Dedicação

Absorção

Muito baixo

≤ 2,17

≤ 1,60

≤ 1,60

Baixo

Entre 2,18 e 3,20

Entre 1,61 e 3,00

Entre 1,61 e 2,75

Médio

Entre 3,21 e 4,80

Entre 3,01 e 4,90

Entre 2,76 e 4,40

Alto

Entre 4,81 e 5,65

Entre 4,91 e 5,79

Entre 4,41 e 5,35

Muito alto

≥ 5,61

≥ 5,80

≥5,36

Alpha de Cronbach

0,660-0,870

0,830-0,920

0,790-0,880

Tabela 1. Valores de referência UWES.

Fonte: Adaptado de Angst; Benevides-Pere= ira; Porto-Martins (2009).

 <= /o:p>

Desta forma,= o tratamento de dados foi iniciado com a investigação de missing values e outlie= rs para identificar erros de digitação e presença de valores discrepantes. Não sendo constatados problemas nessa etapa, os dados foram tratados com estatística descritiva na forma de distribuição de frequências, medidas de tendência central (média, mediana, moda etc.), medidas de dispersão (desvio padrão, coeficiente de dispersão) e medidas de associação (correlação de Pearson).  A consistência interna t= ambém foi medida para verificar se os dados eram fidedignos e não apresentavam vieses, para tanto foi utilizado o coeficiente alpha de Cronbach.   Após a análise descritiva, os respondent= es foram classificados quanto as características do engajamento e, para tanto,= foi criada uma taxonomia que possibilitasse, por um lado, reunir os respondentes com engajamento semelhante e, por outro, separar os grupos com comportament= os distintos. Assim, considerando essa peculiaridade, foi selecionada a técnic= a de análise de agrupamentos (AA).

Hair, Black,= Babin, Anderson e Tatham (2009) classificam a análise de agrupamentos entre as técnicas de análise de dados multivariadas de interdependência, que reúne um conjunto de procedimentos matemáticos baseados em cálculos das distâncias g= eométricas entre as observações e diferentes algoritmos de aglomeração que depende do conhecimento do pesquisador para escolher entre as diversas opções de algoritmos e medidas de distância àquelas que melhor representam o fenômeno= .

Desta forma,= o melhor resultado foi encontrado com a combinação da distância euclidiana com o algoritmo de Ward. Assim, após a formação dos grupos, eles foram testados c= om o teste não paramétrico de Kruskall-Wallis, com post-hoc com correção = de Bonferroni. Esse procedimento foi necessário por dois motivos: (1) verifica= r se os respondentes estavam corretamente classificados; e (2) identificar a dimensão do engajamento que mais diferenciou os grupos. Confirmada a formaç= ão dos grupos, eles foram interpretados quanto à intensidade do engajamento conforme os valores mostrados na Tabela 1. O nível de significância estatís= tica adotado na pesquisa foi de 1% (α=3D0,01).

 

4 apresentação e análise dos resultados

4.1 Perfil dos respondentes

 

      Os respondentes, Tabela 2, foram predominantemente do sexo feminino (63%), com escolaridade de nível médio (= 35%) e superior (55%) na maioria das observações, e idades entre 36 e 55 anos (5= 0%). Recomendando fortemente a organização como um bom lugar para trabalhar (98%= ) e ocupando cargo de chefia em 18% (18) dos casos, a amostra mostrou distribui= ção equilibrada quanto ao estado civil, com, respectivamente 32% (32) de soltei= ros, 35% (35%) de casados e 33% (33) com outros vínculos familiares. A renda posicionou-se abaixo de R$ 1.484,00 para 79% (79) dos respondentes, e o con= tato com o público foi considerado moderado para a maioria dos servidores, tendo= 62% (63) dos respondentes se posicionado nesse estrato.

 

Característica

Categoria

Freq.

%

Característica

Categoria

Freq.

%

Sexo

Masculino

37

37,0

Chefia

Sim

18

18,0

=

 

Feminino

63

63,0

=

 

Não

82

82,0

Escolaridade

Fundamental

2

2,0

Contato com

Baixo

1

1,0

 

Médio

35

35,0

Público

Moderado

63

63,0

 

Superior

55

55,0

 

Intenso

28

28,0

=

 

Pós-Graduação

8

8,0

=

 

Muito intenso

8

8,0

Recomenda

Sim

98

98,0

Renda

Até 1.113

9

9,0

=

 

Não

2

2,0

 

1.114 a 1.484

70

70,0

Idade

Até 25

16

16,0

 

1.485 a 2.675

15

15,0

 

26 a 35

19

19,0

=

 

Acima 2.675

6

6,0

 

36 a 45

27

27,0

Estado civil

Solteiro

32

32,0

 

46 a 55

23

23,0

 

Casado

35

35,0

=

 

Acima 55

15

15,0

=

 

Outros

33

33,0

Tabela 2. Características sociodemográficas dos respondentes

Fonte: Elabora= do pelos autores (2020).

 

4.2 Análise des= critiva: características do engajamento na organização

 

      O engajamento no trabalho (Tabela 3), mostrou intensidade intermediária para todas as dimensões do construto, com média de 4,17 (±0,75) para o vigor, de 4,10 (±0,73) para dedicação, de 4,08 (±0,77) para absorção. Essa avaliação foi reforçada pelas demais medidas de tendência central, todas próximas a mediana da escala. Ao analisar a consis= tência interna, medida pelo coeficiente alpha de Cronbach, diagonal da Tabe= la 2, observa-se que os índices se posicionaram entre 0,713 e 0,755, mostrando valores adequados, conforme Hair et al. (2009), Fávero, Belfiore, Silva e C= hain (2009) e Costa (2011), que consideram alphas superiores a 0,600 e 0,= 700 como indicativo de que as dimensões são fidedignas e não apresentam vieses. Contudo, ao comparar os alphas com os valores mais frequentes nas pesquisas com a UWES-17 (Tabela 1), observa-se que o vigor se posicionou no intervalo esperado, com alphas entre 0,660 e 0,870, porém a dedicaçã= o e a absorção apresentaram índices inferiores aos valores mais frequentes, com valores de 0,728 (α<0,830) e 0,755 (α<0,790), respectivamen= te.

 

Dimensão

Vigor=

Dedicação

Absorção

Vigor

(0,713)

 <= /o:p>

 <= /o:p>

Dedicação

0,743*

(0,728)

 <= /o:p>

Absorção

0,739*

0,741*

(0,755)

Variáveis

6

5

6

Média

4,17<= /p>

4,10<= /p>

4,08<= /p>

Desvio padrão

0,75<= /p>

0,73<= /p>

0,77<= /p>

Coeficiente de variação

18%

18%

19%

Mediana

4,17<= /p>

4,10<= /p>

4,08<= /p>

Moda

4,00<= /p>

4,00<= /p>

3,67<= /p>

Máximo

5,83<= /p>

5,80<= /p>

5,50<= /p>

Mínimo

1,67<= /p>

2,00<= /p>

1,83<= /p>

Intensidade

Médio=

Médio=

Médio=

Tabela 3. Características do engajamento no trabalho

Nota: alpha de Cronbach na diagonal entre parênteses correlação no triangulo inferior.

Legenda: * =3D significativo a 1%.

Fonte: Elabora= do pelos autores (2020).

 

Quanto às correlações de Pearson (r), tomando como base para a interpretação Marôco (2014), que classifica as correlações em baixa (|r|<0,25), moderada (0,2= 5 ≤ |r| < 0,50), forte (0,50 ≤ |r| < 0,75) e muito forte (|r| Ͱ= 5; 0,75), observa-se a presença de correlações significativas a 1%, classifica= das como fortes para todas as dimensões do engajamento. Esse resultado era esperado, pois as dimensões de um mesmo construto devem ser correlacionadas, uma vez que, medem o mesmo fenômeno. Merece destaque que a presença de correlações fortes mostra que os esforços organizacionais para melhorar o engajamento, mesmo que ocorram direcionados a apenas uma única dimensão, tr= arão resultados sistêmicos para a organização, já que as correlações são positiv= as e, como tal, apresentam o mesmo sentido, crescendo ou decrescendo em concomitantemente.

Nessa perspe= ctiva, observa-se que a busca pelo maior engajamento dos trabalhadores tem ocupado= as agendas de gestão de pessoas (Andrews & Mostafa, 2019) e percebe-se um esforço efetivo para melhorar o bem-estar dos trabalhadores nas organizações (Schaufeli, 2017; Ancarani et al., 2018), o que ocorre como resultado da preocupação com o melhor desempenho organizacional. Na área pública, o engajamento tem sido visto como uma estratégica necessária para melhorar a performance do estado em diversos países do mundo, como afirmam Andrews e Mostafa (2019) ao destacarem as iniciativas dos governos do Canadá, Estados Unidos da América do Norte e Reino Unido.

Para tanto, = há necessidade de concentrar as ações de gestão de pessoas nos preditores do engajamento, = que, como destacam Lee et al. (2019), envolvem equilíbrio entre a vida pessoal e profissional, satisfação de necessidades psicológicas, bom ambiente de trabalho, atribuição de tarefas desafiadoras, aprimoramento de recursos pessoais e organizacionais, entre outros. Toro (1992) complementa e afirma = que a habilidade para a realização das tarefas é um preditor necessário para o = bom desempenho no trabalho. Nessa perspectiva, uma relação equilibrada no ambie= nte de trabalho se traduz em resultados para as organizações (Ancarani et al., 2018). Portanto, no que se refere ao engajamento no trabalho, quando as organizações acompanham os fatores psicossociais do trabalho, elas são fort= emente movidas pelo autointeresse  (Schauf= eli, 2017).

Xu (2017) de= staca o apoio aos trabalhadores reduz a tensão no ambiente de trabalho e cria as condições para que ocorra o comprometimento organizacional. Assim, no caso específico das organizações públicas, há necessidade de combater os aspectos que promovem insatisfação no trabalho, como ausência de objetivos definidos, processos muito burocráticos e hierarquia muito rígida (Kjeldsen & Hans= en, 2018). A ausência de objetivos, objetivos ambíguos, ou ainda quando a organização não consegue comunicar claramente seus objetivos, reflete-se em trabalhadores menos motivados, com autoeficácia prejudicada e baixa capacid= ade de se engajar no trabalho, visto que o desconhecimento de objetivos exige esforços adicionais dos trabalhadores para encontrar sentido nas tarefas que realizam, condição que pode desviar sua atenção, fazendo com que eles direcionem mal seus esforços e se concentrem em tarefas improdutivas ou fracamente necessárias para a organização (Andrews & Mostafa, 2019).

Assim, estab= elecer e comunicar eficientemente os objetivos organizacionais contribui para a satisfação (Kjeldsen & Hansen, 2018), para o engajamento no trabalho e = para a motivação dos trabalhadores, uma vez que os trabalhadores passam a saber = em que devem concentrar maiores esforços, alcançando, com isso, maior produtividade (Andrews & Mostafa, 2019). Destaca-se também quanto ao engajamento no trabalho a atuação dos líderes, pois é através das lideranças que as tarefas são distribuídas entre as equipes de trabalho, aspecto que possibilita aos trabalhadores maior ou menor controle sobre as tarefas que executam, tanto considerando a quantidade de tarefas quanto sua variedade. Esses aspectos se refletem na utilização das habilidades pessoais, particip= ação nas decisões, disponibilização de recursos organizacionais, entre outros (Shcaufeli, 2017). Além disso, os líderes influenciam fortemente no clima organizacional, na definição de papéis dos trabalhadores (Schaufeli, 2017), contribuem para dar credibilidade às informações e influenciam na confiança entre colegas de trabalho (Ancarani et al., 2019). 

Desta forma,= a organização deve capacitar suas lideranças e implementar ações que promovam equilíbrio entre demandas e recursos, de tal forma a possibilitar maior engajamento dos servidores públicos como uma forma privilegiada de aprimora= r os serviços oferecidos à sociedade e atender aos anseios e cobranças por melho= res serviços públicos, além da melhor operacionalização das políticas públicas,= que são conduzidas e interpretadas pelos servidores públicos.

 <= /o:p>

4.3 Análise multivariada: classificação dos respondentes

 <= /span>

Para classif= icar os participantes semelhantes quanto à intensidade do engajamento, foi utilizad= a a técnica de análise de agrupamentos (AA). Hair et al. (2009) ao tratar da análise de agrupamentos destaca que ela se posiciona entre as três técnicas mais utilizadas de análise de dados multivariados. Ainda, segundo Hair et a= l. (2009), a AA é uma técnica multivariada de interdependência, que possibilita criar uma taxonomia que reúne objetos, entrevistados ou observações em grup= os semelhantes entre si e diferentes entre grupos. Para tanto, a análise de agrupamentos utiliza uma medida geométrica de distância entre as observaçõe= s e um algoritmo de agrupamento. A análise de agrupamentos pode ser hierárquica= ou não hierárquica, aglomerativa ou divisiva. Desta forma, são múltiplas as combinações possíveis que exigem do pesquisador conhecimento prévio do fenô= meno para possibilitar a seleção da técnica que melhor reflita o objeto em estud= o.

Considerando= esses aspectos, neste estudo foi utilizada análise de agrupamentos na forma hierárquica aglomerativa calculada com base no escores das dimensões (vigor, dedicação e absorção) e tendo como parâmetros a distância euclidiana e o algoritmo de Ward. Esse conjunto de procedimentos foi complementado pela re= gra da parada que, conforme Hair et al. (2009), é uma estratégia para definir o número de agrupamentos que toma por base a medida de similaridade. Assim, quando ocorre aumento desproporcional na medida de similaridade entre as observações, deve-se adotar como número de agrupamentos imediatamente anter= ior (Tabela 4). Desta forma, com base na aplicação desses procedimentos, foram identificados três grupos, com 61% (61), 25% (25) e 14% (14) dos integrantes cada.

 <= /o:p>

Número de Grupos

Etapa

Distância

Variação

Variação (%)

5

95

55,09

-

-

4

96

61,73

6,64

12,05

3

97

68,44

6,71

10,87

2

98

85,43

16,99

24,82

1

99

118,15

32,72

38,30

Tabela 4 . Número de grupos pela regra da parada.

Fonte: Elabora= ção própria (2020).

 <= /o:p>

Após formado= s os grupos, foram testados para (1) verificar se eles eram significativamente diferentes entre si e, se o fossem, estariam corretamente classificados e (= 2) identificar qual dimensão do engajamento havia exercido maior influência na formação dos grupos, sendo assim a mais apta para diferenciá-los. Para tant= o, foi utilizado o teste não paramétrico de Kruskal-Wallis com post hoc com correção de Bonferroni (Tabela 5). O teste possibilitou observar que os gru= pos eram significativamente diferentes entre si a 1% de erro e que a dimensão v= igor (KW=3D59,02, p-valor<0,001) foi a que mais diferenciou os grupos.=

 <= /o:p>

Especificação

Vigor

Dedicação

Absorção

Kruskal-Wallis

59,02

55,64

50,60

P-valor

<0,001

<0,001

<0,001

Grupo 1 vs. Grupo 2      p-valor=

<0,001

<0,001

<0,001

Grupo 1 vs. Grupo 3      p-valor=

<0,001

<0,001

<0,001

Grupo 1 vs. Grupo 4      p-valor=

<0,001

<0,001

<0,001

Tabela 5. Kruskal-Wallis com post hoc com correção de Bonferroni dos agrupamentos

Fonte: Elabora= do pelos autores (2020).

 <= /o:p>

Lozano-Paz e Reyes-Bossio (2017), ao tratarem das dimensões do engajamento, destacam que= o vigor exprime uma conduta que é complementada pela dedicação que mede a intensidade da ligação emocional entre o trabalhador e as tarefas que ele executa no trabalho e pela absorção, que materializa um comportamento. Junt= as, as dimensões vigor, dedicação e absorção expressam o engajamento no trabalh= o, compreendido como a energia vital e a intensidade da relação entre o trabalhador e seu trabalho. Assim, quando a relação é forte o suficiente, e= la constitui uma fonte de vantagem competitiva sustentável para a organização,= uma vez que o engajamento no trabalho expressa um comportamento organizacional = essencialmente de longo prazo ou permanente (Salanova & Schaufeli, 2009). Após a forma= ção dos grupos, Figura 2, eles foram denominados conforme a intensidade do engajamento, tomando como base os parâmetros normativos da escala UWES-17, mostrados em Angst, Benevides-Pereira e Porto-Martins (2009) na Tabela 1.

 <= /o:p>

Figura 2. Características dos agrupamentos

Fonte: Elaborado pelos autores (2020).

 <= /o:p>

Assim, o Gru= po 1, com 61% (61) respondentes foi o maior grupo da pesquisa em número de integr= antes e mostrou intensidade intermediária para todas as dimensões do engajamento. Desta forma, o grupo foi identificado como de Médio Engajamento, visto que o vigor (4,37±0,), a dedicação (4,23±0,) e a absorção (4,11±0,) se posicionar= am nesse estrato segundo a classificação de Angst, Benevides-Pereira e Porto-Martins (2009). Já o Grupo 2, reuniu 25% (25) dos respondentes e teve como característica a baixa intensidade do vigor (3,17±0) e média de dedica= ção (3,29±0) e absorção (3,22±0). Esse perfil do agrupamento revelou servidores= que apesar de expressarem vínculo emocional com o trabalho e manifestarem concentração durante a realização das tarefas, mostram baixa resiliência e energia no trabalho e, por esse motivo, foram identificados como de Baixo E= ngajamento. Destaca-se que esse grupo demanda atenção por parte da organização para evi= tar que comprometam o desempenho de seus setores de trabalho e contaminem outros servidores com desmotivação e baixa persistência na realização do trabalho.=

Na sequência= , o Grupo 3, com 14% (14) dos respondentes, assumiu o protagonismo quanto à intensidade do engajamento e, assim, foi identificado como de Alto Engajame= nto, esse grupo obteve médias classificadas nos estratos superiores para vigor (5,20±0,), dedicação (5,30) e absorção (5,16±0,). Reunindo características = que indicam servidores envolvidos com o trabalho, persistentes perante as dificuldades e fortemente vinculados as tarefas que realizam com atenção e zelo, expressando sentimento de realização profissional e envolvimento com o trabalho.  

Complementar= mente, os grupos foram pesquisados quanto às características sociodemográficas, não tendo sido encontradas diferenças significativas ao nível de 1% (α=3D0= ,01) entre eles. A análise de agrupamentos possibilitou identificar servidores q= ue demandam ações prioritárias, de tal forma a utilizar mais eficientemente os recursos organizacionais, seja na identificação dos aspectos que estão prejudicando o engajamento do grupo identificado como Baixo Engajamento, ou favorecendo no caso dos denominados como Alto Engajamento. Apesar de o engajamento ser essencialmente relacionado com características individuais = dos trabalhadores (Ouweneel, Le Blanc & Schaufeli, 2012), ele recebe forte influência do ambiente de trabalho e as organizações podem atuar efetivamen= te para potencializá-lo (Strom, Sears, & Kelly, 2014).    

 <= /o:p>

5 conclusão

 <= /o:p>

O objetivo da pesquisa foi analisar as características e a intensidade do engajamento no = trabalho entre servidores públicos em um instituto no estado do Pará, apesar de a literatura não identificar diferenças significativas no engajamento entre trabalhadores da iniciativa privada e do serviço público. As característica= s da administração pública, especialmente quanto à relação entre recursos e dema= ndas do trabalho, merecem atenção dos estudos científicos, visto as peculiaridad= es da administração pública com objetivos pouco definidos, processos muito burocráticos e hierarquia rígida, identificados em estudos internacionais s= erem limitadores do engajamento no trabalho. Nesse aspecto, esse estudo avança na compreensão do engajamento no trabalho de servidores públicos estaduais da região norte do Brasil. Nessa perspectiva a pesquisa contribui para o conhe= cimento científico.

Por outro la= do, os achados mostraram correlações significativas e fortes entre as dimensões do engajamento (vigor, dedicação e absorção), revelando que os esforços organizacionais direcionamos a melhorar o engajamento trarão benefícios sistêmicos e, se concretizados, indicam um ciclo virtuoso de melhoria na performance da instituição pesquisada. Quanto às intensidades do engajament= o na amostra, foram observados, de maneira geral, níveis intermediários de engajamento, tomando como base as médias dos estudos internacionais.=

A aplicação = da análise de agrupamentos possibilitou identificar três grupos conforme a reg= ra da parada. Os grupos foram significativamente diferentes entre si e diferenciados mais fortemente pelo vigor, seguido pela dedicação e absorção= . Os grupos reuniram servidores em três níveis de intensidade, tendo a maioria se posicionado com intensidade intermediária. Contudo 25% dos respondentes mostraram baixo engajamento e apenas 14% deles foram muito engajados. Esses= resultados comprometem o desempenho da instituição e recomendam esforços da área de ge= stão de pessoas para escolher estratégias de gestão que favoreçam o engajamento = dos servidores.

Nesse sentid= o, estratégias direcionadas a promover o equilíbrio entre as demandas do traba= lho e os recursos organizacionais e dos trabalhadores têm se mostrado preditora= s do engajamento e podem orientar as estratégias no instituto. Assim, recomenda-= se que o instituto atue para reforçar a autonomia dos servidores, estabeleça e divulgue com clareza as metas organizacionais e desmembre essas metas aos diversos níveis hierárquicos, capacite gestores quanto a técnicas de lidera= nça, forneça feedback aos servidores, atue para favorecer um clima organizacional agradável que propicie a confiança na gestão e a descentralização das decisões incentivando a autonomia dos servidores.  Complementarmente, o instituto pode atu= ar na qualificação dos servidores, reforçando as competências pessoais e a autoeficácia e desenvolver programas de qualidade de vida no trabalho. 

Contudo, os resultados ensejam o aprofundamento das pesquisas especialmente para identificar quais recursos devem ser prioritariamente reforçados na institu= ição e identificar as demandas que estão prejudicando o engajamento no trabalho. Nesse contexto, a sugestão de pesquisas futuras se prende à necessidade de identificar os aspectos que estão prejudicando ou limitando o engajamento no local da pesquisa    

Destaca-se c= omo limitação a técnica da amostragem restringir os resultados da amostra estud= ada, aspecto que reforça a necessidade do aprofundamento dos estudos futuros e, assim, obter resultados com medida de erro e representatividade controlados. Outro aspecto que exprime uma limitação do estudo foi a concentração da col= eta de dados na sede da instituição, aspecto que reforça a necessidade de envol= ver na investigação outras unidades administrativas presentes em outros municíp= ios do estado e, com isso, alcançar um diagnóstico amplo e que reflita o engajamento dos servidores em toda a instituição. 

 <= /o:p>

REFERÊNCIAS

 

Agnst, R., Benevides-Pereira, A. M., & Porto-Martins, P. C. (2009). = Utrecht work engagement Scal= e. Curitiba: GEPEB.

Al Adersyi, A., & Darun, M. R. (2017). Determining relationship between strategic human resource management practi= ces and organizational commitment. Inte= rnational Journal of Engineering Business Management, 9, 1-9.

Alves, I. M. P., Mattos, C. A. C., Santia= go, A. M., & Mancebo C. H. A. (2020). Engajamento no trabalho da administração pública: uma pesquisa no poder judiciário no estado do Pará, Brasil. Racef, 11(1), 95-112. 

Ancarani, A., = Di Mauro, C., Giammanco, D. D., & Giammanco, G. (2018). Work engagement in public hospitals: a social exchange approach. International Review pf Public Administration, 23(1), 1-19= .

Andrews, R., & Mostafa, S. (2019). Organizational goal ambiguity and senior public managers’ engagement: does organizational social capital make a difference, International Review of Administrative Sciences, 85(37), 377-395.=

Bakker, A.B., Demerouti, E., & Sanz-Verg= el, A. I. (2014). Burnout and work engagement:= the JD-R approach. Annual Review of Organizational Psychology and Organizational Behavior,1, 389-411. 

Bandura, A. (1997). Self-efficacy: the exercise of control. New York: W.H. Freeman = and Company.

Bedoya, L. M. = G., & Poveda, L. F. F. (2017). Work engagement y compromisso laboral: es la edad um fator diferenciador? Revista Interamericana de Psicologia Ocupacional, 34(2), 108-119. 

César, L. G. D= ., & Neves, L. A. (2020). Atuação da gestão de pessoas no fortalecimento do comprometimento organizacional pós pandemia: a cultura organizacional como caminho. Valore, 5(edição espec= ial), 192-205.

Costa, F. J. (= 2011). Mensuração e desenvolvimento de esc= alas. Rio de Janeiro: Ciência Moderna.

Demerouti, E. (2014). Design your own job through job crafting. European Psychologist, 19(4), 237-241.

Demerouti, E., & Bakker, A. B. (2011). <= /span>The job demands-resources model: challenges for future researches. <= /span>SA Journal of Industrial Psychology, = 37(2), 1-9.

Demerouti, E., Bakker, A. B., Nachreiner, F., & Schaufeli, W. B. (2001). The job demands- resources m= odel of burnout. Journal of Applied Psychol= ogy, 86(3), 499-512.

Devotto, R. P., & Wechsler, S. M. (20= 19). Job crafting interventions: systematic review. Trends in Psychology, 2= 4(2), 371-383.

Fávero, L. P., Belfiore, P.; Silva, F. L.; & Chain, B. L. (2009). Análise de dados: modelagem multivariada para a tomada de decisão. Rio de Janeiro: Elsevier.

Hair, J.  F. Jr, Wolfinbarger, M., Ortinau, D. J., & Bush, R. P. (2014). Fundament= os de pesquisa de marketing. Porto Alegre: Bookman.

Hair, J. F. Jr, Black, W. C., Babin, J., Anderson, R. E., & Tatham, R. L. (2009). Análise multivariada de dados. São Paulo: Bookman.

Hakanen, J.J., Schaufeli, W.B., & Ahola, K. (2008). The job demands-resources mo= del: a three-year cross-lagged study of burnout, depression, commitment, and work engagement. Work & Stres= s, 22(3), 224-241.

Instituto de T= erras do Pará. (2020). Institucional. Bel= ém: ITERPA, Recuperado a partir de http://www.iterpa.pa.gov.br/.

Khan, W. A. (1990) Psychological conditio= ns of personal engagement and disengagement at work. Academy Management, 33<= /i>(4), 692-724.

Kjeldsen, A. M., & Hansen, J. R. (201= 8). Sector differences in the public service motivation-job satisfaction relati= onship: exploring the role organizational characteristics. Review of Public Personnel Administration, 38(1), 24-48.

Kulikowski, K. (2017). Do we all agree on= how to measure work engagement? Factorial validity of Utrech Work Engagement Sc= ale as a standard measurement tool - a literature review. International Journal of Occupational Medicine and Environmental He= arth, 30(2), 161,175.

Langelaan, S., Bakker, A.B., van Doornen,= L. J. P., & Schaufeli, W.B. (2006). Burnout and work engagement: do individua= l differences make a difference? Personality and Individual Differences, 40(= 3), 521-532.

Lastovkova, A. G., Carder, M., Asmussen, = H. M., Sjoeberg, T., Groene, G. J., Sauni, R., Vevoda, J., Vevedova, S., Lasfargue= s, G., Svartengren, M., Varga, M., Colosio, C., & Pelclova, D. (2018) Buno= ut syndrome as an occupational disease in the Eurepean Union: an exploratory study. Industrial Health, 56(2), 160-165.<= /span>

Lee, A., Kim, H., Faulkner, M., Gerstenbl= att, P., & Travis, D. (2019). Work engagement among child-care providers: an application of the job demands-resources model. Child & Youth Care Forun, 48(1), 77-91.

Lotta, G. S. (= 2014). Agentes de implementação: uma forma de análise de políticas públicas. Cadernos de Gestão Pública e Cidadania= , 19(65), 186-206.

Lozano-Paz, C.; & Reyes-Bossio, M. (2017). Docentes universitarios: una mirada desde la autoeficacia general y engagement laboral. Revista Digital de Investigación en Docencia Universitaria, 11(1), 134-148.  

Magnan, E. S., Vazquez, E. S., Pacico, J. C., & Hutz, C. S. (2016). Normalização da ve= rsão brasileira da escala Utrecht de engajamento no trabalho. Avaliação Psicológica, = 15(2), 133-140. 

Marôco, J. (20= 14). Análise estatística com SPSS Statistic= s. Pêro Pinheiro: Repornumber.

Nurung, J., Rakhmat, S., Asang, S., & Hamsinah. (2019). Public service motivation and job satisfaction as driving the quali= ty of public services in disaster emergency. IOP Conf. Ser.: Earth Environ, 231, 1-7.

Ouweneel, E., Le Blanc, P. M., & Scha= ufeli, W. B. Dont’t leave your heart at home: gain cycles of positive emotions, resources, and engagement at work. = Carrer Development International, 17(6), 537-556.

Peng, C. Y. (2018). A literature review o= f job crafting and its related researches. Journal of Human Resources and Sustainability Studies, 6(1), 1-7.

Salanova, M., Schaufeli, W. (2009). El engagement en el trabajo: quand= o el trabajo se convierte en pasion. Madri: Alianza Editorial.

Schaufeli, W. B. (2017). Applying the job demands-resources models: a ‘how to’ guide to measuring and tackling work engagement and burnout. Organizatio= nal Dynamics, 46(2), 120-132. 

Schaufeli, W. B., & Taris, T.W. (2014= ). A critical review of the job demands-resources model: implications for improv= ing work and health. In: G. Bauer & O. Hämming (Eds), Bridging occupational, organizational and public health: a transdisciplinary approach. New York: Springer Science.

Schaufeli, W. B., Salanova, M., González-= romá, V., & Bakker, A. B. (2002). The measurement of engagement and burnout: a two sample confirmatory factor analytic approach. Journal of Happiness Studies, 3(1), 71-92.

Schaufeli, W.B., & Bakker, A. B. (200= 4). Job demands, job resources, and their relationship with burnout and engagem= ent: a multi-sample study. Journal of Organizational Behavior, 25= (3), 293-315.

Simpson, M. R. (2009). Engagement at work= : a review of literature. Int J Nurs Stud= , 46 (7), 1012-24.

Strom, D. L., Sears, K. L., & Kelly, = K. M. (2014) Work engagement: the roles of organizational justice and leadership style in predicting engagement among employees. Journal of leadership & organizational studies, 21(1), 71-82.

Tims, M., & Bakker, A. B. (2010). Job crafting: towards a new model of individual job redesign. SA Journal of Industrial Psychology, 36(2), 1-9.

Toro, F. (1992). Desempeño y produtividade. Mendellin: Cincel.

Udin, U. (2020). Transformational leaders= hip and organizational commitment: a review of literature. Jounal of Research and Opinion, 7(2), 623-2626.

Xu, L. (2017). Teacher-researcher role co= nflict and burnout among chinese university teachers: a job demand-resources model perspective. Studies in High= er Education, 44(4), 479-495.<= /span>

 

 

 

 

------=_NextPart_01DA2133.C362ED20 Content-Location: file:///C:/E036A6C9/diego,+1443-FINAL(5)_arquivos/item0011.xml Content-Transfer-Encoding: quoted-printable Content-Type: text/xml ------=_NextPart_01DA2133.C362ED20 Content-Location: file:///C:/E036A6C9/diego,+1443-FINAL(5)_arquivos/props012.xml Content-Transfer-Encoding: quoted-printable Content-Type: text/xml ------=_NextPart_01DA2133.C362ED20 Content-Location: file:///C:/E036A6C9/diego,+1443-FINAL(5)_arquivos/themedata.thmx Content-Transfer-Encoding: base64 Content-Type: application/vnd.ms-officetheme UEsDBBQABgAIAAAAIQDp3g+//wAAABwCAAATAAAAW0NvbnRlbnRfVHlwZXNdLnhtbKyRy07DMBBF 90j8g+UtSpyyQAgl6YLHjseifMDImSQWydiyp1X790zSVEKoIBZsLNkz954743K9Hwe1w5icp0qv 8kIrJOsbR12l3zdP2a1WiYEaGDxhpQ+Y9Lq+vCg3h4BJiZpSpXvmcGdMsj2OkHIfkKTS+jgCyzV2 JoD9gA7NdVHcGOuJkTjjyUPX5QO2sB1YPe7l+Zgk4pC0uj82TqxKQwiDs8CS1Oyo+UbJFkIuyrkn 9S6kK4mhzVnCVPkZsOheZTXRNajeIPILjBLDsAyJX89nIBkt5r87nons29ZZbLzdjrKOfDZezE7B /xRg9T/oE9PMf1t/AgAA//8DAFBLAwQUAAYACAAAACEApdan58AAAAA2AQAACwAAAF9yZWxzLy5y ZWxzhI/PasMwDIfvhb2D0X1R0sMYJXYvpZBDL6N9AOEof2giG9sb69tPxwYKuwiEpO/3qT3+rov5 4ZTnIBaaqgbD4kM/y2jhdj2/f4LJhaSnJQhbeHCGo3vbtV+8UNGjPM0xG6VItjCVEg+I2U+8Uq5C ZNHJENJKRds0YiR/p5FxX9cfmJ4Z4DZM0/UWUtc3YK6PqMn/s8MwzJ5PwX+vLOVFBG43lExp5GKh qC/jU72QqGWq1B7Qtbj51v0BAAD//wMAUEsDBBQABgAIAAAAIQBreZYWgwAAAIoAAAAcAAAAdGhl bWUvdGhlbWUvdGhlbWVNYW5hZ2VyLnhtbAzMTQrDIBBA4X2hd5DZN2O7KEVissuuu/YAQ5waQceg 0p/b1+XjgzfO3xTVm0sNWSycBw2KZc0uiLfwfCynG6jaSBzFLGzhxxXm6XgYybSNE99JyHNRfSPV kIWttd0g1rUr1SHvLN1euSRqPYtHV+jT9yniResrJgoCOP0BAAD//wMAUEsDBBQABgAIAAAAIQC7 sS6DoQYAAGEbAAAWAAAAdGhlbWUvdGhlbWUvdGhlbWUxLnhtbOxZTW8bRRi+I/EfRntvbSd2Gkd1 qtixG2jTRrFb1ON4d7w7zezOamac1DfUHpGQEAVxoBI3Dgio1EpcyomfEiiCIvUv8M7M7non3jRJ G0EF9SHxzj7v98e8M7585V7M0D4RkvKk4zUu1j1EEp8HNAk73q3R4MKqh6TCSYAZT0jHmxHpXVl/ /73LeE1FJCYI6BO5hjtepFS6VqtJH5axvMhTksC7CRcxVvAowlog8AHwjVltqV5fqcWYJh5KcAxs R0CDAo5uTibUJ956zr7PQEaipF7wmRhq5iSj6UtfUPXLE0G5IQj2GhomZ7LHBNrHrOOBuIAfjMg9 5SGGpYIXHa9uPl5t/XINr2VETB1DW6IbmE9GlxEEe0tGpgjHhdDGoNm+tFnwNwCmFnH9fr/XbxT8 DAD7PphrdSnzbA5WG92cZwlkvy7y7tVb9aaLL/FfXtC53e12W+1MF8vUgOzX5gJ+tb7S3Fhy8AZk 8a0FfLO70eutOHgDsviVBfzgUnul6eINKGI02VtA64AOBhn3AjLhbKsSvgrw1XoGn6MgG4oU0yIm PFGvTLgY3+ViACiNZljRBKlZSibYh4zu4XgsKNZS8BrBpTd2yZcLS1og0kmdqo73YYqhOub8Xj77 /uWzJ+jw/tPD+z8dPnhweP9Hy8ih2sJJWKZ68e1nfz36GP355JsXD7+oxssy/rcfPvn158+rgVBD c3Wef/n496ePn3/16R/fPayAbwg8LsNHNCYS3SAHaJfHYJjxiqs5GYuzUYwiTMsUG0kocYK1lAr+ fRU56BszzLLoOHp0ievB2wJ6SBXw6vSuo/AwElNFKyRfi2IHuM0563JR6YVrWlbJzaNpElYLF9My bhfj/SrZPZw48e1PU+igeVo6hvci4qi5w3CicEgSopB+x/cIqbDuDqWOX7epL7jkE4XuUNTFtNIl Izp2smlOtEVjiMusymaIt+Ob7duoy1mV1Ztk30VCVWBWofyIMMeNV/FU4biK5QjHrOzw61hFVUoO Z8Iv4/pSQaRDwjjqB0TKKpqbAuwtBf0ahrZVGfZtNotdpFB0r4rndcx5GbnJ93oRjtMq7JAmURn7 gdyDFMVoh6sq+DZ3K0Q/Qxxwcmy4b1PihPvkbnCLho5K8wTRb6ZCxxL6tdOBY5q8qh0zCv3Y5sD5 tWNogM+/flSRWW9rI96APamqEraOtN/jcEebbo+LgL79PXcTT5MdAmm+uPG8a7nvWq73n2+5x9Xz aRvtvLdC29Vzg52MzZwcv3pMnlDGhmrGyHVpJmUJm0UwgEVNbI6LpDg7pRF8zZq7gwsFNjRIcPUR VdEwwilM2Q1PMwllxjqUKOUSjnhmuZK3xsOkruwBsaWPDrYpSKy2eWCXl/VyfkIo2JgtJzRn0VzQ smZwWmHLlzKmYPbrCGtopU4trWFUM/3OkVaYDIFcNA0WC2/CFIJgdgEvr8CBXYuG0wlmJNB+txtw HhYThfMMkYxwQLIYabsXY9QwQcpzxVwMQO5UxEgf907wWklaW7N9A2mnCVJZXPMYcXn03iRKeQbP o6SL90g5sqRcnCxBBx2v3VpqecjHacebwMEWvsYpRF3qwQ+zEG6KfCVs2p9YzKbK59Fs54a5RdCA Cwvr9wWDnT6QCqk2sYxsaphXWQqwREuy+i+1wK3nZYDN9NfQYnkVkuFf0wL86IaWTCbEV+Vgl1a0 7+xj1kr5VBExjIIDNGZTsYsh/DpVwZ6ASrifMB1BP8CNmva2eeU256zoyvdYBmfXMUsjnLVbXaJ5 JVu4qeNCB/NUUg9sq9TdGHd2U0zJn5Mp5TT+n5mi9xO4LlgOdAR8uNcVGOl67XhcqIhDF0oj6g8E TA+md0C2wK0svIakgttl81+Qff3f1pzlYcoaTn1ql4ZIUNiPVCQI2YG2ZLLvBGaNbO+yLFnGyGRU SV2ZWrXHZJ+wke6BK3pv91AEqW66SdYGDO5o/rnPWQWNQz3klOvN6SHF3mtr4J+efGwxg1FuHzYD Te7/QsWKXdXSG/J87y0bol/Mx6xmXhUgrLQVtLOyf00VzrjV2o61YPFSK1cOorhoMSwWA1EKlz5I /4H9jwqf2R8q9IY64rvQWxH85KCZQdpAVl+wgwfSDdIujmFwsos2mTQr69psdNJeyzfrc550C7lH nK01O028z+jsYjhzxTm1eJ7Ozjzs+NquHetqiOzREoWlSX6aMYExv3GVf4Ti47sQ6E245J8yJU0y wa9LAsPoOTR1AMVvJRrS9b8BAAD//wMAUEsDBBQABgAIAAAAIQAN0ZCftgAAABsBAAAnAAAAdGhl bWUvdGhlbWUvX3JlbHMvdGhlbWVNYW5hZ2VyLnhtbC5yZWxzhI9NCsIwFIT3gncIb2/TuhCRJt2I 0K3UA4TkNQ02PyRR7O0NriwILodhvplpu5edyRNjMt4xaKoaCDrplXGawW247I5AUhZOidk7ZLBg go5vN+0VZ5FLKE0mJFIoLjGYcg4nSpOc0IpU+YCuOKOPVuQio6ZByLvQSPd1faDxmwF8xSS9YhB7 1QAZllCa/7P9OBqJZy8fFl3+UUFz2YUFKKLGzOAjm6pMBMpburrE3wAAAP//AwBQSwECLQAUAAYA CAAAACEA6d4Pv/8AAAAcAgAAEwAAAAAAAAAAAAAAAAAAAAAAW0NvbnRlbnRfVHlwZXNdLnhtbFBL AQItABQABgAIAAAAIQCl1qfnwAAAADYBAAALAAAAAAAAAAAAAAAAADABAABfcmVscy8ucmVsc1BL AQItABQABgAIAAAAIQBreZYWgwAAAIoAAAAcAAAAAAAAAAAAAAAAABkCAAB0aGVtZS90aGVtZS90 aGVtZU1hbmFnZXIueG1sUEsBAi0AFAAGAAgAAAAhALuxLoOhBgAAYRsAABYAAAAAAAAAAAAAAAAA 1gIAAHRoZW1lL3RoZW1lL3RoZW1lMS54bWxQSwECLQAUAAYACAAAACEADdGQn7YAAAAbAQAAJwAA AAAAAAAAAAAAAACrCQAAdGhlbWUvdGhlbWUvX3JlbHMvdGhlbWVNYW5hZ2VyLnhtbC5yZWxzUEsF BgAAAAAFAAUAXQEAAKYKAAAAAA== ------=_NextPart_01DA2133.C362ED20 Content-Location: file:///C:/E036A6C9/diego,+1443-FINAL(5)_arquivos/colorschememapping.xml Content-Transfer-Encoding: quoted-printable Content-Type: text/xml ------=_NextPart_01DA2133.C362ED20 Content-Location: file:///C:/E036A6C9/diego,+1443-FINAL(5)_arquivos/image001.jpg Content-Transfer-Encoding: base64 Content-Type: image/jpeg /9j/4AAQSkZJRgABAQEA3ADcAAD/2wBDAAIBAQEBAQIBAQECAgICAgQDAgICAgUEBAMEBgUGBgYF BgYGBwkIBgcJBwYGCAsICQoKCgoKBggLDAsKDAkKCgr/2wBDAQICAgICAgUDAwUKBwYHCgoKCgoK CgoKCgoKCgoKCgoKCgoKCgoKCgoKCgoKCgoKCgoKCgoKCgoKCgoKCgoKCgr/wAARCADZAagDASIA AhEBAxEB/8QAHwAAAQUBAQEBAQEAAAAAAAAAAAECAwQFBgcICQoL/8QAtRAAAgEDAwIEAwUFBAQA AAF9AQIDAAQRBRIhMUEGE1FhByJxFDKBkaEII0KxwRVS0fAkM2JyggkKFhcYGRolJicoKSo0NTY3 ODk6Q0RFRkdISUpTVFVWV1hZWmNkZWZnaGlqc3R1dnd4eXqDhIWGh4iJipKTlJWWl5iZmqKjpKWm p6ipqrKztLW2t7i5usLDxMXGx8jJytLT1NXW19jZ2uHi4+Tl5ufo6erx8vP09fb3+Pn6/8QAHwEA AwEBAQEBAQEBAQAAAAAAAAECAwQFBgcICQoL/8QAtREAAgECBAQDBAcFBAQAAQJ3AAECAxEEBSEx BhJBUQdhcRMiMoEIFEKRobHBCSMzUvAVYnLRChYkNOEl8RcYGRomJygpKjU2Nzg5OkNERUZHSElK U1RVVldYWVpjZGVmZ2hpanN0dXZ3eHl6goOEhYaHiImKkpOUlZaXmJmaoqOkpaanqKmqsrO0tba3 uLm6wsPExcbHyMnK0tPU1dbX2Nna4uPk5ebn6Onq8vP09fb3+Pn6/9oADAMBAAIRAxEAPwD9/KKK KACiiigAooooAKKKKACiiigAooooA8t/ao/az8A/sk+GdB8R+OvDHifWpPE3iiHw/oek+ENBk1K+ vL6WC4nWNII/mP7u2lYnttrzkf8ABTLRMcfsRftLf+GVvv8AGj/gokB/wsL9mDj/AJuX07/0wa7X 0uCFXNAHzR/w8y0X/oyL9pb/AMMrff40f8PMtF/6Mi/aW/8ADK33+NfSAv497RlWyuCR9akjuEkG QrD2NAHzX/w8y0X/AKMi/aW/8Mrff40f8PMtF/6Mi/aW/wDDK33+NfS+4UuRQB8z/wDDzLRf+jIv 2lv/AAyt9/jR/wAPMtF/6Mi/aW/8Mrff419LSSrGhdu3NUfDnibQ/Fuk2/iDwzq1rqGn3cKy2d/Y 3CzQXEbDKujqSrqRyCCQRQB87/8ADzLRf+jIv2lv/DK33+NH/DzLRf8AoyL9pb/wyt9/jX0uWHrW fp3irw9q2rX2h6ZrNrcXmlyJHqVrb3SPJaO6B0WVQcxlkIYBgMgg9CKAPnj/AIeZaL/0ZF+0t/4Z W+/xqNf+Co/w4tNd0PSPGH7Mfx28L2uu+KNK0GDWvE/wqvLOxt7zUb+CwtBNM52xq9zcwx7jxlxX 04Dk4r5+/wCClqqP2dPDpCj/AJL/APCf/wBWH4eoA9/ibcgbbj2p1FFABRRRQAUUUUAFFFFABRRR QAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFA BRRRQAUUUUAfM/8AwUS/5KF+y/8A9nL6d/6YNdr6WP3K+af+CiX/ACUL9l//ALOX07/0wa7X0vgM uDQB8GftLTfsbH/gpJ8SrP8AbD8L6Dq8d9+zp4Oi8F6XqWl/bNUvZk1jxcbyPR4VVriS6w9nn7KD KGNucglCfM/2VP2jf+CmOjfFn4Z/s6fGfxl4b8M6joHh/wAH2N/4b8e675N/4xsJdDsZtX1GONtP lmv9QhunvIPMgvoYEltGE8BDh2/Tw20TdV69feqHiXW/Cvgvw/e+KfFus2el6Xp9rJc6jqOoXKww W0KKXkkkkchURVBZmJAABJ9aAPyz8A/tif8ABRPT/gRoPxp8Q/tSalrU1v8AAP4d/ErUtLu/AekR Lf6hq2oy2d/pTtBaoY7MwwGQCMLcpO+8TiJfs51fiv8A8FJ/2sYfjB8SvD3wf8f3lvpaaTrD6XZ+ JNOsru+8LajpXizQdJaJ7SLToBbwXVvqVzOkVzdXlxJB9nnDWgcB/vX4WftjfslfGD4faB8T/hx+ 0F4R1DRfEmkxapoVwNZhhe4tXhmmD+VKVkjYR21yzI6q6fZpw6qYnC5XjL9tr9nvwT4/8E+HNV8f 6O2iePPD+ravpXjRdbtRo8cFhJZRPuumkCEyPfRqu0kZVgcZG4A+XvEn7Vf7R/gT4z6x+zl8V/2o da8N+DfDPxW1HRZPjVL4P02XUbtj4b8PaxpukTqtmbGJp5dY1GFZ1tlaVNLit0K3M6yt45+yv+2/ 8bvg74L/AGTfgZ4Eu9SsLZvB3gfRPGnhnxHDBBbX0WqRSJJqNnbfYGvX+zyKkckxvobeKUCAxSyF iP088R/Gn4VeHL/UdCk8baTca9p2gTazL4et9ShN/JZRrkzCHdv8s8APjblhzzXl/wCyx/wUC+Bf 7T+o/wDCPaJJ/wAI/qEml6Je6VpevXlvFcakupaLbauq26ByZnigukWQLnayseVwSAeBfBn9tH9q jUP+CfHxS+Jtv4lk+IXxG8H6nHbTeLNGtbXUPDswkS2a6vNE+w2lvJeWlnDLPP8AZbhXu1kt3tpJ pTtdvLPhv8fvG3gX4y/E2/0P9rXVl+HfjL4saTD4h/aSm8P6Z5ltYx+DbZ7Zlb7D/ZiRzX0Qsxet bGAeV5G0zypKP0w0D4hfDTxdreqeFfC3jXSNU1HQZlg1vTdP1KKafT5GGRHOiMWhYgcK4BIHTArc WztSd4iGev8A9f8AQfkKAPK/2IPiJ8W/ir+zT4f8b/G3RpLPXrqS+j82bSZNPk1GyivriGx1F7SQ l7R7u0S3umt2+aFrgxkDZiuZ/wCClv8Aybp4d/7L/wDCf/1Yfh6vfkiRDlRXgP8AwUt/5N08O/8A Zf8A4T/+rD8PUAfQFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAU UUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAfM//AAUSP/Fwv2X/APs5fTv/ AEwa7X0wOlfKf/BUjxNB4BPwF+KOsaB4gvtF8J/tAafqfiCTw54ZvtXns7T+xtYhMxt7GGaZkEks akqhwXXNai/8Fcf2KyuRd/FT/wAR38bf/KegD6YqnrljHqVhLYzwiSOaNkeNlyCCCOQeMV86f8Pc P2LP+fv4qf8AiO/jb/5T0f8AD3D9iz/n7+Kn/iO/jb/5T0AeE/CX/gl1+1D8O/hdpsdlqfwz0zx5 4V/Zd8O/Czwr4ih83UVS7026u/tN3/pFgogS7tXtwT5cxhlZgyXKRDzovhv/AMEzf2rfh18WtI+L 134T+Fniq30vxd431e18H+JvGeo3EFrDr1nokQSK7l0uRvMWaz1KSVzCBILnhVNxIIfe/wDh7h+x Z/z9/FT/AMR38bf/ACnql4i/4LJfsG+ENAvvFfirxL8SdN0vTbSS61LUtQ+AHjOGC0t41LySySPp AVEVQWZmIAAJJAFAHz74D/4JLfte+Bb74Q+Cbz4oeD/EHhv4TrZRaTq8upXVhcQWcfgi+0Ka0Sxi s3WUvfXQnFxLdM62xECxr5W6be+FX/BJ74s+DPAkNhrd54Fk8SW/ij4P30eu2skzTw2vhW30WLUY kla0Eg8wWN+LdPuut1iTyvMkC+4R/wDBXP8AYqljWRL34plWGQV/Z58bEH/yj0v/AA9w/Ys/5+/i p/4jv42/+U9AHIfsTfsBfGD9nrx78ONS8f3vg37L8J/hlq3gy18QeG5Lg6l43N7d6dOdS1NJYUFt JmwMrxCa78ye7lk85cFW+xUUqOa+af8Ah7h+xZ/z9/FT/wAR38bf/Kej/h7h+xZ/z9/FT/xHfxt/ 8p6APpevn/8A4KWn/jHTw7/2X/4T/wDqw/D1ZH/D3D9iz/n7+Kn/AIjv42/+U9eXftX/ALefwC/a e8F+D/gz8F9L+JWpa9f/ABy+G13Db33wQ8V6fCtvZeNtEvbmWS5vNMighSO3t5pWeSRQFQ8k8UAf dFFNjcSIHXvTqACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKK KACiiigAooooAKKKjuXaOFpFH3eaAJKK+R/hp/wUb/aU+N3hX/hYfwW/4JkePfEXhqbU7+z03Wl+ IHhi1F59kvJrSSQRXF+kqAyQPgOoOMHvW/8A8Nhftz/9IlPH/wD4dDwj/wDLKgD6Zor5m/4bC/bn /wCkSnj/AP8ADoeEf/llR/w2F+3P/wBIlPH/AP4dDwj/APLKgD6Zor5m/wCGwv25/wDpEp4//wDD oeEf/llR/wANhftz/wDSJTx//wCHQ8I//LKgD6Zor5m/4bC/bn/6RKeP/wDw6HhH/wCWVH/DYX7c /wD0iU8f/wDh0PCP/wAsqAPpmivmb/hsL9uf/pEp4/8A/DoeEf8A5ZUf8Nhftz/9IlPH/wD4dDwj /wDLKgD6ZwPSivmb/hsL9ubqf+CSvj//AMOh4R/+WVek/sj/ALR5/aq+EC/FSX4c6p4RurfxNrmg at4c1i8t57ixv9K1W60y6jaS2d4pB59pJhkZlKkEGgD1CiiigArwf/gqZZx6h/wTI/aLsZmISb4E +LkYr1wdGuxXvFeLf8FI7SO+/wCCd/x6spvuTfBnxQj/AEOk3INAHqfgK7l1DwTpGoTBQ1xplvIw XoCY1P8AWtaub+DV3Jf/AAh8K38w+e48OWMjY9WgQ10lABRRRQAUYHpRRQAUUUUAFFFFABRRRQAU UUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAU2QBlwRTqaxG3 rQB80/8ABIL5v2AvCZP/AEMXin/1I9Sr6YxXzP8A8Egf+TAfCn/YxeKf/Uj1OvpigAIA5/rXD6n+ 0t+zro3xQT4H6v8AHnwba+NJWjWHwhc+KLVNUcyLujAtDIJjuXlfl5HIzXcE1+b/AO0R8Bvj3rf7 YXxU+IUfgnxBqXgF/jh8I9Q1Tw7p3hWeSfX4LVrJDe2l2A2ItPu/s95cCONt0VhNE7xB2ZQD9Ghc wmNZN5+b0oF1CRkSfjnrX5d/C2P/AIKZR+A7jWfiH8RPidNrDajoafHbwnp/gPW4Lq1ja8X+07rw 5fzzS2syi38yPydGAJh2yRRx3Ywet+Neu/tI6Fqt74a/Zx034+XXh3xdpfwqk8AXuoWviOaeyhsP Gc8niRL+W+zdWM8mmTQeat5sluoBsPmCKQIAfoutzE6blalFzDjJb3HvX5pX/hL9rzwT4O8NfFi5 8VfHjxT4m1T44eLDdfDGa78RQ2uoafB4nu4tJUXlnhNGt49PKzRm7xZXscyrPvVLdo7rw/t33t/r SDxj8Z/Cvi6a18bw/F3xBN4d1HV9E0qzYXi+Hrnw7Yxgw3cqZsnSPTP37wrIL0i52lQD9IUnjkfY u6pMV4n/AME/dU8f6r+yv4Zf4k+Bte8PanC15btZ+JtY1O+vLiCO7mSC7eTVib9BPEqTrDd/6RCs qxSfMmT7ZQAhUEYIr5z/AOCXwH/CgPGRx/zcV8Vv/U812vo0nHWvnL/gl8QPgB4yBP8AzcV8Vv8A 1PNdoA+jaKAQehooAK8l/b3tob79hn4zWVyhaOb4U+Io5FDYyp0y4BGe1etV5t+2VbxXf7IXxUtp 03RyfDjXFZf7wNhMMUAav7N1zPefs8eA7u5cNJJ4M0t5GC4yxtIiTXaV53+yLNLc/spfDK5nfdJJ 8PdFZ2PcmxhJNeiUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRmig AooooAKKKKACiiigAooooAKKKM0AFFG5c43UUANlJC5Ar8mviD/wXz/a18N/8FifHX/BPf8AZx/Y 0tvjz4X0m+srS3k8G3cun6poE6wQjUTeXM++1eOK484DzBbKDtUzHIJ/WevlX/gl54Q8MaZafHfx Zpnh3T7fUtW/aW8aDVNQt7NI7i88nU5FiEsijdJsUkLuJ2gkDANAF7/gj5K8n/BPrwjK9s0LNr3i dmikZSyE+ItSJB2kjI9iR7nrXq3xF/as/Z/+Efjux+G/xI+LGkaRrOoLbNHZ3cxHlLcz/Z7ZpnAK 26zTgwxNKUEso8tCz/LXln/BIT/lH/4Vz/0MXin/ANSPUqg+P3/BPXUfjV45+Il/pHxmj0Pwz8Xt J0XTfiRo03h37XeXFvp7SLjT7z7RGLEzwSGGQtDPtwJIvKkLMQDsv+Hh37Hkr6qtp8fNDuG0XxFL 4f1OK1WaWSLVIjcedaBEQtJJELS5eRUBMSQs77Uw1anhr9sH9mnx3qfhLSPCXxX03UJPH+nx3vg+ aNJfI1aGS3kuYhDNs8tpHhgllWPcHaOJ3UEKceHa9+xL8SvgTZ+BfHfwL1q/8QeMvB/jPx7qlrJb +FrCe0lsfE+qXWq3NvNbXWrWXzxyPbQxzx3BO6Is8XlysqcH+yR/wSd+N/hD4WfAofGT4+C1uPh1 ofga6vPA0+kvfro+oaNpzW89nZXK3oghhmklkaSRIGkd1U+a0QSNQD6AH/BRb9mfxh4Gk8XfBL4r +GfFHly6DJHDJrElnHLZapqkWnRXKSNC5kXzneMbFZTPF5DNG24rvN+3X+zRFruteFLjxtqEOreH bOG51fS5vCmprcwwyyyQxusbWwaVXkimCmMMGEMrDIRyPEn/AOCSNwfhr8J/h437Qihfhf8ADjR/ Ci3Q8J4/tL7D4h0HWTclftf7rzP7DEHl5fZ9p37m2FJJtD/4JzftM276hqviz9sDwvqes658Sj4w 8VX0Pwx1C1j8RYhmt7fSb9I9e3TabbW8kEcNsrxpmzhacXAedJgD3W8/bF/ZwM2l6Z4b+LejazqG ueHYNc0W30m6a6SfT7hHa1vHeBXEFtOYnEc8m2NyjBSxGKxPhl+3n+zn4407wRZ618U/DOn+JfGm g6TfR6PY60bu3guNRtVuLW0F4Y40MkysTAsgiknUbki52jzP9ln/AIJq+Ov2TNF/4Rb4f/tC6XqG m6v8PtG8M+ModY8As8t6+m29xbx3dnJHfp9i3x3A3QutwgMQKbC7l8n4Vf8ABJvV/ht4C0X4Myft Grf+DIdc8B+IPEtiPB4iv7/VvCthotpavbXX2tls7Wc6Bp7y27QzOP36pMpkDKAe3/Dz9vf9kP4o 2N3qvw6+O+i6tFY6P/a0i2YlZ5rLzvs7TQJs3XCpOPIfyg5SUiN8OwWqb/8ABQH9ns6xY38XxL8N /wDCK3nhm/1N9fl1Z0uI7m11W10prIWhh3mX7ZcfZmj3CZbkJB5TO+F8YH/BJ3xTpfwu+G/gTwZ+ 1XqGi6l8Ovhbqvg631zTfDssEl/9t1rRNTed/JvY5YYmXR3tZIY5VeSK9k2zQlAWh8Df8Ei5PB1p dpdfFbwnrkl9Z+KI5dP1z4bzPpkc2teK7fxCZYreLU4pojayQeXAVnEsbiKYShogrAH2Z4S8X6N4 68K2fi3w1ctNY6harPayyW8kTMjDukihkPqrAEHgjNfDf7DvhD/goNq/gL4gX/wK/aC+Deg+F5P2 iPij9g0vxZ8GtW1e/hI8b60JPMurfxFZxybpN7LtgQqrKp3EF2+vv2afhN4g+BfwO8MfCPxT8TtV 8Zah4f0tLS48T65JI91fsMne7SySSHAO0eZJI+FG93bLHy3/AIJg/wDJvvjT/s4r4rf+p5rlAHUf sJfGj4q/G34CyeIvjc+gS+KNI8e+LPDWrXfhfSZ7CwuzpPiLUdLjnit57m5kh8yKzjkZGnkw7ths Yr2avnf/AIJqyIfhL8QLRCv7n9oT4jBlXsW8WanL/wC1K+iKACuF/ahhW5/Zo+IltIuVk8DaspHr mzlruq5P48DPwR8YDbn/AIpbUONuf+XaTt3oA5f9heaS4/Yo+D9xK5ZpPhf4fZmPcnToDXqleN/8 E65PN/4J+/AyUZ+b4O+GTy2f+YVbd+9eyUAFRzyMgyAfwqSg9KAPkn4Yf8FZrD4x/DvQ/iv8Mf2A f2jda8O+JNLg1LQ9YsvBWm+Te2kyB4pkzqQO1kYEZA61u/8ADxvxX/0jZ/aX/wDCJ0z/AOWdS/8A BG7/AJRO/s3/APZE/Df/AKboa+kncIu5unegD5o/4eN+K/8ApGz+0v8A+ETpn/yzo/4eN+K/+kbP 7S//AIROmf8Ayzr6VWcM23YaeGB6GgD5n/4eN+K/+kbP7S//AIROmf8Ayzo/4eN+K/8ApGz+0v8A +ETpn/yzr6XklEbbSvvmlDZoA+Z/+Hjfiv8A6Rs/tL/+ETpn/wAs6P8Ah434r/6Rs/tL/wDhE6Z/ 8s6+lw+Tg0B8nGKAPmj/AIeN+K/+kbP7S/8A4ROmf/LOj/h434r/AOkbP7S//hE6Z/8ALOvpcuM4 xTgc0AfMkv8AwUb8WFcL/wAE2/2lv+BeCdM/+Wdes/swftFeGf2pvhBa/GHwp4V13Q7ebWNX0q40 fxNZxwX9leabqdzpt3DNHHJIqslzaTLw7AgA55r0Kvn/AP4Jpf8AJu3iT/s4D4sf+rC8Q0AfQFFF FABRRRQAUUUUANkO1CSa+UZfjB+3/wDGb9rX4t/Bn4B/FP4P+EfDvw1udDtrf/hMPhXquuX1699p qXbu01tr1jGqqzFQoiJx1Jr6wr5m/ZR/5SB/tWf9hzwd/wCo9DQBf/4V/wD8FaP+jt/2dv8AxHXX f/mvo/4V/wD8FaP+jt/2dv8AxHXXf/mvr6Ikcp0HtXh+mf8ABQn9njU9ct9NN/rlrYXfj298FW3i S88MXkelNrtrfPp8lk935ZjgdryM28TTGNJ5WRImkZ0BAMf/AIV//wAFaP8Ao7f9nb/xHXXf/mvo /wCFf/8ABWj/AKO3/Z2/8R113/5r6+gre+WaJXI+993HcetSCcZxt/8Ar0AfPP8Awr//AIK0f9Hb /s7f+I667/8ANfR/wr//AIK0f9Hb/s7f+I667/8ANfX0N9oXONpo89f7tAHzz/wr/wD4K0f9Hb/s 7f8AiOuu/wDzX0f8K/8A+CtH/R2/7O3/AIjrrv8A819fQwnBONhritL+PHhbV/2hde/ZutdM1D+3 PDvhDSfEd9dyRxi0e11C61G2gRG3lzKH0ycuCgUK8RDMSwUA8u/4V/8A8FaP+jt/2dv/ABHXXf8A 5r6G8Af8FaAMj9rf9nb/AMR117/5rq+h1mDHGOaeDkZoA+dv2YPip+1dL+1H8RP2bf2ovGnw98SS eGfAvhPxLouseAvA9/oQ26re6/aywTxXeqX/AJm06NGyujJ/rXBU4Boqz8Of+Up3xk/7N/8Ahp/6 fPHdFAH0BXzJ/wAEzn8vwd8aXwTt/aX8dnA7/wDE1kr6br5n/wCCZChvCXxoDDP/ABkx47/9Or0A eS/sQ/tG/GX9lD9nTT/gH48/4J1/H3VNT0PxBrzzah4e8P6TPZXMdxrN7dRSRPJqUbFTFOh5RTnI xXrP/Dxbxr/0jM/aW/8ACV0X/wCW1fTCoiDaq0uB6UAfMp/4KKeMyMH/AIJlftLf+Epov/y2oH/B RXxmOn/BMr9pb/wldF/+W1fTWB6UYHpQB8zf8PFvGn/SMv8AaW/8JXRf/ltR/wAPFvGg/wCcZf7S 3/hK6L/8tq+mcD0owPSgD5m/4eK+NP8ApGX+0t/4Sui//Laj/h4t40/6Rl/tLf8AhK6L/wDLavpn A9KMD0oA+Zv+Hi3jT/pGX+0t/wCErov/AMtqP+HivjT/AKRl/tLf+Erov/y2r6ZwPSjA9KAPmU/8 FF/GoH/KMz9pb/wldF4/8q1aX/BMvw/498Pfs0andfEf4b614R1HxF8XPH3iSHw/4ijiS9tbPU/F mq6haCZYpJEVzb3MLFVdgC2MmvojaPSmui4ztoA+cv8AgmtLjwd8XLPLYt/2jPHIXd/t6vLL/wC1 K+j6+Df2N/GX7cGgeK/jxoHwB/Z1+F/iTQYf2h/E7Lq/i/4w6holwZneCR0Nvb6DfDA3jD+bzn7o wK9on8Xf8FZLtcW/7PH7PNj/AL3xm126x/5bsX+R78AH0VXjP7dn7Xf7P/7GH7OWufGD9pXxvL4b 8Msh0z+1ho93eol1cRusKstpFK6Bm+UOwCbiqkgsoPIyXf8AwV6uSfK8Lfs5WQJ+Xd4g1662/wDk pFn9K84/ap/ZP/4KZftn/s7+Mv2YfjZrv7Oa+GfG2hzabqP2Tw/rk89vvwUuImkuVUTRSKksblSF eNTjjBAOm/4ImftU/Ar9pr/gm58KU+B3jKTW4/AvgDQPCviab+yLu2jtdXtNJtFubVHniRZzGSAX iLpyMMa+tQc9K+E/2Fv2Bv8Agol+wT+y34T/AGUvg18Zf2fLXQ/C9myLeXnwu1u6ub25kdpZ7qZl 1qFWkkkd2JCqACAoVQFHs0fw8/4KsTLif9rT9n+2/wCuf7PeuTEfifFifyoA+hicDNVxfxyStAp+ Zfve1fPc3wQ/4KaXwIvf2/fhzag9f7H/AGf5Y/y8/XZ/618K/tC/8Eqf+C1vxK/4Kr6L+0L8Gf8A goiPCPhyz8CadaeIviNZ6LBaR30kN3ek6d/YMUskV+Y45w4e7Kx4m+ViyYoA+4v+CNx/41Pfs3/9 kT8N/wDpuhrsf+CiNhqGqfsA/HHTdJtJri6uPg/4mjtYLeMvJJI2lXIVVVeWYkgADknpXG/8Ebd7 f8Eof2cXYY3fBXw4do/7B8NfSjAEYYUAfnd8KfGfxYz8Dfg58FP2mvBcFh4y8S6hZeOte+Bvw0sd OfTreDwxdXVtHcDUZNVjFwLqCIGZlQMD5flg8153c/8ABRD9sy8+DWl+P/if8XNY+Hviw6b8O/8A hG/Dtj4FtZLPxeuqX9pbatfStc2krxssklzCYYZYha+VHK+4XEQH6SeMvjr8Dvh74s0/wL48+L3h XQ9a1S4tYNL0fV/EFra3V3LcvJHbpFFJIryNK8UqIFBLmNwuSpA4Hxr8Pv2PPjB+0ja6P428XWGt fEHwvp9nqq+BJPH10yQRRXHm2uoT6Gt19nleOdVeK6lt2eN0Qo4KqaAPgv4y/tz/ALTnxG8QfFXw VrOjzN4DjfTLzRNO8e6BY6ncaTeW3jzTdNktZ7d9HtoId0MrTRQyTX06xi1uBPEzLWv4o/4KFft2 +J/iN8RfC/wzn8QaLod9Z2dz4Vutd0i3vdU8OXMXjPTNJu7Wa3GjW0EBezvpZfs8k9/KkSRTGWPf X1r4+/aH/wCCbH7S2ueIPh98QP2h/BepSfBPx1a33irSLrxx9httL1exgF/C92gnjjuorcqZsS+b BHc2UmQJrJ/K6j44ftzfAP4S/CTxf8R/DPjTRfGE3gO+0608T6H4d8QWs11pst7dxW0S3Chybdv3 pfbIFZlR8dKAPknxb+0V/wAFKPhNceI7/wAGeONY+Jmraf46+IPhXwt4W1fwLYxRalFp/he91jRr qU2cEMslw15bw2haJ4oJ45MCFJSHqz8Gvj7/AMFC/ihb/DvSPEP7QGk2uk+MvjNa6Rc694HntdZ1 aw0//hFNdvby0vDe+HNPt7QreWmnNHm0M0bO8MrtwrfaMf7WP7KsfgXS/iH/AMNJeAf+Ef1rWDo+ ia83jGy+x3+oCRovsUM/m7JbgSKyeUpL7lZcZBFeX+If+ClHwY8EfGLVfhd8SoLfwzpejePb/wAL 6p4w8Qa5b2unWrWvh7TtbNzK8rKqROmpRwAsR+8Xk/MooA+QfB/7UX7dP/CVap8ZNf8Ait46fWJ/ hHp9tY+HV8MwzabK9n4t1bStX1i209LLzLi8t9Lii1ZraBhJNIyRBWgMEKfaH7B/xX+KHxK1f4jW PiHx7qXjfwXofiGzt/APxB1jRoLK61qJ7CCW7Qi2t4ILiOC4d41uIokVvnjO5oGkb1rUvjZ8GdG8 YaH8PNY+Knhu08QeJoXn8M6Hda1bxXmrxqu5ntYWcPcKF5LRhgB1rrIVhYb0QCgCSvn7/gmmw/4Z 28SZ/wCjgPix/wCrC8Q19A18Pfsbfs0/GP4nfC7xR4q8Gft4/FT4e6e3x3+KcS+HfB+l+FpLRGX4 g+Ig0gbU9FvJ9zHk/vdvAwq5NAH2/vX19qA4NfO5/YQ+J12wOuf8FKf2hL7p/wAxHw5af+keiw1A /wDwTf0m9ydc/bK/aKvc8Ef8LivrTP8A4CeTj8MfywAfR/mIOpo8xfWvm2T/AIJa/A25O7UPjp+0 VcH+It+1F42TP/AU1VVH4Co/+HUn7Mz/APH18Qfjxcevn/tPeOGz/wCVegD6W81c4ponXHTpXzR/ w6U/ZDkObu++MM3qs37Snjhh/wCnipov+CR/7CIOb/4X+ItR99Z+KHiO+J+v2jUHz+NAHTfFL/go z+xf8EP2m9L/AGPfjJ8fNF8K+P8AXPD8GtaHpHiCZrOO/tZp7iCPyrmUCBpDLbSr5W/ecDCnNcj+ yROlz+37+1TNGflbWvBxHP8A1L0NfPX7Q3/BsR/wT2/aS/a70L9oPxrod9Y+END8Kwaa/wANtAup bWHVrtLi6la6u7wytOylJ44xHEYmHkgmQg7R7Z+wP8OvBPwi/bG/aU+GHw28JWGg+H/D934KsNH0 fS4RHb2lvH4dhWONEHAAUD3z1yc0AfWczbVzjPtXw5a/sQ/tP658M7j9mfWNP8J6f4W1L9pq/wDi Pr3ixPEE010umL41PieytLazFsA9xKY4beV5Jo0hDSMonwFP3MQOpFeb/tJftIeGP2adC8O6zr/h LX9bm8VeLLPw3o2m+G7eCS4mv7pZDCp8+aJEQmMqXZgqlgWwu5lAPh34Zf8ABI74teH/AISXnh/4 uavqHiHxW1lDZ3mr6d4w0q1tdbnttbi1K21W4iOgg31yJIRMY9TN6qm7u4t0gkaV+s+Ef/BNz9ou P9ozQ/jR+0F4t0+SaxXwdqltN8PdQsbC30W+03Rbeyv9Nto5tKe7h02W4huXWG2u4Y5otTnjkhjI Z5vWH/4KrfA2fwtf+JtE+FfxA1R/DWh6lrPxE0nTtJsnu/Bdnp+p3umXb3ytdqsrpd6ZqMax2TXU kv2KVolkXYW6D4w/tzQ/C74/eDvhZpXwW1zxR4d8VfC/xB43bxloOq6eILWz0ubTEcLDPPG84ZNT idmTkFoRGswaZrcA+QvBf/BFTx14H+BcOg+H/Bnw70/xpp/7Pnwx8N6TrdmzI9r4s0TVby71jUkm FuHRplNjtuVHmyNAAwUIM4Hwy/4J/wD7QH7Rnw08YN8J/B/hb4Wa43x++NVynxetdUuE8QXVvqE3 iLS7RDFHaJIim5ureY4nZRDp1tLGTNIBB9dR/wDBV74A2Fj8I9T+IngjxJ4PtvjddafD4DXxRqWh W95dm/mihs2/s9NSe+ZZHuLXd5UEhgFwhnEO2TZyX7Gn/BS9/EnwT8JXH7RXhPxNa+IPEOg+IdR0 nxLqFvpVjpviJ9JuJvtcFuxukW2kjgTeGu0tYpEjkkR2RGZQDlvhd/wSx1y11D4bX/j/AMLaXdWG m/FG28SePvCOsahpl5pLxW/g7W9HRrO2sdJsLdpPtV/ZAtJAryxWkbuwaNY65Sf/AIJLfHq/+D+s WWrp4OufHGm/AHwz4P8Ahv4gn1CV5tA1fSde1m/imt7hoPMto44rnTPLkT5wbcrjEalqH7Sn/BYT XvHfhmH4rfsW+OHh0KD4V+OL7UrX7DpmqSRa5pOueF7SPbPA9zbzhYNTutpgmkhkW4VtxZBt+o7D /gpJ8M77XpvhbZ/B3x9N8RLXxVcaDJ8NWh0v+1Gmh0yDVXuPOa/FgLf7FdW8vmNdDBnSMgSny6AP PPgV+wj8cvAn7Qvg3x7rmieDdPk8LfEjxl4g8S/EjSdXmfWvG2m6r9t+x6Zdwm2j2xq13bSyq80k cT6LaiFCHU2/2unC4Fcb8A/jb4F/aN+FGi/Gn4cS3TaPrlu0lumoWbW9xA6SNFLDNE3Mcscsckbq ejow7c9nQB8//Dn/AJSnfGT/ALN/+Gn/AKfPHdFHw5/5SnfGT/s3/wCGn/p88d0UAfQFfM//AATG /wCRT+NH/ZzHjv8A9Or19MV8z/8ABMb/AJFP40f9nMeO/wD06vQB2Hx9/wCCgn7JP7MPxGh+E/xt +LDaT4guNGj1aPS7fw/qF9ILKSWWGOY/ZYJAqtJBMo3EEmNq4/8A4fA/8E8/+i5ah/4QOu//ACFT fCsKyf8ABY3x/vzx+zT4Q7n/AKGHxLX0yFAGMUAfNH/D4H/gnn/0XLUP/CB13/5Co/4fA/8ABPP/ AKLlqH/hA67/APIVfTGB6Ux5IUOGZc5xigD5q/4fA/8ABPP/AKLlqH/hA67/APIVH/D4H/gnn/0X LUP/AAgdd/8AkKvpZSjjK4p2B6UAfM//AA+B/wCCef8A0XLUP/CB13/5Co/4fA/8E8/+i5ah/wCE Drv/AMhV9MYHpRgelAHzP/w+B/4J5/8ARctQ/wDCB13/AOQqP+HwP/BPP/ouWof+EDrv/wAhV9MY HpRgelAHzP8A8Pgf+Cef/RctQ/8ACB13/wCQq634Ff8ABQn9kf8AaY+Iknwn+C/xaOqeII9Fn1b+ y7jw7qNjIbKGWCGWZTdW8auEkurdSFJIMy8YNe14HpXz38S4o3/4Km/BssOnwB+JR/LXPAtAFD/g nrHHB4r/AGibLHzQ/tGau2D1HmaXpUv4f6yvpOvnP9hFPs3xX/acs2+9F+0NIf8Avvwr4cl/9qV9 GUAFFFFABRRRQAVGtvDEWdUAZuT71JUV25SP5SN2eM9/8igD5w/4I3f8onf2b/8Asifhv/03Q19J SZK4Ar4P/wCCaH7aHw8+AP8AwT3+CnwP+LXwa+Pmk+J/CPwv0XSPEGmj9lrx7cfZby3s4o5YvMg0 Z45NrKRuRmU4yCRzXuH/AA8t/Z5/6J38ff8AxE34h/8AyjoA4n9tL9gX4h/tKeJ/jV4n8Ly+GI7v x5+zLc/DvwjdaxJKJdP1d5tQmjundYHMMCy3Nq++PdIGt9wjJVCafhT9gP416V8btGn1nX/CLeD/ AAz8btc+J2n+KrZZ/wDhI9SuNSi1GM6RcxGLykghGomMXSzu0ltaQW5t48GUehf8PLf2ef8Aonfx 9/8AETfiH/8AKOj/AIeW/s8/9E7+Pv8A4ib8Q/8A5R0Aea/ET/gnt8V/Hnx58TeIr6y8F3ng/Wv2 ivCnxPt21C+nN6Bp2g2Ol3Fo9v8AZWiLrJpsNxDJ5xDmdlZYvKBl8g+Nn/BJr9tn45eMPF2ueN/i l4J1Jta8J65oMN9qWtanNDfx3PivQtXsXl03yBbWccNnp93bNBAXZ3Ku80huHMP1T/w8t/Z5/wCi d/H3/wARN+If/wAo6P8Ah5b+zz/0Tv4+/wDiJvxD/wDlHQB80ftKf8EvP21/jr4d+J9xonjjwL4d k+Mi6hB4t8EaT4i1C202y3+HodJsrwX8ViLi9eNoWlltjBbRzpLFG7sLb9/6L8Lv+Cb3xP8AD37R 2l/F74i3vhPWNMs/iVfeJJ7eV5biYxT+B9H8PgBZLcKZRc2N05+YDyZEO7czxj0CD/gq5+yhdeK7 zwLbaB8bJNa0/T7a/v8AR0/Zb8ftdW1rcPPHbzyRDRN6Ryva3Ko5AV2t5QpJjYDS/wCHlv7PP/RO /j7/AOIm/EP/AOUdAHzX8Hf+CTX7TXw5+Evh/wCBet+MfA+pafqeg/DYeMPFkt5eNqvhu+8K2umx NDo+YMTwTyaeZYJpHtXtJrqabypy2wfopCGCfMK+f/8Ah5b+zz/0Tv4+/wDiJvxD/wDlHR/w8t/Z 5/6J38ff/ETfiH/8o6APoLNfP/8AwTSP/GO3iT/s4D4sf+rC8Q1HN/wUt/Z7C/L8O/j7/wCIn/EL /wCUdO/4Jkw61/wy/eavrXhDX9D/ALc+L3xG1uw0/wAUeHbvSb/7Df8AjbW720lls7yKK4g822uI ZVWVEbbIpIGaAPoKiiigAooooAKKKKADNfM37KJ/42B/tWf9hzwd/wCo9DX0w2dvFfKi/Cz9uv4M ftb/ABc+MfwN+D/wn8YeHviZc6Hc2v8Awl3xa1PQLyxex0yOzdGit/D+oI4ZlLBhKDjGRnOAD6sN cV8XPgn4T+Mx8Nv4w+2MfCniq08RaR9luPLxe2wcR7+DuTEjZXjOR6V5p/wsf/gqb/0Zv8AP/Elt c/8AmMo/4WP/AMFTf+jN/gB/4ktrn/zGUAZOt/8ABLj9nHVbbXLa1vPF2mx+Lf7bh8bR6P4ke2Hi Sw1XWL7V7mwvNi/NAt1qd+YthSSJLqaNZAssgbvvi3+yT8NvjD4p8O+MdXbVNLvvDPh7V9Asf7Eu lgjl0nU0theWUqFWUxubO0cYAZWtkwwUurcv/wALH/4Km/8ARm/wA/8AEltc/wDmMo/4WP8A8FTf +jN/gB/4ktrn/wAxlAGXq/8AwTD/AGedW17w7rMd74ssl8O6b4Qs/sdj4gZINSTwxqH27RTdDb+8 8mdpGKgqkm/c6s8cTR4w/wCCRX7LV14DX4c+IrjxprGkWGk31l4ZsdU8VSSLoDXlyl1c3FoQBtme aNGDP5iouYkVYWeI9a3xH/4KmY5/Y3+AH/iS2uf/ADGVw6ftgf8ABR4/tEP+zMP2J/gn/byeDF8T tdf8NG6x9k+xtdtahN//AAiO/wA3ehO3Zt24O7PFAFy4/wCCRX7L2prqp1y+8Yahca5DryaxqN74 gDT3J1e60i6vZCfLwGabRbMqAAqDzFUBSAvYeLv+CevwS8U/FHWPjfY6p4m0Lxpq3ixPEUPijQdY EN1p14NHt9HcQ7kaMwyWdrCrwypIjON+AyoUj/4WP/wVN/6M3+AH/iS2uf8AzGUf8LH/AOCpv/Rm /wAAP/Eltc/+YygD1X4I/BvwD+z98K9E+Dnwv0NtO0HQLMW2n2r3Uk7hckl3llZnlkZizvI7FnZm Ykkk11dfP/8Awsf/AIKm/wDRm/wA/wDEltc/+Yykb4j/APBU0rj/AIY3+AP/AIkrrn/zGUAL8OTn /gqd8ZMf9G//AA0/9Pnjuiof2ZPht+1L/wANT/ET9pP9pXwH4C8Mt4o8A+E/DGi6N4H8d3uv8aVe +ILua4nmutK0/wAvf/bMaqipJ/qmJYZAooA+hq+Z/wDgmN/yKfxo/wCzmPHf/p1evpivlnwN+xX+ 2F8JNc8b2/wi/bV8L6L4d8YfETWvFcdlN8IGu7+zk1G5a4eA3Mmq+VKEJ2qwt0yOooAveEv+Uxnx A/7No8H/APqQ+Ja+mK+Mf2Xvh98WPh3/AMFZviVpfxh+PF38QdSuP2efCU8OrXXh+z037NCdd8RK LdIrVFUqGVn3OWcmQgtgKB9nUABr5A/4Kb+J/ilpnxX+Afg/4Zx+JNT/AOEg8WeJI9Q8I+GvHl14 ck8Q+R4U1W6gs3vLaSNo83EMTKWO1XVSeBX1/WVrHhbw9q2p6frOr6LZ3N5pk8kul3Vxaq8tpI8b Rs0TEZjYxs6ErglWZTwTQB+cX7Jf/BSv9rbXbT4f/C7wX8Lbr4maT4d8GeCv+Ez8XahNp8Goa3Hq mlW93caqrXWrwXUYhErRhBp9y11PZXUYkjkVgvrnwZ/4KFfFrxb4F/Z3+NPj3xb8M18M/HnxDbR6 hp+mWNxG/hK0uPC+sarFZzXst+0dxdfbbG1tfNMECsfOQQh2Qp9TW3wP+Cdvqej6zD8I/C8d94dS RfD94vh+2EumK5JcW77N0IYkk7MZJ55qGb4A/Am6sdWsLj4NeE5bfX76O+16CTw3atHqN0jbkuLg GPE0qkAh3ywIGD3oA+GfgV/wU0/bq/aL8Oat4s+GHhL4VXS6L8E9L8Xx6VJZ3McutalqOteItNht re4n1KO3ijCaTbygSsBLIWh82ETrNb29a/4K6fEu8+Ffij4o/DbVvA+oL8Nvh5Z+Ite0XxF4XvdL 1DxtfNqeqafdaRpcA1CX7DLFc6YbNJQdRWa7nVVGzZJL9vj4F/Bj+yL7Q2+E/hlrHUrFLHUrL+wL fyrm1SSSVIJE2YeNZJpnCMCoeV2ABZic3xh4N+BXgv8A4RXUtd+Fumyto+oW+neEWsfBpvH0eSUr Gnk+RC5sogMBpf3cUajLsigkAHm/7Jn7VPxH+MPxy+J/wZ+MFro+k6x4UvlutD0HSdNMgbQ5by+t 7TUDqKXs0V2ZxaENCYLSa2ljljeN18uVvoyue8H/AA2+Hngi91LVPA/gTRdFuNaujd61NpekxW73 9wc5lmaNQZZOT8zZPNdDQAV8eftwftT/ALPX7Hn7fPwn+NX7T3xb0bwX4Xs/gR8SIG1TWrnas0z6 14HZYYkALzykI5EUas5CMQpAOPsOvk/9rX4C/Bn9pP8A4KF/Cn4S/Hv4X6D4w8N6h8AfiV9q0XxF pkd1bsw1rwOocK4O1wHO11wyk5BBoA5T/gi1+2H8I/28rT9o39qH4ER6oPCfiT9oQ/2LJrVkLe4m jt/CXhqzeUxhm2o81tKyAndsZdwVsqPtuvE/2GP2Af2eP+CdXwz1r4M/sv6Lf6T4W1jxZc+IE0e9 1KS6SwnnhgieKF5MyeV/o6sBIzsCzfNjCj2ygAooooAKKKKACmzRCZdpbFOooAYsKqu3J4pfKX1P 506igBvlL6n86PKX1P506igBvlL6n86PKX1P506igD558AIP+HqXxci/hk/Z/wDh0zf8B1zxtj/0 I19CCFQMZr558DFk/wCCrnxSRT/rf2e/ARb22a74wxj/AL7NfRAOaAG+Uvqfzo8pfU/nTqKAG+Uv qfzpwGBiiigAooooAKKKKACiiigAooooAKKKKACiiigA6181vayL/wAFc1ujJ8sn7Oe0L/u69/8A ZV9KV8331sy/8FbtPvBL8sn7Ot4u30269bHP/j1AH0gvSigcDFFABRRRQAUUUUAFFFFAHzP4S/5T GfED/s2jwf8A+pD4lr6Yr4r+In7Uv7M/7Mf/AAV/8Yaj+0j+0R4G+H9vq37N3hSLSp/G3i2z0lL1 4/EHiMusTXUiCQqGUsFyQGBPUV6oP+CsX/BLPHP/AAUr+AH/AIeTQ/8A5KoA+gK+T/8Agr4dTl/Z +8D2emaBeav9o+O3ge3utFstQ+zSapby63bRzWYkLooE0bNEVkdY2Em1yFZjXYf8PYv+CWX/AEks /Z//APDyaH/8lU2T/gq1/wAEq5Spl/4KT/s/NtOV3fGTQ+P/ACaoA+O/F3/BPX9qnxDY2NvqPgDx 3p3w1utU8St4R+FngbxJoI1b4aretpY0+5ha/uRYpLAbbUJo5LS5eSwN0I7bzUkk2b3xd/Yj+Pfi HxX8ZNOt/gL421zw/wCKtcsdQh1m+bwtea3r+pQ6iZkgcXGpxwah4bEWQdP1BreeGPbDACAnlfU3 /D1v/glZ2/4KUfs/8dP+LyaHx/5NUH/gqz/wStY7h/wUm/Z/Y9ePjJof/wAlUAfOOh/sj/tr3/xG 0nxN40+EOkW/xEXxj4V13Svip4f8VJHo/hDQLOz0pdW8KQRPL9u8m4lttThWBIHtpI75LmWYTKUX gvg/+xV+3jbakuo+JPgRdeG7PUPG3ww8R+IPDula1oltYRaxp+r6tJ4kv7GG0uiRC1udMZZLh5Lu 5jWIy7pFaKL7LP8AwVb/AOCWQA3/APBSP4BKOnzfGLRP/kr3o/4euf8ABK3/AKSU/s/+n/JZND/+ SqAMP/glt8FPin+z/wDBTWvhx8QvhtN4dsofFEknhk60unf29qdn9ktUa81l9MuLi0uL950n3XMb hpkEckiJIXB+nq+fl/4Kvf8ABK9TuX/gpT+z/n1/4XJof/yVS/8AD2L/AIJZf9JLP2f/APw8mh// ACVQB9AV8+/EX/lKf8G/+yA/Ev8A9PfgSnf8PYv+CWX/AEks/Z//APDyaH/8lV574W/a0/ZX/ac/ 4KmfC9/2af2lfAPxE/sT4B/EQa0fAvjGx1f+zzPrfgnyfO+yyyeV5nky7d2N3lPjO04APsKigdKK ACiiigAooooAKKKKACiiigAooooAKKKKAPnPweTH/wAFZPiMn/PX9nnwSc+m3XfFX89/6V9GDpXz j4ULJ/wVq8eKBxJ+zv4SP02674k/+L/Svo4dOlABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQ AUUUUAB6V846vbuP+CsegXPmcSfs8auir/u69pv/AMVX0dXzn4gtjH/wVe8I3zNxJ+z34iTZn+7r uinP/j9AH0YM45ooBzziigAooooAKKKKACiiigCpe6FpGozfaL/ToZpAuFaSJWIHpyP85pB4d0Af 8wS1/wDAdf8ACrlFAFP/AIR7QP8AoCWn/gOv+FH/AAj2gf8AQEtP/Adf8KuUUAU/+Ee0D/oCWn/g Ov8AhXkP7dc/7QPhP9kzx1q37GvwWh8XfFB9CltfBOjx3dhZhb6b9yl00l6yQbIN/wBoZGYeYISg yWFe1U2Y4jOBQB+XX/Brx4f/AG3fDH7DOofDD9sb4Mvb6Fo/iK7m+G3i6617Tr99StXubhL2zZIZ ZJozb3sMzCSXAkW52p8sa5/TseH9BI50O0/8B1/wr56/4JKIIv2EvDUCjCw+JvFUSr/dC+JNTUD8 MYr6RoAp/wDCPaB/0BLT/wAB1/wo/wCEe0D/AKAlp/4Dr/hVyigCn/wj2gf9AS0/8B1/wpbfQtHs 7hrqz0y3hkZdrPFCqkj0yB04FW6D0oABgDiivlPXvih+3V8Xv2y/iZ8BfgF8Zvhf4L8P/DzQ/Dl0 sniz4U6h4gvL+bUo7x3Jkg1ywSJU+ygBfLYnfywxXQ/8Kq/4Kq/9HvfAj/xGnV//AJsKAPouivnT /hVX/BVX/o974Ef+I06v/wDNhR/wqr/gqr/0e98CP/EadX/+bCgD6Lor50/4VV/wVV/6Pe+BH/iN Or//ADYUf8Kq/wCCqv8A0e98CP8AxGnV/wD5sKAPouivnT/hVX/BVX/o974Ef+I06v8A/NhR/wAK q/4Kq/8AR73wI/8AEadX/wDmwoA+i6K+dP8AhVX/AAVV/wCj3vgR/wCI06v/APNhR/wqr/gqr/0e 98CP/EadX/8AmwoA+i6Mj1r5zb4Vf8FVccftv/An/wARp1f/AObCof2Zfir+1bF+2F4+/Zb/AGmP iJ4D8WJ4d+G/hnxVo+teC/AN34fKnUtR120lt5orjVNQ8zaNJjdXV0/1rArwCQD6SooooA+b/Dbu n/BXLxkhP+s/Z08NH6bde13/AOL/AEr6Qr5s0KTZ/wAFefFEZH+t/Zx0IqfTbr+r5/8AQxX0nQAU UUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFAAScdK+d/Fltt/4Kq+A7tnb95+z74tQL/u65 4c5/8fr6IJwM189eNYd3/BU34Z3hfHmfADxwip3+XXPCnP8A49QB9CgYGBRQOBiigAooooAKKKKA CiiigAooooAKKKKACmyAlMCnU2ZtsbMe1AHzr/wSnTyv2MrGAjmH4g+OImx3K+LdXU/yr6Mr5j/4 Jl+NPBmgfssXGjav4r02zntvix8Qo2tbm/jR41HjTWtoIYg/dxX0B/wsz4c/9D9ov/g0i/8AiqAN yisP/hZnw5/6H7Rf/BpF/wDFUf8ACzPhz/0P2i/+DSL/AOKoA3KKw/8AhZnw5/6H7Rf/AAaRf/FU D4l/Dk8Dx7ov/g0i/wDiqAPAv2cv+Um37TPH/MsfD/8A9J9Wr3X4vfE3w98F/hd4j+L3i+O4bSPC ug3msar9kh8yX7NbQPNJsXI3NtQ4GeTxXgP7Lmr6Xrn/AAUm/aU1PRtRgureXwz4B8ue2mWRWxBq 4PIPY8V7B+1h8MfEPxs/Zo+IXwZ8K3tnbal4u8D6toum3GoOy28VxdWcsCNKVViIwzjcQrEDJAJA BAON+BH7fHwt+MeleIb3xf4T174ZXPhfRdL1vWdP+I82n2vkaVqQn+w3/wBotLu4tfJmNrcKB5+9 GhYSIhK52/2k/wBsn4N/sx/DlfiB4w8QWt7JcLbvpeh2OpW/27VI5bmG38y2jkkXzkUzq7MpICAn njPyZf8A/BJf4ueFfEGm6v8AC7xjo91pOjal4V8RL4f8QeMNS87VtYsdG1jSb62m1KS3ubiGzVbz T7u2+WdY5raZBbwiXzDV8a/8ElPi1b+A/EXw1+FPhr4b/wBk+LNL8J/ZZPF/iTUNQuvBc2j6q189 jYTNY7ruzcySNDuNqbaWWQiORGWNAD7vuPjD8NLW91jSrjx/oaXXh22S48RWzatCsmlQshdZbkFs wIVViGfaCAT0BIbZfGn4Uam+gw6d8TfDtw/iqF5vDKw61A39rxqu5ntsP+/UL8xKbgBz0r4ysP8A gln4hhs/GmjeP/h14Z8aXF4/iKTwx4kufivquk3moDVfEMGslLyKDTJVtZI5Le1kMyPcrLNZIwhh SVo0Ph7/AME0/j7b/FfRPiH+0L4n8O/EWa60/wAMLrmoHxRcaLdaFdaJrF7qFnJaLZ6aItQAM9ux VlsQ88VxI3y3IihAPpL4zftt/A74R/CfxB8WrHxTY+Krfwz/AGa2qab4X1a2urmKO+uoreCRl8wB FYyhwWI3IrFdxGK7Kf8AaC+Cdr4IT4mXXxd8Lp4bkuPs8fiBvEFsLFpt5jMYnL+WXDqV27s7hjrx XwRqv/BG74rXv7PXgn4QaXN8N7e80b4Q6x4W8VnfOtvqd7d+KfD+sLIdtmDLD5OmXqsZFDCW4UBS ryMPR7z/AIJ6fGnwl+1H4l/aL+Hmg/DfXtLuviFq2saH8P8AxFeXFnp7WuoeF/D2ktcyPFZzrBeQ z6RdYVYJVlg1CT95GzsAAfYfi/4k+CPAHhqTxj448YaTo2kwhfM1PVtSjtrcbiAgMkjBQWJAGSMk gCuC/Z+/bQ+C/wAffhP4R+K9tr9r4dj8cXl7aeGdH8Q6nbQ3l/NbXU1u6QoJD5zEws4CFjtIJA5A 8Tj/AOCfvxK+G/wF/Zn+H/g7WfDHjTUf2fmRLrSPGFzNY6Zritol3pbPG0cF21u0H2rfArRSgIpj JUt5q+K+A/8Agjd+0N4S+BWs/BKfW/hneN43+Flr4J1DWGku1bwQsGt63qC6jpMZtT9pdk1WFhCz WnlzWMTebIAu0A/TFWDjIFfOHgL/AJS8fFfj/m2/4ff+n/xnX0Zaw+RHsH5+tfOXgRwn/BXf4rlu n/DOHw+Gf+4/4zoA+kaKZ58YG4nj1pBOvTH5c0AfNulNj/gsDri4/wBZ+zdpJH/Adf1HP/oY/I19 LV8xWt3Fb/8ABYXUvNfb5n7NtkFZm4+XxBdZ/wDQhX0dJ4m0KDcbjVrWPb/z0uFH9aAL9FYsvxE8 CwSFLjxhpce3727UYhj82rD1n9pT9nrw6C2vfHXwdYqv3mvPE1pHt+u6QehoA7aivHdY/wCChv7B Ph7d/b/7bXwisdud32z4laVFjH+9OK52b/grH/wS+tZGim/4KMfA0uvDJD8WNHkIOcYwtwaAPoSi vnG4/wCCvX/BL2AfJ+338J5va28b2cuf++HNV/8Ah8T/AMEx2fy7f9tDwTcN2Wz1AzE/QRq2fwoA +lqK+cYv+CtH7A10f+JX8a7zUAfunSfBWs3efp5Nm2etWo/+Cn37KN0qvpVt8VtQDdP7L/Z78Z3e fp5Oktn8KAPoSivnuX/gpZ8Cz/yDvg9+0BdcZ+X9mHxtD2/6baSn61Wl/wCClfgE7hp/7K/7RN1t /ufAfXIv/R1ulAH0bRXzSf8AgpFHNJtsf2FP2kJueGb4WtAD/wB/p0/WrEP7fvji9H/Ev/4JyftE TcZw3h/RIO3/AE31ZMfjQB9HUV89p+2n8dJyGsf+CXHx+mU9GbVPA8P/AKO8Soajk/a6/aunP/Es /wCCXPxSj/7CnjjwbFj6+TrU39aAPoiivm+T9p79va5P/Er/AOCZl8n93+0/i9osXbv5PnY/WoE/ aC/4KZXBzH/wTm8Hwjdw13+0BGvGe/l6S/OP8mgD6XPSvnv4g24X/gqH8Jb0PzJ8A/iGu302634L P/s36VVi+Mn/AAU+uDuT9hH4Uwjr/pX7RF2Mf98eG3pvwy+F/wC178Rv2s/Dv7SH7RXw2+Hngux8 IfDrxD4b0vTPB/xAvfENxqEurX2h3LTStcaTp626xDRtoC+aZDcZOzy/nAPo9TkUtNjXYu3FOoAK KKKACiiigAooooAKKKKACiiigAoKhhgiiigDxDxX/wAEzP8Agm9488Ual448c/8ABPv4I61rWsX8 19rGsat8KdHubq+upXMks80slsXlkd2ZmdiWZmJJJJNUP+HUH/BLX/pGr8Af/DN6J/8AIte/UUAe A/8ADqD/AIJa/wDSNX4A/wDhm9E/+RaP+HUH/BLX/pGr8Af/AAzeif8AyLXv1FAHgP8Aw6g/4Ja/ 9I1fgD/4ZvRP/kWj/h1B/wAEtf8ApGt8Af8Awzmif/Ite/UZxyaAPkX9h/4R/Cn4Gft//tHfDP4J /DLw/wCD/Ddh4b8BtY+H/C+iwafY27SR6xJIUggVY0LOzOxCjLMSckk19clFY7iK+Z/2cj/xs3/a Z/7Fj4f/APpPq1fTNADFt4ECqkSqF4UL2rwj9r348/Hb4M/FH4I+C/g14K8K6xbfEr4mXPhzxA3i bXLixe2t4/D+raoDbtDbTAP/AMS1jvYMPkEWz9+Z7f3quW+KHwV+GPxnt9HtviT4WTUf+Ef12HWd DmFzLDNYX8SSRpcRSRMro3lyyxnBAaOWRGBV2BAPjLWf+CzWreDv2afDP7T/AI8/Z803T9P8QrqG qf8ACKaX4s1HVdai0CyljhuNU8ix0WWOKNZSw3XE1vAqtb+ZcRPM0UUvws/bx+IfwT8SeONV+PWl QXHgGb9pTxB4PtvG2seN9sui5TzrbNs8BSPTY9hjaU3CPCSX8hogZB9C+K/+CdH7FXjjwTpPw58T /AHSbnRND0O80XTdP+0XEaJp93Iss9qxSQGWJpY45tkhYLLFHIoV0Vhbn/YC/Y4vPFOr+MdR+AOh 3l5r15qF5rUd9G9xbXt1fQPb3dzJbSM0Lzy28jwNMU3+Sxi3CMlaAPif44/8FL/HXx6i8N6T4Hg1 zwDqnh34la7pOvx6fdarb2+r2cnw58RarZTIb+w0+5kj82KCVd9sE823SSJ5F2SH0L4F/wDBTX4q eGvBfw/+BHxL+C0OpfEXXvAvgK58L3X/AAnZltdb/ty3vwtxqN09mGsZUOj30sypHdA5jEbys5Vf ozw9/wAE6/2MfC6bdI+B9mG+3/bWnuNSu55pLj+y7jSfMeSWZndvsF1PbfMT+7fH8KkamtfsOfso +IrRbPWfgvpkyx+HNH0K3k8yZZbax0qaafTUhkDh4Xt5biaSOaMrKrOSHyAQAL+yj+0Sn7SngbWt Y1LwgNE1jwv4z1bwt4k02LUBeW8eoafdNbzG3uPLjM8DFQyO0cb4YB443DIPVPLTO4L0rn/hh8J/ h18GPCFv4C+F3hK10XSbWSWSOzs1PzSyyNLLK7ElpJZJHeR5HLO7uzMSzEnoqAADHAr4s8ffs0eA v2i/+CufxDi8c+KPH2mro/7OfgRrZfA/xS13wz5vma94w3ec2kXls1xjyxtEhYJubbgs2ftOvm/w Cf8Ajbv8Vz/1bf8AD7/0/wDjOgCdv+CXP7J94m3XZPinqnOW/tr9oLxnfbvr9o1Z8/jUD/8ABJH/ AIJ73TZ1n9nGz1XP3v7a17Ub7d9ftFw+fxr6QooA+ZB/wRp/4JWPdfbbr/gnt8I7mTy9m688E2k2 RuJ58xG55PPXnGcVdg/4I/f8EqYRhP8AgnB8Dvo3wt0ps/nBX0dRQB89xf8ABJj/AIJb2zK8P/BN 34D/AC/d3fCPRjj87auo0P8AYA/YQ8MFT4a/Yo+EmnbPu/YfhxpcO3kHjZAPQfkK9cooA5fQfgh8 F/Cu3/hF/hF4Y03ZjZ/Z+g28O3HTGxB6n866WO2ghjWKGFVVRhVUYCj2p9FADfKjHISgRIBtC/hT qKAGmNGGCtBjQjBWnUUAN8tP7tLsX0paKAG+WmMbaPKj67KdRQAhRCMFaNqjtS0UAJsUcYo2qO1L RQAYHpRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUN0oooA+UfGHwF/b1 +H37YPxE/aD/AGYbj4SXuj/EHQ/D9pdWfj661SG5tZdNju0yn2SF0Kv9qJ5ORtrU+3f8FjP+hf8A 2aP/AAceIf8A5Hr6aooA+Zft3/BYz/oX/wBmj/wceIf/AJHo+3f8FjP+hf8A2aP/AAceIf8A5Hr6 aooA+Zft3/BYz/oX/wBmj/wceIf/AJHo+3f8FjP+hf8A2aP/AAceIf8A5Hr6aooA+Zft3/BYz/oX /wBmj/wceIf/AJHo+3f8FjP+hf8A2aP/AAceIf8A5Hr6aooA+Zft3/BYz/oX/wBmj/wceIf/AJHo +3f8FjP+hf8A2aP/AAceIf8A5Hr6aooA+Zft3/BYw/8AMv8A7NP/AIOPEP8A8j1Y/Za+Bv7WWk/t UeOv2oP2q7z4epfeJvAPhzwtpWl/D+4vpY4odMvtZu2mla7jQ7nOrFQFyMRe9fSVFABRRRQAUUUU AFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAf/Z ------=_NextPart_01DA2133.C362ED20 Content-Location: file:///C:/E036A6C9/diego,+1443-FINAL(5)_arquivos/image002.png Content-Transfer-Encoding: base64 Content-Type: image/png iVBORw0KGgoAAAANSUhEUgAAArcAAAGXCAMAAAHpALh4AAAAAXNSR0IArs4c6QAAAARnQU1BAACx jwv8YQUAAAEmUExURQAAAFRUVD8/P1dXVz4+PlhYWFZWVlVVVS4uLlBQUAgICD4+PlhYWFVVVVdX Vz4+Pj8/PwAAAD8/Pz8/P39/f1lZWYCAgD8/P1hYWFhYWFhYWFRUVFhYWExMTNHR0VdXV6urq9LS 0j4+PldXVz4+PqysrFZWVldXV1hYWFVVVT8/PwQEBD09PVhYWFZWVlhYWFRUVD4+PldXVz8/Pw0N Df///z8/P9nZ2UBAQFdXV1hYWD8/P1hYWGhoaFhYWD8/Pz4+Pj8/P2lpaVhYWDMzMz09PVhYWD8/ Pz8/P1hYWFhYWEhISD8/P1ZWVlhYWD8/P1hYWFdXVzw8PFhYWFdXV1hYWAAAAD09PVRUVFhYWFhY WFhYWD8/P1dXVz8/P1hYWFdXV1hYWCz25pQAAABidFJOUwAh1YCv50c8/xP/v2Ieq4ZY2wTa//// 4vThjTa7Cv+d//+md+f/PpL5M4DzIcBh7hVidDzb/////x2E9MX/suG7jf/NCjbVnQivGg75WNLu v4YV2jri/x0kaNdCsl3NnqY349SxWQAAAAlwSFlzAAAXEQAAFxEByibzPwAAPllJREFUeF7tnYFj 28hx7qH6El0avstVCX1ny7pL0/TVcdVnuZdr1F6q1PGdQuVVvcSO1NfWzcv7//+JN/PNB2CwBLAL AhBJaX+iQGAwuzszO1guQRAsZuP59TXXpuX5csm13eQHX3BlMl7rYvUK9b7VxfS8mrre29vbL2+5 Tkbmw5eK1nt7i/Wy9oXW+4vNQY2/EGtliXohZeXG+yOuDOGxovY+vsV6EA2Ael8XH2MjEbWxLQ5r vP7W6k3sWqsRceivl5wm1qt19dtr+z5bz5herJT8SylbNx7xeb3lLynvxzTrUuv12r46Umn1hqXW fbW6TM/WQz7gs8c061Lr9X6oFD++vf3sluuef5H/D6zi1xhpiGlKrSy1Xq+12R6HjztzOiy1SRza MM26VFnvp9Xrhe2zPLP1Cts0o2y9wjblPyj1eTXuoGWOI7ZeYZtJu9bHHexrjy93waj2XZvF1zaT dq3Xa/umim9N2PJU9n6mFLcfthTmrlvZ2bGrKlXWuyjK1zdtcso4lPWaIbbP1itsM2nXehxsnxll 2hXclfMMm0m7uuytI7UexCHxvanmUTbD+HU1w3hMuWCbskMK23qFbcqOznmJGaLNR53dYhxqrIDp 2XqFbSbt6rJ31/PsDZ/XI7UexCHxrevdQzCxvllgvY0rPrdwJRO9i3qy1+RodVYc3iwOZbQPWRSr S3k6sa0G2HX1SCLaVW/mbpFcLxY/k4NK1m8eFQuZIt7eXv52KUNrd9IkcVMszrj2qLiwqedS6j0a We+mXBRvZjmSD+vXoVaa76CnI7ne93xOJKFeDCrvtV7/PinCoDi8/hVX4qTVe/sjHdY9i+KqZ/CL 12uvHvaiYeslmmd4D7MRqPEX8iokb4RQL6SsuuKHfK6J2cvpzrnaa+ud8F2wsXkc1tF6v/7E1mP1 ssa2V+p2Euu1ulg71tewnToToEBJs9fyzNaNg+KkfCm05mxf1fLG9tajju2Uf9lXaUwQXxNDr73e tnMbdaHOenlGRSaUtg4h632hC6v3WyxLWOiftV5bX8Malf+WOKDeNqzQuDi0URdq1ntYn/+1nZZn WFWsXtvEexNdtV3ANtfzzI07aA4Dia1DaNgmdt02d+nW+hkaVm1gpy7X44s95grqhRDons3ja5vY FdSrW5E8s52TxbfCmrN9VcsT2MszKre3ktuVhtWLPTjZEtZrhWTH2hmak3K+Y41OFAcZz8p6rTnb V7U8Xb/lPENztq9qeffiW82rbVohvkoV1QzD6rXNW5l+yP5yF9Ct1nnJ53zemzhUmNiqqDSms3e3 8+y6nu/YTvmXfZXGpvF19e4xFzdcqbjgcwvYpZMFvpFu5WRVFKu2ei+Lwzcvpej6u1Psui4ue+vN 3CW3xYGec5HMXy4Xy6WeHtMDdfEzPWUyCtSrp16Wi79bPoPoqlicLf8+Vu/F0+L6zXU5tu88F4tx 5tq4tDdMbe7rV++/4OocTGHukZ14Ml6X5r6a41qgaaLberXMq501986Y0lxMFwAF6zyVF9Ftjgy0 T9B1nYjVUziDisbTxZPrq+u2c5Pnr8651sdYczHpAk0TKWz7gLAFSfLvl+eH/licf3PelfVTRhez Rn0MNtdxipPaX2NdT7R+1bB8N6LbxdF58cmk5tI+QdejudsKHRMo6GYXoosTKkDr0Mtb9NRKK2PN ZTtCYWdw0FynufqJ7Il9sIqTc0DtM37xC3xErw8vN7UpYIWCrpfJ0JSXwOAW6JjgesjLTU3ZhWRg IUHXdWSRhchZQ6e5H78o7DplGU/siTQmMQ3QCpDqy44caC41hYHRfVEU33A1EVYoTBPdKne93NSU scnACgVdHz+QsRCKUdgd3QqWiTfGCoWmiRSG0W1988NCgq5rMslC5Kyhw1wUUGy97BOcpQGm1sRK KFJ9WUjXS7S2mlZzcfIPFHYtl51IrOWmpjhzuQ97UQInEu0kIzC1JtwlaCEtUZ+0BE1zW6FjgnPf y01NceZyH/ayDMyltD263CW4QlKKwhkHMhRQbN36VVZZpt1cK6FI9WUhXS/R2iJQU2gaQWGHudyH vSwTN5e7hMD0kgRzWUgYMpBxHzWlhCShrJtMMbUm3CXoenQgWzwvlkV4DomOCa6cl5uactfRPZYp jo0MnEgILCTouiaTLETOGhofcNaggGLr1ieyyjLtpayEItWXhXS9RGsjsLcFago7F9028GE6KOy7 EfbBfC03NcWZy33YixIyZKu5lLZ9PN9s6hYf5dcXAYAEc7WQoevaO7IQOR3uiC4KKLZu/SqrLNMe XSuhSPVlIV0v0doiUFNoGkFhh7nch70sEzeXu4TA9JIEc1lI2LWBrPi0Zc5AxwRXzstNTbnr6N7s 1YysFWoKTSMo7DCX+7CXZeLmcpcQmF6SYC4LCTuXu23QMcGV83JTU3YhujxRIWgd9WkR1tBhLoto IW3ZznDEzGURQV4aykIDzVX7jF1LBh0UeBanho4JrpyXm5qyC8mwn1Tfl/+TPR0+/9M7W+tGr4g3 lscyputzsVxB0IMrdVYc6PPwj9qPitXF2UmxOpRm38lS3jWvfci/xsXi8lqKXNoLjxRH67HGXamT 4lifzs7M2XFEowvKaJYNRqMLSi1EN5OZm/VEO1w/RA534ZoaGcOLvz/Q4xnGYHSXQevw5p0OXYdv dFjAq0RxfXZ28tLUlhwztkY1ZGZa6P7cYAdZ7pe5dXTd3GpuNmtKS8mBInOQcuuO2Nzcmh0wt/Nr IGBHzS2vRQjZCXNfF8XHH3z8R9vAF8cqc0/fN74fuBPm6vViBc0Vu/FMTpvflNwJc9+/0tsiMbpN TmWfYyfMLYrf8HmN3TQ3lV0z90t9z/6Xt3plfRu7Zq5aC7gdYKW2+yJs5z4EWaex/WdgtmsuDTQT 9ZnJAJkCLRCYuxVolH0YJ/biIeuMbePDOJjZGt0/Fudvz7teDUfjmqJR6clQ0tiSkbvtRmUT4Zri VQu42EHPWOqHcVgvgRboNleve/zagq6cy9+UuKYQTUXXy2SQdcZ2QHQ5v9AX7trySXBN0aiRyeB4 WxQ/Lb7PDeELPo9gTnOVKrqvXgQXtG2Ea4oGjkyGLs7PZzRXTI2PuyVJ5hYv3k5rLmM4Khmo6XUn ZWJzWWotoaaio6mEZHhaXBxeHJZbhJ904RMy/Zjr9s9v9fvfk9HRFD9V6/sI77jNXGqGPdT/kdMA 4k11J0Nlbg1LhfMOCgVTmwJWiCqrZAjkJWrlqiW61KwTSrpI3JwjumhG0fUyMrLOhtajW+K2qBn2 0E4kQ8mk5srL4PtXzTeyjonNZSkrp8/JycBb4eDd+Ac0V54+/qAxH+1oatNk4CVcdkXYZ7yQTFYp bb8iTDiqzMUkIyW6rBBVSjO3t38tbQVy0mkuHQt7KBpdMbf6gLJ+rRarX+upsJp4U3eRDEfF6pPW G4CF52k6mto0GVhDWAeFgqltTF9kNpiR0bGwh+7tQMYiAgVNNje39bMJlkK55GTgLqEqhIMcIkDF zqaSkqHlPAM16zpSDjUUALquJcxJFvFX1cQj0xXdf6zNraEmTqGwNp1r1OaaWhPuEpqTIQrFXCo2 4L6wqUFncXhGwr6w8RhXWOnXLQZ8YcMK3d7+2slbo8t9o06LaDEg67uVDDVui5rQZW0wgtJ2c7lL cIWi5nJf2NR9NpelrJw+73YysIawDgoFU2vCXUJVaI5xt8Rt0bGwh3LuTmIuS6HcHiQDz1SEp0X6 o8sigjamJfQRiy6LpJ4WWRaH61McaoY9tBPJcHHYO8XZrWQ4qM2toWZ9akVH0dgUBwWArmsJfcSm OCyCpuhk3wdV123RpeZOJkPJ/prLUlZOn7VrY+aiAND1Mhli5rIImqqSQdZZJslcnpEYdlqEu4Sq 0O3tj5281Vzuu/vTItwluEJSisKcDCWsIayDQsHUmnCXUBWaftytcVt0LOyhPJBNYi5LodweJAM1 6zp26FBrOc9AzbCHdiIZ9uy0yF6dI6txW9QMeygPZJOYy1JWTp93OxlYQ1gHhYKpNeEuoSqUX4Qr 9tdclkK5PUgGnqnYwdMiNW6LmmEP5WRomqjPvckgr79TXS2CAkDXtYQ5ySKTjLvt5lIz7KHtJ4Mz dz/I33neDv4+WrwXQJxah2uL54vlsa120yil3889Kt6kfZ2+pu0O74N+eNF+qm/xdMBvAdo7BU3R p1xL5vrqbHXwjt9OtmXKTQiOLp8dq/J37C4JxXGxSDg+ylK/sxsJHBxMYm5KdNmwxFXNPSguFinR tVIjoguYQcNu7RDmajR3QanF78MPzd1MJpN5CNzcNG4acqGvB/YS0eAq7cY48yLT6MX12fJkufqU m/L69ejlSbFcPNKPxW3eorPti9XLxZWomXxLyEz/qDiTl06LHcx98qm+lB6+OdZ7okAs7yKODmRd 1d4Vy5bY3yVnLyW6XC8uPpf4SXQvni2Lv6vjuChWzzW6he7dWnSNO27+cPlclvq7SKN/GykTgp8c O7ou3ug/JJnJuND3UWFweS1JZmMsju3B5fMdcD+b6msrB3csObgRcP+j98Ur+f9i6H0fcnAJvlB3 9HHxQv6b96PQrW81wDm4MbqaKr/zp8F1t2myULdlLgq8fvu++W3BBjm4FcjdDzScwT2wum6TIAVO JbhdXyLNwa14LUH6lYZ1bVjoAFHNwW0waVOd904zcnBnJAe3D/sAvQH3JJGDqzBwHpN/yV8NsItA eGVFMtYWPg98wG9/ea2SB/LywqX6YcHldSCO1qCXbT3scwuMkAdyS9oGkFPH0RPch37ihoHzmLxj WDBRA8gD6rY+53NFp8erb2w2+KpnijeMXQ0uwtl4UL5GJLhrdO76I97wfV/eDCbNthPYdnAZIQ/k FucGkFPHMVVw35+fv7D3MaeNN9tlQqe+xXHk4Na8Lj4pzs/fFn/GbcMS+lR/6T08faSnPH5y1PWT 79sPLgPngTwYE+Qxf3BbQUIXp9+0vDk/eiF7PtGwd7Dt4PLLph7I9Vus+M1H+2KqPiCnjmPm4CKh T8/PP0BSN/hETznvcnCZfh7ILa4NIKeOY/bg9rDjwWXgPJAHY4I8Zg2utdyAe8awq8HVcE4yz12j dRc7ysM9Y9h2cOmJB3IGzgM5dRyzBpdNOyBO5H4HV9/zXhSHJ/pvkg4z2IQHcnklrcYle0D8F9Rx QB6w7eDSNI/JxY/Rw8KFXpE/KriMqPKhmUHxGpAH7GpwzSn/oHyNnuDi6w5JwWVdHsjNIo+JqeOA PGDbwaVpHsjpigdy6jh6g9vyLa9WM/ilfQ/k+q3+5gPi+o4CFZAHbDu4NM0DufpxbkEtHYScOo7+ 4K7TustaamByHjXCHQwLH+vE2S4mGHpibpBX5pR/UL7GJMFlXR7IzSKPianjgDxgaHDlDbUuXwfB 1Y/H9d23XtgBhRZGenWfgmvnKb7SuDVAcCFrZu4PsNSd+xhcNuExOY8aYdJh4VQvDfgkiJUm5urj 118zVx2It5426jzpOcgrc8o/thLcjnkuVTyQB3RaYZn7SeLIqoMErpoJL0hyDPJK/diBt79swmFi 6jggD+ixQpKXz9Mw0itzizqOfQ3utOxycNmEB/KZhoU2XBsy81TsIoM0BnmlbdzhsMBLJjyQl9dM CLxvjInZsQ7IAwYGt743DR8Qs35Hm8eDvPJt2MOqZP2OnuCmX7fAujyQq8dNTEwdB+QBI5saHVzq eyBn9R7IqePoCW7xj58nBpdNeCCfYVigvofyqg0/LNhqE+g3GdaUtDHBWbHUzGVVHpObt4ocPLpB 8RqQBwwMbtVG+YCY9TvaPB7UlG/DHpSv0dYU2zpcflrchF9PbTWDdXkgN4s8JqaOA/KAkU2hrd0d FtrIwb3r4LIJj8l51Ah5WCgZGlxeA+GB/Me8ZqJ+QFzfSLwC8oBBTbk2fm2B+DHE1HEkB5f6Hsi1 jTu8KIQd5YHcLPCYmDoOyANGNoW28rAgQB4wrCnhfg4L1nIDyOWQCcyAmCoeyAMGBrdqYy/mua20 7mJHeSBnEw4TU8cBecDIptDWPRgWWJcHcjbtMDF1HJAH5OACNuGBPA8LLVhbePur1yzkt78lkPs2 7EH5Gm1NVW3dJAaXdXkgN4s8JqaOA/KAkU2hrd0dFr4j/0nB5TUQHshnuCiE+h7IXRvlBRsQU8eR HFzqeyD3bbBNyKnj6Anuy+Xy4OxwubR7i5FWM6ylBibnUSPkYaGktS2jdRfr8kBuFnlMTB0H5AEj m0JbuzsstJGDe9fBZRMek/OoEfKwUDJVcPM8t4WhwWVHeSBnEw4TU8cBecDIptDWPRgWWJcHcjbt MDF1HJAH5OACNuGBPA8LLQwNLi+Z8ECuLzHyUKa6KITVeyB3bZQPiFm/Izm4rN4DuW/DHlYl63dM ElzW5YFcPW5iYuo4IA8Y2dTo4FLfAzmr90BOHUdvcG9w3cKV/lPSbgab8ECeh4UWmsHNF4VUQO7b sAfla7Q11RvcNliXB3KzyGNi6jggT4H6HshZvwdi6jhaf0G9Dep7IGf1Hsip42hvipG8KZ7okKD/ lLT3MevyQM6mHSamjgPygJFNoa0xmUt9D+Ss3gM5dRy9mdtC6y424TE5jxohDwslQ4PLayA8kOeL QloYGlx2lAdys8BjYuo4IA8Y2RTaysOCAHnAsKaE+zksWMsNIJdDJjADYqp4IA8YGNyqjXxWLADy gJFNoa17MCywLg/kbNphYuo4IA/IwQVswgN5HhZamCq49FbJL2glaMvel10Uh/gvaTWDdXkgN4s8 JqaOA/KAkU2hrV0dFuyMgl4Uov+QC61m8BoID+T5opAW+oKbGYuGUYeF1bUOCfqfyWQym+JP/pbo T9Suqp8rvyieiuSg8Vu7m4Drh5tY476pBX6RYdgPrbfQ2Vb9g+qHZ9rweLf6kDaL1c8+XZ0dnLz7 7ueFXiQJ3z4qVr99CY2L5XOVPMPGCPQHSC//5uyyeLb6w8tiYVdiqnN1U9r0U2nuoHpB3pDWtn4n tR4dF5f/8U+6JS2/kY4c7VYfeB2UTtTgFm9WZzrRYHBl/clyeaZZME1wF8Wl+CwOHx+eXOKjqANN 2ropvcRY1SYI7lpblrkaXHFzufz04OxiuXw0b3D1Yl4JbrH8pbh3Vmfu6tgCbb8nfDPB8bOQusXh xX+Kb/9m2XSwXGJYKJt6KSrW3Eha2hLX1IV3GlxVUYeezjwsOKrhaG7qQXZ+7rKtTCaTyWQyme1w hTdFXVws+Vti9bnQPlbX8raC6w8anMLXt0RrZygUnKK2N0ygGdzD/2oW+rlq/1zm9pctwb36HVce EAzfwffODs74VnMl75iJ7vzQgvuuuNH9N7oib6ZXx/rm6Fn53gzgQx6p7GqBN8Typoa1ocgB3zI/ IBjc4pfyTrIKru0S8HngenDfWXD1qRFcq+zg7EjekWtw37E2lH2AwW2SNqaCy99zJYHVb3FaK5PJ DGO5PNbTg3rOTk8bZqbDTgWHH6xnpkA/rMmxnYcjjAk5tnPQPibwgpHMxmgUW2PbejnVTNxhW3fd VI7tLFhTMt7aXZncHCzHdizdTeXYjiXHth/7nSX7YbXO36fqIMe2H/zwl8ZV/rt/n6qdHNt++MN2 R5q3ObYRuprCD9jZL1l+AUGJjgqnv9HczbGNkBLbryEhGHFb8hYFPhFx108w5tiWMEL6I6E+tvjJ UAng+niLAl/pLmy2kGNbgRh9EMRWf9TyV5qca0Gs8raTHNsKDZ28dIVjQlHoT4q2IQXymODpaIpp Kf/rse2CsdVyreTYEomR/bStxJaiXiyoObaenqaG/SQrOiOPCZ4pm4p0Ro7tfOTYzkeObR+NWyrI 40d6lVUyObZ92IVmHu5IIse2DwbUwR1J5NgqDJzH5BOMCY90cdG8p8JDii0utW4COePsMDF1HJAH NGP7UD/n5d2yPZDjZkRKdaduEzOgDsgDcmwVC2ADk7ePCVTxQB5QNvWwr09g8nkgZ+AcJqaOA/KA ntg+IBg4D+WSrEp1nzITM6AOyEM0jA/+uhoLYAOTW0CrxyZjgsR27d5L3f7q+c0vzr8qzs+HfjrX xbZjy+TzQM7AOUxMHQfkAVVTB3yu6Pb3h/KvnyN90H16bSDbji0D56FcklWpxgQTM6AOyAO6verc c/RCQorP6FbfUDSWbceWt6zzQM6b6lWPf2BsqeOAPGCD2L76WtP1338jA4MJxrPt2DL5PJBb0npM TB0H5AEbxPYTDAUa2/cmIDoMvzr/VwzFA9l2bBk4D+V3OyYcnZ+fc0z4F4qMchjGrmFsO7YMkAdy C6zHxNRxQB4wPLZCOd42XsowDOtlKDm2ZLPYnr7VA3/1ltvAhmEZMTBcNJG52tHbn3CjhW3HloHz UH63Y0IXNgyfytRhLbY6n/jibc8ovO3YMkAeyC2wHhNTxwF5wGSxtWG4+CmHiwbvX0vQ30pGd7Ht 2PK3RzyQ89dRqsc/M7bUcUAeMFlsBcnb04/bYvvHXY8tk9JD+W6MCRiGv5XkXZuDnb7d9dgyQB7I LbAeE1PHAXnAlLHt4v35+Ys9zVtL1uqx2fnbdab0N48JTaaN7Sd5THC07mELHu4ZxbZjS1c8Jrdk rR6zjgnsJQ/3jGLbsaUrHsgZOIeJqeOAPCDHVqErHsgZUIeJqeOAPGBgbNmCB3I7ZB6bRCbZsgF5 ItuOrdndwOTmV/XYypjAFjyQJ7Lt2NIVD+R0xWFi6jggD2BTj+RN63XCb8zywggP5JilNB+QJ7Lt 2NIVD+RwRRlx7cfiBLHd/Jen7ZBZHxNM4PkLyAO2HVva5jG5+VU9NhkTvvM0MbbsJQ/kbMEDOXUc PVbcCSPdMjF1HJAHoKmj69TYsgUP5UEPM4Zs2bGTsaUrHsrFFUVGA/PLxPTFAXkAmsLPp6zFtg1r qQHk1nBjTIDcBA0g3zFomsfk5lf1+NEwryyQeUwIgZyuOExMHQfkAVVs036Lni14KA96OI8Jrine f7qm1Qhe6eAxOQaExo8CmnyNnYwtbfNArn74x6zXfrCXPJBbUBtATh3HTsaWtnkgpysOE1PHAXnA wNiyBQ/l5VBQPSBny44pYqtfvNcv1OoX7xuf4ycw3C1l3JiwRuse1uSB3CxoADl1HFPEFp/I6beU +76p3MFIt0xMHQfkAXsZ26L4AZbhDSOQxRr4nstPdje2bMFDeTkUVA/I2bJjWGxx9J++/SBIz2+x fF3e9YDY1iaxpSseysUV5T6OCQjS67eakg1e6wJhbQT9CKOv7oRCGyPdMjF1HJAHDIwtr3TwQG6X RsjkS/kxNiCnjmNYbHH0n74tThu34rC0lPAFY8KpXdCjokbIPYPcUj/8Y9ZrPyx4DSgvh4LqATl7 1TEwtnr0S2ybh7jG9le47VEwT0De9qbtBm4p93OeIFGS2Or1p03Wruersrg3bce6ZWLqOCAPGBhb tuCB3DpV3rkocvBUPbwO5AGdVuDol9h2x8ohsX1h95zR/w4GucVkrR6zfqbDmjyUB1ZMNCbg6D99 K1FLJHrPmeFuKff1vUPL0T+CkW6ZmDoOyAMGxpYteCC3Tp1+TJieQW4xWavHTn3OSx3HTsaWtnkg pysOE1PHAXlAjq1C2zyQ0xWHianjgDxgYGzZggdyO2TuZEywWqwNPrgniUFuuTbwuO9jAqv3cE8S I90yMXUckAcMjC0vjPBAjllK8wE5W3aMj61vRvnzrqbSHaYrHshdG2zQxKzfAXmANYVfrU/5fQdr qQHkdshMOyZQ3+HE62OCyRtAHjDILdcGHhuMCfYRZMr9E9hLHsjZggdy6jjSHWYBB8Ss3gM5dTyQ B4x0y8TUcUAeMDC2bMFDedDDjCFbdqTHlvU7TOybUTqHn/TYWkUNKK/aYIMmZv0OyAPY1O8komNi aw3nMaFBT2zbYC95IGcLHsip40i/roYFHBCzeg/k1PFAngL1PZCzfoeJqeOAPETDmMeEdSiv2mCD Jmb9DsgDBsaWVzp4TI4BYdprP1jAAbFvgw/IqeOBPGCQW64NPDa59kPmYGm/scVe8kBuDjeAnDqO 9NiygANiVu+BnDoeyANGumVi6jggD2htCrTuYQseyu2QcQ/I2bIjPbas32Fi34yy6/OEFlr3sCYP 5GZBA8ip4zB5QGJbELN6D+TU8UAeMNItE1PHAXlAjq1CfQ/krN9hYuo4IA8YGFu24KHcDhn3gJwt O9Jjy/odJvbNKHlMKDF5QGJbELN6D+TU8UAeMNItE1PHAXnAwNjySgcP5PI2SR7TXvvBAg6IfRt8 QE4dD+QBg9xybeBxb679YP0OE/tmlDwmlJg8ILEtiFm9B3LqeCAPGOmWianjgDxgYGzZggdy61R5 56LIwVP18DqQByS25cTWBh9O3gDygEFuuTbwuDfXfrB+h4l9M0oeE0pMHpDYFsSs3gM5dTyQB4x0 y8TUcUAeMDC2bMEDuXVqHhMaDIwte8kDOVvwQE4dR7oVLOCAmNV7IKeOB/KAkW6ZmDoOyANybBXq eyBn/Q4TU8cBecDA2LIFD+R2yOQxocHA2LKXPJCzBQ/k1HGkW8ECDohZvQdy6nggDxjplomp44A8 YGBseWGEB3LMUpoPyNmyIz22rN8BcaMZZcev/WijdY+11AByO2TymNDAmlouj3VxnT/TqYCc9TtM TB0H5AFoCp9FyuINPo+EvMMItuChPOhhxpAtO9Jjy/odJvbNKDv/vmxkbK3hPCY0YFMHZ2mxZS95 IGcLHsip40h3mAUcELN6D+TU8UAeMNItE1PHAXkAm/oOBoZmbNtgCx7Kgx7m9TNs2ZF+XQ3rd5jY N6N82NVU+nU1VlEDyqs22KCJWb8D8hDE8UBeypLyllc6eEyOASFf+9HAmnop/3lMaAA563eYmDoO yAPQ1MFyeXWTNAdjCx7K7ZBxD8jZsiM9tqzfYWLfjJLP35aYPCCxLYhZvQdy6nggDxjplomp44A8 IMdWob4HctbvMDF1HJAHDIwtW/BQboeMe0DOlh3psWX9DhP7ZpQ8JpSYPCCxLYhZvQdy6nggDxjp lomp44A8YGBseaWDB3J5mySPfO1Hg4GxNccaUG6HjHtAzl51pMeW9TtM7JtR8phQYvKAxLYgZvUe yKnjgTxgpFsmpo4D8oCBsWULHsitU+WdiyIHT9XD60AekNiWE1sbfDh5A8gDBrnl2sAjX/tRAXnA cLeUPCaEQB4w0i0TU8cBecDA2LIFD+TWqXlMaDAwtuwlD+RswQM5dRzpVrCAA2JW74GcOh7IA0a6 ZWLqOCAPyLFVqO+BnPU7TEwdB+QBA2PLFjyQ2yGTx4QGA2PLXvJAzhY8kFPHkW4FCzggZvUeyKnj gTxgpFsmpo4D8oCBseWFER7IMUtpPiBny4702LJ+B8SNZpR87UcF5AGJbTlxHhNG5S0LOCBm9R7I qeOBPGCkWyamjgPygIGxZQseyoMeZgzZsiM9tqzfYWLfjLLr78sOzvAdf/yTQUZYw3lMaMCmnlps o/dPYC95IGcLHsip40h3mAUcELN6D+TU8UAeMNItE1PHAXkAm2Le5vt+VFBetcEGTcz6HZAHDIwt r3TwmBwDQr72o0FPbNtgL3kgN4cbQE4dh8lTYAEHxKzeAzl1PJCnQH0P5KzfYWLqOCAPsUDmMSGE 8qoNNmhi1u+APKCK7epa4qrxNUGHEazJA7lZ0ABy6jhMHpDYFsSs3gM5dTyQB4x0y8TUcUAeUDV1 wOeKHNvJYrtG6x624KHcDhn3gJwtO9Jjy/odJvbNKPkznRKTByS2BTGr90BOHQ/kASPdMjF1HJAH DIwtr3TwQC5vk+SRr/1oMDC25lgDyu2QcQ/I2auO9NiyfoeJfTNKHhNKTB6Q2BbErN4DOXU8kAeM dMvE1HFAHjAwtmzBA7l1qrxzUeTgqXp4HcgDEttyYmuDDydvAHnAILdcG3jkaz8qIA8Y7paSx4QQ yANGumVi6jggDxgYW7bggdw6NY8JDQbGlr3kgZwteCCnjiPdChZwQMzqPZBTxwN5wEi3TEwdB+QB ObYK9T2Qs36HianjgDxgYGzZggdyO2TymNBgYGzZSx7I2YIHcuo40q1gAQfErN4DOXU8kAeMdMvE 1HFAHjAwtrwwwgM5ZinNB+Rs2ZEeW9bvgLjRjJKv/aiAPCCxLSfOY8KovGUBB8Ss3gM5dTyQB4x0 y8TUcUAeMDC2bMFDedDDjCFbdqTHlvU7TOybUe7L+zJrqQHk1nAeExqgKXxKdnRdXOk/xEKrEewl D+RswQM5dRzpDrOAA2JW74GcOh7IA0a6ZWLqOCAPKGN7gvsn4B4KpNUItuChPOjhPCYMji2vdPCY HANCvvajwcDYspc8kJvDDSCnjiM9tizggJjVeyCnjgfygJFumZg6DsgDemKbGYuGsTW2mUmQ2BZP JK6NeUJmMj7ncyaTyWR2jkV9o7aSozNZ6MW8xnJ5fHS2OubW5uht4QIWy+eybDQl/4/ecXNzWto6 XH6qTzfYEP4kopMJ3OrholhwreJQfa3802mHSCqbNqVt+mKNN5oqHvlgb0h3W3UwJdLS8Gi3+rjg swOuiYuG2KmStR4YitazjlZbNSUgtg3JJrS1ZbGt3bgpjh49Gu9WHxrby785uyyerf7wUg5Si2Rx dFxc/sc/qcKRHKgiOSgv898U9Xf1s09XZwcn7777uRy1kEre1E2haT2cn9nWxrS29Y86Q/2oWP1W bwqqLS9OHo13qw/tzsuja43t8eHJpb6l09jKsYN12HmlsZ3iOF2dXcDf4s3qTN5FSlNyiNZN4Ra+ mrtjj9TWthDbdwW3pI0bOT5Gu9UHYiupG8RWk0msWi4/LWM7Qd6Kv+Ka91djWTeloVa1KfJ2rS0b EyRvZevJcnl2Iwfk8g7ydj220qVMJsZ29MDU5u8BxsWqKb2FL2I7wXjbEdsFYqs6emzMPN7qHExi u/hPyZx/q8dbOXhKh228Hf+CKgOp+Fssfylpo8OqiF5iWTWlt/BlcyNpacvmYKvjZmzHu5VEc64X +DfpRDCYv66Fcvz8tiasqxnMSd3q4a7amTZ2Me6yrUwmk8lkMplMJpPJZDKZzH1noaejOznCCVTF zgjHeKLn6jPk4OzgrPs0Mz5LAG+STntLT+TY8oJijV7rhyO8ktjF1p7I1e+4Qqhe/K+z9dge/teD uzizDMejp8VNsVi+0c9PLv+mTE7uRWxlx3eXmreyIo/F8pE9ubGE6qvfXheX/4Hd8tDaav2HBMNR PLuU2PJzv8tq7MV3Nyy2q+ODM9l/cKYrhX5GKGPIgX34WcKD4FB6QuSrY3xuKLWhSPGs/KTrocBw FB/pRQVlbG2XwMgjtstlGVv9qFBii6e22F5IVSo/+Jy1aZHDJT+vfTgwesXiOhZbl7f/4xh5K2vN 2FL9RqKLvF39zzK2WvbB5W2JHLQ3Op5ihKSsAnMwjJk23h4t//5Exk97Wp+7XcmU7gmuaCxrk6eL v3umTw+YtPmroi9YyVz+nisPl8OWJMxkMpl7yNGFDHdPcQ0gVg+vqudMZmexvEWSWr6+OSmfsT+T 2UWQpEbO28zegCRduHlCztvMHmB5mzJP4O1CMpktwmQclLdcuV/cT7fufWdZ3j4qVk+uLV87zyfk vN0jHkxnHURvt5Tzdo/InVWRQ7FHzOzVq3PhBVa/kLWv3trz+ccQzUfO24qctxvw2nJWOHovufrq A3v+4o9fUzwTOW8rct5uQM7brZPzVnEv/Lr6r9/0v/C/Vp1y379//zdf57y9a3LeKhsMoKJjpOVt fWQc/eQtDgo9OAaS87Yi561S5y2I5G2Z2241mrd1C1989Rbar8vETyfnbUXOW6Xxwl+cfvJ2xryV 2qG9ATlvK3LellgiCqc/lVfw3kTky7zmd+p5sPrIQN5aBUPJeVuR81ZwAyjTNj6AboC1UI631XGS Ts7bipy3gs+j028xKk6ct66FnLdTkPNWqV/4T7/VF3xJqdgL/zBy3k5Mztu7wR0ZnBXn+e0Yct7u ETlvK3Le7hE5byty3u4ROW8rct4OA/deikHdycl5W5Hzdhhfal5+iaXeJU+XH2Lpd1B3cnLeVjz0 vMV9AaNQWUBexqDu5Di3FkvBfrPuUFf1u2V8bpLzdo/Ymbz9OSW9/JzKUZxbdo8lJX+f9/6Q7hVT JwKVhYHzBJHESR6fc95WPPS8ZepEoLKAvIxBXWG+vJU5wXNMCnLe3h/SvfowCSoLt7effaap+c9Y 3nL511hWO6gr3LKCXjbJWyXfr+bhoqkWh8pC0jyBukLaeEvlBJiMlqz5fjX3jXSvmDoRqCwgL2NQ V5hrnpDz9oHnLTMtApWFckz9UWPI/Ussqx3UFVQSh8pRnFt60uv5cXFwczbDebDyyxmv9bK1F7hy 7YvhV6/NSs7bFKgsIDc5HeByK+cTktmgzCteduwvt9QU3iUeet4ydSJQWUBexqCusI95e/rTb9z3 m3+A1dN/mfSbH+N56HnLTItAZaEcU7c9T0hmcBkdZcu8Pf32N7Yis4Xd4qHnLYe8CFQWmGn9UFfY w/FWJwZuvMXq6oc9F7lT2WYVss5Z8bzkvE2BygIzsx/qCns5vy1TsZ7f9n2nKJwN+1nxfDz0vGWm RaCycP/nCYrk7epXH1cjKFY6aMyGq7HXZsUz8tDzlkNeBCoLzLR+qCvs6XgrnHJmG0FTus5buwdP NSvugWX4fbvhPPS8/SwJKgs46fUhlrdc/jmWfgd1hf3N20Qas+Hq1lE2K+6hnFy8/uqtPLA6jIee t8izKFQWHsY8YRhlklrapsxvq8lFHm8bpHvFIS8ClQVmWj/UFe79eKtICspsuHhtY2g1K+6mnlzk vG2Q7hUzLQKVBYypNrLe28/LNiBxNkzqyUXO2wbz5W2Zm3meMJKcty2ke8UhLwKVBWZaP9QVHsp4 OxybXOS8bZDuFTMtApUFjKmcDnB5X+YJj5Og8hQMm1w0eeh5y96IQGXh9vbxY03Ncyxvufw1ltj4 B1lSVxBhnB3JWx5FEai8bR563rI3IlBZ0NSMQl1hn8ZbGh+BytvmoecteyMClYV7PE+gNRGovG0e et6yNyJQWUBexqCucJ/zls72Q93JyXmbApUFdkc/1BVmzNvyq2T9X9MZEAoaH4HKgmw0XmVaX36o OzkPPW81vHGoLEQ7SqGuIJI4G+Xt6t0xniNfixwQCloTgcoCXI1B3cl56HnL3ohAZYHd0Q91hdny 9ujikd2yZrq85d0cIlBZ+OzH6qvdNeLXjdtJuB3UFWa9lcQ9Yb7O8rf3ELi8+/t+LN6cTJ23an0c Kguy0XiVaX35oa4w2yF8j5ivs6IdpVBXmKuz9PvnqXmbCq2JQGUBrsagrpAWCipnIjBeEagssDv6 oa4wdWcxGY8u9E0Y7iO6vfH2S7y+2KH6uHEkux3UFXQrDpWj5PE2BSoLZX/swHU1eZ5w75ivs6Id pVBXmLOzJG/jt6sZEApaE4HKAlyNQV0h522c3FkV6WVofAQqC3meMDnzdVbZH/fw+lseRRGoLND4 fqgrbP8QHoD+MCK/9/aKv5HoRLORO6sih2ID3HfkytWUr82NJndWRXoZGh+BysI9nieESRrL25bh uXwexHyd5acDApd5ntAFdYWtH8J1ch395K2m1Xnfz93/+/d/U+3Vr2T05a3bV672pnknubMq0svw XhERqCyIo427RnDZvJ0EdYVth8Jl0hdfvdWV3i8du7w9/amOm8j0aN6CcnXGvGVvRKCyEO0ohbrC PuUtTI9CZWHP5gkuuewrbT0362skoqUt6E7EcHj2z+nM11l+OiBwmecJXVBX2P4hXCWXJVTPLdR9 3p5+K+vrY2rA2vBcPw8gd1ZFehkaH4HKgmzYoWrL8hjGS061g7rC9kPRzFskYhecC4vi6becH6io 441W6/C8QdrO2FnRjlKoK2y/s2YMxX7PEya8hXrL8Fw9D2K+zir7I88T0nyjrrDtQzjMW7vxyDSs D8/VMD2I3FkV6WVofAQqC7Jhh6otd36e4JJL8nb1Z0PfNN0B83VWtKMU6gpb76wBZXg3hwhUFvxd IzpvJ0FdYfu3kth95uusaEc9nPt+qLdRqCts/xDefXJnVaSXofERqCzIRuNVpvXlh7rC9kOx+8zX WdGOUqgrbL+z0svQmghUFuBqDOoKOW/j5M6qyKEYBu2OQOWpyZ1VkV6GxkegsiAbYnu1vCfzhA4/ 8GRL3UHlovg5ZDF+Tu0Y83VWhx9NB6kriCTOrJ2VXobWRKCyAFdjUFfYfiiSoN0RqJzoVbJb97+z nl4XxcJ9MfKqeg5IDwXv5hCBysKe3PeDNfdDXUGNbvEjcJDKiV4luzVfZ5V+bPm+H0jSBZI08oXe 9FCo9XGoLMiGvb7YclfnCWpIFOoKHX7gyZaNeUKSVzOMtzAlCpWFDj+aDlJXSHIr1avAraPfp3wR PT0UtCYClQW4GoO6wpyh6IM190NdgXZHoHKiVzPkLSuOQGWBdvdDXWG+zjp4+bmtbG283ZPralhx P9QVsLnuR+AglVO9SnVrvs4q/diB62qOkm78wRvdJEBjIlBZkA1z2ZbtLz/UFWQrzgz3WVJDolBX 6PADT7bUHVRO9GoGt2BKFCoLHX40HaSukOTWAK+YjLPMb2lNBCoLcDUGdYW0UFA5ysRuUVeg3RGo nOhVnidwhXn7qFg9ubZ8neB8Ao2PQGUhzxMEbMehdoz5Oqv0Y0euvz3gJLeb9FDwKIpAZYHG90Nd QeITZ0QoumDN/VBXoN0RqJzoVR5vuTKAnLcpUFeg3RGonOhVzluuDCC9DI2PQGUhzxMEbMehdoz5 Oqv0Y0fmCXHSy/AoikBlgcb3Q11B4hNnhlCw5n6oK9DuCFRO9CqPt1wZQHoZ3isiApUFcbRx1wgu d+2+H7S7H+oKHX7gyZa6g8qJXs2Qt7Q7ApWFDj+aDlJX2Ke8helRqCzkeYKA7TjUjjFfZ5V+5HlC mm/UFSQ+cWYIBWvuh7oC7Y5A5USvZhhvWXEEKgu0ux/qCtvqrJr0MjQ+ApUF2bBD1ZblMYyXnGoH dYVthUINiUJdocMPPNlSd1A50asZ8hamRKGy0OFH00HqCklupXq1Y3mb5wkCtuNQO8Z8nVX6kecJ ab5RV5D4xJkhFKy5H+oKtDsClRO9mmG8ZcURqCzQ7n6oK2yrs2rSy9D4CFQWZMMOVVu2v/xQV9hW KNSQKNQVOvzAky3zPIGkejVz3vJuDhGoLOzJfT9Ycz/UFdToFj8CB6mc6FWyW/N1VocfWGIj3/ej AXWFbR3CrLkf6gq0OwKVE72aYbxlxRGoLNDufqgr7NN4S+MjUFmQDXt9sWWeJ3ST6tZ8ndXhR9NB 6gpJbqV6NXPe0poIVBbgagzqCtsKBWvuh7oC7Y5A5USvZshbVhyBygLt7oe6Qs7bipy3cXLeVqSX ofERqCzIhtheLfM8oZtUt+brrA4/mg5SV0hyK9WrmfOW1kSgsgBXY1BX2FYoWHM/1BVodwQqJ3o1 Q96y4ghUFmh3P9QV9ilveTeHCFQW8n0/hCSv8n0/uFJ9v6z8WuSVW2mSHgq1Pg6VBdmw1xdb5nlC N6luzddZHX40HaSukORWqldreatJaun65qReaZIeCloTgcoCXI1BXWGuUMRgzf1QV6DdEaic6NUM ecuKI1BZoN39UFeYtbNw/4Tp8pbGR6CykK+rEbAdh9ox5uus0o8duK7maeP2CXeft7JhLtuy/eWH uoJsxdkwFH2oIVGoK3T4gSdb5nkCSfWq6ZalbULepkJrIlBZgKsxqCukhYLKE8Ka+6GuQLsjUDnR qxncYsURqCzQ7n6oK0zdWUxGgWm7xfE2zxMEbMehdoz5Oqv0Y9vzhKdIUHe7GuYts7kmPRQ8iiJQ WaDx/VBXkPjE2SQUEVhzP9QVaHcEKid6NcM8gRVHoLJAu/uhrjBzZ8VvV5PzljX3Q12BdkegcqJX OW+5MoD0MjQ+ApWFPE8QsB2H2jHm66zSjx04n5BGehkeRRGoLND4fqgrSHzizBAK1twPdQXaHYHK iV7l8ZYrA0gvw3tFRKCyII427hrBZb7vxzqpbs3XWR1+NB2krrBPeQvTo1BZyPMEAdtxqB1jvs4q /cjzhDTfqCtIfOLMEArW3A91BdodgcqJXs0w3rLiCFQWaHc/1BW21Vk16WVofAQqC7Jhh6oty2MY LznVDuoK2wqFGhKFukKHH3iype6gcqJXM+QtTIlCZaHDj6aD1BWS3Er1asfyNs8TBGzHoXaM+Tqr 9CPPE9J8o64g8YkzQyhYcz/UFWh3BConejXDeMuKI1BZoN39UFfYVmfVpJeh8RGoLMiGHaq2bH/5 oa6wrVCoIVGoK3T4gSdb5nkCSfVq5rzl3RwiUFnI9/0QkrzK9/3gygDSy/AoikBlQb2NQl1hW4cw a+6HugLtjkDlRK9mGG9ZcQQqC7S7H+oK+zTe0vgIVBZkw15fbJnnCd2kujVfZ3X40XSQukKSW6le zZy3tCYClQW4GoO6wrZCwZr7oa5AuyNQOdGrGfKWFUegskC7+6GukPO2IudtnJy3FellaHwEKguy IbZXyzxP6CbVrfk6q8OPpoPUFZLcSvVq5rylNRGoLMDVGNQVthUK1twPdQXaHYHKiV7NkLesOAKV BdrdD3WFfcpb3s0hApWFfN8PIcmrfN8PrgwgvYxaH4fKgmzY64st8zyhm1S35uusDj+aDlJXSHIr 1avAraM/neH5cCnod8v43CQ9FLQmApUFuBqDusKcoeiDNfdDXYF2R6Byolcz5C0rjkBlgXb3Q11h zs46/BR5W36PN3+ftx1W3A91BWyu+5Gvq2mBylGabh3cbDdvZcNctmX7yw91BdmKs2Eo+lBDolBX 6PADT7bM8wSS6tXMeUtrIlBZgKsxqCvMGYo+WHM/1BVodwQqJ3o1Q96y4ghUFmh3P9QVdiFvU6Hx EagsJM0TqCvoVhwqTwgr7oe6AjbX/QgcpHKqV9O7xXojUFko/eidJ1BXUEkcKifAZAR5vE2CNfdD XYF2R6Byold5vOUKyHmbBGvuh7oC7Y5A5USvct5yBWje6v9U58FofAQqC0nzBOoKuhWHylEmdou6 AjbX/cjnE1qgcpR0t2rSy/AoikBlgcb3Q11B4hNnhlCw5n6oK9DuCFRO9CqPt1wZQHoZ3isiApUF cbRx1wgu830/1kl1a77O6vCj6SB1hX3KW5gehcpCnicI2I5D7RjzdVbpR54npPlGXUHiE2eGULDm fqgr0O4IVE70aobxlhVHoLJAu/uhrrCtzqpJL0PjI1BZkA07VG1ZHsN4yal2UFfYVijUkCjUFTr8 wJMtdQeVE72aIW9hShQqCx1+NB2krpDkVqpXO5a3eZ4gYDsOtWPM11mlH3mekOYbdQWJT5wZQsGa +6GuQLsjUDnRqxnGW1YcgcoC7e6HusK2OqsmvQyNj0BlQTbsULVl+8sPdYVthUINiUJdocMPPNky zxNIqlcz5y3v5hCBykK+74eQ5FW+7wdXBpBehkdRBCoL6m0U6grbOoRZcz/UFWh3BConejXDeMuK I1BZoN39UFfYp/GWxkegsiAb9vpiyzxP6CbVrfk6q8OPpoPUFZLcSvVq5rylNRGoLMDVGNQVthUK 1twPdQXaHYHKiV7NkLesOAKVBdrdD3WFnLcVOW/j5LytSC9D4yNQWZANsb1a5nlCN6luzddZHX40 HaSukORWqlcz5y2tiUBlAa7GoK6wrVCw5n6oK9DuCFRO9GqGvGXFEags0O5+qCvsU97ybg4RqCzk +34ISV7l+35wZQDpZdT6OFQWZMNeX2yZ5wndpLo1X2d1+NF0kLpCklupXs2ct7QmApUFuBqDusK2 QsGa+6GuQLsjUDnRqxnylhVHoLJAu/uhrjBXZ7nv5PR/TWdAKGh8BCoL+boaAdtxqB1jvs4q/dju dTXuO5CRr0XOGgq6bMv2lx/qCrIVZ3gooqghUagrdPiBJ1vmeQJJ9WrmvKU1EagswNUY1BVmCkUU 1twPdQXaHYHKiV7NkLesOAKVBdrdD3WFfcpbGh+BykKeJwjYjkPtGPN1VunHPZwn8CiKQGWBxvdD XUHiE2d4KKKw5n6oK9DuCFRO9CqPt1wZkLdSKJPZLkzFQXmbyewMPOkVv11NJpPJZDKZTCaTyWT2 H5yqWFxxqxPej1d4+ogrFahCxNCJVzU7iS6ZGr3p8Ep3U2X7jiX6VTx1frU4xq7Ejh3orQ1JDMZT +32f1rNxqOLplelgY7skuuTVurzS3ez57Tu2gV9tjllXLuoTrXtJouXleNumXspMZ/unmYd0hiVl ZwndXY5YW3dsgF9Hv+8+2NBNB985hl/b760NEc9WT5ZXxerJn3720fHq8qw4eHayevL8r7775kR/ /O/QDtwyb1fvjmVhu6Wc8OkZgiMvTKZTam6PRJcUeZVQ2rxyu2342rpjyX4dvPyca22OqR/aZcjb 7ffWhljSSTAkDOIigyHuypGoWzwgS/8sELVcKaswne1HItEloczLNq+EKm13Jm8T/SqO+CLR5pj6 of48qLyFehikRt66HVsiuX+rvGzzqtxd1rZ9xxL9qgwu1wPHyq7c+3lCMxj/57+rYLTME+BoEAir gvMEbGyXRJeKp7ULLV5Vu/H2/GoHHEv0q+wO0OKYz9sd6K0p0WB0wVegLnig7xx9LgkRr4QddSzi V8SxXe2tDYkFYw+5hy6B++pXJpPJZDKZTCaTyWQymUwmk8lkMplMJpPJZDKZTCaTyWQydw6uct7w wjy9BDq4DNpfBT6Wg5d6Iatdsp3JNNCclWSrvlwxhPLbAI6+qg7xXUFuJLD40zPRTsjboRVn9hHe VFjA5tNH9R0roqAY7qetW+15y7XhoHJDN48++sNH8jqQx9sM4N2tBWweXh1JeuggyaGX35uyr15D pYZpJehWmbeooPrelVZlkv9tcu4un/zXtxvUN+VG7aKr33hZPflPfOtbSq/e/aFhW2rFmfsAE0/A 5ury/8nLsctbfqevdZyrfskAP51Y5q0WlApc3uqqIQlVb2DLqqfAE+StJK3qlfqL5/9tg29tW2rF mfvA4wrbfvpLGdWS81Z4rAvd8nkrsHydtxwIubvc6kyvW5r1+LHWjntmPJdBttI/unjzvYZtqRVn 7gMc0wTbPpTkaJsnWG40Qd4C3dK8xb8mTmO8tVT63rs//Nf/tZd4pK9tdb6c/y2rvr39W9lCCsqY q3b8dzhPMNtSK87ce+YZsI4+koF5DmarOLM/6PA1y4ClL/mz5NdsFWcymTkoiv8Pp87dmzXCfi0A AAAASUVORK5CYIJ= ------=_NextPart_01DA2133.C362ED20 Content-Location: file:///C:/E036A6C9/diego,+1443-FINAL(5)_arquivos/header.htm Content-Transfer-Encoding: quoted-printable Content-Type: text/html; charset="windows-1252"





Engajamento no trabalho: uma pesquisa com servidores públicos estaduais

Maria Luíza Rodrigues Moreira; Carlos André Corrêa de Mattos; Carlos Henrique Andrade Mancebo; Alessandro de Castro Corrêa

ISSN 2237-4558    Navus    Florianópolis    SC  • v. 10 • p. 01-19  • jan./dez= . 2020

1<= /o:p>

 

                  =                                                                            =                                       

 

ISSN 2237-4558    Navus  •  Florianópolis  •  SC    v.9    n.2    p. XX-XX    <= /span>abr./jun. 2019

 

 

------=_NextPart_01DA2133.C362ED20 Content-Location: file:///C:/E036A6C9/diego,+1443-FINAL(5)_arquivos/image003.emz Content-Transfer-Encoding: base64 Content-Type: image/x-emz H4sIAAAAAAAEC72bC3QUVZrHb9UXqqu7qqurwSHykJdKCOODgIRFkIAJiYgRSAgEIeGtBAwgg1Fi QAxinjgJLo/w9DHiOAmCoOJmlHMcAWdxx2EclNlRRBhh0AFB1xUP4rr/ezbV6W3Id2d2z+k+50f6 5vv6u9/97v/eqrodNCHEcqC1UI6fXYH3+jQsxDkSosfI7EzpZWYLcRfaOhwC4P4Wxwnt8Aa/P4FA IRks6nXvPT6R1ytBpIsFYpGYjc+MFNkC4fBCeGEDE8h4LvBefrxxgQwnUdllHBd4LwtvXOB9Prbt xb8WPpIOQMaQ/kng6pb3+CEG1ZXIH+J64Pl475H78iH4vRxDF+CCGahFHoqUj/d9gPf6seUFM3xK 9HFUofcDnF8I9kv6Sv2CvoL1+0wv0z/Si0Genor4LvgIOfwRP7n4H+mvi/36NrFO38L6/VzfJFbo G8UifQPrN11vENlgAPDyyEZRGxR5pGoNope2QXQAXL6kbRTfis3irODz/Y14QWwX/wIOR/JoQg6n kQsXv0kEMMrOeing/CbBnik66SNER9bvZuHqvYUGTmtePaS+PlDUI0nMEKtEspikJUfyH4D5TFZ8 7gc9GdqaAQ6L2+BrgqEtP4fh59XAWxOd8F7q3tOyD1r23uPXy/vgH0/v/981UWMI8bKi9jVGo1Zj /EKrNjZqXO2rjdXwqdSqjDLWr8pYCJ97QQHrV2mM1yqNbJAVmaMdCUJkKfJ9KiFLK0m4S5uUMIGN 3z9hptY9YTGoisTvjvgfKuJ3TzijDUj4QZuc4Gc1tjihvV6fkKjvAp7G/qudEImKPehmI1HPMdrr swyTjb/M+B7z8gl4WfM05e11DkTzB8U4HN+d+m4D+1i7ikh+r2H8FYr8FiZU6LcklOpawjQ2vzco Td9A7cGRSH03YJOtVuS1gUZrzdRFu0SX2D3hhoS/iKKEI2IX8OpbBT0fwfrgdFpubBeZxjrxQbt1 rN8h2A+Cfe3Ws35vwv4a2N6ugfWT9kbwAvDyfQZ6kHuw114X065saXPjuQ/xJrR7HExm+5/QbrC4 r12yqARcvK9hzzD6iTIjjfU7atwjHF89+Eube1pnjA3TLW4B8drTzuOmJAf9cWM8HygUXwTmiaOB 0kjtB/qFeESh/d7+Wv0n/jW6Drj458w1+jFzlf4Hsyyytq7HmixV5NXJN0908BWCHDb/Dr6B4qe+ 3mIK4PJYAvsq341ivW9IZJyEcX6DSfE0Nw/1kvdKXJySwI2iJtBb/BJwfn+C/XxgIMhpUxNSC1IT Y0G8NNHdEmIy+uNy724NFv2sZDEOcH6LYH/C6itqrBtZv83WALHNSgeTI7XehjwOK/a/bZamn7QS 9Rl263UjOai+brwYTNQ/DwrwfmS/PYXPfaIY96ngAXEuuEdozk52PIazXXRymsStgKvPZNjvd94A n0TGPd8R4n3FuOc7o3XdqdCTg63XoyDyl9cjT6sXceMT3T4f0/5bS5vL77RdoZ8CJ+1Kdg1/CPu/ gr12Feu3C/YXwbMKv6etKr27dRd4P3K9Hoq5MYF3DzgO7+XamAvitTaaw0L8WTE3zeFsfUa4Qt/l ts7Nl5hT1b3Ce5jPN50SkMfW8E3nBv09J1H/EnhzvctVa94IJ+r9wgT+HNF8P4znbcV4+oW3aIFw rbbXrY187mRIiFrF57qFarVmZzw4GdFkM+qwD/PFaa7ZKRVnnNFibGgQ6zc71F+Uh24SL4ZuYP0O hfoKzU0WQwHXbyHs891hYA7rN9+tEoVuA+K13pt8jHrIexMu/q9CDaI2tAE5b2T98kLPiLTQDrAv Urc0xP9MET8tZGoPhTprp4Cni7ehi86KeZoT7qw1h8eBvW2utfvRN8KIcvB/XWur/3kdPt36rCbj XQ+wDcl1fdkZxEZDiM3Uup+9doX29Cj727DLNjcH7xvT6d+N++ioUUqc33Gjlk4a6+mvxmbyaqnj nkTmw33uR2MdfW88QReMxWz8/zDupbPGFDph5Efin0D+ExXxzxu59IORCQaw8X8wkug7oyudNzqy fn81gqhHgPYBblyvwL7NsGgj/GOfn+S8dFfk/brRnfYa3egA4Po5AvsJozcYyPqdMDLoiJGNeNmR +sk8spGHl1/s9aIfdNYRDACdgac9TOvffWbwj2p4AYIvUNRmga+YFvqKwCx2zAt92TTbl0K3A66G PWEPwTfkm8v6hXzVdK1vK40EXLzxsE/3baK5vvWRWt+LcT2hGFehr4ryfDU0CnDx/wn2ZF85WHCZ tpLRT4Gin76+HErxpdMIwPWTC/tEXy4oiPQTqxF5v50IUkGXOGlkCcY4AGOUfbrgabSj973mmPaJ GP8DMe1X0S5S1GyXbxHt9JXSS74VkTndjs+tUHyuCZ95EZ/dBr16+a5p6b+tdTcIY0oEt4J4rbug +b9rKNvRNf66JWdvDLIta+6NQc69C37E701FTS74TPrK5wB+r/3K142+9V1HPwJOp37zOnLMboCP 55gO+U0T8cw29Sxr3hEMAfGq/bWo9TpFzX5qbqJUcyulA64WU2Gfb9aDZaxfsTmfZpuzaJxZyPpl mJMozZwAxrB+aeYoyjAz6G7A5TcR9mlmFs0y74yshyKMf5Bi/DPNW2iSmULZgIs/EPbeZhrIYf16 Y9w3mXNRzwdYv7HmgzTeXAKWs37jzQoaY9YiXi3rdyvsN5mV1Md8vE0Nyj1Wrn/53BavPbUSc9AD c+Ctb9mOXv9LrtDOivGPbS9RzGklalZt1lGduZat2RpofzN0/YJC+ztgf83cQs1yraB2LmhG3pWK PPaYVfQK2AHy8Zk+wHtFf3/3POzPmitASST+s4gfPe5fX6EdXUfpH9u+Gvl5+2js9VVqQGphOIiX FnriDK9QUbOe/kxK9KfQfyrW40nYj5ip9Hvz1kjNDqMG8jvlfIypD/Be0bX+GHvEKewVXyn2E/Jn kOEfAyZE4hvIP18R/5iZT781ZwN+Xf8W+jwMXX2u0N4F2HV/A5n++kgeJvKoRx6eFgNoR9+n9Gpp c3Xo6V9LPf2rwIrIfuFda334/MOKcfr8peTzl6E+S1ltJ/hX0iXsTV8p9q/PYT+BdXvC5OOdMIvp G7MIfRdF8o7V9nBMvNR2OoiXtneiZhQ1J7KdFtXe0dLm5qTRP4iehvZXA87vYdhnYJ3MRA04v5n+ anrIv5XqAOe3FfYm/3ra5a+NaGwX8q2Nyv8VtKM19m5Lm4v7rn8NHUQOB/2PRuIexOdknbx9ydOc rJfq+WynH/fK/sW0w/8QO54mfzk9h37XAy6/CtiXQcPL/HNYv2X+PKpAvdcDLt4vYN/uvxv55bN+ O/33YBwFYGqbGh4J7cr7xTviqOHhAfUcDA8U04hAEeCfkUcEcB4QSKEOgKvZ19Dyp/5swD8jf4q5 +gY67RjgtXw97P0Dm2hIoPUZeRDGpXpGvjlQRb0DNdQZcPn6Yb8IfV30X/6MfBEaLoC2uc9/788h PZBO7QHndx3sfQK5oO1n5DugDbnPjY6jRr5DLeU11rv27L9CO/os8BjssW3VXHwUqKDDgUp6F3A1 aoJ9feBBMJ71Wx/oTy8FetDvABfvY9hPBXrRl4Hekf3qG+QfVszp2YBDxwIBxOfP7jbDvjSQRGWB PDaPssA8ejywjOoVWtwCjb8c2EIHATeuo7CfCzTQd4G1be432dCQ3G/Ggs4gHmdyxZZ6vym2imm+ VQT4/Wa+lU0zrRQaDrhadIc9CN+gxe83Qauaelp4LgZcvBzYp1qbaI7Vut/MwrhUGp9iVVGuVUNZ gIufCnuSVQ4u32+S0I9qv+lj5dDNVjqlAa6fcbDnWbmg7f1mHHQh95vxoEucNLIUY1ynWH+Po/51 mIfNirl6HfZ3rHrAn2G8Y82nvdBbo8WfYWyxJlGDNQHwZxgN1ijaYmXQLwE3By/D3mxloe/WM4y3 Mf5BivG/ad1Cu6HrFxTa/znsj1ppgD/DeBTjrsT62GTxZxgvWg/SS9YSwD/rvGRVYOy1mB/+DOMp 2CutSiq32j7DkNqTGpwQRw0exxxEn2HIdvSz9h+v0I5+dpf+sW3VGcZx1Owzq46+sPgzjHPQ/gXo WrP5fcoPu2tvoavs1jOMq2z1GYZrV5ED/IDT7o/Yzy5ZK0DrGcalmHH/BP1F10G2o+so/WPb3BnG xBYtyLy6gHhcs0qRs+oMo9TOpAfsFBoDuJoNgz3FTqVku/UM4ybEV51hDLSzaLidQaMBF78A9mn2 GNB6hjEN8VVnGIPtfOplzwb8uu5l19GN0FW6QntjYZ9sN9AMu/UMYwbyiD7DmIV29PNlWUubG98j 9loqtVeBy88wpuPzqjOM6XYpTbfLUB/+zKHAXkkT7FrUm9+/0mEfalcAPt5Qu5jutovQd+sZhtSv C4Yj72sV+/0I+xrUvDNlAq4+o2AfbXeBDq9h/XLtHjTR7kUFgIt3H+zFiFls+yP3x1JPfkW+02yX Cu320EB7Nn4+7HnwHWc7rF+2bdMoO0AZgMt3MOwD7A7g2jbveyeh5vK+dzKI1x5yADVLUdRsG/aG OuwjddAIN8Y6u4ZewPrap1iDx2C/aD8J7mPjXcTechJ9HwCxZzQy7wxF3n/CnnPMngj4M5VjWCOH sV72K9bUq7A3Yo02KuI1os/d6PsA8PIeijk1gTzrvhpMAfLeYSqI11yvDaqfcdYGi2ldsAjwzzjr gtlUG0yhuYDTxB2wp8I3Ncg/46QGq+nO4Fa6H3DxHoG9MriJ6oOtzzirMC7VM87KYBWVBWtoIeDi T4V9bLAcXP6MMxb9qJ5xxgVxPxtMpzmA66cU9mXBXND2M870Fo3MjKNGzmKM0dc+E3+bF9vuiXXn nbn0hz22bUXZ9yFebDvaX/Yn27dhjCaIXSez8Tu5J84B8ToLqMaYVOe/1U4x1ThFgF8nNU42LXdS qBBwehgKe1/49nX4ddLXqaZhzlaaBrh4C2EvczbRSqd1nTyGcanWyRKnihY6NTQLcPFzYc9wysHl 6yQD/ajWyUgnh+5y0mkK4PqZD/siJxe0vU7mQBtyL50L4rWXfvF31PKkU0mfYL4+ANwY34b9VWcp 4K9Trzp59JaTiXj82f8nsJ907qDPndZnd/m3xqlYZ1wep50ByDeFDiu0ugP2Dc4owN8PbMC4dkCH hxRaPQr7aWj1S6ehzevlvJY5Lo7jHGv4+9rova/rFdpTFTXtGppCXUP5dE1oAquBHqG7KSmURf0B N0fDYc8M5YDpkfvezJi8pl2hrXpOnBa6jbJDKTQEcP33hb1baAh1CqVH+u+E/tKj9vxEtKOfnUVL m4uroX8NY9NCuW1qYH6LBhbiZ7yuBU3IPUUxx6tQk5JQJuDXQ0mohlaFtlIj4GqxH/bjoScBf398 HPX6N/TdBLzrp9z/XCDzVt0f7w1l0P7QRMDvO/tDS+nXIdz7Ai7vjbDXh8oAH68efTag7ybg5R17 3X8AY5B7+mIQrz39W9Qser2H3cvbFKVz6S/bbY3hQeQu711KQLz0WoCcVXod5qZQkpsJeL0muTU0 zN1KUwA37w/Bvtp9EvB6Xe1m0VL0XQC8mnl6lXmr9LrAzaASdyLg9VXiLqX73Vr0w+s1G/bb3TLA x7sdfd6JvguAl3esXuUcS70uAfHSqy+M/6ep2Jt84XTyhYeQGR4Q2a/Po9bR+/M5tEdE6dprc3P+ hTuYjmMeDwHObw/sz0Brzyi09oz7BO12N9HvABfvY9hPuWvpDOYuFbVG6uIs/on++xDZXqOoy1m3 iT51X6X3ANffb2B/zX2ZdrrbI/39CvHfUsTf7b5Db7kH6feAi38U9jPwveC+yfrp4d2Yx+fAqogG vbVzBvmonlfOuIvQz4P0N/dhtp/TbjkdcyvpA8DlvR/2N9xSwK+dN9wcescdSR8CLt5x2E+72ciP v086407COCaDwkgdYtdiqfiftbgUP7uCeJzF34a1GH3tkO3oNdbrCm3p7+0n3lzK/3tnKrSVFDap Z9gBHdma9gx3o6TwdXQz4Go/GPY0+KYp4g1Dn4PRdz/g5R1be1lzec1bBuJ1zWtEzVT3t41h7EHh FFoOuFosgH1GOJXuCbd+DzIV8VXfg9wbzqIHwhn0CODiPwl7fXgMaP0epB7xVd+DzA3nU054NuC/ B8kJ11FheCv9DHB5PAZ7bbiBVodbvwd5CnnUQ3vevroG7WhNb29pc3GbwmupEXtUY/jy70HkOFXf g9SHS1Eb3EOG+e8tngyvpCfCtVQGuHx+BntxuALw8YrDxbQsXIR+W78HidX2o9C0vMY/BuJ1jd9j CzFP45/b99jPaxX2YS0bcLXoAPtn1vNgHuv3mZWidbA1xNNYvwrY99gpYF6b/0d0ImrlAwUgCOKx Fz+HjlQ1ey74vLY4eFi7FXA1E7AfQn0PYYyc3yHUQQQ1xONrthj254IpoO2aFbbUbNY/UDMc74ir gHy5QL7/b/kkcmoITQAA ------=_NextPart_01DA2133.C362ED20 Content-Location: file:///C:/E036A6C9/diego,+1443-FINAL(5)_arquivos/oledata.mso Content-Transfer-Encoding: base64 Content-Type: application/x-mso 0M8R4KGxGuEAAAAAAAAAAAAAAAAAAAAAPgADAP7/CQAGAAAAAAAAAAAAAAABAAAAAQAAAAAAAAAA EAAA/v///wAAAAD+////AAAAAAAAAAD///////////////////////////////////////////// //////////////////////////////////////////////////////////////////////////// //////////////////////////////////////////////////////////////////////////// //////////////////////////////////////////////////////////////////////////// //////////////////////////////////////////////////////////////////////////// //////////////////////////////////////////////////////////////////////////// //////////////////////////////////////////////////////////////////////////// ///////////////////////////////////////////////////////////////////////////9 /////v///wMAAAAEAAAABQAAAAYAAAAHAAAACAAAAAkAAAAKAAAACwAAAAwAAAANAAAADgAAAA8A AAAQAAAAEQAAABIAAAATAAAAFAAAABUAAAAWAAAAFwAAABgAAAAZAAAAGgAAABsAAAAcAAAAHQAA AB4AAAAfAAAAIAAAACEAAAAiAAAAIwAAACQAAAAlAAAAJgAAACcAAAD+//////////////////// //////////////////////////////////////////////////////////////////////////// //////////////////////////////////////////////////////////////////////////// //////////////////////////////////////////////////////////////////////////// //////////////////////////////////////////////////////////////////////////// //////////////////////////////////////////////////////////////////////////// /////////////////////////////////////////////////////////////////////////1IA bwBvAHQAIABFAG4AdAByAHkAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA AAAAAAAWAAUA//////////8BAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAJANl+pMIdoB /v///wAAAAAAAAAAXwAxADcANgAyADUAOQA2ADAANwA0AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA AAAAAAAAAAAAAAAAAAAAAAAAABgAAgH///////////////8AAAAAAAAAAAAAAAAAAAAAAAAAAAAA AAAAAAAAAAAAAAAAAAACAAAA4UsAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAP///////////////wAAAAAAAAAA AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA//////// ////////AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAFwA AHic7Jh1VFxPlvghECAEdw0SgjsECBoINO4QgrsnOAR3Gnd3DyRBgzsJDo0T3N0b94Z9+eY7+5ud OWfPzO78s+c3t8/nvddVdeu+snur3sgw9nJuJckK3N+IMBwC3P3DEzikv0qD/5M/BAsO7tGf/+8f Hh7+kvzwb/k/JTAAxD/H8C/8GnNkABSAJwCoAE8B0ADQATAAMH9PAThsABwAXAA8AHwAAgBCACIA YgASAFIAMgBygGcAFACUAFQA1ADPAWgAXgDQAtAB0AMwADACMAEw//me/5Z/najA2QI/J2AsJOBs gLsDnNvfuoL/VgjgHv/nmv/lD7S2ZIwixpMaJSxYFC53exL+uuxri9hdOapZeATguf0/fYoi3Hs4 03/K5l8LKtwj+L9uzz+qh/fnHQGwbwRnBScNtN4M6Il/VnAA+/B/1PPb9/0jOr/K/8WvvoETh1MB +t4V6HvTP0bA8Z+yT/Bn+xH/Cfu/xgnrz+e/Xvf/lv//BP73dPhfCML/2xP8D4QqjgQOLIIAd2xL BZc3/r+p6d/yP5E3cCaAz38DeL5fvscQzhK4mwIpqn/EAlMg5cN/q08LTJ+/nk//iM3HALMK/4q3 /y3/rP1/tfxftq8ki4AIxEIUFLgFBTtp67kP11lAaKoU/L2LM7a1cTK1cWIzMXQy/OPCwQpcD7Tl 35NK4Hm7kGBTFuee+WIleuYw4kvj0slLaxUETr8ooHEmoZPXrkGNaomKvMO9psMQCUaxX56gDoy5 cYTLdRBd9a2ntI+Iqc+VCiKlpBLtCEIJLK4PvFzcd/VZdW62LgrmtOUWqOKybXU73Ryc0zxQQJUh SlqhOTPqFUV7m4MmwQfmGNKIlGVoQ3kM17uqS8I5zRhdyi21TL7x9NNkflSpatI9I1nG7TcHwgrv Jx64gkNe+x31kdXeKCl37jT9pjXi/Ely5tVqzMm9Fm/o4DzfeWOJM36WVVQlp7parkM4OltAOELr lgRD1VR4fYqx7ts/R/YvrUSiHi/AXD/vfY7issMTaIzwLDdqTmR+lLFYrDTTlGA+25NC/g4Tk0J4 vo6BHbqAldL5MLibiXosWwI91usfg8+DFA3cvtwUaThRLAxk6GOeixX8jFl+Q79I7Z0QOYuZMV98 xXG+w3+8cte18qUcusWz3YxMcPJ9MR4Ks75faHjmyT+NcWT2eh0hGmm5xVGoggLiuBxwy/U8DG/G 8npJpDZ4k7fOVofuxkX8k8OOjeHQu+4ldK8+Za2S4bdmtPp0erMcUu7FT12ouJiV0z+z2k3aXX5b xNSVjNAKcwlsFCudwu//QfJ6E0lzau8b+Mrty4oqT8QUjfBC/11nZvvtYxQxCjTj/aZhlpBZg4/n 0nEEosNrgZrYLqbv33Qw0ubwlyjgO7vxgzJVOj7VgYozK27LQSa7dV/bMWzorzkhxo0oyouslq7l UrHUEmF4DCoFf/eglp1F/tInKRW2cTF43g59fuHEcj2Da21eVl2u61rk+CgsJpj5vdgT1Bgw3yLD zYMKilHM95hgTi1xuE/XA+o47oYE4+rMTw3l4TvcNhFReCasHjlYaKulbeg7y6DXRTjowmtb9y4h r3poYQSATVeL8jWbN7EL60C6RKWNIddEsjnfZd+BCCj8JFzltxC2RwvtQVlr2RHdHJtuaA4tzb31 DJusbyUl+Jh61V8L/yBaY/M+m5vgNJK3s3myZ77izDz6HoevLuN7GrWs+I0M1+UjK5bIxjy2CDEf JtdyUYkpQsvXFi3FdSgp3RInbMfmS0S1BzUR5hke52AVM/ShCm6SPdDaKxbKsCuvryajqQJ3HMz6 XWOPtCUxcNQ9jqk/SNVJR5rrrNYnM0ZUST8f+GbqKuqa6hwH5k2p6vyanxor4XRQNH2fLGiIkh52 yo8zDwd7phz3/vNyo7Oxy7r3e+XaM1Q5o3Cih26p82QiEagl0otVsqTx/nOzJWUInZC1rBaEO7mT RW+qJWpTiWTwIkCKhW3FO2FwR8rV5KuOwIHXx3npLOdShgfzHovSy6o83q3bknd6Qtn4XS1LVbW2 k3uao81Xgkz+vNEaT/NH8d9/mGO0NZf4sDj1s9uxLuyAyHTCMePjy84WlYWNBgnLeW2tucnTRJut +emqJDsJE8HIQufFyShryJjvXm2kh1YVHcqyjcDg7Rgi9dmJrt/HtfGb+0vmPFN7urJjxdum5xNW dapz51h5+/qogv46+Ipn5KKD/brO2NoXBmTm5MoiHDD0fMjznDpftyxssSgjRQ5dMCj2xzvSLXsU j/AKTLxgUur3wwXnODojPT9lIOGs7JF14ezUbNAYlmmcgvBnsb04OILBZtz5WSWZ3oZC3RrY4JXA PW/W41nKFlqS7fgbUqf9/PZgk7H3ddXavUdkG1+qQIKmzLIV+mjteNolKRKhcaAz0X1zqQfRj1D3 /l2h84ZtaWFS6mbc/u1Fms49kdY9/krjjemt2I+cTjolAXbPOm9t2R4s039eRrzIYlupSXLTXXfy 2eZmRJDcHKJ6G9Hz5hs8WQ9fx1UgiYF+ykhPzKZOwof8ApEP4UmaWNBLjlqKz89nVKQ2COaesHR6 Cw3ruSDJ9hzN8ITkpmfzFlWWkMre2JcqkayTrKIYkay7QXlKKbDdSSAzb/ZApnpeQs3U/vTnpx7z irVdjrgSA+HHNqqCktH5PiTtzkL7uZjGXoJEXG2OgrFfajtR8bJc6m2IrL5sMUzo5TU22YU/FzK0 nmoQX/hMsYK/sEYsPCk99tjrIxWN8MlkvB2sElZxTndYMXRfs0Dc6JKAUSEP7+WVM88wMvxBsCx7 7gpv8tMu+cF1XnpZfp3IZZtSfq3HUCVCm71L8ZIH8rgIzDUkqnZEOXFUg/Z6u99xedcVx8vFjXQd G8vdiz3bbYbEnmBQy/aw9NXN9hQBZlixc4BDWvjNGcV/jWhRrZxiN0AkI370+xvEf4loHwwdnUwd lAzNTX+FtdvLhwcfWiQkJKx7ZJOH5+1Q5DHm18yPOkleQxA6CV7vw3cKv9bB6KR8yZZCTMRawcUu OGJsQJ/W0R7TNrHLHj4vD32h/OEuAnwpOktMJJqm6YeFeI/A0QSHgLHcEdMX0wM4rF4lSM5AzJAS 6jrdoy7zvFeSWOGOZkb2Q5FeQarhGpI3ii24jJQfEwaxDsloix19KR/XOWJw4nEUPCLPaY95VIBP JON7Jw6moRyC5+ekKDZiTeuor+R7z0oQ/ASUlnU+l75el3zuMmev2YESYcfvuo2VZeeALIC4Sk+U OhyDhlauQ8mGua0Us6b2GixGTofw8zMcPvIrRMS/2QSEicQqa1ICR0MU+L/fBNgBnfV7E5D5RCfh 5+UDZgcnMwJa3ma3r5nFZppHglFeHJMZq2VZiIdVva2+vDz7FDe+Y1+55afPmlZWZqskm2kyNhtx MkMdnGv+R+rg06atZ6CE4pWBvfOX9/dsrl6O2VvClw3DmSvXGY5bGcHvxTNGp4ltMJkwZ1a33iOf G8ItM8vYKzOGGWEVfqLPzQsMFbtV3IEve4scose6a63/atmoccRKfoq4VaGmbMRwWRy5Icz2Rkz5 DHQVXt5cdOpo13gq0lxn0ZlsW6d9Zi2ZvxOjXSpZNL6RoeB5DtsbH8TterHllOhYVuZHv5JXTWAq p5CuPaSY5XJdGe/c31zJfYbwEKIpTWHTequvZ2pNhPLGEO4MjK2EftNBrwxlqR2GcJH1mvNxnRJj NM9eyDRt8GqXpda2DJk6wWDDHaljh7bg0+btZt6IAPoQMGXOK+a2HLTppcdfh/lelWh3cdi8QihP HWdCv2FRbgzhDEFikQmjn5iM1yNQjlrXQdPthbJ05fjJHoqj445zoX15U2BBkVnFK57wRAn+JtSS lLqVqZ3pm7CKToedPb5aOWW3MvyXME6Qgov+tc9Dz4V8nEdwaB8Fw01Oi3K0e57xTdgBQpaFyJMy HmHcCsYdh9flGbEjCXmupbJPxmpXX9nyX2bANop8lua/Tv/svth7MvfSctI3lCVteq+j/MP9kPp+ W+PRUiNOpv/FTJ1t2jOUKQg/e8bTwM+yThh7sK71PcfNNoyjcqVO41Mf5Yi9b/RCEk1SysUt5goe 48blXZkZUz/uJaYqJDViZsoSueY6DKo9KdAJgzadTLI0AuramBZtR1evPuXBsJTzHLVeBvEc8VTj sAiIIVsg2YZlWwm/3e1/sA59cBuIX/qJeqW6aPtsBoXjUIqDwL0cz8bpYaBSIkxZPBSauwrp2JA6 OO3fKn2+RXvZxDgxMHN5CXWSLNewvdbmWldsU4+STNC+ChHOG/TNWOrajG5JztqvqhPUMK/M9r6d Dc1H6ms9jRoQPqRaDVkZEb/DY6mNvFaNRli3Jj5PZslbd03r1wOtz/BKVRcdt54nXyY2X6JkVWK/ OjWkcCzt0ZN234pOcBS6GF1shubMvwqHnGJ44mq17x19cy3du99oOvI5xdhnKrf2xVoxNLpz07e3 eVOuI1LJC9VRvEsnkBeP3MqP9vQBCV0wyt2F//Aa5YB1hdwfel7XMNwRX+NHu58JTLwaFsg5NC4/ eT3jWJ3gXjYzN72knd/pJhkm5KQfmQAN8zs5PC1Y9VxxpG1Px1txU5zeTwB3IpyqjiYsw5/vfTI6 GILwSB/G3Qo7BcNOUyey6mn40bXDYfgKBX0X4vxZ9cpnkrcHMNLVtaK5h65Z0xyrHjc2kE4DWftL a+OrufJ5WJTpNzzuip3mr7WlH19RrfTmr7lMlN9lf+nR86CJhzVPsYQQ3pqrN8aOOFvtSM5Zq5kR ZwhkmY4o6/YVxEm/iJehTZQTtuZ85eJTEWrioEWYJETdZ2KWpNeft/V+89Q0VfaiUTqVRuWWTzTu O6qRSB91Dd3Ysfhu9MXcrc8u58zUxsuiH/0mUwQbVJ0ayLdIicEYvBlkk8Znj+P7+vJGuYEp9xcr jKnM/ZzETpzTavLzQcELpwGh5RZSni1tYNny6+9J1yS1+l3MQkENAv2YcUbcd9/iKTxP2dA/np0E 3Cy8jCDeRVaAcXvaplEEYmKfv4BgunCNr8Fy5Og261ZIzFBcbD+t7Cp7x1BukxwiB+gbXfRy56cb PDw1O9veQdaH8uRTJaXWp12PKYhUkPMYzwV4260Rcg0JdHruhVBUh/EaiyFVaTZS6PCZdeeuNg7p mvE0fADdnvNMQ5EJzyE4rCSTuO8xBYdeaZo1s3T7MP2MYOG9/n721Wwfu+csyvRG8Sgg02xTmvTU 7hW6YslRQC1+Q9ve8FYWXY8cisejM1UiGNl9PT6H0J1lCjb6W1oiVGsQ0W5CsKgf//R8vWDgopPD O33l17YesRZ1agn4/XNDkl8SiXMhKKYgeq48+lTsLR8MnuvwJruMUNPkdw614E8ma89n63BhOrB2 WBq47pDkhfUip9iYJu2ziYokg1kXdLowWMukdX13V7RmnCUDlO4S9zMMTZT/vipuvpyjyOfWDU1M /wHePtKlATEIX0Of/Hb559cjut2oXc3HZ6PQUFBqngkDhRAFvOrql0710K84U3k0ZYVRSOl62B9X GuYi2QtbwJ2pUCui61LstKcUzSsYBDPbmKkLRpFHt3ZUYRyQAmnQ1ZnX9++gnQ5F28EM7aQdw/Og MYQUfP2REVV2Rs2r5a5Ido9s4jaLobsa3tPMUdDVbj1xuOLLH5+YzOTcIkwV2L+W8KyF+oHeCepf ra9Aal6mTMmQrnTwcS1yEuVOM3KxfuQUK7Q3K9mwDSwPDlv7Qkpl70t8Ceby2R3IEEy8xNQzCiSG ph+3g56T3U9HVHV5Njck7tB4et4KJmIdLLEM3vXqd5xDSQ0LRDtK+kBEjJ7HJ2uRR31CXKAwexKb 1EojOjMHXbOtMFAD7eu7V+86WP0jqbnvvuRiN2JM2OnRmd1SQdBG9ZV40W8VsbsV6sGkndf9QZYO WYu2kIKXyLf1aNF39z1J8CesaIKWNYISc6YZA2CxOdZxBWTpuQKHtzF3d+3KQqW+TxGk8zJpZdK0 iK7GFzRnWPtdlGvDv+mGJR3ENbBMqynMB/W07DF9iDwjkSMk1J+ez274Sj1+0EgcPXmWuHfrF5Ay xJTqoXD7Q7aNI1x90q6c0msRq9nvljR9vA0meB58JXZmgO4BMe4uPQpSTOeSHgiN5eES5h0nZNYY dH3PzlX58rQL3FrBk36tNC2ujlheO3Jk8vRweLEtU7GMRRCWCGZgXUMtnTS+QBJNPeGXEsShSd4h /4nwtHhyONTFVOKJmlVmNDVjzVur0gmtz87KKnvwx99pcRKxrb3WOb36r3UueK2l5g4KDhw0YZa9 2hGyrrkbpQtkLjxQr4GhT/mNDqDEZgY31ZNP6wea8XX1CPsRtMlHsQpGD6eLccY87rLmCVJD9LEZ o1OsrrJbjqIcFH2jg6kvaa+kfmVYyIs6gNYW170PYHMNufXRTjiKP83dw7x7iV/EccnQmDuZsVDs ePIwDr2PPWRpuEurcwKFrkeUYdGYV4f+1L6oE/61Du4tzSceez9lLtG63O6z8vzAL5AetStTmqjF 9EejbjRV9+A93pXCfDilzB2jWJK9SC3iciO59+M/+Kawo3t91wYnKdqfg5ObLK4y23gzcL+QqaTO MEcQzw+R8oize0yaqbQxFW1yFuTSNthngCWbqhJHjvDNelQgBpm8aNkFKwdyAXd83rJIVVqNot5o IpR+M9sh8J+ipmLKAoYUyUaiUtfEt54gDEcis+1aLdQLf7U3SKYkovQ0lzxPf6y2tyTeZJ03/3eD kCkQIG/apXt1uYF0JdgVsUVIZABh4dK7b4fTtk2p/Cm1+fQgtW6PhO+7TEX2kZ8x4lT1GHtLDfwn zBETj9ULYohjXttVK8mktpnvdQs3WXM3HK4R9zyBue9lUH8U1haVuh7xIHdrZwnUxPe+JTUhRoJ7 gXttlhGJ/rKF+A0yh09GNzfLy15K3jsI3FOM9FFvIUXXUUPFhcIL/8gggp0WPeYf41aVKAJfCJkM aBqKLNafy3DgS2dFYzHGvqUuFdcKdVLG2bmCBsiLrrLezTuzhfgodKh9t9ngFrTrkDVjwC1SHz/K MRgoI+HPPIujdvficdRkMhsgbDF4y/vp8lQO57wRW09FXIDZwPsG//QmWk9FrUfnyB9HEpJyUUUY iKLsvAR9LBkfaH9Uk6xjR9GaMGPOzFWTTliwyLGWrOvWfGFvi3cuRGWUAXWV1mgdo2TbcS8aNuGZ 69WpGnxKUP2z4juPja0Iq62c83S87IaixGj490Axppu6KYTvwwUB+MLNKIfFi9W+Nh9DLKbeJXzq PxiSfJmYxyShEVaG10LP4H61aBAfXP9U/75blZX2o0L/xld9S7781qnnLo300z2n2JYC5OZFQnlM +5YSzongpKCkdj9ShMJxrQOnHCct8p+Jql9plKRz4l6/8BtOQ+ymq1D1GOtQ5Q+2FhIqVBX4PqDK XyPuYEWHGqfaxLQQkDlTCsEYldMNDHayCl2fwOn7LE9+QJX5rlwXMtTGnlzoJlVUCx554mA1Zeou VcRznwSUyxz2kKKrdRCsghRBalSFClRJr1uDycq95r0kMjPGQ8cFC1Q9TFuDnYx4PxjOKnAtNaxT ZWrtSQCdUkbPVyOq1DgSJuzKzlRrr5wT0eGiphGrLzP6uwPuSxhuhg7IrhP5ZjMpxGZjZubmdLst cRkU0qXCtHbwPxInC9kjVm3xm+3oL5hm8MSuVg+gqGRcTJTOZ7f4CIg822BdK2oLN168nf+Lmv3s c4L6gfr9/vyUGn4O8+ZD1rXqULwi8udADlvN1j3B5pmtyLAIeZHuE5tU1K+TumIIVHMFAVdSb40l z48PH6vuWYwqNJN9a1GxLpz8vexZ+63Ib1UrQtd3h5xbPJvxY59RPTuq0vuyy3aawgTmeCOwu/G8 05p7akAyJFh8G3gW8tgu5F+KnhyQBJMapTzT5+z5MApk4jIMeTRTCok1qyToCYvdddy4X6PYUwuJ ZUhFY2XPvWUr9bs2TrFlM7DRLEqOxhJpUWejINczEji9U2jRQbWFIZ/2ord4BvLpEv5WqdOHXurv beS3hJ7VVyz4n6HYk9BJ1EfirRVJhmTrlCVHoz0Iga9HiTbjRP80JKgQ84xq0TBKD1Si7FMdZSii CMV2J7otBKODdg1nMOT1NNIpuAV5Q4mFI6VPL8dt0O3LnlmFuQglbxuO8uZlK56P2FaBa3jZAy44 fa6lMY0vLFD869isXR2fjidv3iaAWXh3V4Y40DNFzFl1uuaPn0A/wt5hrg1bXe0yc2ASupIZtlle dfFt+tNvjrG6W3irdYTbnjpPl2+1uXPfiJBFaZC74M063Ghcv+bTkEEWejPN6aCmsUfW76CSFP8t I2HjrERTAcHhZDR93yWAUSw1NIFj0tyUlVDy2EXgsomTwsLs/TMoElsG79qPfBt2tXf0NbgLlMbZ xLxLdvEEClpIXMrDBMNpOO7FsADir0jbuc0WUw0ZesLbTp7SQmdynGv0IkLzTZbdSh83Vz1s4qZU Fwx2yTdl2OTjuh1HC3zESdg+1FXZCkbHl4UHoJ70n4+HcxUjOAKhsG6URsSZnrDdHjFq9+ApkfkR 2GIClHDBOERJIaH2hweuUdnLK5jUuERMZwxtsjMCMznd9EVI25TU3sPbcD5bNtA1uzPYLKq0cRDy e0c1EOGMmJ40agch4qVXl+8A2zb6LTGR1FpQqjV+Bu99afq+z5tC4WR0I2l1FTmtuEdhqs0x4GSe 5ZGsXn9owZuKXWcfRgpJLVuBxNqMuCaBkz0a+s6TzFhSNU1TBj+UKb3HqxL32OxDIul2a+qrD67r ci5hy10prrU5sd8x56/8Kdqcbthd5X8aeB47Mivvvauc/+z06FRud+ujoXr1WAO8FpDBpX8t2Cu4 P5yeFSaK9QiKN0u57Z30WGTbTxq1Nb8RVVANyY8TJUE0B83ffJBy+6cfAqa2nl0ivKfo6lsFv+DL x5bfs6T8gsVRBUu8etVR7UItIbjyKfGPdE2XqWIRU4AshLQmmTdGIObTMy2zPgod0+UVcHwZ51GF p/9XNEFP0yLgmlE9pA6W8OSJbrCg59qW1yB2dX3l32NNcYmvXAT3A60y+xFm04VDoh84sYi9p8zs /tt3daRnGIvtBwc9+EHtHZ+UKkfCvD1Tn7Sy7+TMcOCWEIYdFOtV+obpKXCj4hTmqZx5qqkyNKo4 FW7LjIbH5WUThumJzgcJmNS3e+X2NhFuxj3DJ/SgTz5TSumk0FmXvIR6HTw6v2dfO0mU89LfnCpv fC1rK//Ni3Sl/yn/8PiRngjhtbInbDjl8zHEy1zH4J4WXb/p8NFz4amjDm7CeneVjuiyhteJVSQu IvvUImL6MOIqL0ezmMXHjaWjdk3pTzMs+tDQxka05h+XCbHnazgTWsJnoH/0Y/hhhOI29bgRypHv /KrqxtusJ531JJfXCWbYk+oEA1c0+xTtZx/Nav9Y8P1hdbfybD9xOGNIryG/8WQ2sZspUoOknPte c/yqMnPaOhsWW3Xmfctsl6TnERA0NGZNFzelQFPuNUFjvlP4EcOQhGKb5jJrXLo8U0pPILb5An2G f6eQLpBf9ubSwIX4gLnlYp3IfKdGUsE+Se+2cwWoYGluXNPqbJAA4vgdspgFJGCeLB/P9ujqTfTd 2ixvABobhRmFycIV8KdNZRCV2F8qE8Fzc9FMqHoeiGQM1XkUX83ifBLfW9LFo8U7qlGov5bw0eB2 V0xQlhk9VZb/NTS/wgibTFjW0duKnRf2hC7E5fE+mRHThtXgnz0cXME7OVBkkvvFyMRbMeNNZwoz 8lyMs8thEXyap75S0SHoZ2N9FQ045ZweLYPcoD1KTXrXA58dE7i2HpPN/UtnTsPlrvIUcp699aU3 2fWhLAirRQ+Gsz2WW3HAZs0Hfa2zPsAzsIvjLTKXYGCyiBiy7mHa8Vu2TLKpjrcQVjaOcZkdkx/w sWMYLP5n9AtDRm0SOhptkxB96tREyV0DCUL0y/B7aKBlvVoG9HUxeGj1zhbMnl2eLcD6ZrFNWeFn hc8+ZvxHcL0YKfqgLbIUr4+qPQ8q2U9jVAtuOYLIT6E4+RFgz0BNYvR+CyVQACdJWNyowQHe+y+0 hz+e3vD3MQtTm7IcWkJpIv1HQZvWb2Oa01A4rY/XDWM0w5MV/CBa83bEJpOrq02U+Sc8u5k0U22d zLoD0mYsOAzWlRGUpiz3rrgmk0aJmZRVBKEJNVIFJV27dKIkpC+5Uh8YNmmIlWeAsqAp+7jRoLk9 zh4epziQpIPPZjs9XWqN1JSEZrh4v1a1vm1dcqYJD1XsN4JQE/ERPqBqV3WgAB9zuzQJr+pCak2n a8h5vKj3mShQP5J/Qo3r1BxQr4qPidzM8Km+6aUQOlce3RljNTHHupOv3Kh1PA7lIKKkc+KPot9n YbFU7OE0Yuy5INWrsiBfOefnKqgZrOzJeAWKwCHDwJ268OhFkL/cytcFEhPUpdQoynjUWVDl/jD5 ABn+AJo2GmcQdBo1hsGTeED001Gi5iPOoPLORzEMHhrGqecgjiL0x6k/JAvwhKkjze+KGgqOx1wE GIKGvXUfnFD18SaYqrX0Z34otGyFwl3PAI5PZkX1L+7eXKFUwAF1qbgyJCHuQhSN+vPBJH7IGbHX eh1EjwECekaZaQ28WqYzcuoPDU7cWJWroWxQAV5rQWZIwo+pOyZxmRWgIRRA+ixUrKDLd0EydQnW TZYJltpNd/2VrPUkNAevlXAcmyHIduyluJZn/TWu48y3jBua36r6cZSFRz+zw6UqUVLngELlV9JA RrhwsNRbZEAdhAIUeVgLSfj28UTbbIKE9vwNg2efKlBwWFhfgj7IFqWeYJYSRRMbLuCR89EcIfzJ 8Brfl3L6nNtWqWptxn7Ujdat5439lEq/Hb1SApr/NRQx/a5Lt96aVFzrJV3crUepE+vBXKi59fNG /fGjAVSIxwvs+CHOY0quD03gXCOf8nMSjOLB/aWIhpf+l7ifvVwRKRRvP7dxvYLNDb+xuRSp4BHG iUpmKqlv5eKGm73aNjjBIVCUPLd/jDd1Kd6knBehupoW7ctgr/7H9whrZZwpFTEdL+CIE7k7oyJ3 vlZVGFK21Jtx51unKNDbfKLJM2YMCy6FdIcYiSEmm629zgR3d83UH9ceqYiYuXt1zrENDnUv5JEP La/ZSNqLXJwKaVVtutYUUWXgGrjlBlUZcemBW1+GJOeS/1QPS8NReJEhw5doJ2z9w62Gqag4kjk9 8kSUZeNbrMqE/6NvsUZfQhLygAGtObx538A8fxUjz+lI4qhrS6oSRhKbFBSKF9JKOUmbXFd31+l5 hcyF90tv6OY/GPfOaLjer+2IFl3UIIhEN4MwaoJEZ5Qo0UZ0Jhgl6ugJ0UXvNUSJPtrovRu9d9F7 jz54/P7/913ven6f3i/3Ouesc/a+97Wus/e917q2+auc31Un/bKKaqHuRlKKahAokiknm/4+6aqd aoOOcS5SfXyeenYNvr+aK5qTjA0sZ8r5rWxoI6WoYN2cUXuNQ65uI89hFape03hbkxWZdS4uTa03 cihB/ShGSZSdpq+k5IGiahoPTcenh8L2F6o8Ql7nGKJ3cVGRvfsGDuHenXyK7+17JeNANYppoWVu sVyn2FaFTZdOWWIbVk8k9On1Kq0hXYkqKf6+XUz3EBEUB1RlPPHLQp/CpF2j12LvrJyI3xM0j44m KtQcsdf6SURuODY8hgqg8FLJboa5Xj9YssxbHpcVTBX/miTJXWtUXEV7UGDdbuhqdamHEL6LDECa CKLF1doz+Mrtt0ppJ8V7U/8KjHmpUbEakk69KqkY5VG6cW7TIgo87GubqrZMdHpBkGczhWjV3Zh0 Yv2xe7LZf16mdP0TTVd2fzJHa5Fqoe7jot4cINdq6YPP68NXh94GYHZIxjzk06kUnNZ+2UF7Dx23 6UmDTYTtFyPQPNmq4tN1khF2XQqUjzHoORo3DOfmB88FUgccZNQoV92ZkPnNyOu4WOmJuSQ7uWQS 6b1PIunTtu+/eQ56+dEhrdGc+fL6c3zY1X9P/QaoY0aWhthrPYrfnxhTVMAcMc3eGnV9z5YvSY57 eWE3n/xyjnyOgr+NtfWnjZKqtkRQTUf2qRvewUGHkn5UCLkLHZODIWeTRpKbW3KEmSmbXe89SPBd hZVltEEJlecLOCjMbSUM2/C2GqNuCrHyTd7u2fRMyAyju9S9gdaezzCdwZadDO91C9SvuCY7hSQx AHIcc+j507WSUqzgSpHbKyEJ1E3N2tyq1IOQd9+rNEqdvjdJlUGyeZPvvxLpiEi6DRXKBiKNMjAX eZdNCQY9pujmLfTsb3cXeb3ZY7rA6IR0XUdD2mRBD78v5rRU9y1y5Tso2d7DxdOY7KkcF/qNfgO0 6AiaJh2kwsBzVfRl2lWMT5tQ+T6wzGnK9ccXsxKnfm7BjP44f2OaQEYhbVF9PgVHZpDwkwO5reeT rpTD+ld6oFnuPm7zEmEQXmxtVj+leQm7Yw57EtcbD6wUq2CP8sPdEtJVqIxJsFDxdEVEYez+2kT/ 8VRSjti80Q4vl+2Fq98qZjG8LJ2uf8e2s3XZ1gjfXF1CCkt7QjmuA8UBh2WkgAwtYGPgg6JNpoGE kgkxFmvY0Xcc7SQbulyTSz3VJ8fV8ulWJq3GS+5thWJA+GUDmxIDrNV7Sixz0IMKPb1AgJbTOyq2 z/UBnB6I8lyWYcZc11aOgM/BqWPc2Kqf/sZaUP/wE6ZbYLFJSPQiS/x0zju1Z+Qyt0E8gGVaXdce RNCrY1v2xtNbnMZDyQmXpBV5O2/cWWtGGGwfKOpbKuSAS7qnFaN79VFIgfH1kPlstvxozd6pHbyt DT568gSlsI4SGjzysYQDvp2aE9SrnJifPkocmaapxCIHWRc76rgCfy4bk59uMdPWcba3Z9ZwtUvR MPQdfQiQU+N7O1+PkyJfJMhc2zJFWST/dtucsm3vcdcbKoBrC7Ysmx6vUzy52aJKlw+Js69aXvSx AR3bNFKIprCpJ8zB2Nse02i/1yz1le0do0708SWMbvSYRW4m8tr67XDAuETUoBxgZiCktHPm6Mdr Lc8zccePZ7BeMH1FFGHqWusMPLeY8kb7iy8fDYfORS7/BzF0ZgXoa66mPYbVvZx27r0K6yeSM7vm pre7+Ocdnr3TeUwrXMafMmUaPjno1ory8gDeeScu//ZubTR6eVfxOYEdv0r7ZYm0fnAN2ReWlfvD IDh6rjX3fCUdjdCmug4Dy6zEbufDdY6mfTX3WOD3FZqVf/vbTuY0joGtinLqr3PlqNz1lTvpFyqO Im7ydRSPwqG03qcqVPFcCQEDWNtSeD6tbkxKU1SWl6eZSr1Lm68hzr0ddaU5y47fkp5dmNAeCKd8 Uw6zvFzWptGZieac2eE9NQBu4FdrNqQlfhuzzf2TiZ9Ucy6Nn74TGUzXpNoaV8EfpcVWQA/tqvII qhRdbvDXvR+U+jsT48uT0N9WyKYxzP+WwDpZY82Zh3toSvXU/mcg0YU/r4dstpHfgK58Ie5QtRu7 yCksd219sr92k+8o5qF7czPDCXdjwu7WOzBt/E3RUHMsbrDUnqr/6mP5NNNGQJeljsC6ODeEdcP0 A86iaEYANTkfoqoeexPUJ735gmBRrC/7yuWpPmWU/+kvIPxoVAptnoQdc4RxKl4h3YepDxS+7MOE sV8ubOPC98gJBEUvH1njGyxdP3qVoDdsePRLmGBlA1eecdQTGV7rJDJGhdp7G3T1hXJDcAi35mW6 QiH9HLZlVfD52A5ZFdtDl5NptupIUiZtyMWAh2r7AiyCk8IutV5zHVCf6u0QhK6pfGk8vxJEd8qB IkhvoPyAjEBWiYWJuCreuuEA3Sts8+xlAbayIlDD84mJbtE+Xo2AJL7+WONzGJ1Fu8dptyhU6vCV TAwpRx0z61YTSJjBQCGBULfTKSUy3NEH3PW+fez4bLd3ukFZdJSzbzLSqcFUPirbO0iMU5c5r8G0 9appW8euHBtyWBNIsInXbrIgpqRv1Gq4udCuHgqosZ8WgzVP+wJnF9pFwIDLwz8eo6Q60d7a5Rq3 b6Kj0vs7hWxNoSOD7luCttTd1fqudF4SSKPr+bnLXjmq/nQ4Xf0g5W0DnM4mBgDHLX42+eNKEoHN b6OldKwSt+f+Fhv8CZm1lEuxVx5dm43LX55JeegZ5yuhVb0yu88hPGrUCblRR6xLETQ5+yvcfp8B XA6cUvWOiXK5MyIU29eWbA7lR53l/czV65gHThWhrD+6xe8DGrR6l9B/x1cUtgoRAd2I56vfCP1C suDB6hqxH9TaHM4zRiuiSBuftxzu13XPHWyPuUTs5tBI4IzvvPyB43c5RAmXvjk/xG08LuXeu/+X GOEv4E3UP3Mj/8yIPPuXGEHWEmauZOno9I8cAawAUACNP6zLfcoAbgUgvrySKrYjwVdCxL/lDUq/ BpNEsB892mP8rwr+/1p0sLP7j6XiGUMlyMfnuEdjfDn5wd/EI4OUXkSLPNBnQzqhljWlZYWQLvo9 iOwudg5WPzxLZc8akoLDbOESjNPdjt+umxuzzAhol4jFlSZjOcYAdQlYWEgZam2adchQv00478v0 nDlk+Msa6OF43dicPiRSXZ1TPP1J3YEjpSytnlMxblLWjtYUFmVH1eQ6b7viM6ZTODVVdJGScD0z ioRexMQxNNkdF4jMlvF7F51sgEPlEtOAdib3v9pMTe5vG9ze3Wst+gabVqseb922e77jh7m9PfU8 dBJaAwmwc4udOhCbluZ2RIgtysoc8vQY7YU3SDcv7U7dVN36RQCm5tsv+jAmSumhnRF0cMedK9FF BvITa3NJSYvQjaNCb9dQwwn+ioYcW/CzmGse5msv9HMvoOATx8KJojXUer6jAGcBis3ieb+TPmp8 qj5j7FoZ71dT7e7u/f7QU4YxK4M/Hgn1dz9d9v50Wy0Y2zl4cfGnke5zSrx3frP7NxljMeR7svVE GamzOzz02e/T2O1JZ5UTLRu9WoNemv3yGm6zrorJZAjSxHbAur+Ypr84+WxpQ6tw+45xQ6t0zPpn eFwZZHJk8lrFePG566po2O+xnOKYD5tDSuLaBqqDBaLxl7GsQ/es/On3xcF3VBkVukXkmge6lqq0 Qx8Xz1O0Dfi9S1YG8qFWblwKuoNKALH71glTQX4CWkd27AiRVN/uea6wWtqwmc7DsSWWwY9oXM1G w3oDJMQSHBMZVaUEKWOx6owXx4xP0YJ9yR2LF/IPKzIXp4cITiPWKYy3ldYvqOmQqY2hSDS7mRlw jq9s/VgJts0GYLuqe97XQQXmtuGg4iuPJ6+ddmClhiyyAnxOnZP6OuODPWf5eB6+iMOeXgG0xI99 Z+maWo97DDsWfwe5fvDRCeumSqGHLDIBZuZNqk1RTSazDtI9PXrcVKaow85pMj4E9zaJKWqFeFZ9 S6eZ5U9LvAEukvAZQvr5NJ+OIiRLUnayvJEQks7eHs//fZ2vGhRnDJYRsRHhfPApkWCKqnKAuSUg pi+9+pHUkJOCz+Cch2gJtY1R0pTIBjkdlxPnWk1/4MXEcDwn0ytrmvzW+FIrxHrRN+erHByILWg0 3tP8Np4bG+JOAXNbarH20WyN/8Y6e9L4YOXteBgwZ2CaT14nfXNoxaorPrS4kqXR5jYeOodYl39A ix/BnTeLYDl6aRP8hEYX7PIGSYE0RZEaz3Qb8qzvT49OvYc0UT6AlqUC++JkgsLFMbipSpte8UpD /iWg2R4yxYCVYT+ksbbobuD5I+TeYS6Q/iFcvqkfQIKF6ZOob869cAKIIK4luOphN6kkJihNUog4 KwA4f2JNCknHG4k3fXjdgeU7UEhqmg/2x2ftB+a0w/Vzm6SnD06BUtPl1k8g4q/tVV2IHzBLRD6n 5BvNALZPOwDDgMaYF2ZzT5CgsJF4oe9hResRr2EKwUaooG+H3Ac/jFCXCZXrBQ9O99I64mcVYCKq OsSOKHDMtMMq3Wy0RKM3eAqE/Ktkivr9zeNkC4T0FJOC3JE9OM2Dlq0PA5CeVn/S0bMAJILdhuOf x6tqsO1QExT0+7qQLU2ECWrYfPbkH1buJbbHn4jArlIRYQ6hHsQQwe7P/8TqvRRhjNIkhDS9AFRb Ht68htU6pCFh+jrN6/7YMBHkV6Dp93XcO4AfwfRomTyk7QGE6Fal4XKOkQxY8LOaLkWyzZLrEp4J aT18IIoGN+a+WKPw120Jtfz4Fe7/TrNHJW8nhx/SayHGf4cFTe1gdg48/1m54TYw/8ghAl9eiu7D 9/ftpL6i2evvn0wSFyOIo9iX3XbAWo5+NtK3F+bBOjhpDIc34ksXBBossayXlL+jqWyRvS+LVfQf rXSOBqP6mViJtT9XZ7Z6PsXSWEozLSW4Q4zseH/pGVHWj5UM+G1ChQ9SGZUCvde+L5UY37N1YG1h sjZX66mRvoP9HavWxn6irgrrs8PofkEwrB9fv/llNPoZVgUanydA20hgqOxCWUBsNgKW5Hb3JzKN qTogNZH3a6NqmcXOsdfvwklNDy3G/bhkmR77o3/VGLJ5OXo6nEePQFT/nYi0MXcy/q/i8P9c/APB gg7YcUWYtGlTu6ah6mM9Li9J4LfYY83HTFLKBti9FhvsiEf70/HgeMy90qV4szCb3qRiEVviL667 GoUT18xVR+KMWcPu3QAWEMPcgks30r4hFyO42vTmzHySdnYSet/2Rp8+i7ntue4wk0opsSkdtpN/ 6Tsqi+5zHsDlqQ6iVk8JKkJYWda4+rbWIfXWe2nxYi7WJu3gM8hBVCxvyhojK47BNJy4WPgWeKEO T15xGpBvYxIFb32W4RdH2qw32dP/epKHp7d6nsz3vO2+Jwmr/2kUdtCvaMi2u6xpelOu8O/ZUGO7 4UkHK6/UAJVFrAA02Hz4kFiUfogDUjBdelmTB5D3GuLo4FyJcgAkT1TPnkvCgzKVvQptpmiW1Daa ue2o02O4PnbwQW5/TD2/zsi+fhv96tVc2rvUdU6Lb0vBqfG7Iv76/vO/YrV9OWisMKIeReMt99h5 +UsmsZwV5ywn9gCCVKvMGXB1+2ae6hGUhcAtQD2TngyXCBVo5xN3LK0rE2D79sr1wLUgu3tPvN5d TLaib3RmSEOv/LO3FiP4/D5b52J5sN/YZC+bMgHRrelrenXbtBg0dfTUbai42eSoAQvJX9+XNaUr 3iFSvkv9apw9ozLBN/qSLolm5ogJCccpNPZI+5AlN/FhE9wwMIxMbFMozsp1Esu4xpBdUIZWWda2 bpSvE3+ap3XhuQGu4SSkqfHq1S6UbLLDbCDmI/xwZa/PPGZEDhHhCDMRVm0rrsf0S/Itrt6lc099 ELz+CoHerQ7kZ7IZg9PzuX55zG1lOiGawtXEVE4VWfJnnAI7YglrjAARt31OJ+PhMtUwI2HbWrMC yQTls9v0UV5yoiV0U+K7mWGsW4NA79Ixq4oR3V+Pv4exDcsulq15Kky0Vh+/IbZ8GeVf1J4bxoqi n9fywABYiv5l7ShjLiIjlGIQRj0WMOGmbTAKknGP8iVObHH5SXO6/jFTWopzi6FCQZ4sKUjyNZzA EvBK3Ze4BnclyOVqIsXwWcjyiZn9ISN2URbdqIK6StJaiPymbuGnhC6Z8zDcAHw/B4prL2GSuOxX B88GyFp1WZ7xRb1+EWKfyUxfRjqVvmZxex0zIPRdTp71bQIh4RNjSvXOr/rj70mEFwbk2RU+9OSy EEdA4rpjfvulH9g5F8Jq2Y5JnJs2omm0xIMGoIjvIl3fGuoJbTcj2QPSKOlr3spyWSXmwFJXiILx EroTjJQVBFwTuznkjmnBl7qvvy+ASi58SRyK16tlVU4bWXT5I4TGQY2wuBdN4NumoozYonYGy0fG de3hv/88Nu0g2fqZjKVGkENlJMUuIkVnQkGppiFJ16cnoCcl14uAnir5HFRmnlra0bCyaRUYWw0F ZQKleg8qCz76LS7TEufExpzhGY44X4YFs30v+hhrNn2l1hYB1de9fbFYSQaTio6TY9n6KnSl9Kgl 5c4g8msvMbq09rdWh4D9JKHf+vpEafFnR6jaz4GfojLPcQJ89SZaBEx/4G6sn8ejn9EGfvZMSnKH r/QLHH5wjhdL5kFNJfZwQmCDMbCfBAM/jV6Wcdo6znhimRNmqDAxJdt+iy3ULql7gq8c6P3es5Gc nSXxM5t6sW2sPiiOkUkgSkpwQ0Gwmioo8jIm8NBQjE27vylVFpp19BoXQ+PJ66nFprPLfiybg10g ed89qmMgPMW9fWcXdJrOxyC4Z94r2lqMcw20lF9TLsZqF5faVllYf2BmqOsKUpP6TkEwLv8NGW4e X042TRbZUB8U4Paxh9WdzIWTEv9q6hJqEHBPYNmPdSz9jYdTg6uDThy5TOiMe8A2twKimfu1/Kd8 qgp4VdE/feDMI+c1VVVMuZ4qa1ovsOcqdxteTB/Bh6Ux+GyBdFWBK4V6bgI38Kunfm5oPZ219xsa Jzm/94VTVIcW+yNu6c6/5OzI6H3QMMTUeblN43KcQGbQasu16dX5X3Te2eINfNhi6ij9Xbfmfas0 o7tirTMuW8PELvru+DNjTawEAw1ZekWdhT7BHKZmwEqjo1bBC3gWdmIU/E2EyNs/2JW2BY33y8eh maRtlkksO6nct+MFybFur9OuqNM10He7hmiC/11N/AIoa6geymjV439VEydzuJOlrYXdP9UkJ1pN 1Y+XtHvpikL5glDoSEbeODhaDGjVj370CfIUE2hZ6LS0WP7U17ZD+mb478H1/YJE7Su6KcEtjc8a XEmrwnqmzMwaDfEfww3P546ofik/JU2oRVr75/QQZPfqh3No40ZdXUTi6GP1MGZdWZ/r23bbifcd p1R9whm+8BpfklbUJs2zxN/Fimb+KyHpGBtf9yF5Qj5JPodXaSrt7GCYdMzvGiHSBUV/j6+kzP2l JK1kOXJZ7+9RYmzflZ/Dv4d3C4dT94sTFhzG5R/TF3NzaVTlh6YVaHbUsPKycovYU0oblb2ZGfk1 fF9eJcr0AY0LAQ/0khd38OSSorOBQT0GwpDrqH5KKLhCN6Iea5Xv6tbPEiP0z7+AdGjrlrh6ABID 778D4P89k5jZmX4whpk7OZn/g2OVVq/tHC9pI/WWBOnblBP5l1WPkH6agQzqmLIkGJ5rFtrf4r9G h77IGFfdEpDQsvryErsqhiDTj+rzxkCDW8TazkY+YNjOJrmhZHL64tESrMlbV+xEsrpYtlujZFKH TR3bmLnnPdvTzBeUTylMJEliH29aZpmHqXWCG7vquaNf5UQVrOePf4QIwSuindVSLEzJGc8uA8wq umZcfFyJByTfzSVmNpJ8PXgcoJaiXXyL10CKBp1Q/+kE+RuNiGETjmLxSCQRisufB0tzVLj5otxa wN0eRs3tcbNNNAa918CxrGbeAmXvfi6DPZzz5os1MEdchuL7zxT8kiJjzE9DyLElnwzKtJHY0+wY pKjfc+YaeU+VkSPmNjXeZ3M7je1ot6QbQG9vi+jEWUZ/YaaSI9JG9m/KrlQiy1O1z2IloVgWwXFC P72MPvEJKIwynSsZjMUnD8wkIdyZ28C2Tq0TZlgLNWmZFrCfrF5yRHReSyLeng2pa7jVFj6J1iAH rZNJ7tKPKKita07qAsrwFM5HjlDhhi7XQIy+U/H4sP4c+ePefffz/gy3UfC6aM4d6XIzPWRSj/3a M25YLkuCluvGrXqVU27h7xw1fafXyHvhQtGQbyyrnlISYe27MckddRrGFoVV4vRIt8SZMKAslDtQ o/vE84lueDedx+i/j6/laYnJKNJHj3KePf4PVRyd3GDmjv9wxdnG3NaJ29TM0XE/zSYmq4s2oHlT W0crzS45Gsdzxu5gDxYtWpFUnKaAVFHPp8APM6MEdOyplPfaSRA9wfxL8JtXFD6kWR5+24Mamz8f u5jYWlpyEl1QPqqprCsV9RmT2Mq4V2AclYBBa/vRyhl4DFPG9trb5+npf+8q0VWHNe+n+XqQw1Dt gHv4OlBMAtbgftF8f+5dV383TCfd3Pfizg5xs+14l4A2q65PuolfXywudqsE17EoR/xyl7rWdqW+ Uj2JLqkmig+3XleV9ZwPuCFlyYGUT20J0fFVUIVbN/041fKsKqsUF21dcTkPFIBe0DAMjOqoei3d 9DfBjS+pmnsdBrhMG43T79sd528+ua7Tir+xQBipulUs0sdFD531PfHcBI9H/tW7S910viixhFHZ NbxQdkLaWM68Tw4sRedavouAI4mKhDkM+Ztn4EtuOkHIs3GtL6agfC24v9caq+s6VrzP6rBPG6vY lPKc8p/pwfknz4d+GPboNzrO3nSl2r70ueU7oXii6ZIvxDa6wzeQWvCugAXaEmfN0qrIAuGeJZtR 9OeKL5FueHmliKX/vo0oSIfbND/yIqFcvx+3p1ZpWF0BLJPWPJkAagEabCOpDdemKj4k+ttmJYx1 rXwKpNss3bIawVOL9b2WgCxfBRZLAZdWsLpGl52HJgW2nel3Iz16T1MEQfUZAE7jJto0gdLW8n1N yDzIq6b5KYvlzpsu9cRX5qCmVMBMgI8N7LFargEdhlcGRV6IEjfbR/BmK2lYlbXouPhll3sUo/Uq GPHBWIbTxyw9zy923XBkfLH4R62U4yBRTWYjE9Hl1pUF6ztjghz4G9CXE0SSuUfTWXp64ttBxPYG vrG/+hGKJNXx1V6uVvgN5ubzANgf2xj/d3Eap93Fh0VGy0n9mdhOpBmDgovRTVWOdEvCdO63Q7+6 7sze+YQ+vSCA3vVWCY70/NxOLqF+uZFh5pHow7nQidawZVQKEoHcxfZIPz3gomZZgnJrenvPfFC3 XGKutjNX8vF/w5bT62znavd41EDJt7yeASyknalduHfFwVm9yyRm/ZIQuL/P/GF2xvKD7dBeEQe5 7uyEQnZl3tjP+fBtXfa2nhPbJvDicM5tqqy5a7GsRNswvtgny80kxPzi2bIRezBwfw+kPjunqlab FtH161jnmd7skuXvyvaMrPIb1lX7zbYPg00x7wWuXYUqXfLsSuqP4v8AWyG+1Vh2+fqVLOVx+NqA T8FwmZO4JzW+3+lIy/S71JkOecxrE0kiHZN+5kTHh9R9sVNgWX3f+sFtW+Xd7aQ6Qcx4ZMV4m9KE LWA99w1vvBGgVce3DMsUr0udVSHBFtDYfHdsO+v/4AFvkayBBQ5ezwJGFWvWmGwrdnBFl0q3UDLP fw1a54vHd/PhQHV6fk1FYQHjKjXHf3iAzfhoSObMccYPgVW8CkRuYGA/xT8W/t+mg8knvlY7CXiR QPNfJRe06fpWYEHxBslSWYTBm7sAjpCSHSAEqt5cNd4FEFgDVr3+OOQj9/ypsNSNqFKRGGYgh41/ O1ZgMB1eIB6xxuxr+0SVTd6kT9NgRIIRT6uBb6Pm/+cPsYBuY7ER5lC6MqyjGW5pyzlnyc/3B++j KKi4W7V8i7EgeEgyGMu0YupvHFhOdXgznuiFSuSVvd0iIRUOOSHrMyXeRCPe9XCCh5tcz4u0I40E zU+WSa+GW/K4q3gUlL121G/4Pka0gua4E7SOBFXszG9ZLemt25d/W+kNcXocu6nWYjvMn98utJXN XAvaonUnnylLSWLu4rp3pZa/Da9zlnmTqy08RBsKad+X1WBNJ6C2SzR0M8PRV5BdVAx5PeIvL1fr GnD/B8FGQaTjK/imX30LgF++Bkn5M0mMKegb5EW1ePaxqaI2T0o03yyyfBBvivGjccTGK6OINgZ/ sT4CX7Fr/PPf7JXM+12AdOZzedVXmDI03kRsHddGPyOPmLZ/bDkrVZYuO7m/zcXwa0PZAfyags1a GYReFCsBXLZ4kd8ublfdjWtxNjugTeaedXyTasu3CeYBUiMBM2oUAp+4LY1oI+f6X860vukmemUL uGDidqNQ04H3p0yN/NFnEKoyPVQkPW+kRq90shRJynZe4CxBxjA3KbxCa+bJx4Uzc4UuFumuT7Y4 18K67bzsnO28erXr3UzRG9dNN6kBlxz7R1+hVIyHUZskLNqzjS9KPUH9P+LsUVc2gXXr/n+bPjej n887pMeDVQrrgrnVKzXH1gu4R6o0Z0xswOPAyWrpZUrQ4te+ddEETi+fYtSE99dFFCXPRIPm2cAS qVKs2pw4vOkbnS8kMSfX9omtcYGVYWVSYd4XqSNusknmIgWdGASrsXKuQt1zaz4a3V8+5H47actD RGOnb7SEDTNzUkY7Hw+C+fNO8oitQ+ZwrAs+gUXmtiQpYzBI8Bk09cMOy/T3zIVxziAfgErqUsSa BPxn+qGiEqIHfgr3c+ORMxWKRja7opRZVq9U1C905vLtXRb7Z1ViX7LL6OmHxPIos+6dufj2+gtc 6Ffg5TK4XXGhnMJaQgQZXPpLk4KWHJaR1c6YqwrP/feKiMaU5t0Elv6u9+G7OlvP1bdWq+IHnvRI U4hOLJQcPA7lmo6DnnTsBFoXqW8aGNP5CMbPbfm7Kx/aoMuqkc57Uh+Hmt0cp8r51W6KoKUYNP/T znlGNX22cTjEgJCAlBmGbGTJHkUI1QAKaBghDAUhAWRZ2csqQRDLqoqESAALyBTUKiGgSGVE9owY 2SCILBmJjBakoDRAfU9I63ve08/v//pwf3jO+V1fnv/z4X6ec5ed406xHQJ7gjwbb4K0gdqnYByt 78MeDp5XE3pESnYsF3BFSD44d+hSCW9zW4Mv8aYUVUzv0hFJm9SEdmlnU75jjrp6UQdpnmtnsgsj 7cPyhQRDqUXLfj3uiKmEfGI96pKDWLp6muIIUQet8jLFgsqeBGLgOQSXNZaFTS2r8RHt6z34EJ6q /KTj7UKNIzFZU7GEU5ejbTu8omKIHUVqQpX2o9K4bRS7BC0mcVxGbEn2iY+Xc8eDdVESpDglX/l2 HELNXKwIJ1UbaRX23ayVF/yyZ25vs9z8yGVl/MKP1fRePk7dcjWDMVXL9yRseXcL95hqlqCpPoQm 9Nb7akkfQL+3rdLT6BVHQxvdp2IsUjEau58Golk6G8OMYVW43Ozc7PMtMRGxEdPJPBXl4RV2tNiI bbT9t5eyQ9YJnGdU3MsSD2kLcznJToE9AuCUEGPEoZq6kinSUfjAFJXw01mVwG5rBhS8N7hipRX0 9F0totf7OlJ5tnEG7+38wF4pzkPXLu8g+q5nHiH/IYwYB47D9868uGveeWRuAeGm9QXr+qtNMX/x zuyocENxSsRxO8duzR2IK7/fgTdolwJ4LujUAnj2MYDdBT2NjR+3syh3TUZNUhE4sxf9SYpQMpqM tknXIUKJUA3+AcjAYZqIm4Zb6UgZW+QT9shxOQ1YvvLh7dVtqhV+sCKjsy5IDsx3poIWHPTsyGhz hW8GIEWcp3CENNn0azVnwp5I/eFBO6i+4dEAqAPUkR7FYHaJpXBsAhm0U4bnf8R8BDUm+74Df2Tf pYUrWeAtdObO/k3Dcnm2Kw5dgm/7cVygTRPlWFShV1HrFFnjQPUQ/ooVhwN906MBXgdnJOdidmEk fwIyaLcemc/FrL3uv/hG4UX/xuyttcpj6LX3dXVjNXU1xafPuiyk5vmLChSVit170+9dEBztzfj7 FZ8+olilcSs40m9/z4ap5qXv55nY97PzpQyzsfu/oW9LA8pcxTD83zw82ZxAcWKHc4814M7f97DW CjhJW+0JNklHuKqsfppSh26ypWpAa+xXUeP6ye0VMrbgoxsIH/HfC0jCCvdl7PvqLb+DqkzMQrMs +57xyk3QnomaEYxNUm+0SptO3B1ypA83kBK8eDskCd+pRl6RV408swrsyPlNVxt5e5ySJaUkj7W4 nLdv+9jGbh/bQb3rwRoDDhhYaGmoxOXDYXeSAgV+Um+7vkxdKU6GIZ75p/sWTlD4RwmUfi0NhX0d Bu7pLaHEvjfgGBgiyKcNUtER7MNVx3eRkCtorBwSUGRh8JvMf04eu6c008qDMllpXoZmbifEeWHT /ZaNgVVBw8O/Xl2STzaJ6Is/r4A069KPqiLVu74ZWg1YpOHr84y0+eKswysfPie/A0dMZRqV/ZEX nQYUj/PfHDwTUACd06upXGpBY0sFLNypYBQnqvUmSBmkbAnjKPxGf20ymUeE5CrCP0bv4UsbJKfs svj57Sc205DHl9xadRD8mp69lmymkplkATeLuPcqt0QkE2R7Zc4mAk/kH6zqCSm0FVwff95/vB8/ as9RaM7h7K9JojxKB7ZZc86jJV4c0xlObeiq/1Edog+J6iR31Z/U8i3vRl/1Ew76nsfTLhuLaBbw 18xauGK2UXNxueVirnUupVCoRKAEL87Vw9WTGcGNVET60AdiDIfjDJdc0RK4E2w9XLsE8o3KIhUZ u3fOiLF7wx27BJEzOC6/Jon0B13CeajOJBtbSoX9fSS4yfeeiUH10TZ+tROnL9pDhMCKD3222DHh q4cyRL6gOO7m8YVguYSk8QZzWP66ClJkh4F1MSu4e+ZpQNyTTFdAHBuDbBvg2av1i+MFg+rmyiGz RRYFPfONeIimhmZpcYdoJ6TzOpRrmn06LYI7A5pxmj5ArnZ+Ub14Ml3iFVaIsbqDmcANBU0Nih7v dLj3SeDKgzvKmqVyApzTcShQkUXHKVyHO1q1cuhWZBn6ABRb5i6NkcYMOqZo7GLscw17lYHXDO0J TgO76G6ue4F9HbhD7BvQc67J66Fd17DZTqnw2gfe4Mn5VlAsNo+x86gk1GRIKzTBhZZUq3BNZY2R DMfAGcm5GrsY++yLYmPgpUgPzy2N5jmWC32oc6u2aW2M/pn7Fy1qEzZ0aQkj5xLb9NGlJMcgw2ij qlHqlqFYVrBu9+H1Wa67cHBiom+f64W7U7cClzbiL8xsKv+Anvu+Q+JsxpD7T5aB3uH3arUKimXa BatpJrWjKFF/o7W8UGhGNu+76vvOz1eaq5cglv4ZBzQl3AzJYTGzgNcy+MIOLYmPK/iqMhcq9HYn ZPgIu+ov6AlLpeZrOcKZWgnZLskVNfOH7RWOn46McpDis5of6VaLCKAW430yn2FqD8zyin5b5mE9 UtqSvXE9x1wyZM7HENdj8blmvUh4/aUWzs/9cY6X7CCheqnF/LWTE715yeVGyswxE+9vszHpsa+g BYHLRmaYG7UiUS/VAjdf6S8HQxYXtJvRqCMEBVGvuYx9qHuRgMLG9wQEn5n+jYD9MzcvrVRGnUuL ElduSjcfiy6YwwdP2eccPVfz7n5/0BZPMS70w80H+Lx2sxBCoNbaWBCdctKx2crvaW3KaDRe1E7e CfeGTNy6+CJIeGtmqGr+s9NHnvYDf5HzAYpcXbVb9UsmVkghNsSdhra6Hudf54mnKPzgYrbW2+wl nW3S3a5JvLJFau+Lr0AUBIw+ufd8QWzwbKiOXXLCIwEh8fj8knMIuU+vBhz/GBqR/lTmLvrJwHZ2 Cka6WXYHnyhu4//rhwYJUYnXc92kV06Xf14cz1pti/9guj5c5LV6Pv0Xo/6kA9P9JeOVi2F16zNb e5sfohshifoAAEAPsDsA1O98wIXQ7eZYeVlpa5etEkJNhdL5stxBu0cHibLoQlBs2joRlQ5gnuDX T5AoYuUEqa2ts2O1E9FxurtyAghAItiAaoCvjZmSZxlJ9c9Dp8A740K3hyeKAGYqa44B4FQ21srq 2Tv8g9lD5fivo0CYZaJqtTvhrJVVtndsBrOMnfNrQzT+jWfvixhmT6rS19/HMJtkc8g7yayV1bT3 pQyzaVLp7+9m/o1h7yUxswGh/rcrY2YBOaBxJ5C1sgr2XsQyCyw0vnIty6xZntiNZa2smr0demYN Qe8r/XpmjYB2004sa2XV7O1fM2vGvv3nbjazpQzYtpPKWlkte1ufzBawwT83Qpkt9cq7qayV1bL3 jGG27D/FdOIwR9u87tyJYq1IBPvOOFUIAwwIAPA6Bfj/9z9+fwLuMNvuAAAAAAAAAAAAAAAAAAAA AAAAAAAAAAAAAAAAAAAAAA== ------=_NextPart_01DA2133.C362ED20 Content-Location: file:///C:/E036A6C9/diego,+1443-FINAL(5)_arquivos/filelist.xml Content-Transfer-Encoding: quoted-printable Content-Type: text/xml; charset="utf-8" ------=_NextPart_01DA2133.C362ED20--