LibreOffice/6.1.5.2$Linux_X86_64 LibreOffice_project/10$Build-2 0 0 14099 9999 true $(brandbaseurl)/share/palette%3B$(user)/config/standard.sob 0 $(brandbaseurl)/share/palette%3B$(user)/config/standard.soc $(brandbaseurl)/share/palette%3B$(user)/config/standard.sod 1270 false $(brandbaseurl)/share/palette%3B$(user)/config/standard.sog $(brandbaseurl)/share/palette%3B$(user)/config/standard.soh false false true true false false true false false false $(brandbaseurl)/share/palette%3B$(user)/config/standard.soe false 7 4 false 0 low-resolution false false 1 1 true Archivos Latinoamericanos de Producción Animal. 2022. 30 (2) Comportamiento productivo, calidad de la res y de la carne de novillos Criollo Argentino, Braford y sus cruzas F1 engordados a corral. Información preliminar Recibido: 2020­10­28. Aceptado: 2021­05­27 1 Autor para correspondencia: María Zimerman (zimerman.maria@inta.gob.ar) 2 Asesor privado 3 Instituto de Ciencias y Tecnología de los Alimentos (ICyTA) – Facultad de Agronomía y Agroindustrias (FAyA)­ Universidad Nacional de Santiago del Estero (UNSE). 4 Estación Experimental Agropecuaria Santiago del Estero­ Centro Regional Tucumán Santiago del Estero (CRTStgo)­ Instituto Nacional de Tecnología Agropecuaria (INTA) 91 Diego Bottegal 2 María Zimerman 1 Jorge Ferrario iVBORw0KGgoAAAANSUhEUgAAADQAAAAjCAIAAABUyb6fAAAFzklEQVR4nN2YW2wUVRiAzz8z e2+7l7J1abu7QrkUDJciBQGhIRGjITE+yKNGEmLkhT4ZG3kwMcFbeNLEF58IiSaEGKKgxAdU QELxkgItbdruLrCl7dLt3mZvszNzjmdmZ9stl850V9H4p01m5sz8/3f+c/7LWY4Qgv6rwv3b AIvJ/xOObgaousUE4fJDUJ4zC0efLBwhGAEuyZlY+vpM7iZfiOTEBCZFBiw2k8dpDXoc633O LVbWjYBVMZknBEeQnC6GhmOnJ5MXS4hXHigu03yZEUenc9fQLMcRR7ure23LaxQU4B+GU+Ma izhzY+JEOHFOQvnKyqkrObeOhFOvsAz8nfRP0dSVoHvfZv8hK+dRh5dAaRyOAMjJQvhK6Bj1 DbUBD267RwuGfCR1JpYd2LWyr9m+AQAb5zMIR72GZ/PDl8ePFvCsqh2rz3XhSBklL0V/Hn3v +ZXv+5xbHwqmeuFQpnT7UvhoEcfLellia3PvTuXG02IEjFkqoeTlyAd713zosVH/ISN8huAk XOgPfVqQZuc4gs0vbAu+kyyMnh8+jEAyYgkQI5LU1fDxfZ2fmTmXEbv6cITIo7FTieJNgHmC VD6UFaLT6T+RsodooIK6WNoXoN0+gjgjhgenTnT5jxjxtw4cTRJFaWYk9g2BBboSxZFzQ2+q OVeBAxrI9AKgQogf60vCjMW/X9XySqNlhS6fDhy1Fon/KJAEWuAbZDf5NvkO3s8NhhLf0qed LQfc1tVIS3cUUy6KydncrRg/gAlPqhlAxig7fv9cl/+wrnVdz8m3Exe0yyqxsM7gshepf0KJ 7+jQ8obtPuc2Wct8REm5xESdlBcnB6JfRvkLVY5UJjmRvLix7SDHNNQDR7LCVEa4S6f7UHJa 4Ei1REg/3DiSEyfoAMuYHVZve9PuNb5Xd3Yc/e1OUzhxpipRQ06aTuXDyxo21gxHazlJ5sYI KiLCqtVpsWnQP8zkCZtXygjKJ4VEamZkMn2lZ+1HtDzc5wd46fb88gJO5sfqgVMyLS9EkVIW DTakVdZVTyeFW0P3Tm4J9K7y7h+Y+qJqFGeKUV11j4Uj6r8g8obJHiEY4G7q8ubA297GzTDJ EmV7aLpFmdctFbp5rq4mnga7KPGynLeb3aotufLYkFqdgDBxjnlDtYAyLGtlGGtJSBGNTFFL FXGMXbeuPBZOmR1Ao6VNya9QGxkV7GvqZsEWz44QkCosDA1/qln340U8pxC57B2AOIJEvWyu jBIlosncLRUz07Jh+esYCaH42aqXaRpgnfZV9cApNpw2v8Pky0kTuoooGUMwVvs8hjBArF7H uq7AW42W9uGpr5OFwar6RyyMp9lRLxwVS8DVMzzz1QN5Tq305XJQboQpG7c98K5ESkoSBovD 5qUljqDS4PSJodhJAtWBCW2unRyrUx704ajVjpaXxuJnJJRbAEeEnHBPkOJE4UIF2iOLM422 1gq6VCylorOXIonz6VKYaH2KphKIqaNlP51CvXB08zaYAx3NL4/GT1fX75QQPnvrYLkwMIRc u3tcq2+kAk8LDIgqjLLg1fPyu3qa7ev/nmYTgHum9Q1aiHhl52lm1OgVkXa2gfK1NjD3obbu CyBsjLer7RAYa3INvWRmPd0r+n4Z75NJrubTMnUgS6zdT/faLK0GPzEERwPN27DpuWBff+SY BEJtcAw2P+vvbW3aY/DMYRROUY1Yv7uHZS1XI5+UtGOOERv0HZmGtgmc24K9Afc+WIrfDcKV dw/b2riDHk/+uPN5LPt7pYovLjRSzV77hq3BI25bx1J/Q1nCiV8tYmyTZUXP6o/vpX4dnj6V LAzJIDFKqoD5cwPIRAlPlu4xl3Vl51MHgp69DNiMH1drgZsTBsx+15521w7azU6k+mdy1/li VJCzNOXSMDQzTU2Wdk9DZ5tzV7NjDSBTZSmXHEm1/gQGtExZ3Y51bsd6tWeWJDmPaS8MLN2X DDJXks6SvVUtfwHs1XPT2ljQsQAAAABJRU5ErkJggg== 2 Productive behavior, quality of beef and meat from Argentinean Criollo steers, Braford and their F1 crosses fattened to corral. Preliminary information Abstract. Productive performance, carcass and beef quality parameters were evaluated in 18 steers from Criollo Argentino (CrA), Braford (Bra) and CrA x Bra crossbreds (F1). Cattle were feedloted during 70 days and slaughtered at an average age of 19.3 months. Bra and F1 steers showed greater subcutaneous fat than CrA (8.05 vs 5.30 mm, P = 0.0008), although, no significant differences among genotypes were found in ultimate live weight (418 kg, P = 0.819), daily live weight gain (1.39 kg d ­1 , P = 0.8196) or intramuscular fat level (1.78 %, P = 0.1085). CrA carcasses showed a trend towards higher muscle index (15.27 vs 14.21, P = 0.0521) and higher proportion of retail cuts (CM) compared to Bra and F1 (51.97 vs 50.56 %, P = 0.0001). In addition, CrA carcasses showed a tendency to have more lean proportion than those from Bra and F1 (61.19 vs 55.22 %, P = 0.0558), less proportion of subcutaneous fat than Bra (7.39 vs 11.05 %, P = 0.0066) and less proportion of intermuscular fat than F1 (9.33 vs 13.90 %, P = 0.0361). Bra had higher L* meat values than CrA and F1 (40.09 vs 36.19, P = 0.0095), and CrA had higher a* meat values than other genotypes (18.32 vs 15.31, P = 0.0005), which results in beef color differences between CrA and Bra noticeable by the human eye. Other beef quality parameters evaluated (pH, water holding capacity, cooking losses and toughness) did not differ between studied genotypes. Key words: Beef carcass, carcass yield, organoleptic quality, tissue composition. Resumen. Se evaluaron parámetros de desempeño productivo y de calidad de la res y la carne de 18 novillos de raza Criollo Argentino (CrA), Braford (Bra) y la cruza F1 de CrA x Bra (F1). Los animales fueron sometidos a un engorde a corral durante 70 días y fueron sacrificados a una edad promedio de 19,3 meses. Los novillos Bra y F1 lograron mayor engrasamiento subcutáneo que CrA (8.05 vs 5.30 mm, P = 0.0008), aunque no se hallaron diferencias en el peso vivo definitivo (418 kg, P = 0.819), ni en la ganancia diaria de peso vivo (1.39 kg d ­1 , P = 0.8196) ni sobre el nivel de grasa intramuscular (1.78 %, P = 0.1085) entre genotipos. Las reses de CrA presentaron una tendencia a mayor índice de muscularidad (15.27 vs 14.21, P = 0.0521) y mayor proporción de cortes de carne vendible o cortes minoristas respecto a las de Bra y F1 (51.97 vs 50.56 %, P = 0.0001). Asimismo, las reses de CrA presentaron tendencia a mayor % de magro que las de Bra y F1 (61.19 vs 55.22 %, P = 0.0558), menor % de grasa subcutánea que Bra (7.39 vs 11.05 %, P = 0.0066) y menor % de grasa intermuscular que F1 (9.33 vs 13.90 %, P = 0.0361). La carne de Bra presentó mayores valores de luminosidad (L*) respecto a la de CrA y F1 (40.09 vs 36.19, P = 0.0095) y CrA presentó mayor índice de rojo (a*) respecto de ambos genotipos (18.32 vs 15.31, P = 0.0005), lo que resultó en diferencias de color entre CrA y Bra perceptibles por el ojo humano. Los demás parámetros de calidad de carne evaluados (pH, capacidad de retención de agua, pérdidas por cocción y dureza) no difirieron entre los genotipos estudiados. Palabras claves: Res, rendimiento cárnico, calidad organoléptica, composición tisular iVBORw0KGgoAAAANSUhEUgAAAOcAAAC4CAYAAAAYLPsCAABcxElEQVR42uxdB7yN9f+/ey8u 196uvcme2SIRibKLIg27IaRSktJAKi0zRFJktElIZvbMvu4885nv/3c8z3OeM+7QP+rH8/X6 Ovfec84zzvm+v5/9/gTBGtawxn9yBFkfgTWsYYHTGtawhgVOa1jDAqc1rGENC5zWsIYFTmtY wxoWOK1hDWtY4LSGNSxwWsMa1rDAaQ1rWOC0hjWsYYHTGtawhgVOa1jDAqc1rGENC5zWsIYF TmtYwxoWOK1hDQuc1rCGNSxwWsMa1rDAaQ1rWOC0hjWsYYHTGtawwGkNa1jDAqc1rGENC5zW sIYFTmtYwxoWOK1hDQuc1rCGNSxwWsMaFjitYQ1rWOC0hjWsYYHTGrfvUH2mBU5rWMMCpwVO a1jDUmutYQ1rWOC0hjX+I9qumsu0wGkNa1jgtMBpjVsEbf8QKC1wWsMaFjgtcFrDAmfAt6kq m3m9n73GAqc1rHFjwGmAMD/x+A9JXAuc1rDG38WsQsAqK+yRzQDoyxXMFjitYY0bCE5fMPoC tCAS1wKnNazxDw5dUupgVHwAmgtILXBawxo3S5QagCRTVv8bblkLnNa4HdVZQzU1g1Ii/wky IJIpkUlt0P8gSC1wWqNAC77gL1SMqd7MawsIJur40cAnSoDDBVzLAM5fAE6fBU6dAS5cJH9L A5xOAlTyGvW/A1QLnBbyAjtETFNG7uvVeBv7gS5siYom8qtE3qf4PO85h9/flcAAyO+89Cwq FNMxyFkVif9Cr8VFAJmRTQBJQLj/ELB5K5RVK6F+9imweDHw+TJg43rg0D4g/QqRqG5/Sato ICe/KNr59GmB0xr/WXDKZpApGiAMgCpsCQcSOvryDiT1zJ7SvIQYfRTJedhxNDx6JKYIZBMp eeI48Mt2YOVqyHPmwvbUOGQOHoTMvvcio+89SO/fD1mPPwbpvXnAzz8AF4lUFUUubRUTOFX+ i6xNfrsWOK3xH1ZrA0pG1azielRd89L2CCZvSeQvmXyn58Q8g0cxn4JhlB04jUjBXb8SCfkx MGM68PDDEDp2Qk6VqsguloKM5HikJcUgo0gysqtUh9CzJzBtKvDlF8Dhg1zVdTm5XapdLJfU 2jngfTkWOK3x7yM0N/XUF62KL0j9QaZ6wdUDXg8EdPXUNBV96uqmyG1F81uoGrvzN6gL3oFr xHAIne6EULsWnCkpcIWGQgkKghocBCUkCAL52RERDVeZ0hBbt4L08EOQ35wDcdMmyCeJ1LXZ eJhFu0Z6hRLUPFVxC5zW+Ee12us29kyg0+1LOT8HjTmEIRN1VBYhEsCJ5Amv9+qApKCTKfBE rmoKgmnK/FEiNqLk5M/biX3513lg+zbgjTch9ukDW2oqHIWSYIuOgi00BC4GzFAgOBgKAagY HgZHaDBcUeFwFSoEV8XKcHTsAuH5GcCGzfx4LgdToI1JNwTFAqc1/gfACQOcih84VV/AKpp0 ozadrElB/WcKRgo4Ww5wJY0D48xZYjeeJKrmYWD/AWDP78Du3UQy7mLSETt/JZOAcccvwA8E TMuWEjV2BtRe98JekQAzMhJiUDAkIjHdYaFwhUXAGRUFO5mO+FjYkwshKzEWObHhyIgIQVpk FC6XS0X6g0MhfPgx1IOHIGdnkut0m8CpSW7ZAqc1biY4CwTKQMdQTHqlaKikkiYVvRxHLLRB XuMiC95Jvalk8V+6ysF47ASxFQn4Nm8B1n0JLF8BfPop8N584M3ZwCsvchty2hQ+X5xG5vPA 1GeAcY8DA/pDbtESrnIVibSMY2qsQKSkm0hNCkpHclE4ypVDdo2qcDZuyFRZV4tmcDSuhYxa lZBetTKuNm2K9BGj4Fr0KWQKzqwsJr29qljUGx9dscBpgbPg4MzT/FRMwBQNoHo5dah6mkWA eOYMsPcgsI1IvY1E2q36AvhsMbDoY2DePCgzZ8I1aTLcjz8O5dFHgaFDIN93H4Qed8HRqT0c d7aGq00rPtu1hdCuDYSWTSE2rAOxfDnY4hOJhIyCOyQUYghRZanqmpgIsVp14O6ewCPkmE89 CfWZyQTgBNzTCLinTIQy/jEoT4yGMGkChHfJZrD1B3Ktf5FNRPBTY29G6NMCpzXyRq1pBepe VjnQ08ai1Z0mevyRqqzUZiR24bXLRC3dCSxZArzwCjBmPDBoCNS774b9zjthJ1LM2bwFHI3u gK12HdgJmFyp1eAmdqC7bDk4S5aEI6UY7EVTYC9CJGByMTiTS8KdXBxioSIQ4uPhjopkYKSS kgJTCQ1DTkQUsipXhfzgIOCDRcCPRAXeuQf4najJf9D5B/mZSOvd5Np2kA1jF1GXjx4j0vwK UbEdWiYRvXHZS5U3+W0tcFrjX8CoT7xRV1ElPX6pq3g04qD6SFKRqK0Z6cDZ09xWXL8W6muv wD5kCByt28NVoy4cJUohJ6kQ0qOjkEHUzpyoaAYmGwGVPZjaiREQQiOYFHQFh5hmGJticCTk 4AjDySMHBZG/BRFVljyGBHF1tlhxCHd1Z04i7N/Ps4GYQ0kX9AqfzObVnE9uom7nENv3MlG3 L10jGwuR+HY7dwaxuydvVkXcyHiKBU5LQubOBABzZEQ1bEsqG2VVC/4bHljTi2m+qoMA4NxZ Iol2AJ9/Drz0MlFPh0Fo0xaO1FTYihaBPS4GzohwOAiA7CHBcBJJp0s8mYCRTokAjHpV6VTJ a+RQ0wzh9qSgeV7VID711wphoXDERcFVryZUoq5i7Wrg4nnu4aXSXDaFYGTTo0B+SCebyp+H gC3fE/v3Oyi/7SKbDFHHHTZw/7KVIWSNfwmcgYDJJalZteOOS6+E8kwibU4SSbmDqIYrlkMi 9qP7oWHIatkKGWXLIicuQVM7iVQjIKLgo0Cjko+BMMgDMgY039/Ja6h0pFMKCjKASmOWarD3 +1zkb46kWEgtGnOH0eaNRBJeItdJbUhNbLLcW5Ommm0jIDxHQLkVznnzkfPiTDjmzIVj9RdQ 9++DmnkNiiqY85sscFrj5oDT3w+kaBFMDZBMf5WZLakqkkeFpZLoGrHRft0GLPoQmPwMpH73 M2eNs2YqcooUgi0qnEhHj+TTgaZLPcUHjL7ApBPB+gzWXhPiAXWwaQYFsQ3AERcJsVF9YOIE 4KuvieS8zHYUKvfd5H9Jvyd6/VepTUxsz+VLoUyYgKxefZHRuy8c48ZBXPYZUYmJap6ZZqi2 7H0WOK3xb4LTkJZ6YoAem6RJ4gJRXzOIXXbqGJE2G6HMmomc++9HZv2GyC5F7MmEWDgiuaRk UlIHWohHFaVA08FmBqAaVJAZwh81UMI0JS25wFG5PNso8O57wD6iqtqdTLVVZJcnB/fUcS5Z 35wN57BByGzSBFeqVUda67Zwj30KyjqiEh8/wu1QPdfWAqc1/h1wenJbVU1SskWp1z9Sp0ka AeUfO4E1K4G33gQeGwO5Y2fYUqviWkwsbOGhcBEbUjDbjEEmgBrgItIvKFiTlCHs0XidBmLD 7vSRrMZzIdrUpKlMpkgfw4gdmxQHoWEjYNRjwDJyrQf+JPbwX1xS0iSHndSDvBSYMAlS187I rlIRVwon4nLZksjq3ZOl87HEhzRih7pVTYm48TVkFjh91ul1L+q/FfBSvM6n/sPXr/5jeNWq TFgoxM0TwTMzgSsElEePAls3E1DOgfDIcNg7dEBWtRpwFS8FKS4RdioBw0I5uEz2IlNDyfRI Sg5Mlf0tlE1VU1V1MOcGTtX0nBrKJz9HKJtqcBhXb8l1uIsXB9q1IwAk6u0HRO1eRSThhg3A F18QaUk2lqEPw1a/AbKKFEFWXDRsJYrB3a4VpKcnAV+v5+qwSzKcRnp9tgXOfBe6kotKZn5e ydPt7Ynf+VRDqAF2SaN2ET51U/C2zwJMhdlpohEPVEx5pQGxXoCEAN/LkAMdR8ktpcVUHK2S a5FlE3uAZktStZWqdNt/AdauAT75GHhtNtTHxwDdu8BVqxrSCiUhPTISjvAIIilDmLPGV+rl BbK/Pz1qrSE9fc5BvbmO6GgI5cpCbtMK6NcHyiMPQR0zCvJDQyH17AF7lSrIjI1BTlgYsgsV grMled24Cfx+jx3jhdpUa9AcYDJuePbeLQDOABUSagGEXe7rPwA4TUNWTG8yyKICkxPrdYmy qugVgFwSUTtH1hK5qXpIq/QlyZPorWjSShFNVRg6QZVvPDFwjSV/qZq7+upDmGwA1Zxel5PN s3loIvmSJRCmT0PWoEHI6NIFGc2bIbN6NTiKFYEjJpKFQmj8kYY3FE0aQvfAal5ZKeRGgdMf oIb9GsIltYtcnz06ArYiicgqVwppqRVxtWoqMqpWRnaZErDFRiOLhnVSikFo2gzKU2OJCryM h1NY+p7kVdep+CXrW+AsAOJMoPIBrgzzjqfkAtjc6wfpghdNu6YBOEVzyfuUSun1f4I22ZM0 kE0D28dPAfuI7bN3Hw+MHyE/nyF/u0xsobRLRFpdIYviGgEIUSOddu58URTjuPT8opp7KZZ+ L1wKer9GNcqftAxYA+UKZw6gtuQBck2bNwEffwJMfwF4cAjczVojq1Q5pMXGIT0qHJkRIUTS hMBJ1EYaU9SBqYPFbBPeFHAGUHdl03WIRO11hQUR6a5lDUVEIis8hMxg2CKjYS9djlWkKJOf Br6kDiACTEc2TzZgReSil5Zh2ZzXa/sZtX/eIPEHZiA11ywxPSA3Z8mYj8OzZLQAme7BpOg1 qou0zBM3+cXhILbaJb7oaT7px0shz50Pac5cSG+/xcMPq1dwyozvvwV++o5IrJ+A334lAN7D KzOuEsA67Nz+k0WPLUiBK2qZLZLoec530vie1+8Sv06BglLLez15gpx/K8R33oLt8SeQ1eMe OJo0g7NCKsRCRSGSRc0ASFVWAkwKSiE0DBKVmsypo9uPwV4guVHg1G3Y3P7OnUpkmYdSKerx 6PLneHzUFRXK0gPRpQcwdQaw/mvgNPkcnDkGq4MX/QlwU5Jrg24FbHrUTHgCyqpHSnjbBybw +ZE5KR4eHK8pw/s0nuJbN6tmBAcnlYpX04Dzf3F6jH17ea7m999xp8KST4HXZwNjn4LcfxDc d/WEvXNXOHp0h3j/fcCIh4AnnwAmEVvn6aehPj8FePkV4I25BLxEgn21DthG7L6D5LhHD/J5 mNiCR8lCOnGaeyApeRWl2qCZMBfI75cu8HmB/H6e/u0Cfw197SnyniNHCfj38vjkN+QaP1jA zu/u3p2orTWQnlwEOTExsIWHMwnJvK/kUSKApLYlK8fSEgI4MIO8wiI3EpzsuNS+DQ7xOSYH JtswWEzV7MnlPzMpSoutaaJC0Xg42rUFnp9ONsetPNndKZjMFcXLQ6vi5pBOB90qgtObkAle Kpyfg8SXvzRgjaK3o8STJaN4bEd9Ui/mZSLVDhHV9PsfgJUrIMx/B86XpsM5fiyrxrf37wvn 3XfB1a41nA0asoRuJ1ERbaVKw1amFOwVK8BdsxqEBnXhbnQHXI2bwN68FbJbtUV2hy5w9O4L 8eGRBLSTWdmUMOcVOF6fBdectyDT+B0F74pVwNovOYjXrYX85RdQ162D+tVaoqaRv31JHteQ xy/W8JDCR59AfvtNSOQ6hQlPQRg+DOLd3SE0bgR36dJwRMfy5HENUDRn1aXlq4q04oNKyJAw w8sKvYjZlEBwU8AZYj5miCY1Q9lzogZEI4NIuxYnkfrZUWHIjCN2aJ1qEB8bRT4XosqePsO9 sqppOajX59uwwOnlZfWmu8jN5jQzWfgC1ZccQzKpr3oBlAiTbUbVx+wsIonOAr/vIiopWfBz 3wGovTKE2Gd3dYa9SUNkVCiL9JRkXEuIRXpcFDKiI5jjgSZ224L5IrGH82kjMzsilD2fGR6B jPAopEfGICMuCfbkEhAqVIFStyGUZi0gtGoJR+u2sLfrCGfXnlD69AcGE8k7kiyyR0dDHTUK 0qOPQnzkUfZI/4aR5HEEeX74SKgDh0Ptez/bLGwNaiO7UiVklyiJnKTCsMfEwhlKJCWRhCzP labXBfC8ItQTBjFn+ChBnuSCG+el9QmlBPmDk167EEZzbHmYBZr0pAnz9oRCyC5JbMyGjSAO Gkw0hoVE0/mDJxkEqMbR14K/f8MCZx7g5ICUtGkA1KzmmqMbetU99ZDSBGc3nZptKCveVe7m 97JdQNboMmi1RQZw/BiRUkQ6zSES7OFHmJoqNWsOuVpVuEqkwBkfDTE8xHBKIMTjpGBZMSEh poXsm6LGFzaVTHrcjlZfSJHRkGITICYkwVUomYC2GBzFy8BdvhLkqjUh1qoDoW5dOOvUgb1O XTaddepBqFMfQu165Pl6kGrUhVClFnuPUJxcZ2wUK0pm6qFui5kSzZnUM7yfus1mTrEL8Uq3 09Va3xjljQBnbk4iXXJSKe/SpDZVyXOiYpFFPi9X4xaQevcDxpHN9IOPgd27ODWmInqBUNUc b/oGbYHzb0hPc8W9V7UE/URd5AebkxMKX7rME5sPHSY75X5gzz5Of3HkMPeWUlvt0iX+ukvE frxC3nMtnVcpXLsKpJG//0Vstd92AEuXABPHwdWlIzIqpiK7cFHYYmOZN9AVHswWhaKpUn7q XT5eRvNrzZOpaSG8coMuPEa9ER4Kd0QYq/BwRkWwkAGbUVGwRUYa0+EznRGRhh3Jj2lSPUN8 QhPB+Ums3O/jZoAyNwnKNhqipbhDiLZCNrPM2nWQ2bMnHBMmclNg6498LaST71pyaEntuhNI NDwMMgLx71rgzBuYPp5Ur02N1ubRsMVBYgv+8CPkz1dBef8D4M03IL/4EpSp06A8+yzkqVMg znwR7jdehTBvLucwff9D/uV9upTYZyuYHYlVy4HlBJCLFkJ46SU4RzwMZ/NmsJcsAVtYJISg MEPqIDTIr4xJCdbBpT8XYvI2huQKTmoziaG522wGkIKvfzEH2gS80uFyCewH8pIaCezBNxec vjatd4glhDmvnDEJkOvVJ6r9w8CCd4GNGwkojwBX0zldiqpAJ8P2ZnNQcnHOKhY4rzdDyJCY 9AOnXsrftgGfvA9x4ljk3NsTmc0aI7NWDWSmpiKrYkVkV66A7Crlca1mZaTVq460O+ojvXlj Zs+5O3SG2K0H5J69IN7XF1K/vsC9vYBuXSE2bQZn5apwFkkhkjIKbi1dTF+0AcufAjhGDG+j D0gDOVO8F5/3Mc2P+rk99qD/NK4xl+krpfM6v/k9Nz4jKDA49Q3M/1xErSX2M2VPQO97yFp4 Dzi6l4elWAK82TkoE4wKMNNyqibW+sB8uhY48wGm4u31yXLwIP/mTZBfmwn7wPtwrVEtpBcv jPSoUCLlgmGn+ZYRvITJQb5UW0QQsiJDkBkZiozoMK6eJiZCIF+qs3gxOEuXIrMksyXdRZIh xcdDCA+HHBbOvJbUxqH2IfMQBvvv4Dr4fMFpLH4jHBAScPEHAkYgcJrVZm/Ah3ilu+ng9JPY pjCEfm3XA07f+/u3wGnepGgxt61EceDB/sBXy4h5co7Hh3W70lhGXr8ElJSqIV0tcOYPTpVn 6LDKCerMycwG/jzKSaOmTIXS8264aqTCUTiW2GM8Q4Tag8wrGhYGBwEUY2ijcTtqf1E3ezCf tMyJevvoe6hNJ0SGclsyzKNm6jE+gx5De1RMZU+6hPQCogaO3EIM+UugkIDqZCA7NW9whJNr CSf3QGZwqFfcMK+Zl3158xw/JnDq5oLPJkg9ynQDzilcGGr3LsRceZts3JSqxJZPEySeJukd Azf58s0xcguc+QBUpBSLxKjfvw/4fAWUCZPg6tAFtrLlYU9IgC2BqJ7FkyBWKgupZlXmwbTX rgd3rboQU6tDLFMRQhEiIePiYY/QiIZDeLW+O0j3sHpXQeheVep1VXX7UIsHmvM7zRJSl0K5 2WfXB86QPO0v3dOaG1g8FRw+4AxwfYGu6990ABUUnPR7oSVr9phouBs3hvj0eKJRfQ1cPq9t 7J7GuXo826gR8IqHK15S1coQKmiGEP3gKDD37gY+WwTxyTFwt26HnFLlkRlfCDkpxWGvV59R K1K6fVrlLk1+HvKz0yCNnwzx0cfguu8B5NzZEVl16uJa6dJIS0pg+aM0qZt5M408zWAtTU1P V/MsEtlHnTI7T3wl0j+XthZAXdWfCw71U2sLqoaa1Vtd0gc6xt/1qv5zIPa9Tk/JmR62YtoN TTEsXxnCvf2Adxfw7C2XXZOGHsApHl+th1svjzxtK/E9P3BS7pqzxMZc/wWkZ8Yjp31blnmT ER6N7MRkuGrVI/bGQGDmS8CKZawNHLb8DGz9BfiW/LxmLfDhJ8Crs6GOnQD3gAdga98RzkaN kF2hHOxFCsMdE8W+YL1OkJFPBYf4pashEDiDc88B9VVR/x44Q/xs21wdQYHAGeot6c3H16Wp vugLGkopKDj/vwD13kzoNeozxBOX1e7NnZCInNqNII9+kmdM/XWWqbeK7NYKF2QDeF7JKgHy tP2SWSxweodPDHRSprcD+6AsfBfCoP6MzTs9OgZZkTHIKV8J0l09gBdp74v1PB+VenHTsoAr GtM4jXvSHNWdv3O2tZUErO8sBJ6bCgwZBLlNC8gEpGJcDEtboxJJ1Ba3sVB0QIZwVjgpyF8S /ROL+0bEBvOMVwYFdlT90+cv6OcRyKvsiRuHa9METq0IW6TgjAhBVpEUuLt0g/u1V4DtZIO+ dJE7hwy1lUtPUQ2Qt21Jzr+RWJtJgPbrz5BemQGBGP3Z5coiKyEJOSXLQOzUGZg0EfhiJXDs TyAnw9OIRtaTmiWtPYDAkxUuU1rEE8DPvwKffgQ8PRbo3hVilVQ4KHFxWBizb/RYJs/kMVFk hISxhHCdxMqzuL2llxTy74LzvzD/WXCapSYHp75JUoBKEcHIDg9HTp16rOJGWbMGOH2KVwyx QmrZAGeuzX1VT1hFtry1+YCTWu80o2fD13BPHA9Hq1bIKlsB2ZWqwtW2A+Tx44FlS4CD+4hd ek1rLW5WT0xt51RT2h8to6I9PE4QQH9NvsSXpsHVqxdyqlSHLT6JFe8yW0YLnTCajOAgjQsn VAOnObvGAmfBMnv+ruTPxUGmlbfR74d+Hw6i9ThTa8A5cgzwOflej5/kZXiyYoDTTAmaOzi1 XFsLnLk5amVeEUJpJJYuhvDoI7A3bwFbrbpwd+wKPP4UsIRSGu4B0on66nYbTALeSe56fq4K F3hhtOEMoIXOlFnu22+B2a/D3X8gbA3ugKNECThjYuCKjGJkyPSLV02Bf72O0EPV6O9QscD5 /1fv/Rxjwb78tZ6EEFYeFhENsWFT5hDEt98B5y7wNWRSa73AGUCtzSP6YoHTGDQRPZ1Iw1+3 A2/MhvDA/XC2bg1Xx46QnniSV/Hv26OpsoqXJ9xfPdboJ8xudN2woJkk9Evc/ivURR9DHDcJ Uo+ecNeuh5ziJVjvR0rDaA5xGHysXovFAuc/D9qQXKWmF99tCI9V02QEd8/ecL/3IU/fo3Fx UTKFSQKAMwAaLXDm5Qiig0rCc3+xmkVl4jg4u3WCnTKm0UyQuW8C27bz9uO64mqu99QTl/XM EFkxudVN4NRfT2v8aMdkyjr39Uai5s4C+j0IV/0GsKcUhRAepnlt8wfnf8UhdCtJVHPapO9z NDGEFgdkpxSBvWVL4JlnWa410rM4j5OsEWWbyuhzJVqzwBkYkH4/0/xZuvt99DHkQQOR3bwx sls3h/zIQ7xihKq7bpdXGwzPp2qKZDEgaqRaquCd8GyyT3n9kMD7SH6zCXhhJuS7e8JZuRLr bmUGp7G4gv0rOvKi17BAef1eXEXL5qJVOlJwqCnswz9jWn1jK10S9rZtoE6cCKz5krNASLKh zqqKdF3gvBnjfxuctFvUrj8gv/UOnL164lrdmkhv0QTuMY9ApVXtlDlOlgxwGjxWst4qXTKY 6rhDwNz4lVeHqlrsS69TYOelrHS0bdyHHwHDh8Fdvw5csbHeubTBvjanBc4bDU6WmhkaCmdo JLKIbXmNFqonJCKtXHnkdOnCKpCwdh1v75dj89DSmFjt86UotcBZQNBSprjf90KZ9x5c9/dF xh0NcK1NC2JvPs6DzJTNW5IYNaVRSaCoRgIzLat1aw4gPy5aX8oS3TNMd1pK/HT8T2DVMmDs E5BaNIWQmGAwlZtZA3IDZ0HsJAuk3uD09EfxLuyWtbI51rgoNgbusmVYamZ2q9bI7toVOSMf gmvuG8CWzXxNuLQ2DIoIX/rT/xdXuAVOH7X26HFgyXLgkZFwtG/HdkgWPvlyPeeDIeDku6Ip YdnwznpoK9Vcvxm9eY8GTmqXMnAeAr5YAXX8U3C3bA53UoKRLuYFzuukdLSmj82pf5a5NDpS TA4fRwSZ5UsD3bqRTXMsMGs2sPA9xqfEPPa0w5hLq0YxdCELnDcGnNSYP3sOypdfARMmszik o/e9kJ95Bvj6G94fUtLtR52QS/FiP/f9EgIxxiswB6cVlvKFo4eJ5Pwcyrin4CDgdCYlGSRY evJB3o4NC5wFc/T4g5VWmphBCy3OnJMYjaxWTYFpU8j3vwHYdwA4eYozWEhug0WPa7AmcOaR 3/JvgvR/G5wisQv/ugj3NxuhPDcNjvsGwHl/f25brCdG/7kz3IHj1brOpxQo3y9FMgpuDReS w8aZ9pYtZyq0vUUzA5yCDw1J3hLUAmdBwMkqf0K1Ejst60c0+nQGM0eQPTYSGVUrwv7wUGD1 KuDUOcDu4pJS9rAwepssUr7JZxY4/+6g3rZLVyF/9zPUGa/AMWAQXP36Q500nlOKHDvMkwg0 g19nURPh3UUhMFufAnNFvDmrCDkOYO+fjMJEHjUG9saN4UqM5+VJptIl1VS+FBikFjivJ21P r5nlyfrBZIayUjdnXCJyqlUjG3M/qPMXAHv2Atkuj4te4cE0ySenpyCg+zdB+r+fhEBjj7/t Bt58B86hw+G8tw+nglxIvqSdvxGVJk1rv+ypJhB1V7kvi5ofs5rmvWV0/KbnaOD6972MtU18 aATslIc2Ps4PnLxW0ru42gLn9YPTy9EWFsL7bpLPOIf8nhUZy1IqnQ/0B+bPA3btAq5e8zgS tKmTp3IyaE8ZpwXOG6bbKjxp+cgh4LOP4HzsUcae7upL7M7npwJr13KbQ5C8EpZVLwcPvKVi AHCqMIGTbgg0sWHHNrIY3oE4aCicderDFRfNk6v1Qmctx1anaPRlJbeSEK4PnIpmywsasTWl HLUnxSOnVk04CDClhe/wztNZGbyIQf9qfXwLfix6uaExF3DeTJD+z4HTu1xM4ckD54lt+eVK 2Cc8DlvnjnC0bw95xCMEPAs59WW2zWP3M5oYya8dgwyf4lp42NiYtWJQbQq8iv6XLcDc16Hc /yBcNeuwek/Fj8Mn1K/Q+u+AsyAUlP+1nNf8StL8QyW5EI/5FFTTggN3fAyQWglo2wZ47DHg /ffI90y0pJxrWiIJ98jLquSJbWtd1WR4d96wwHnDkAqe/E7JgLeshzBtMpydOxA1swHEzt2A Sc8A69fzek2HwL8MPeHAZE9yW1QrAVIBTxsHxUiKN/L/ZALOi2Qz2LIBePEFoNe9cFdKhSs6 0tPVytwoJ59gumJO1g5AQ0KPodusslcRt+c5L1oRnxCDPzODd7NaxUQMrbdUMNN8yKbWenrl jccGDM4lx9VMEmamAs2txwkv9+JahocqRd/kwChHQyBQBvqICNZnU72nFzDjRe6V//MIb8JE nX8mZgOvXqn/hdjIbQVOHaB2YgP++gPEV6dD7NIJ9irVGDeQSoCjznkd+OlH4MJlqG7Zq5cK JxA20x1KhldXNeSm6p2PQLmKTh8D1nwBTJwEqU1buIqXgCs8jJcm6cFynSKE/i2kAKVNIYFI kXlht96MxwwOVaMh8QUn82wGaCSkhyF4p2lPRzCEhnqxzctB3o4XPZFCNm0ORt5wSHBAnliz IyxXcPqRa4dqLRRCjf4mns2BP+cOi4BcpAiUFi2AKVOATZvI90o2Zqebs2FoZV88qytAn9UA UtEC540Gp1vg/EHvzIHcvTuc5cszsi6xei0oQ4cBC+cDu3fyChZV8a5wZyqPbLIxlYB6jOE8 oJLzMLFxF30GDH0Ucs16rDUCXVRmUPgCQ+cdCsTDE5irR2vBQKWFntxgco7oNq0cFGxwG5kl oiEhNQALRhOiIG9md/14mnSUzXZzqBZXDA42WjPogDSIzPJh5TOItnJVm73BzHJkwzzUKTq7 BCVGoyRdQmplKNT5s2wpMWeoRmQCpix5AVPN5bu0wHkzwUn7nBw6CLz3LqR7iZpZsTLrJyIk FyWSrTUweQLraYLTRwmQnX4V7qpsbv1nVpk9Ll5DJaakUH/8DsyZB/Tsz0ij5Kgoxl3rVXXi B8BQwwb1lRwedc70GjNJlzl9TVc7tder+tTAaH6vLrl1CcapPjWAalP/WdamFOYBL3ufaTMw k1/7kWPnC8K8uH88n4k7zKcrWJDW54R6ZwvFw920CdFYxrMeosjO5M4fo1Ba8QKmnjxigfNf xCYLXP55FOqijyA+MBjOGrXhio1n/UKc1StDHdgXeP8dAqod3GkAU7MiL+pDyaBHNBy2smaj SnqrP7Jbf7cZmErsnY7dGOE0LRcTDMmokXzpNlqIpk4yUjCNGEwLuQgB2jLodprZ5lNMrH/0 GJRojEpqt+mcZkklaskQoha016Wirl6z51mHsyDWBo9OyopO20nQyVVL3uJP1exQfVPQJa1O vam3bsgNnP4qr8e2FEO8qTjN7R883EyhLHTipBlAxQpB6NYZeG0WsItskHaHVqzg34vVMEcs cP7L4KRqDW0gu3Q5pBGPwHVHY5brStvrOYsVhtS2BRTKV7p2FXDiKM/wkVSf3ota6ZDeKJfu xDRMk3aNN8M9c5KrzhvXEak5C+qAB1jnLkfhOLjDgzXJGW70qNRtNNmQPHo5k0l9C/XPJtKB o8dLBXIsyiwvxMRDSCoCoURJiKVKs03BnpTIGhK5aDetIE3ihZlUwzCPncrsSAJmVrUREwN3 saJwVSyLzGqVkF2zBlzVa0NMrQmxUjVIZSvBnVwczsg41i6P8yKFGja1OSmg4N5df9uS9/n0 tm0Nh5PJOURfRzeSnDLF4O5/H+8CfviYxmwhG1KSJhnIWvArP3CqFjhvFjhFXp+35kvIY8dC aNsaQtHC3LFAvXsVKkLs1QfKq7N5c1va4ZmWm6mKVw6tV2Pc7GxyTALIX38loF4DfPQB8MrL wFNjIPS6G2KDBnCXpCTU4axUiamYFJxBvJms0e6cSDqueoZ5caoyCRoa6ucw0Z0xVMUUI0NZ LaKrKJHO1WpDbtEaSo8erF+Lu2snOJo1IQu2HOyJhZEdGQN7WDgjH9MZ67m6yqWrSK7LERZD VMNicBBbXOrYgWww90MdNQLK2Cegjh8L+cmnII8aDWXAQLibtWa8v7bIWLiZlOZFyzqTPXID oi/IcrFFAzVnMucji8HhrDMYPTdlbGd9TCuXh/TYI8DX63g3OGr/a847M3GFruBa4PwvgJPG Os8RdfPrryFOngxX+zvhIpKB1fiRndeRUgLO9l0hPDMdCmUxOHuGt4g3wiieBAUGTpeDA/PH H1k6mDBuLBz33YscAnpb/brILl8ajkIJRGoRdTCCA0FigAxj7Om0f4oQGQF3XBzroelILETU 7EQIEVEMlH4qbFiQl1Ri3tmoSAK6OAiVKkFsSUA5cDDw7BTgrbnAQmLvznoJyrgnIfa7H847 2yOTSPFsSj5GNqKckqWQTTYOR6kSrAOavXQZIiWrwVHnDvLauyAPH8E3mk8XAetWA5u+4eVU 35LP5qv1wCefsjCU2Ls3bLXr8BKsJMqEH8qkeiC7OhBAlTy6ovmHgDz1rWwz0cBJ22TQXic5 ZJPNqVsbyvSpwG5intiytQx2D6WIZCqSDghM05+MZrgWOG/kUHjgme6kmzZCmfY8HJ07kUVZ HJlhwcggX2pWxcpw3ns/lNlvEsD9RF57ERAcRtqBFw8p/cKp1Pz9DyiLPmVs8LTjmK1CeTiL JhNJGUvUvTCepaI5UQTGKB7KbEEhNAJSXCLkMmUh16kDqXkryOT9cr2GcJYsDTEmlodHfGKg utpHpS5dkGJhIvlr1YJ4zz3AlGeJyr4U2PYz77785wFic5EFuuUbqCsWQ13wDoQZM8gmMp6p 9bRTs/DAAD4HEyk4bDjE0U9AmjINoC3qKRMAff+xg8BfZBO6eoFXbly+zD9HmpO89VuiPi6A +vRYIkn7wtmoAbKKFGG9ZXQQycEe21M2k2rrqnyoqSWEEUcN9pKovE09nWEaraVm04byztR0 M7OT96XFxsHergPkBQvIxnmKO4ICbdS55d7BAue/M6jkpE1tt/0E9c034Bj4ILLIYrpaqTwy 69aCvWcPyNOm8XS+I8TmzMniKhEkPzVHoQ6G9Ayizu6E/PZ8uPr0Y3FTRuLl5aDx1BHKmr3H GtnGxkIuXx5o3QYYOBB45jngOSLxHh0FuVNHIgkrsAwXIdjfo6t7RcXIaKB8BaBjJyItnyZg IrbysaNcWrhdPNjuyAGyiD185Tz3Qv+xh6js3/NK/yUEyJ8S6bf4M2D5coCyQmzcBPy2k9z/ MV7XSN8vO/nnQO/ZzK1Es6DSyQZ2kmwCPxBp+sG7wOhHYScSPLN4GTiiYyERKaqE8T4yuheX x1hNjqlQbud6GONDTSEfzz3riQb0eb14moV+wkNZA2DaTiO9bn24Hx0NdcPXQEZ67nTr+aT0 qBY4b7bwVDjgDv9JFueXcM96FfbHRyNrxHDYJo9jDXHxHVmcJ8nCtOXwXFk9x9aUX2vk+OWQ 1+zZA+H9D1hrBnu16siJDmcSUm9oxLyYoSFeXlImUYk6LTRpAnXEw8Bcct5viMq4dTOr/cSM qcT27Q539UqQCEBVTeowx48e4qDOoOgYKKnVgHt6A6+/zjYd1uZeRoDmOhr3EVXFKbn2+Ys8 n/jECS5hzhBb/K+/iHS8yu6LO1E8vSf1HGNV41T2pBaTY4o2ckzyvkN7gZUr4X5mCrK73MUq QMTCSUR99+Xs8QBOMIGTfVYa+Ix4bwhPrBA0tV5PjKDgpJ8lbSTlKJRENsYqEO7qxkwLLF8G HD+qkXLBx6GXz7TA+W/GOt08If3gIQLEH4Avieq2bg3Z+b8ji2s/WZyX2QKm+ZaCocKqXo1T jWRL+uWfPskdQePGQWnVEu4ihaCEh5ocN8FG+hoDJ3X3x0fDVTUVQq97oNC+LDSDhbayv3JJ 474l9tyLz0G4uzPECkTFjQhnqpsryONhZQs2gUjfGsS+6j8AynvziVTcTTYVm5EModeWetiO fJK5ZV7ryiYtq5NlL8Jkc68P84r1bzPA2ysim4D+xGnO8zprNuQHHwQa1IWYlAgpPIrZ2Sw+ G+wJs+hJDN6tKLxjpLp0lcM1J5AWy6UqLfVCC1WrQO3fD5gzG9hMJPgpsuHYbVpc8/qBCfy3 mA5uC4eQwWJJJUg2kQ4XLjHKTFy8xMu7nIJR9K6onjI/v14Yii5JdDX5R2D2a0CfPpAq0cSG OE1S6MF+MzjJgkouAnfz5lDGjAFWEHXy5AmPpBKIOnqS7PprlkOaNBZCixbk9ZRSM5ItSsUU GxUT4yA3aACMHAGFkmL/uZ+BUzWRG0taLM+LwtN38eWyMHXnCQOiyrl6ZV9gmlrjsWM7yTMX rvJUyHeIRjDwAQjVq8MVn8Rio5KWLKG3PtDvBWaKEfozlbZhmr2qt0sI8W4GRT209thEqG3v JMAkmsNvv3LJT+1MGm+WFX8bswDS8n8stfbWkJxmlgJWfUAlhkvUEtVNERLFH5iKr5pIpQ4F U3YGL0Fa9AHwMAFJ/UaQChVhXkQ9r1X3sFJV1B0VDUf5ioywGK8SQG/7hWewKLJHfaK/798N 9ZMPIA0dDnu9RshKTGZOFqoiyppUphJJbNyE8+B8tYZ3w2KMDvDKDfbw7nqHCCQfoKn5bGx+ 5VT6iXyzpWhu8nlyLd8TNf2lF6F07AhnkRQjmYCpqhrYRM1upJ7W7MgIZCYmIqd4CnLKlmTx yqyiiYxWhHqAnVoivJ526CSfRxb5rHF/f9ZmA+lpGq+w9h0pHmYKNQ+vkPo/JilvLXCaajL9 3OfGrq8ayew8UO3NX2sU3bIpGTmaLFGB8gRRO+fJsZCbtYI7OYUF5XVPpN4klyYhuFOKwdm0 KcTRRGouJe85cpg7b1gith6PlbiKu30b8MZciIOHI7N+Q8ZCTjuYGe3jk5NZ+ARPP0tUyQ28 K5qsxfP0VEPNoUUdWIonD9EzTXFbVf+bfrNKgJWqH8IQz5ps1kqtJP31gp07oBYvBWg2VulS RpwWJicX9Vy745KQXaI0C/NkdO2M7Afvh2PkcDjJdPS7D872nSDUrE1sy8IsQ0nRHEY0XptW oiQwaiSwZ4fWBcwcj5a8GC18wZfbpqP+j4nSW6PLmNaVWDVX1hocJKZFatTDK35Nafj7FI9B 5nRApXbnmrWQCEiEtkRKFCvJdnWW/B3ucXo4Y6PgrlYN7t69Ib36KmcTp82VdMeLtsB5bq6T qIdE5d5C7OJ35kN+5BG42rRiZVC07wrNNKIS2t2kOTB+Eovdsgwlwe1prMOuX4SnDZMpeUKf FLheBNmKf1Me/bbNtjffATRybc1xRjGp6otc5JvFmq+gDBsBR9nS7HOQ9U5rFJjEXnQWSkF2 5epwdLqLeVkZA/+qFcBWYjtu/pZlc+HVOcCAB+CqXhP2qBgjiZ96aC+T46pPPs6zsqj32ARO el9mLuLrNj0tcN5kgP6dl/uwIUA1CR0qoS5eYE4d5aWXIXa+C85S5ZgKasT4iO1Ekw2EkqUg tetAwDSBLMBVROIe4Z5RxTtIbmwAlDf1zHng113AJ8SmnDiB2VeuYkSCRkSxvGChDrE5R4wC lqzgrPbUltZKY5j/S1VMKromTTWVz0z/aWQK56ff+a1mk/Q0SSmFXvvp08Sm/hzuBwcjp3Rp FvPV83cpQ4FE7kNq3ArioGEQZ87iBN979xGt4TIv73NofgHaLmPmKxDat0VGdJhhp9Jc34xq VVnWEqO0FN2mXiaSV1aQilt3BOF2Hz6MCEb1CX28lsFUUBo7lXv2gpPYlM7QcKa+0cVIFyJN FhDq1gUGDwXmUd4irTRNko025nIgINiJNEhL5/FJ6vR5dBSkug0YMGknLFrAjX4DGDcStu/k sVcDdPA4dMz3EQCcch7qnNevam4A9WGuy8riVTnz3oXYuxexI4ux3FeZpjBGBrEQCxoRe/mR x4APPgJ27OA9MKljTjKFcJhH/Ayx6RexOPTV2AgeOybgtCfGIKdRI+D554ED+73YDfzK+ixw 3sJDD6HoItO8OLWO2fjwfaJ+DWC1hPawUBafpPamKzoC7gplIXUhUnPqFGAjUUEvnDd6gAIw WBbMqrUnpkFel5nGs3Vmz4GzU1fYCqfwHNmSJVgSgjR5Cu/LQrOaFNETo1Ukb7U8l/zRvMDp 3UPGk/jv7RQy2a+Si2cUfb2SaAmPwd2U2MuJSRCCQ1i8llK1OCtUgtKvPwHdR1yDoKEPmvss ceeVEcKhJ0kj975qNbL73kfAGcfDMDTdsmhRlg3EHGs0acLrmgPUaVrgvEUFp6x42XBeNhh1 3Z8gC2zxJ6z9PI1hcnDy4l9a+SLVrw1l0P2M7Au7iITLzPGYeKrqnbNrmoquQ8tkwR/9kzH5 ue/tD0fJsjzZvXAipDsaQKBMgitW8nxgvX2ArsaaE/fVfCRjfuDUSLcVrbLDe81r8U5bJtms iCo+n9iPfXoQIJaBU6tlpaEkZ+Fk2Bs3hTx+IrEtt7KED+g8Ppr5IJBjifq9XyOaw+o1SOvb D1fiE1l4iuZC24oVg6NLN6I1vAUcP+HRZAwvtAXO20NwGtJHMpobCQSonLRa5LHJJQScQwfC XrUybOHhLN/TFRLJbES5TStg7OPA58Q2PHKcLEjJ44NRPQ4XwwtqNM5ReXIAzeyhqtvCjyD2 fQDu0mUZ5YkjIQLOWkSNHng/D+ecOMYdTMZilGDuy52X2op8JavZvlT8EpGYZ5gmItAUwtVk oxgzBnL9RhAooMIjeHoeeRTKlIOr173AW2Sj2kc0DkHUwh765J8xs2Cpqpp2lUjONUjvQ8AZ V4jFSqnX1lGqNMTuPchx3ib3fVzzoHNPs+7UU2+DtXlbg9Mv4Z21NpI0NRSc/oSmBH68CBj0 AJxViFobEcEWkS00Ao4y5eHq3Bl4YTqwmUiKvy6DdUbKLcDIwhiyh4SKqrU0T5SWpb0xF9Ld veEuVorF/ewxoXCkloLQuxujX2HJ7hLPgeXRFMkIKch5+Hjy8lB6qa8m549x+aqW2EFVb7qB rFgBZewE2Fu1g7NoKUghEUwVpfm17ugEuOs1hDJuHPDVVzwJRPKo3owzlh1f5PdPn7t8hUnO rD59iVqbwCSwg4DcUa4cRErgNW8er7+l1yDpWU6SAU7VAuetDU4jkC3LXsxtbKe+mgH8vB14 bQ7ke+5hi4aqtVSFoyVMttRUxpHLJMVvfwDpdpO/QtEWJLxDGBo4VYWg2E3UvrOniU1JFvNz z0Bs3QbOpMKM4YAmfTtKpkDu2I73/vj5JyCLU3ya+XV943hqvl7Y3N3X5rgguw0KCjv5DA7v BZZ+BvWxMXA0bQlb8dJwRsZwFgMKzIhwOEuUZZsLI/M+tI+3SfSJbCl6KwyW0EDmGWJHL14C G3UIEXuVJi3QzS+7XFk4evZkTieWD00/K1k0QkSqqX+qBc5bGJyeRG+tP6eiqVwZRI07QPuh rIL81EQIrVrDVqQoHLRqIiyMtZoT6taGNHQo8MliRpMCu2T4lKgE5v9MNqGRD0r+6ibq7LVL UHdsh7zwPYjEps2qVg22yGgmQWjZmKsQUfXq1QKGDwE++4RX/2cJJtNVzR9/au4qrfl5j33s ARNlGpQvnIa05Wuozz+LnLZtkUE+A+qwojY3KwoPI7Z34cKw178DyuNjgU3fkvu6rJFtqUZi j3kjYT/kkJ8OEHvy3XeQ3aU90mLCePEA2fwyS5RCTpeuvHCAglN2e3lsvRkTLXDe2gjV45oM oAIvxTp4EFizjnEFKff0gVitOisHY7QhZNJCajRswFoP4vOVnBtXkE15r/yf3pzXkBhUIlN1 liaynz4FedNmiK++BjeRzLRQ2hUdrdV7EqlES8dKlABatYI89kmyUSzjMU+bk6uFkuzlFTbU dDNbcq75pt6L2ytvQ4/3Uo6ek8ehrl0F8fExLLyRGZ/AQyehXJ0VY6LhrpIKR+++BGgLuBlA +9P4dorWwO/WP/AM8pptu4CZLyO9bXNkxoXz8BTRGrITk5HZuDXRGGYC+w961GPFrPFwA8SK c94O4pOuTLcT0pULcO/dA4HYQtIrr0EYOARis5aQqB1EFiKnFSFSg4KzXj1W58jKwWj+q8Rd MzxBgIc9/GKJipa7S/mJLlyA8tMvUN57H+pDIyBQ7qOUYgyUjEA5hIA0Koad29WxPcRxT0L5 7DNg9+/ApcuczUETTWZGc6kADSfNCQpqIDuVHogWDJw6zatriF0td+sGoVwZiFERBnOfUCgR avMWwKRJwLffciePJHmFZfTbpocU2DlFHrfd8Rvw6kxcbd2cqLUhnD2BAJ5So2Sk1ob86FNE nd/G71MxpVkG2FwscN7CNidzsGRlQTp8GMKGbyG/vQDi2ImQiESg9ZlipbJwJxJVNiyYlYcp RK1FjRrAkAeARe8RiXGAZ76oMDUM9PR/NFeEsI5nRE1TbDlQTp+G+t33wBtvQR1ENoJGdzCA slS+ME7T4YyLh610STibN4Mw8hHgvYXArt0cCKKoJR7IRhhEKlA3WHPc1ZTeZ9YmBIUDg3qK V62ESjYHqVkTuJKTGOGWIyIYtsJJUDrcCbzyErD9FyAznaugJo+qLzjZ5+IiZsMRIhXfX4gr 3TrjSlwYoFWzUL6g7KLFoPTsxdV56jGnZoD52hTVCqXcDt5a3m6BqrPpUP48DGnTd1AWLYby wkzWi0Pu0Q1SnepwJsczikZadM2AQ1ROmS7M554GNtK2D6e0EjHNflVFk5PJW2rJ+obgsPMQ xarVwISJjGfXXrw4C9lwRr0QRnBFHVHZycS2a9gI7hEjIVKWgz8P8TRB2TuBQA+t+OXMIjA4 VXPs1FztImu6ZCaRcj9shfrcM5BaNIezcCHYaUE0AagtgWgTTRpCenIMsPhTItV3cydX+lUe JhJlQyXl16aBk7IwEC2FmgTX7u2LS3FRnFVCIyejDjfKbiiNHs3DVCf+5JzB+iXmV3JjgfN/ fWgLhboO6WJx26BevQLl5Cmoe4kk3PI9o2Gk9p7Sri0DI6Wp1AuI3dFxkFNrQKWMBa/M4uof ZR1wO7VkbTcM9y0THb4VITRlhrz23Angq7XA5IlQW7aEkJzMKE+M+ketMJm2VXcXT2EbgvTy VODHLTz/VzR7MhVPKAjIF5x+XbdUE4u2TrRNO3dRbWLkaEafqRCpzviBwjQKzpJFILVuCXXY cJ7VQ2tZf/kJOH7EKBL3qtGTtZ4mtIRu/UZkDByGtEKFeT0nlZ7kmLQAnZKjORs0Jhvk48AX xHQ4e9yQoKp660c6LXCyhagBiUo6Ciq62GkA/ZoWg3x7LsQ+fZBdqRIy4mNZVgzNf82KiUdO yXLIatgEjkHDIRPVlFWk0Hb3tB5U1I5puHBN4GSPCu+9cp5ImvXrID37DIR27ZBdkkjOhFg4 YiLZuWiTJHdsOGwx4XClFGGs584nRkNduYxIz8McADKX1LmC0+9XT56ud0s8U5MnvcKFMkys +hIZ/QfjSklOl+mMCoczOpjMUMbMl12hAjIaNYGNSEH35Kchf7KIq7m0RE6WTZ5qLb5LB1WZ N21FxqOP4XLZssiJDGN0MA4iRankzIyNQ1pKaWS1bQ/H888Qm/YrTTtxsswuK855W6i1ug2j eC8kJwEOsUHV5cvgfnw0Mu9sjbQaqchOrQxblZrIrFYT12rVxKU7GiKz293IGfU4nHPfhbxh E5QDBzWb0GU4LlQvuiLtfLQwnObNbtkM4bVZsA8YgPQmjXGtZi2kp1aFvVI1OCtXZVw6WVUq I6dOPeS074L0EaOQM+89iLv3cOcKtfOUvMEZMNHdlOvred4EUBrGoCVuq7/E1ZFj8FeDpkiv mMpivI7UCshJrYgMcm1pNWrjcv3GuHxnJ2QOGQbHK69BXL8eKt2oWMsEeHVwYz/S3OXvt+La 0xNxpfkdSK9UDplVqzKS6xxiz6dXr4GLNarjQosWuDpoIFxz34D04w88ecEtWonvt4NDSPKN Jyha/aWLLMwzZyF9txXCu2/DMfFJ5AwdBNfAgRAGPQQXbZw7bAiyhg6EY8QjyB43Cemz3kD2 51/AvXM3p0mhNqXPZuDhL9LaPNAqlt93QySS0P3yS7CNeQzOESMgDBkO5cFhwINDoQweAueD g+AeOgLOMeORNZW87tPlsO2k4Mzk0kgRgVy8mLnGQH1qW2X4pPRR0FO2vu9/Rs7rb+Pqw2RT 6P8g5EGDmQNLItclDB7KrtU++GHkPDwa2ROfhu3t+RA3bYZEc4KpBqG1tdDtbfaZ01DNH7uQ Mf9NXBv9MLIe6Af3sKGMylN+aDjcQwaz39OHDsHlUaORMfs12DZs4NlHlBTci5HMAuctKTnl QItW0UiyaAtzmny94zcoZGEoq78Aln/OkhOwfDWjnlSWLYe4ZDnsK1Yj+6uNcG4jr6XvYe3P Bc2xEggkClepnQRcl85BObgXyk/fQV3/Fa8LpQnvy1fxc9FY6ufkfCtXQVmzBsq3m+De/ivE s+ch0VpPWfZ4XcwOIeSTIx4g19YLnMyLnQ0cPUmubTvENeuhLCXXQyfZhLCKzM/pta6CTK7T vWw1XGvXQ/xpG8T9B3jZHa0BVbw3AAZOajr8dRrSzm1wrlsD4fOl5P5W8HtfSSe/X3npMuQs XYrsr9fDtY9sRlfJZuG2mwoBLHDesgANnPYmc6lGvY0OF0/8phLu6hWuVtE4I53UIUMlJPv9 EieiyszkUoECkwLcBE5/M1ALuVDp4rRxW/Ua5aOl5yHHunjFMy9p56WSjNqB1KFic/ByLHNA sSCRlHxsUsODq2i1l1RSUerNq2nkGq5q16IRUdMi6sv656I9Umlud3JgmpMlfFV7euycTG4C XNWORe+RFmPTSY934SL/nOlz9J4pWZp666fwWUkIedL16/aRqIVFqJfRreV6Uo+swzOZQ8nt KT0jj5TfJ1Cg3+uces2Wb1WZarJL1QB9Js3seL5//0fAqfuwFJ/+paJ2n9oE7Tnj5PfPPhe3 5lRzGx5kr0wh3xNR/hNRp0TU+2xy+5m9XxG9PgNVqx2QFVPPVAuctzgwA6h3koEdD/eQV9mT NlWtr5XEqlp4q3o+81CbVXjH7DRA6uely95leqRT0KYfV60vUHEd4Czgx6PXg0h+/0Tyj1dp eq7MDErFKGsLWMJm4p9VVM87hQBTAnL/TC1w3qrhlABZMvqzvtkovsBS/CWbXr+pBsSLz7nM DXoNcaAEuC4fBr18mKz0PqP5U2P61EcG2jjy4Nlkdq2Z39Z4n+ZY87kO1Ww2BDoWAmgBxgYE rywm1ZKctyE4A00llwWrA6rAIsoXeAGe09U4qr8pPtxAqpK7WnudErNA4AykbudCqxnwtYE+ TtXDpGYwE+alzRSQzd0C560OztxepXrjwYxPyednKc815M0nRBVit4/K5p2Hqwb0ugbESAFf 97c/KdWbMV/2uW7Fp3JEDeARV3P5HDyt4r0lrWfb8NEiFNlyCN3u4PRNTzUvykBWlnkh+vhm AizKvN+v+vmOVL9rUH3AqfqCOz9w5iN15VymGgCcci6+KTmfTUq3SgOd0y/0VMDN1ALnLeQX KogX9zqeLlC3K88Piv9jgEWo+lS4/CPaXx7eWjkv6Z8f/21+n2/uLy/Amy1w3pYO2/w8uV4p b+bHv9GKjv+g+E8UZF6fiXa9n0eeqqiq5B7i+af06TyPY4Hz9gZnAECoxqNkYpMzER0XAEx/ e2NQC+Yz+Sc+A+/pSwuiwDdccr337X1yn02pQKA0n9sCpwVOY3FKRqzTE/MsyGL9hyT3PwzO /AWfeVNSvDYl9TokfIHBed3TAqflMPp/z+tGxd9yYP1/QZmrzefHouBzLQXtwXK9F/gPHc4C 5+0EzoAr23vRqn8XnHmu0RsDzgJd39/xjOVzjIKmFVrgtPTa/9fOnldfyOtpQVcgqsu/Cc48 j/s3pO11X7fP9Qf6nNTbTH21wHkTwOn7lH8OaACp+7ftyIIv3gL3q/x/gDNQfBIoCEVnYAeU BU4LnDdI7fUJxBsxTMkodfIwEsgwJyT4Ji54Ok0rWmdu2cR0oDmoFMFUOeJ/HYEyl7y6Xpte 65844cnKYQRipiwk/rQnj0dPyvA0RhIM5nvzByLLMm6LZicWOP8L4JSQVwyS/6J16pIFLz5X A2C+ZFs+wNRtWMmLhsQ3rKAx8Pnkrcq5SXHTxuBVzgUtM0pVCyDBfLKdVL2Ui9fW6Cl5gapm VAugFjhvDkBzUQXN3k6TdPNITl4nyqWiqXmv6diqXo1iBlgASWnOwzULtsD58d7XEbhNoJKH iew5r0x7v6iyB9SK/rxopg7yJODi9iCFtsD5Xzdp1UCOHE3DUzwFzKpvZYivymzi+VG9wH49 16L6bShmNdaoFgmg6npxLfm0DFRgajxsVKTwnqd6B25dhPNcZXNdrAVQC5w3yZ+UO4mWrNlt qvc0+oL6s+IpWhG3sfAlf7B7yrC81UQPEH1S7sz2qKrmLhF9mhsFBqdiqMvMlqa2pGQGp8xI DmQfHZ+r8G6jS7c1LHDeMGDKyCfTSKfbIFOWBLjdbjYFSYRT5jwChiPFKLbmoJUUN/kT59JV BPJalwiXmyx6QWX0RPriV01SmhU4K3orQ4FTh1B+XNFJfnRAcDvhcrnYdDqdxiOd9Lqowyav sJC3Day3UHQzwmfFJUByiuRU5DyCy2Ag8a6d1qhfLMlpgfNmSM3c/0bJu+wQcq4i8/IZnDz6 J/b8vgu7du/BngN/4tj5i7iY7YBN5t5OT1EkbzQrkPfmZF9D+oVzOHP8CPbtO4Bdew5g/+GT OPHXFVzLdsGteIPTIzklxnWkOjJgv3oW548fxIE9O/Hbju3YsWMHdu7cid27fsOunfTn3di5 6w/8vu8gjp06i/RsOwOkqHAnj3+4Q5Oosgq308Xu7dzR/fhz3x52/N92/IIDBw7g7EVy306Z 3ZugmsvcFAuYFjhvDkADhVG45CKSKf0vnD+yG79u/QrLPl6I12fPwquzZuP1dxZi6Vdb8P3v R3AqzQ6bqB9UC50QaeS0ZeDcycPY+eMmfLFiCd55dz5ee2sBPli6Fl9t/RVHz6Uh2yl7GAZM TiTeoDcDOZdP4dien7Bh9WeYN/c1vPTiC5j+wot48aWZeHHGdLwwfSqmT5+BGS++gpmvzcHC jz7Dj9t34tylNDiI4HVrAPXUkaqGJHU63bhKNo49v2zCmiXvseO/MH0KZpDjzl+wEBt++BVH yDXSzUdv+u1l7FoeWwucNxKcTIXUVVdN4ZO1n2TbVVw6uhvb1i/GwlnPYsTAPujWqT3atuuI 7n0H4dGnX8EbH6/Dj3tO4WKmW3Nmao2JiCqalXYJB3b+iFWfLsDzk8bgvgH90b3fQDww+hnM XrQK3+8+hAyHpMVTZXiHU9wQcy4h/fR+/LTuM8x6fizu79UVbdu0QuPmLchshQYNGqBmzZqo Vbs+GjRsgqYt26B7rz547KkJeGPeB1j37c/Yd+QcrqQTtVfyxDFFjfLAZcsi1/czli54DeNG 9kOPrq3RslVTtGrTGv0eHIJpr8/Dxu37cCbdQXn6PJSYPlQm1rDAeWPBSW1DU0qaTCRX1sUT 2PfDWnw0axJG9umIBtXKoUTRwkhMKoKiZauiccf7MXTcTCxa/QMOnU5jXff0A6vE/ks/fxrb t6zD2zMn4f7enVC9di2UqdUQ9Tv1w6ipb2H9T7/jqs3txxTA6TxdkDLP4sKhbVj3yVyMHnQ3 alYujaSkBETGJSK6UBFExyeRaymM+ITCiI1LQkJCAgoXSUb5KlXQuFV7DH10IuYuXIFtfxxn m4eg258M/CJy0v7CprWLMYkAs1ntMiheNA7xiTGISyqE8lXros9D4/DWZ19h97ELyBY1k1pW bp8EWQuc//JgYkvkXbHNzhK3DZeP/Y7NK97FsyPuRasapZAUEYTQoCAEBYUgKCwOiaVro2nX gXh29iKi3h5DjmDyvhJwZvx1Ej9vWIFZU0ahy50NkFyiGMJTyqJ0484YQED9+aZfcSnL5YmZ mmseFWI3Zp7G2T82Y+V7L+HB7i2RnBiBoGBy/ugEpFSoivotWqFjtx5o36ELWhJpWrtGKhIT ovlromJRulpj9Bz0FOYv34R9p68x6cd9y/R+bbj2134sWzgTfTo0QkpMEILp+9gMQ3hCMdRq 1ROjp8zF19sOIt0FTzMj3AbEsxY4/yuGp6SBU+/QJcKZeQnHdm7CZ3OnYMjdzVG1WBQiCDBD yOINZgANR0RCKVRr2BEPjXsZKzfuwOVst8dpIom4du4ofvp6CV6dMhJd2zdEkZIlEVa0HEo1 6oIHxr+C5Zv4e3RwehFAqw6I6Sdx+vcNWDX/BTxwVwskJ0SRTSEMhcpWQWeiVr/y9nx8vWkr Nm4k1/nRIowdPRytGtdCEpF+FGBB8WVRoeFdGPX8PGzadRwOaAEUSiTtvIwz+7bgrRmPoWXd cohi90RmKNkAgsh7Q+NQrEoz3DNsMj5Z9wsuZGuxXPX2zpm1wHkThabhxFE8zPCqmE2A9Sex NT/GrMnD0L1lLZQuTMAZHoyoqCjERIQjLCgY4WExKF+5HvoOGYsFS77B4fPpcOixQQJOqhZv /3Y53pg2Gj27NEWpcuURW6oaKjW7G0OfmYOVW3cRcIqadijBu1zNDRDJeZEA6Mv3X8bgnm1Q slhhhMTEo0Ld5hj34hwcOnORxy/JjTgz0vDNqk/x5IgBqEXU7/BoAtDwFEQWb4Aew6Zg9fcH GLk1O4+UBdelw9i3dTGmjumH2pWKITo8BAnJKShcrBQSY+MQFhKJmEIV0LTzALz+8Zc4nuZm 3l89LdDKELLAeXPAqcczmTrphJB9ESf++B7rPnwFE4b3QLs7qqJc6aIoUbI0ypWviLIlUpAc HYm4sBCUKV0R3fs+hFfnLcOvh84w9Y+n8knIvHAc2zYuw5ypo9Czc3OULl8J8SVroHKz7hgy 8TWs3LIbF7P8wcmlG7E5047j/B+b8MWC6Rh0d2uUKp7MVNoK9Vvj2dffw9HzV7X4Ko3lOLD3 p6/x2tQn0KpJTWI7JiAopAiR1PXRbfAzWPXdfg2c5Hz2y7h44Cds+PBlPNSzOSqWKoqUkmVQ t+WdaN6uM+qmVkZ8cDBCQ+NRpcGdePqND3HgUg7z2HpyeS1wWuC80RotTAClgQbBhqzzf2LH hiV4d+ojeKBbYzSqXQlVq1dDw+Zt0bFLD3Ru3QyNqpRB5WKJqFS2FNp17ovx09/C2h/+wGnq GdWcLukXjjDJ+eb0x9GrcyuUK1cVSaVroWqzHhg68VUNnLKpa5nnuig41YxTuEQk57r3ZmBY r3YoUbwIsSUTkVK9KQaPnYZvvv8FV6+lIfvaFZzcvxurP3oLE0cNQKM6FREZTVTg8GIoVrUd ho6djQ3bj8LODuyGK+00fiebxtvjB6NL/QooXbIUAWYHDJ8wFZNnzMSIfvegTslkxEXEoEzl Ohg4YTo27D+Ja5KnLYpqZb5b4LwZ4DSXhcmOdFw8+hu+WTwH44d0QTuyeKullkfdRk3Ra8Bw PDnhaUx47GEiydqhVe3yqF6+FBo1bY9Bo5/DB6u24OC5dNgZziRkXDzO1VoizXp2bIGyZSqh UMnqqNr8LgybNIuB81K25EmGNztZFAJOYnNeIJLzywUvMnAWL1KI2JzRiC1dBW3uGYCnp7+I JUuWYOmnH+Ht2S9jwuih6NiqAVKS4xAcHoXYYlXRuMMgTJ+7HDsPX+KJErAj/cxefLnwFYy+ uyXqFI9HseJl0KH3YLz+ySqs3bQFi2ZPw4N3NkT5wokoXqo82vZ7GO98+SMOXsxBtswzm6xh gfPmSE5Fa3+lEqmSeR5//roeH74+Ef06NUD1MokoVjQFTVp0wLDR4/HyrNfxzuszmITq3ro+ qlUohco1G6Jj72F46d0l2L7/DIsp0nBI1tVT+HnTCsyZ/hR6tG+GimXLoUipVFRrwdXa1Vup 5BQ8ktMMTpodRMB5fs+3WP/+TAzr2RalixFwhlBvbSzKptZE89bt0KNHT9zd4y60a9saVVOr oGjRYoiMS2KhnqYd+2LMc29g9aZdOJdm56qzeBWndn+Dt557GJ3ql0dyRBCKpFTEvYOexKdr N2PP/n34fvV8THn4LjSuUgKFCxdBxaY9MGzaQqz66TAuOXhSg+WttcB581BKHUJCNtLOHsIP X32MGUTla1uvPFLiQhAfm4AGjdtg2KPjWBbO22+8iGeeGobudzYmam1JArhKqNWsKx6f8iY2 bjuELBcHW9a1s/hp80q8Pn0ckZwtUbk8B2el5t0xePJsfL7pN+atlU1qrSdRyAWFgJOqtV8t fBlD726DEkXjODhDQojKGoWwcCJFY+MRGRmJiIgIBIdEIjquKMpVq4+ufYdi2pz3sWbrThw7 n4UclwTBmY6sCwfwy9r5GDewE6oXi0VkEAFn8cro/cAoLPxsFX7+5XtsXPEWZjxxH9EMypJ7 j0NE8Tpo3OtxzPp0Ew5fdpuS6K1hgfOGeYRgqjwR4LJdxYmDv2H1J29jzJB70KByCcQTMESE haN8pWrodFdPDBsxEqMfGYoH+nTDHXWqILlwEiISU1CyahP0H/U8lnyzExcyJbaAs9PPMcn5 xgtjcU+nVqhQoRISS1VF+Rb3YMhzc5mNmuFSIQfYK5hDKIOA88BmrP/gRTzUq60GzmAERZDH 8FhExMQjIbEQoqOjkZiYiJJEBW3c7E4MHzUeCxd/gR2HTuF8hgtOzUbMuXoaB7etw/szn8C9 rWuidEI4IoODkVikJBq36YSHHnscL740FS88PQrD+nZEzYqlEBlOvb4lkEJs11HPz8cvhy4Z HmlLdlrgvLE6rcKTzCXRgbRLp/DbzxuwgNhcA+6+E6nFk1hskyYdhEbEokiJ0qhcrTpq1qiC qhVLIyk+iscGQ6IQXyIVHfs+hjc+2YC9Z7JYQkL61bP4ecMyzJ0+lknOcuUrI6lsTaS27YuR MxZg864jHDj0CiSFNyTTQzHUQrSfw8WDRHK+Px0P39tKA2c4YgqXQaXaTdCxxz0YPHwYhpI5 cuRIjB37DF6bMx8r123B3qPnkCXA8LBSNfnKyT/w9eK3MHZgNzSpnMI2HhazDYtEXEpxVKxW GQ0bESnZgNjF5YsjKSqcPE+kdBCRngkV0HPwZHy+ZT8u2FTm9JKtVWSB88aCkwf+3a4cnD15 EBvWLMbUCY+iU8sGKFE4DuHBZHESdTEoLAYRsYmITUxCYkIMEuMiEROpLe7gUMQll8IdHfpj 7MuLsPanIzh2KQvnz5/Atm9X4O0Z49CrA3UIVURCySqo1OpuDH56Fr78fgfSc7ScXJOnlhVk KW6I2Wdwbv+3WLNwCob1boaSRRMRTKRmiYoNcd+wJ/HR8tXYsWc3/ti3F/v27cOhgydw5sxV XL7mgt3Nj6PqQHel4/iuzZj30jh0b1YD5RIi+MZDrj0oPBLB8fGIiicSOCkWyYUKIy4mFrER oYgIDkIYeV14eCKadh6EFxasxc9HrnDb01pFFjhvnJ1Je6Dz+KLdlonDe3fg4wWv4+H+PVCv WhkUio9BcpHiqFCjIeq36ID23e5Bl+49cFe3TujWuS3at2nMpEzFcsTuLFoCZWs0R5cBYzFj /homFY8eO4RfNq9i4OzR7g4UTS6CoOjCSChfC3d07YPHJk3B/IUfYfFnK7Dks+VYvHgplqz4 HOs2bcWvu3bi0B8/Yv/Pq7Bi3mQM7NEIRQrFscydMtWa48kpc7Dn6GktI0mrqFG4zWrmHWIQ ErIgXjuNbes/xZODe6BycjRiaLZTUDBSSpVF9SbN0bp7d6K2d0bXrp3Rrevd6Ni+E1o2qo+q pVNQKCKISdCilZuh8+Bn8c7nP+LABZsFTgucN8Vdi6z0y/j9l814Y8Yk3NOhMSqXKowUourV b94eA0dPxivzPsPK9ZvxzabN2LJ5A7Z+uxYrPpmH18nrH+jVGTVSKyKZqLZV7uiGIeNnY9mG 7dj1xx788t06vDNzEnp3aIZSKckIDolAUEwcEkuWRbmqNdDgjuZo2qQVmjdthWbNWqBth454 YNgjeGHmLKxa/hH+r72zj2nijOO4yRKX6WZ0bo4/NPtDNxOncRqzLFN8nYIaN1+Cos4t6tSw N43JkGjMxkYy1G1WC0jFCTKiMkGULQOLOsfWKajIS0sptLy/1bJCoQpt7+67u6d3vbvSuUzT /55fcqH0uOuV3Od+z8vv+X5/44E6m3oA29bNF6dSxmDStLn49OB3uGO2yZoG4jIuJaD+7+gB O2BHb1MlLmdpsHH5Wxj71AiSNUc+PRrzlq7AvuSjOF+kR1GJHnp9Ma7wry9fuIATh7/Cro3v YNbkCFJBNGLURETMXoXdSZkwGLsonBTOMPNJJEcYOB3tuGsohiYpHjHLIzFr2hQCzpa4z5F+ vgh3bffF+UsxGzFuDNhtqCj9BUcT47EmegmmT5+DGW9EITbuIE7+dAVlFVUov3kdWSnJ2L5h Jea89irfb3wB48aPxZjnx+G5cf4VJaOeGYNnR48lVT0REyfhzUXRiPtsLzIz0nG18CzyTyUj Pi4Wr8+cgQmTpmL24jVISD6BshqrCEhorSKW9dcMM71d6DDdQq7uMN5fuwwTechfHB+BqXyL YHdCIkrKqtHL+NWQ/HW9PO5uFyy3S5Gl+RobVy7ElMkvY+SEV/DSzCjsTNBAf7OO9jkpnGHO nGRMyAOXswNV5XpkpyVj30fbsDkmBtt37cU32jO4eseCTp5MDxTqeUIdrq8PPc3V0OedQWL8 HmyK3YL1m3YgISkFZwtv4HZNLSrulaPo4jkc+iIeOzdvwNoVUYheuhBLly3CggWRiIzkM6aY NefNn4slUdF4b8cnSEzW4NLFApSV6knxfOqhA9i+dRuWr47F1t37oc3JQ421TW66kmVmbADO wNpS7yAGezrRVF2GSznp2LdnJ1a/uwqL3l6JzR98DF1mPurbnYEVKxwp8uN/49x40NWIP3/N x5Ev9yMmZh3mLF6Fhes+xMHDGTDcrYePoZVCFM6wM+rFw4c9aG+shuFaIfJ+PI2MtJPIyilA cWkFLJ296GMVws5C/ZrQX2UfkKIFyz0DD2AuMnUZ0KVnIbegBIYKMxraOtHc2kLkRUoK83Hu tA4ZWg20miNI0X6P4/ym1R6DRnOcbMdTjiFVl47s3AJcuXELVZUmtDU2wFZTht+LC5CdnUMW UZ/i918rr0RLtzMITln0WrK9Zz0P4e1zwtFsRYXhOvJys5Galo5vNTqczsrHH3+ZYBenfhhy 1CB/nJs8eDzOblIWeLXoZ2T8cApJR1NxKC0TFy5fg8XaQeGkcIaTSr+qnpA5PUMDfPbkm3+t NljrzDCb6vgbsA3t3S6iozMoDrAoRDCJWrvX44arpxsdzTbYzBb+uHpYba3otDvR43LD2e+C w2FHO7+/qd4Mi7EK1dWVMNbWwGiqRG2tEUZjLWpMRvLabKlDna0FzR0O3Hf0wd3nQv/9LnS2 8NdlbUS1uQHGxma0OP5G/yCrWAuqgJNjFFKd/PcTRMCcPehua0JDfS0qjWbcqTLDZuuC3T4A frdiwbdwriHyU1BzGOjtQVdnK2rrTLhdVUWObbS1ob/vAZn6oXBSOMMQw41kJeU71ifYDvgV 8oQkGewUHcq4h2WEZi4PhYfvr3lZlV4sI/ThhP2McG6GKPf5+MwrvCf0C70Mv5F5Th/5fEFR wStV8ylGlYVrGRL0fDguIDkiK7QHw6lYNUImT1lyDuE7CrWxHoZcrn+wWlFRIBzLglEJgQmv Pb4hosgnKBBywj+GBS3ho3CGEU5BmkSSJ1EMpqgBVq8Wkf1LOKLFo6qUkZQxRU0gTrRfUAt4 Kac5/OdX6sr6B6hCu4iFkvIM9C3JQI48+jxMlV0hii2xqlo0LV67VAhB5lsDlUCKBxlZmM7J 5jA0KJxhzZyKu102MBIV8MimmKpQZBPJo0St5K4ExBdwkiaoiNrQ5N5mZUsGWdwZw232iOCX LA4tfQ7HSOLS0oOGCXIAYwOK7nJTnFXB7n8wef/l+pWrdkQl+YCTNWjtHoUzvAO1Un4JNiSR M+HwgRZuWJNYhoRlJK8RCU6POPqpUH4PsmvgxCaqymslIDjmFXN0kJkR8S7hFJmLFe0Ygj+f VTdPJcgCJ/KSwbBA5g5OydL5WTW0bMC6iQaFM0xwMiEyhsoagdAm+opwjMLNi1U08WRbAiV7 ZI6R3PweGU6VpKTcpGRCwckODYPTF3xoCDhZRtk2kPuO/tFbJugh4beM8AVl5YCQF4cgDxXl 22olhFBGTBROGk8E6H//waPt8x4tdPX/DHJDHzcc/CduVoZwqH4cQ14aFE4aNCicNGjQoHDS oEHhpEGDBoWTBg0aFE4aNCicNGjQeIz4By7q4DOlKJD4AAAAAElFTkSuQmCC iVBORw0KGgoAAAANSUhEUgAAACEAAAAWCAIAAADB+WItAAADEElEQVR4nK1VS0hqURQ1sZKg aFIgKEVFGFJvYloY9i8IJaggC7JyIAU1KBEhpdCwD/RG0RdSIhyUomkf6ENgGYSDQAIdNNHS mjaqwKJW3fC9Mu2jGy7ce8+5e52991rrUp6enkgkks/nW1hY8Hq9pDgFg8GQSqW5ubm4p+A6 Ozvj8/kcDqe8vJxCocQOcHt7u76+Pjc3d3BwwGazXzIODw8/PDz09fUJhcLYAYhITEwcHR1V KpU7OzsvGB6Px2Kx4Pn6+hoFxpj98fFxYGDg4uJCp9MpFAoS0SuMJCcnZ29vr6Wl5fLyUqPR JCQk/A7g/v5eLBanp6ebTCaHw0EM+1/309LSNjc3u7u7JRLJ4uIiiv0pwM3NTVNTU1lZmVqt /v+U7yaclJS0srIil8sxGKPRmJqa+n0Av9+Pr9Dq3t7eD0sfWUQmk/++RlVVlc1mo9Fo3wFw u92oQKvVNjc3h69+zlSZTIbslZWVoCCTyYwOcHx83NnZubS0BOp/uiGiGtrb2zMyMhoaGtA9 Ho8XaRsOgd6azeaioqJIe6Iprra2FvQA2aamptCK8A3z8/MzMzP7+/tZWVlR8nyh6vz8fBaL BbJdXV1BpKH3IOXIyMj09HRFRQWYGj1JNAxoUyQSoQ70GnWAOWNjYyAFTKGnpweocDkYRklJ yfLyMqzoxxhra2sqlQopqqur8bi7u4tqkK64uPjo6Ag3VqsVGoKSUUpXVxdUNTg4iBN8CyMY DGKMLpfLbreHuJuSkrK6uoqX5+fnaFpBQUFoP5fLPTk5gSygD71en5mZ+QVGIBBoa2sDkWAt 4R785zXCjwWPMBgM6Bj8e3Z2FtqKiAEr7u/vn5ycFAgE4Ym+DKiktLS0o6Ojvr4eXv4OA96C /kxMTGxsbGxtbWVnZ/8CgAjw8PDwcGhoqKamBuZIuNYLBprb2NhYV1eHOpKTk38NQAQywIq2 t7dbW1tR1hsGzBzkoVKpWIjLf/Du7g76RxHg+htGYWGh0+nE/xxeGzsAEXQ6/fT0NC8vjxSa OWYwPj4eL4AP8QxSIji/brkqGAAAAABJRU5ErkJggg== iVBORw0KGgoAAAANSUhEUgAAACEAAAAWCAIAAADB+WItAAADEElEQVR4nK1VS0hqURQ1sZKg aFIgKEVFGFJvYloY9i8IJaggC7JyIAU1KBEhpdCwD/RG0RdSIhyUomkf6ENgGYSDQAIdNNHS mjaqwKJW3fC9Mu2jGy7ce8+5e52991rrUp6enkgkks/nW1hY8Hq9pDgFg8GQSqW5ubm4p+A6 Ozvj8/kcDqe8vJxCocQOcHt7u76+Pjc3d3BwwGazXzIODw8/PDz09fUJhcLYAYhITEwcHR1V KpU7OzsvGB6Px2Kx4Pn6+hoFxpj98fFxYGDg4uJCp9MpFAoS0SuMJCcnZ29vr6Wl5fLyUqPR JCQk/A7g/v5eLBanp6ebTCaHw0EM+1/309LSNjc3u7u7JRLJ4uIiiv0pwM3NTVNTU1lZmVqt /v+U7yaclJS0srIil8sxGKPRmJqa+n0Av9+Pr9Dq3t7eD0sfWUQmk/++RlVVlc1mo9Fo3wFw u92oQKvVNjc3h69+zlSZTIbslZWVoCCTyYwOcHx83NnZubS0BOp/uiGiGtrb2zMyMhoaGtA9 Ho8XaRsOgd6azeaioqJIe6Iprra2FvQA2aamptCK8A3z8/MzMzP7+/tZWVlR8nyh6vz8fBaL BbJdXV1BpKH3IOXIyMj09HRFRQWYGj1JNAxoUyQSoQ70GnWAOWNjYyAFTKGnpweocDkYRklJ yfLyMqzoxxhra2sqlQopqqur8bi7u4tqkK64uPjo6Ag3VqsVGoKSUUpXVxdUNTg4iBN8CyMY DGKMLpfLbreHuJuSkrK6uoqX5+fnaFpBQUFoP5fLPTk5gSygD71en5mZ+QVGIBBoa2sDkWAt 4R785zXCjwWPMBgM6Bj8e3Z2FtqKiAEr7u/vn5ycFAgE4Ym+DKiktLS0o6Ojvr4eXv4OA96C /kxMTGxsbGxtbWVnZ/8CgAjw8PDwcGhoqKamBuZIuNYLBprb2NhYV1eHOpKTk38NQAQywIq2 t7dbW1tR1hsGzBzkoVKpWIjLf/Du7g76RxHg+htGYWGh0+nE/xxeGzsAEXQ6/fT0NC8vjxSa OWYwPj4eL4AP8QxSIji/brkqGAAAAABJRU5ErkJggg== iVBORw0KGgoAAAANSUhEUgAAACEAAAAWCAIAAADB+WItAAADEElEQVR4nK1VS0hqURQ1sZKg aFIgKEVFGFJvYloY9i8IJaggC7JyIAU1KBEhpdCwD/RG0RdSIhyUomkf6ENgGYSDQAIdNNHS mjaqwKJW3fC9Mu2jGy7ce8+5e52991rrUp6enkgkks/nW1hY8Hq9pDgFg8GQSqW5ubm4p+A6 Ozvj8/kcDqe8vJxCocQOcHt7u76+Pjc3d3BwwGazXzIODw8/PDz09fUJhcLYAYhITEwcHR1V KpU7OzsvGB6Px2Kx4Pn6+hoFxpj98fFxYGDg4uJCp9MpFAoS0SuMJCcnZ29vr6Wl5fLyUqPR JCQk/A7g/v5eLBanp6ebTCaHw0EM+1/309LSNjc3u7u7JRLJ4uIiiv0pwM3NTVNTU1lZmVqt /v+U7yaclJS0srIil8sxGKPRmJqa+n0Av9+Pr9Dq3t7eD0sfWUQmk/++RlVVlc1mo9Fo3wFw u92oQKvVNjc3h69+zlSZTIbslZWVoCCTyYwOcHx83NnZubS0BOp/uiGiGtrb2zMyMhoaGtA9 Ho8XaRsOgd6azeaioqJIe6Iprra2FvQA2aamptCK8A3z8/MzMzP7+/tZWVlR8nyh6vz8fBaL BbJdXV1BpKH3IOXIyMj09HRFRQWYGj1JNAxoUyQSoQ70GnWAOWNjYyAFTKGnpweocDkYRklJ yfLyMqzoxxhra2sqlQopqqur8bi7u4tqkK64uPjo6Ag3VqsVGoKSUUpXVxdUNTg4iBN8CyMY DGKMLpfLbreHuJuSkrK6uoqX5+fnaFpBQUFoP5fLPTk5gSygD71en5mZ+QVGIBBoa2sDkWAt 4R785zXCjwWPMBgM6Bj8e3Z2FtqKiAEr7u/vn5ycFAgE4Ym+DKiktLS0o6Ojvr4eXv4OA96C /kxMTGxsbGxtbWVnZ/8CgAjw8PDwcGhoqKamBuZIuNYLBprb2NhYV1eHOpKTk38NQAQywIq2 t7dbW1tR1hsGzBzkoVKpWIjLf/Du7g76RxHg+htGYWGh0+nE/xxeGzsAEXQ6/fT0NC8vjxSa OWYwPj4eL4AP8QxSIji/brkqGAAAAABJRU5ErkJggg== www.doi.org/10.53588/alpa.300203 Instituto de Investigación Animal del Chaco Semiárido (IIACS)­ Centro de Investigaciones Agropecuarias (CIAP)­ Instituto iVBORw0KGgoAAAANSUhEUgAAADQAAAAjCAIAAABUyb6fAAAFzklEQVR4nN2YW2wUVRiAzz8z e2+7l7J1abu7QrkUDJciBQGhIRGjITE+yKNGEmLkhT4ZG3kwMcFbeNLEF58IiSaEGKKgxAdU QELxkgItbdruLrCl7dLt3mZvszNzjmdmZ9stl850V9H4p01m5sz8/3f+c/7LWY4Qgv6rwv3b AIvJ/xOObgaousUE4fJDUJ4zC0efLBwhGAEuyZlY+vpM7iZfiOTEBCZFBiw2k8dpDXoc633O LVbWjYBVMZknBEeQnC6GhmOnJ5MXS4hXHigu03yZEUenc9fQLMcRR7ure23LaxQU4B+GU+Ma izhzY+JEOHFOQvnKyqkrObeOhFOvsAz8nfRP0dSVoHvfZv8hK+dRh5dAaRyOAMjJQvhK6Bj1 DbUBD267RwuGfCR1JpYd2LWyr9m+AQAb5zMIR72GZ/PDl8ePFvCsqh2rz3XhSBklL0V/Hn3v +ZXv+5xbHwqmeuFQpnT7UvhoEcfLellia3PvTuXG02IEjFkqoeTlyAd713zosVH/ISN8huAk XOgPfVqQZuc4gs0vbAu+kyyMnh8+jEAyYgkQI5LU1fDxfZ2fmTmXEbv6cITIo7FTieJNgHmC VD6UFaLT6T+RsodooIK6WNoXoN0+gjgjhgenTnT5jxjxtw4cTRJFaWYk9g2BBboSxZFzQ2+q OVeBAxrI9AKgQogf60vCjMW/X9XySqNlhS6fDhy1Fon/KJAEWuAbZDf5NvkO3s8NhhLf0qed LQfc1tVIS3cUUy6KydncrRg/gAlPqhlAxig7fv9cl/+wrnVdz8m3Exe0yyqxsM7gshepf0KJ 7+jQ8obtPuc2Wct8REm5xESdlBcnB6JfRvkLVY5UJjmRvLix7SDHNNQDR7LCVEa4S6f7UHJa 4Ei1REg/3DiSEyfoAMuYHVZve9PuNb5Xd3Yc/e1OUzhxpipRQ06aTuXDyxo21gxHazlJ5sYI KiLCqtVpsWnQP8zkCZtXygjKJ4VEamZkMn2lZ+1HtDzc5wd46fb88gJO5sfqgVMyLS9EkVIW DTakVdZVTyeFW0P3Tm4J9K7y7h+Y+qJqFGeKUV11j4Uj6r8g8obJHiEY4G7q8ubA297GzTDJ EmV7aLpFmdctFbp5rq4mnga7KPGynLeb3aotufLYkFqdgDBxjnlDtYAyLGtlGGtJSBGNTFFL FXGMXbeuPBZOmR1Ao6VNya9QGxkV7GvqZsEWz44QkCosDA1/qln340U8pxC57B2AOIJEvWyu jBIlosncLRUz07Jh+esYCaH42aqXaRpgnfZV9cApNpw2v8Pky0kTuoooGUMwVvs8hjBArF7H uq7AW42W9uGpr5OFwar6RyyMp9lRLxwVS8DVMzzz1QN5Tq305XJQboQpG7c98K5ESkoSBovD 5qUljqDS4PSJodhJAtWBCW2unRyrUx704ajVjpaXxuJnJJRbAEeEnHBPkOJE4UIF2iOLM422 1gq6VCylorOXIonz6VKYaH2KphKIqaNlP51CvXB08zaYAx3NL4/GT1fX75QQPnvrYLkwMIRc u3tcq2+kAk8LDIgqjLLg1fPyu3qa7ev/nmYTgHum9Q1aiHhl52lm1OgVkXa2gfK1NjD3obbu CyBsjLer7RAYa3INvWRmPd0r+n4Z75NJrubTMnUgS6zdT/faLK0GPzEERwPN27DpuWBff+SY BEJtcAw2P+vvbW3aY/DMYRROUY1Yv7uHZS1XI5+UtGOOERv0HZmGtgmc24K9Afc+WIrfDcKV dw/b2riDHk/+uPN5LPt7pYovLjRSzV77hq3BI25bx1J/Q1nCiV8tYmyTZUXP6o/vpX4dnj6V LAzJIDFKqoD5cwPIRAlPlu4xl3Vl51MHgp69DNiMH1drgZsTBsx+15521w7azU6k+mdy1/li VJCzNOXSMDQzTU2Wdk9DZ5tzV7NjDSBTZSmXHEm1/gQGtExZ3Y51bsd6tWeWJDmPaS8MLN2X DDJXks6SvVUtfwHs1XPT2ljQsQAAAABJRU5ErkJggg== iVBORw0KGgoAAAANSUhEUgAAADQAAAAjCAIAAABUyb6fAAAFzklEQVR4nN2YW2wUVRiAzz8z e2+7l7J1abu7QrkUDJciBQGhIRGjITE+yKNGEmLkhT4ZG3kwMcFbeNLEF58IiSaEGKKgxAdU QELxkgItbdruLrCl7dLt3mZvszNzjmdmZ9stl850V9H4p01m5sz8/3f+c/7LWY4Qgv6rwv3b AIvJ/xOObgaousUE4fJDUJ4zC0efLBwhGAEuyZlY+vpM7iZfiOTEBCZFBiw2k8dpDXoc633O LVbWjYBVMZknBEeQnC6GhmOnJ5MXS4hXHigu03yZEUenc9fQLMcRR7ure23LaxQU4B+GU+Ma izhzY+JEOHFOQvnKyqkrObeOhFOvsAz8nfRP0dSVoHvfZv8hK+dRh5dAaRyOAMjJQvhK6Bj1 DbUBD267RwuGfCR1JpYd2LWyr9m+AQAb5zMIR72GZ/PDl8ePFvCsqh2rz3XhSBklL0V/Hn3v +ZXv+5xbHwqmeuFQpnT7UvhoEcfLellia3PvTuXG02IEjFkqoeTlyAd713zosVH/ISN8huAk XOgPfVqQZuc4gs0vbAu+kyyMnh8+jEAyYgkQI5LU1fDxfZ2fmTmXEbv6cITIo7FTieJNgHmC VD6UFaLT6T+RsodooIK6WNoXoN0+gjgjhgenTnT5jxjxtw4cTRJFaWYk9g2BBboSxZFzQ2+q OVeBAxrI9AKgQogf60vCjMW/X9XySqNlhS6fDhy1Fon/KJAEWuAbZDf5NvkO3s8NhhLf0qed LQfc1tVIS3cUUy6KydncrRg/gAlPqhlAxig7fv9cl/+wrnVdz8m3Exe0yyqxsM7gshepf0KJ 7+jQ8obtPuc2Wct8REm5xESdlBcnB6JfRvkLVY5UJjmRvLix7SDHNNQDR7LCVEa4S6f7UHJa 4Ei1REg/3DiSEyfoAMuYHVZve9PuNb5Xd3Yc/e1OUzhxpipRQ06aTuXDyxo21gxHazlJ5sYI KiLCqtVpsWnQP8zkCZtXygjKJ4VEamZkMn2lZ+1HtDzc5wd46fb88gJO5sfqgVMyLS9EkVIW DTakVdZVTyeFW0P3Tm4J9K7y7h+Y+qJqFGeKUV11j4Uj6r8g8obJHiEY4G7q8ubA297GzTDJ EmV7aLpFmdctFbp5rq4mnga7KPGynLeb3aotufLYkFqdgDBxjnlDtYAyLGtlGGtJSBGNTFFL FXGMXbeuPBZOmR1Ao6VNya9QGxkV7GvqZsEWz44QkCosDA1/qln340U8pxC57B2AOIJEvWyu jBIlosncLRUz07Jh+esYCaH42aqXaRpgnfZV9cApNpw2v8Pky0kTuoooGUMwVvs8hjBArF7H uq7AW42W9uGpr5OFwar6RyyMp9lRLxwVS8DVMzzz1QN5Tq305XJQboQpG7c98K5ESkoSBovD 5qUljqDS4PSJodhJAtWBCW2unRyrUx704ajVjpaXxuJnJJRbAEeEnHBPkOJE4UIF2iOLM422 1gq6VCylorOXIonz6VKYaH2KphKIqaNlP51CvXB08zaYAx3NL4/GT1fX75QQPnvrYLkwMIRc u3tcq2+kAk8LDIgqjLLg1fPyu3qa7ev/nmYTgHum9Q1aiHhl52lm1OgVkXa2gfK1NjD3obbu CyBsjLer7RAYa3INvWRmPd0r+n4Z75NJrubTMnUgS6zdT/faLK0GPzEERwPN27DpuWBff+SY BEJtcAw2P+vvbW3aY/DMYRROUY1Yv7uHZS1XI5+UtGOOERv0HZmGtgmc24K9Afc+WIrfDcKV dw/b2riDHk/+uPN5LPt7pYovLjRSzV77hq3BI25bx1J/Q1nCiV8tYmyTZUXP6o/vpX4dnj6V LAzJIDFKqoD5cwPIRAlPlu4xl3Vl51MHgp69DNiMH1drgZsTBsx+15521w7azU6k+mdy1/li VJCzNOXSMDQzTU2Wdk9DZ5tzV7NjDSBTZSmXHEm1/gQGtExZ3Y51bsd6tWeWJDmPaS8MLN2X DDJXks6SvVUtfwHs1XPT2ljQsQAAAABJRU5ErkJggg== Nacional de Tecnología Agropecuaria (INTA), Argentina iVBORw0KGgoAAAANSUhEUgAAACEAAAAWCAIAAADB+WItAAADEElEQVR4nK1VS0hqURQ1sZKg aFIgKEVFGFJvYloY9i8IJaggC7JyIAU1KBEhpdCwD/RG0RdSIhyUomkf6ENgGYSDQAIdNNHS mjaqwKJW3fC9Mu2jGy7ce8+5e52991rrUp6enkgkks/nW1hY8Hq9pDgFg8GQSqW5ubm4p+A6 Ozvj8/kcDqe8vJxCocQOcHt7u76+Pjc3d3BwwGazXzIODw8/PDz09fUJhcLYAYhITEwcHR1V KpU7OzsvGB6Px2Kx4Pn6+hoFxpj98fFxYGDg4uJCp9MpFAoS0SuMJCcnZ29vr6Wl5fLyUqPR JCQk/A7g/v5eLBanp6ebTCaHw0EM+1/309LSNjc3u7u7JRLJ4uIiiv0pwM3NTVNTU1lZmVqt /v+U7yaclJS0srIil8sxGKPRmJqa+n0Av9+Pr9Dq3t7eD0sfWUQmk/++RlVVlc1mo9Fo3wFw u92oQKvVNjc3h69+zlSZTIbslZWVoCCTyYwOcHx83NnZubS0BOp/uiGiGtrb2zMyMhoaGtA9 Ho8XaRsOgd6azeaioqJIe6Iprra2FvQA2aamptCK8A3z8/MzMzP7+/tZWVlR8nyh6vz8fBaL BbJdXV1BpKH3IOXIyMj09HRFRQWYGj1JNAxoUyQSoQ70GnWAOWNjYyAFTKGnpweocDkYRklJ yfLyMqzoxxhra2sqlQopqqur8bi7u4tqkK64uPjo6Ag3VqsVGoKSUUpXVxdUNTg4iBN8CyMY DGKMLpfLbreHuJuSkrK6uoqX5+fnaFpBQUFoP5fLPTk5gSygD71en5mZ+QVGIBBoa2sDkWAt 4R785zXCjwWPMBgM6Bj8e3Z2FtqKiAEr7u/vn5ycFAgE4Ym+DKiktLS0o6Ojvr4eXv4OA96C /kxMTGxsbGxtbWVnZ/8CgAjw8PDwcGhoqKamBuZIuNYLBprb2NhYV1eHOpKTk38NQAQywIq2 t7dbW1tR1hsGzBzkoVKpWIjLf/Du7g76RxHg+htGYWGh0+nE/xxeGzsAEXQ6/fT0NC8vjxSa OWYwPj4eL4AP8QxSIji/brkqGAAAAABJRU5ErkJggg== iVBORw0KGgoAAAANSUhEUgAAADQAAAAjCAIAAABUyb6fAAAFzklEQVR4nN2YW2wUVRiAzz8z e2+7l7J1abu7QrkUDJciBQGhIRGjITE+yKNGEmLkhT4ZG3kwMcFbeNLEF58IiSaEGKKgxAdU QELxkgItbdruLrCl7dLt3mZvszNzjmdmZ9stl850V9H4p01m5sz8/3f+c/7LWY4Qgv6rwv3b AIvJ/xOObgaousUE4fJDUJ4zC0efLBwhGAEuyZlY+vpM7iZfiOTEBCZFBiw2k8dpDXoc633O LVbWjYBVMZknBEeQnC6GhmOnJ5MXS4hXHigu03yZEUenc9fQLMcRR7ure23LaxQU4B+GU+Ma izhzY+JEOHFOQvnKyqkrObeOhFOvsAz8nfRP0dSVoHvfZv8hK+dRh5dAaRyOAMjJQvhK6Bj1 DbUBD267RwuGfCR1JpYd2LWyr9m+AQAb5zMIR72GZ/PDl8ePFvCsqh2rz3XhSBklL0V/Hn3v +ZXv+5xbHwqmeuFQpnT7UvhoEcfLellia3PvTuXG02IEjFkqoeTlyAd713zosVH/ISN8huAk XOgPfVqQZuc4gs0vbAu+kyyMnh8+jEAyYgkQI5LU1fDxfZ2fmTmXEbv6cITIo7FTieJNgHmC VD6UFaLT6T+RsodooIK6WNoXoN0+gjgjhgenTnT5jxjxtw4cTRJFaWYk9g2BBboSxZFzQ2+q OVeBAxrI9AKgQogf60vCjMW/X9XySqNlhS6fDhy1Fon/KJAEWuAbZDf5NvkO3s8NhhLf0qed LQfc1tVIS3cUUy6KydncrRg/gAlPqhlAxig7fv9cl/+wrnVdz8m3Exe0yyqxsM7gshepf0KJ 7+jQ8obtPuc2Wct8REm5xESdlBcnB6JfRvkLVY5UJjmRvLix7SDHNNQDR7LCVEa4S6f7UHJa 4Ei1REg/3DiSEyfoAMuYHVZve9PuNb5Xd3Yc/e1OUzhxpipRQ06aTuXDyxo21gxHazlJ5sYI KiLCqtVpsWnQP8zkCZtXygjKJ4VEamZkMn2lZ+1HtDzc5wd46fb88gJO5sfqgVMyLS9EkVIW DTakVdZVTyeFW0P3Tm4J9K7y7h+Y+qJqFGeKUV11j4Uj6r8g8obJHiEY4G7q8ubA297GzTDJ EmV7aLpFmdctFbp5rq4mnga7KPGynLeb3aotufLYkFqdgDBxjnlDtYAyLGtlGGtJSBGNTFFL FXGMXbeuPBZOmR1Ao6VNya9QGxkV7GvqZsEWz44QkCosDA1/qln340U8pxC57B2AOIJEvWyu jBIlosncLRUz07Jh+esYCaH42aqXaRpgnfZV9cApNpw2v8Pky0kTuoooGUMwVvs8hjBArF7H uq7AW42W9uGpr5OFwar6RyyMp9lRLxwVS8DVMzzz1QN5Tq305XJQboQpG7c98K5ESkoSBovD 5qUljqDS4PSJodhJAtWBCW2unRyrUx704ajVjpaXxuJnJJRbAEeEnHBPkOJE4UIF2iOLM422 1gq6VCylorOXIonz6VKYaH2KphKIqaNlP51CvXB08zaYAx3NL4/GT1fX75QQPnvrYLkwMIRc u3tcq2+kAk8LDIgqjLLg1fPyu3qa7ev/nmYTgHum9Q1aiHhl52lm1OgVkXa2gfK1NjD3obbu CyBsjLer7RAYa3INvWRmPd0r+n4Z75NJrubTMnUgS6zdT/faLK0GPzEERwPN27DpuWBff+SY BEJtcAw2P+vvbW3aY/DMYRROUY1Yv7uHZS1XI5+UtGOOERv0HZmGtgmc24K9Afc+WIrfDcKV dw/b2riDHk/+uPN5LPt7pYovLjRSzV77hq3BI25bx1J/Q1nCiV8tYmyTZUXP6o/vpX4dnj6V LAzJIDFKqoD5cwPIRAlPlu4xl3Vl51MHgp69DNiMH1drgZsTBsx+15521w7azU6k+mdy1/li VJCzNOXSMDQzTU2Wdk9DZ5tzV7NjDSBTZSmXHEm1/gQGtExZ3Y51bsd6tWeWJDmPaS8MLN2X DDJXks6SvVUtfwHs1XPT2ljQsQAAAABJRU5ErkJggg== Ma. Florencia Ortega iVBORw0KGgoAAAANSUhEUgAAACEAAAAWCAIAAADB+WItAAADEElEQVR4nK1VS0hqURQ1sZKg aFIgKEVFGFJvYloY9i8IJaggC7JyIAU1KBEhpdCwD/RG0RdSIhyUomkf6ENgGYSDQAIdNNHS mjaqwKJW3fC9Mu2jGy7ce8+5e52991rrUp6enkgkks/nW1hY8Hq9pDgFg8GQSqW5ubm4p+A6 Ozvj8/kcDqe8vJxCocQOcHt7u76+Pjc3d3BwwGazXzIODw8/PDz09fUJhcLYAYhITEwcHR1V KpU7OzsvGB6Px2Kx4Pn6+hoFxpj98fFxYGDg4uJCp9MpFAoS0SuMJCcnZ29vr6Wl5fLyUqPR JCQk/A7g/v5eLBanp6ebTCaHw0EM+1/309LSNjc3u7u7JRLJ4uIiiv0pwM3NTVNTU1lZmVqt /v+U7yaclJS0srIil8sxGKPRmJqa+n0Av9+Pr9Dq3t7eD0sfWUQmk/++RlVVlc1mo9Fo3wFw u92oQKvVNjc3h69+zlSZTIbslZWVoCCTyYwOcHx83NnZubS0BOp/uiGiGtrb2zMyMhoaGtA9 Ho8XaRsOgd6azeaioqJIe6Iprra2FvQA2aamptCK8A3z8/MzMzP7+/tZWVlR8nyh6vz8fBaL BbJdXV1BpKH3IOXIyMj09HRFRQWYGj1JNAxoUyQSoQ70GnWAOWNjYyAFTKGnpweocDkYRklJ yfLyMqzoxxhra2sqlQopqqur8bi7u4tqkK64uPjo6Ag3VqsVGoKSUUpXVxdUNTg4iBN8CyMY DGKMLpfLbreHuJuSkrK6uoqX5+fnaFpBQUFoP5fLPTk5gSygD71en5mZ+QVGIBBoa2sDkWAt 4R785zXCjwWPMBgM6Bj8e3Z2FtqKiAEr7u/vn5ycFAgE4Ym+DKiktLS0o6Ojvr4eXv4OA96C /kxMTGxsbGxtbWVnZ/8CgAjw8PDwcGhoqKamBuZIuNYLBprb2NhYV1eHOpKTk38NQAQywIq2 t7dbW1tR1hsGzBzkoVKpWIjLf/Du7g76RxHg+htGYWGh0+nE/xxeGzsAEXQ6/fT0NC8vjxSa OWYwPj4eL4AP8QxSIji/brkqGAAAAABJRU5ErkJggg== iVBORw0KGgoAAAANSUhEUgAAADQAAAAjCAIAAABUyb6fAAAFzklEQVR4nN2YW2wUVRiAzz8z e2+7l7J1abu7QrkUDJciBQGhIRGjITE+yKNGEmLkhT4ZG3kwMcFbeNLEF58IiSaEGKKgxAdU QELxkgItbdruLrCl7dLt3mZvszNzjmdmZ9stl850V9H4p01m5sz8/3f+c/7LWY4Qgv6rwv3b AIvJ/xOObgaousUE4fJDUJ4zC0efLBwhGAEuyZlY+vpM7iZfiOTEBCZFBiw2k8dpDXoc633O LVbWjYBVMZknBEeQnC6GhmOnJ5MXS4hXHigu03yZEUenc9fQLMcRR7ure23LaxQU4B+GU+Ma izhzY+JEOHFOQvnKyqkrObeOhFOvsAz8nfRP0dSVoHvfZv8hK+dRh5dAaRyOAMjJQvhK6Bj1 DbUBD267RwuGfCR1JpYd2LWyr9m+AQAb5zMIR72GZ/PDl8ePFvCsqh2rz3XhSBklL0V/Hn3v +ZXv+5xbHwqmeuFQpnT7UvhoEcfLellia3PvTuXG02IEjFkqoeTlyAd713zosVH/ISN8huAk XOgPfVqQZuc4gs0vbAu+kyyMnh8+jEAyYgkQI5LU1fDxfZ2fmTmXEbv6cITIo7FTieJNgHmC VD6UFaLT6T+RsodooIK6WNoXoN0+gjgjhgenTnT5jxjxtw4cTRJFaWYk9g2BBboSxZFzQ2+q OVeBAxrI9AKgQogf60vCjMW/X9XySqNlhS6fDhy1Fon/KJAEWuAbZDf5NvkO3s8NhhLf0qed LQfc1tVIS3cUUy6KydncrRg/gAlPqhlAxig7fv9cl/+wrnVdz8m3Exe0yyqxsM7gshepf0KJ 7+jQ8obtPuc2Wct8REm5xESdlBcnB6JfRvkLVY5UJjmRvLix7SDHNNQDR7LCVEa4S6f7UHJa 4Ei1REg/3DiSEyfoAMuYHVZve9PuNb5Xd3Yc/e1OUzhxpipRQ06aTuXDyxo21gxHazlJ5sYI KiLCqtVpsWnQP8zkCZtXygjKJ4VEamZkMn2lZ+1HtDzc5wd46fb88gJO5sfqgVMyLS9EkVIW DTakVdZVTyeFW0P3Tm4J9K7y7h+Y+qJqFGeKUV11j4Uj6r8g8obJHiEY4G7q8ubA297GzTDJ EmV7aLpFmdctFbp5rq4mnga7KPGynLeb3aotufLYkFqdgDBxjnlDtYAyLGtlGGtJSBGNTFFL FXGMXbeuPBZOmR1Ao6VNya9QGxkV7GvqZsEWz44QkCosDA1/qln340U8pxC57B2AOIJEvWyu jBIlosncLRUz07Jh+esYCaH42aqXaRpgnfZV9cApNpw2v8Pky0kTuoooGUMwVvs8hjBArF7H uq7AW42W9uGpr5OFwar6RyyMp9lRLxwVS8DVMzzz1QN5Tq305XJQboQpG7c98K5ESkoSBovD 5qUljqDS4PSJodhJAtWBCW2unRyrUx704ajVjpaXxuJnJJRbAEeEnHBPkOJE4UIF2iOLM422 1gq6VCylorOXIonz6VKYaH2KphKIqaNlP51CvXB08zaYAx3NL4/GT1fX75QQPnvrYLkwMIRc u3tcq2+kAk8LDIgqjLLg1fPyu3qa7ev/nmYTgHum9Q1aiHhl52lm1OgVkXa2gfK1NjD3obbu CyBsjLer7RAYa3INvWRmPd0r+n4Z75NJrubTMnUgS6zdT/faLK0GPzEERwPN27DpuWBff+SY BEJtcAw2P+vvbW3aY/DMYRROUY1Yv7uHZS1XI5+UtGOOERv0HZmGtgmc24K9Afc+WIrfDcKV dw/b2riDHk/+uPN5LPt7pYovLjRSzV77hq3BI25bx1J/Q1nCiV8tYmyTZUXP6o/vpX4dnj6V LAzJIDFKqoD5cwPIRAlPlu4xl3Vl51MHgp69DNiMH1drgZsTBsx+15521w7azU6k+mdy1/li VJCzNOXSMDQzTU2Wdk9DZ5tzV7NjDSBTZSmXHEm1/gQGtExZ3Y51bsd6tWeWJDmPaS8MLN2X DDJXks6SvVUtfwHs1XPT2ljQsQAAAABJRU5ErkJggg== Fernando Holgado Sandra Martínez iVBORw0KGgoAAAANSUhEUgAAACEAAAAWCAIAAADB+WItAAADEElEQVR4nK1VS0hqURQ1sZKg aFIgKEVFGFJvYloY9i8IJaggC7JyIAU1KBEhpdCwD/RG0RdSIhyUomkf6ENgGYSDQAIdNNHS mjaqwKJW3fC9Mu2jGy7ce8+5e52991rrUp6enkgkks/nW1hY8Hq9pDgFg8GQSqW5ubm4p+A6 Ozvj8/kcDqe8vJxCocQOcHt7u76+Pjc3d3BwwGazXzIODw8/PDz09fUJhcLYAYhITEwcHR1V KpU7OzsvGB6Px2Kx4Pn6+hoFxpj98fFxYGDg4uJCp9MpFAoS0SuMJCcnZ29vr6Wl5fLyUqPR JCQk/A7g/v5eLBanp6ebTCaHw0EM+1/309LSNjc3u7u7JRLJ4uIiiv0pwM3NTVNTU1lZmVqt /v+U7yaclJS0srIil8sxGKPRmJqa+n0Av9+Pr9Dq3t7eD0sfWUQmk/++RlVVlc1mo9Fo3wFw u92oQKvVNjc3h69+zlSZTIbslZWVoCCTyYwOcHx83NnZubS0BOp/uiGiGtrb2zMyMhoaGtA9 Ho8XaRsOgd6azeaioqJIe6Iprra2FvQA2aamptCK8A3z8/MzMzP7+/tZWVlR8nyh6vz8fBaL BbJdXV1BpKH3IOXIyMj09HRFRQWYGj1JNAxoUyQSoQ70GnWAOWNjYyAFTKGnpweocDkYRklJ yfLyMqzoxxhra2sqlQopqqur8bi7u4tqkK64uPjo6Ag3VqsVGoKSUUpXVxdUNTg4iBN8CyMY DGKMLpfLbreHuJuSkrK6uoqX5+fnaFpBQUFoP5fLPTk5gSygD71en5mZ+QVGIBBoa2sDkWAt 4R785zXCjwWPMBgM6Bj8e3Z2FtqKiAEr7u/vn5ycFAgE4Ym+DKiktLS0o6Ojvr4eXv4OA96C /kxMTGxsbGxtbWVnZ/8CgAjw8PDwcGhoqKamBuZIuNYLBprb2NhYV1eHOpKTk38NQAQywIq2 t7dbW1tR1hsGzBzkoVKpWIjLf/Du7g76RxHg+htGYWGh0+nE/xxeGzsAEXQ6/fT0NC8vjxSa OWYwPj4eL4AP8QxSIji/brkqGAAAAABJRU5ErkJggg== iVBORw0KGgoAAAANSUhEUgAAADQAAAAjCAIAAABUyb6fAAAFzklEQVR4nN2YW2wUVRiAzz8z e2+7l7J1abu7QrkUDJciBQGhIRGjITE+yKNGEmLkhT4ZG3kwMcFbeNLEF58IiSaEGKKgxAdU QELxkgItbdruLrCl7dLt3mZvszNzjmdmZ9stl850V9H4p01m5sz8/3f+c/7LWY4Qgv6rwv3b AIvJ/xOObgaousUE4fJDUJ4zC0efLBwhGAEuyZlY+vpM7iZfiOTEBCZFBiw2k8dpDXoc633O LVbWjYBVMZknBEeQnC6GhmOnJ5MXS4hXHigu03yZEUenc9fQLMcRR7ure23LaxQU4B+GU+Ma izhzY+JEOHFOQvnKyqkrObeOhFOvsAz8nfRP0dSVoHvfZv8hK+dRh5dAaRyOAMjJQvhK6Bj1 DbUBD267RwuGfCR1JpYd2LWyr9m+AQAb5zMIR72GZ/PDl8ePFvCsqh2rz3XhSBklL0V/Hn3v +ZXv+5xbHwqmeuFQpnT7UvhoEcfLellia3PvTuXG02IEjFkqoeTlyAd713zosVH/ISN8huAk XOgPfVqQZuc4gs0vbAu+kyyMnh8+jEAyYgkQI5LU1fDxfZ2fmTmXEbv6cITIo7FTieJNgHmC VD6UFaLT6T+RsodooIK6WNoXoN0+gjgjhgenTnT5jxjxtw4cTRJFaWYk9g2BBboSxZFzQ2+q OVeBAxrI9AKgQogf60vCjMW/X9XySqNlhS6fDhy1Fon/KJAEWuAbZDf5NvkO3s8NhhLf0qed LQfc1tVIS3cUUy6KydncrRg/gAlPqhlAxig7fv9cl/+wrnVdz8m3Exe0yyqxsM7gshepf0KJ 7+jQ8obtPuc2Wct8REm5xESdlBcnB6JfRvkLVY5UJjmRvLix7SDHNNQDR7LCVEa4S6f7UHJa 4Ei1REg/3DiSEyfoAMuYHVZve9PuNb5Xd3Yc/e1OUzhxpipRQ06aTuXDyxo21gxHazlJ5sYI KiLCqtVpsWnQP8zkCZtXygjKJ4VEamZkMn2lZ+1HtDzc5wd46fb88gJO5sfqgVMyLS9EkVIW DTakVdZVTyeFW0P3Tm4J9K7y7h+Y+qJqFGeKUV11j4Uj6r8g8obJHiEY4G7q8ubA297GzTDJ EmV7aLpFmdctFbp5rq4mnga7KPGynLeb3aotufLYkFqdgDBxjnlDtYAyLGtlGGtJSBGNTFFL FXGMXbeuPBZOmR1Ao6VNya9QGxkV7GvqZsEWz44QkCosDA1/qln340U8pxC57B2AOIJEvWyu jBIlosncLRUz07Jh+esYCaH42aqXaRpgnfZV9cApNpw2v8Pky0kTuoooGUMwVvs8hjBArF7H uq7AW42W9uGpr5OFwar6RyyMp9lRLxwVS8DVMzzz1QN5Tq305XJQboQpG7c98K5ESkoSBovD 5qUljqDS4PSJodhJAtWBCW2unRyrUx704ajVjpaXxuJnJJRbAEeEnHBPkOJE4UIF2iOLM422 1gq6VCylorOXIonz6VKYaH2KphKIqaNlP51CvXB08zaYAx3NL4/GT1fX75QQPnvrYLkwMIRc u3tcq2+kAk8LDIgqjLLg1fPyu3qa7ev/nmYTgHum9Q1aiHhl52lm1OgVkXa2gfK1NjD3obbu CyBsjLer7RAYa3INvWRmPd0r+n4Z75NJrubTMnUgS6zdT/faLK0GPzEERwPN27DpuWBff+SY BEJtcAw2P+vvbW3aY/DMYRROUY1Yv7uHZS1XI5+UtGOOERv0HZmGtgmc24K9Afc+WIrfDcKV dw/b2riDHk/+uPN5LPt7pYovLjRSzV77hq3BI25bx1J/Q1nCiV8tYmyTZUXP6o/vpX4dnj6V LAzJIDFKqoD5cwPIRAlPlu4xl3Vl51MHgp69DNiMH1drgZsTBsx+15521w7azU6k+mdy1/li VJCzNOXSMDQzTU2Wdk9DZ5tzV7NjDSBTZSmXHEm1/gQGtExZ3Y51bsd6tWeWJDmPaS8MLN2X DDJXks6SvVUtfwHs1XPT2ljQsQAAAABJRU5ErkJggg== 3 Ma. José Fernández Salom iVBORw0KGgoAAAANSUhEUgAAACEAAAAWCAIAAADB+WItAAADEElEQVR4nK1VS0hqURQ1sZKg aFIgKEVFGFJvYloY9i8IJaggC7JyIAU1KBEhpdCwD/RG0RdSIhyUomkf6ENgGYSDQAIdNNHS mjaqwKJW3fC9Mu2jGy7ce8+5e52991rrUp6enkgkks/nW1hY8Hq9pDgFg8GQSqW5ubm4p+A6 Ozvj8/kcDqe8vJxCocQOcHt7u76+Pjc3d3BwwGazXzIODw8/PDz09fUJhcLYAYhITEwcHR1V KpU7OzsvGB6Px2Kx4Pn6+hoFxpj98fFxYGDg4uJCp9MpFAoS0SuMJCcnZ29vr6Wl5fLyUqPR JCQk/A7g/v5eLBanp6ebTCaHw0EM+1/309LSNjc3u7u7JRLJ4uIiiv0pwM3NTVNTU1lZmVqt /v+U7yaclJS0srIil8sxGKPRmJqa+n0Av9+Pr9Dq3t7eD0sfWUQmk/++RlVVlc1mo9Fo3wFw u92oQKvVNjc3h69+zlSZTIbslZWVoCCTyYwOcHx83NnZubS0BOp/uiGiGtrb2zMyMhoaGtA9 Ho8XaRsOgd6azeaioqJIe6Iprra2FvQA2aamptCK8A3z8/MzMzP7+/tZWVlR8nyh6vz8fBaL BbJdXV1BpKH3IOXIyMj09HRFRQWYGj1JNAxoUyQSoQ70GnWAOWNjYyAFTKGnpweocDkYRklJ yfLyMqzoxxhra2sqlQopqqur8bi7u4tqkK64uPjo6Ag3VqsVGoKSUUpXVxdUNTg4iBN8CyMY DGKMLpfLbreHuJuSkrK6uoqX5+fnaFpBQUFoP5fLPTk5gSygD71en5mZ+QVGIBBoa2sDkWAt 4R785zXCjwWPMBgM6Bj8e3Z2FtqKiAEr7u/vn5ycFAgE4Ym+DKiktLS0o6Ojvr4eXv4OA96C /kxMTGxsbGxtbWVnZ/8CgAjw8PDwcGhoqKamBuZIuNYLBprb2NhYV1eHOpKTk38NQAQywIq2 t7dbW1tR1hsGzBzkoVKpWIjLf/Du7g76RxHg+htGYWGh0+nE/xxeGzsAEXQ6/fT0NC8vjxSa OWYwPj4eL4AP8QxSIji/brkqGAAAAABJRU5ErkJggg== iVBORw0KGgoAAAANSUhEUgAAADQAAAAjCAIAAABUyb6fAAAFzklEQVR4nN2YW2wUVRiAzz8z e2+7l7J1abu7QrkUDJciBQGhIRGjITE+yKNGEmLkhT4ZG3kwMcFbeNLEF58IiSaEGKKgxAdU QELxkgItbdruLrCl7dLt3mZvszNzjmdmZ9stl850V9H4p01m5sz8/3f+c/7LWY4Qgv6rwv3b AIvJ/xOObgaousUE4fJDUJ4zC0efLBwhGAEuyZlY+vpM7iZfiOTEBCZFBiw2k8dpDXoc633O LVbWjYBVMZknBEeQnC6GhmOnJ5MXS4hXHigu03yZEUenc9fQLMcRR7ure23LaxQU4B+GU+Ma izhzY+JEOHFOQvnKyqkrObeOhFOvsAz8nfRP0dSVoHvfZv8hK+dRh5dAaRyOAMjJQvhK6Bj1 DbUBD267RwuGfCR1JpYd2LWyr9m+AQAb5zMIR72GZ/PDl8ePFvCsqh2rz3XhSBklL0V/Hn3v +ZXv+5xbHwqmeuFQpnT7UvhoEcfLellia3PvTuXG02IEjFkqoeTlyAd713zosVH/ISN8huAk XOgPfVqQZuc4gs0vbAu+kyyMnh8+jEAyYgkQI5LU1fDxfZ2fmTmXEbv6cITIo7FTieJNgHmC VD6UFaLT6T+RsodooIK6WNoXoN0+gjgjhgenTnT5jxjxtw4cTRJFaWYk9g2BBboSxZFzQ2+q OVeBAxrI9AKgQogf60vCjMW/X9XySqNlhS6fDhy1Fon/KJAEWuAbZDf5NvkO3s8NhhLf0qed LQfc1tVIS3cUUy6KydncrRg/gAlPqhlAxig7fv9cl/+wrnVdz8m3Exe0yyqxsM7gshepf0KJ 7+jQ8obtPuc2Wct8REm5xESdlBcnB6JfRvkLVY5UJjmRvLix7SDHNNQDR7LCVEa4S6f7UHJa 4Ei1REg/3DiSEyfoAMuYHVZve9PuNb5Xd3Yc/e1OUzhxpipRQ06aTuXDyxo21gxHazlJ5sYI KiLCqtVpsWnQP8zkCZtXygjKJ4VEamZkMn2lZ+1HtDzc5wd46fb88gJO5sfqgVMyLS9EkVIW DTakVdZVTyeFW0P3Tm4J9K7y7h+Y+qJqFGeKUV11j4Uj6r8g8obJHiEY4G7q8ubA297GzTDJ EmV7aLpFmdctFbp5rq4mnga7KPGynLeb3aotufLYkFqdgDBxjnlDtYAyLGtlGGtJSBGNTFFL FXGMXbeuPBZOmR1Ao6VNya9QGxkV7GvqZsEWz44QkCosDA1/qln340U8pxC57B2AOIJEvWyu jBIlosncLRUz07Jh+esYCaH42aqXaRpgnfZV9cApNpw2v8Pky0kTuoooGUMwVvs8hjBArF7H uq7AW42W9uGpr5OFwar6RyyMp9lRLxwVS8DVMzzz1QN5Tq305XJQboQpG7c98K5ESkoSBovD 5qUljqDS4PSJodhJAtWBCW2unRyrUx704ajVjpaXxuJnJJRbAEeEnHBPkOJE4UIF2iOLM422 1gq6VCylorOXIonz6VKYaH2KphKIqaNlP51CvXB08zaYAx3NL4/GT1fX75QQPnvrYLkwMIRc u3tcq2+kAk8LDIgqjLLg1fPyu3qa7ev/nmYTgHum9Q1aiHhl52lm1OgVkXa2gfK1NjD3obbu CyBsjLer7RAYa3INvWRmPd0r+n4Z75NJrubTMnUgS6zdT/faLK0GPzEERwPN27DpuWBff+SY BEJtcAw2P+vvbW3aY/DMYRROUY1Yv7uHZS1XI5+UtGOOERv0HZmGtgmc24K9Afc+WIrfDcKV dw/b2riDHk/+uPN5LPt7pYovLjRSzV77hq3BI25bx1J/Q1nCiV8tYmyTZUXP6o/vpX4dnj6V LAzJIDFKqoD5cwPIRAlPlu4xl3Vl51MHgp69DNiMH1drgZsTBsx+15521w7azU6k+mdy1/li VJCzNOXSMDQzTU2Wdk9DZ5tzV7NjDSBTZSmXHEm1/gQGtExZ3Y51bsd6tWeWJDmPaS8MLN2X DDJXks6SvVUtfwHs1XPT2ljQsQAAAABJRU5ErkJggg== 3 Natalia Taboada iVBORw0KGgoAAAANSUhEUgAAACEAAAAWCAIAAADB+WItAAADEElEQVR4nK1VS0hqURQ1sZKg aFIgKEVFGFJvYloY9i8IJaggC7JyIAU1KBEhpdCwD/RG0RdSIhyUomkf6ENgGYSDQAIdNNHS mjaqwKJW3fC9Mu2jGy7ce8+5e52991rrUp6enkgkks/nW1hY8Hq9pDgFg8GQSqW5ubm4p+A6 Ozvj8/kcDqe8vJxCocQOcHt7u76+Pjc3d3BwwGazXzIODw8/PDz09fUJhcLYAYhITEwcHR1V KpU7OzsvGB6Px2Kx4Pn6+hoFxpj98fFxYGDg4uJCp9MpFAoS0SuMJCcnZ29vr6Wl5fLyUqPR JCQk/A7g/v5eLBanp6ebTCaHw0EM+1/309LSNjc3u7u7JRLJ4uIiiv0pwM3NTVNTU1lZmVqt /v+U7yaclJS0srIil8sxGKPRmJqa+n0Av9+Pr9Dq3t7eD0sfWUQmk/++RlVVlc1mo9Fo3wFw u92oQKvVNjc3h69+zlSZTIbslZWVoCCTyYwOcHx83NnZubS0BOp/uiGiGtrb2zMyMhoaGtA9 Ho8XaRsOgd6azeaioqJIe6Iprra2FvQA2aamptCK8A3z8/MzMzP7+/tZWVlR8nyh6vz8fBaL BbJdXV1BpKH3IOXIyMj09HRFRQWYGj1JNAxoUyQSoQ70GnWAOWNjYyAFTKGnpweocDkYRklJ yfLyMqzoxxhra2sqlQopqqur8bi7u4tqkK64uPjo6Ag3VqsVGoKSUUpXVxdUNTg4iBN8CyMY DGKMLpfLbreHuJuSkrK6uoqX5+fnaFpBQUFoP5fLPTk5gSygD71en5mZ+QVGIBBoa2sDkWAt 4R785zXCjwWPMBgM6Bj8e3Z2FtqKiAEr7u/vn5ycFAgE4Ym+DKiktLS0o6Ojvr4eXv4OA96C /kxMTGxsbGxtbWVnZ/8CgAjw8PDwcGhoqKamBuZIuNYLBprb2NhYV1eHOpKTk38NQAQywIq2 t7dbW1tR1hsGzBzkoVKpWIjLf/Du7g76RxHg+htGYWGh0+nE/xxeGzsAEXQ6/fT0NC8vjxSa OWYwPj4eL4AP8QxSIji/brkqGAAAAABJRU5ErkJggg== iVBORw0KGgoAAAANSUhEUgAAADQAAAAjCAIAAABUyb6fAAAFzklEQVR4nN2YW2wUVRiAzz8z e2+7l7J1abu7QrkUDJciBQGhIRGjITE+yKNGEmLkhT4ZG3kwMcFbeNLEF58IiSaEGKKgxAdU QELxkgItbdruLrCl7dLt3mZvszNzjmdmZ9stl850V9H4p01m5sz8/3f+c/7LWY4Qgv6rwv3b AIvJ/xOObgaousUE4fJDUJ4zC0efLBwhGAEuyZlY+vpM7iZfiOTEBCZFBiw2k8dpDXoc633O LVbWjYBVMZknBEeQnC6GhmOnJ5MXS4hXHigu03yZEUenc9fQLMcRR7ure23LaxQU4B+GU+Ma izhzY+JEOHFOQvnKyqkrObeOhFOvsAz8nfRP0dSVoHvfZv8hK+dRh5dAaRyOAMjJQvhK6Bj1 DbUBD267RwuGfCR1JpYd2LWyr9m+AQAb5zMIR72GZ/PDl8ePFvCsqh2rz3XhSBklL0V/Hn3v +ZXv+5xbHwqmeuFQpnT7UvhoEcfLellia3PvTuXG02IEjFkqoeTlyAd713zosVH/ISN8huAk XOgPfVqQZuc4gs0vbAu+kyyMnh8+jEAyYgkQI5LU1fDxfZ2fmTmXEbv6cITIo7FTieJNgHmC VD6UFaLT6T+RsodooIK6WNoXoN0+gjgjhgenTnT5jxjxtw4cTRJFaWYk9g2BBboSxZFzQ2+q OVeBAxrI9AKgQogf60vCjMW/X9XySqNlhS6fDhy1Fon/KJAEWuAbZDf5NvkO3s8NhhLf0qed LQfc1tVIS3cUUy6KydncrRg/gAlPqhlAxig7fv9cl/+wrnVdz8m3Exe0yyqxsM7gshepf0KJ 7+jQ8obtPuc2Wct8REm5xESdlBcnB6JfRvkLVY5UJjmRvLix7SDHNNQDR7LCVEa4S6f7UHJa 4Ei1REg/3DiSEyfoAMuYHVZve9PuNb5Xd3Yc/e1OUzhxpipRQ06aTuXDyxo21gxHazlJ5sYI KiLCqtVpsWnQP8zkCZtXygjKJ4VEamZkMn2lZ+1HtDzc5wd46fb88gJO5sfqgVMyLS9EkVIW DTakVdZVTyeFW0P3Tm4J9K7y7h+Y+qJqFGeKUV11j4Uj6r8g8obJHiEY4G7q8ubA297GzTDJ EmV7aLpFmdctFbp5rq4mnga7KPGynLeb3aotufLYkFqdgDBxjnlDtYAyLGtlGGtJSBGNTFFL FXGMXbeuPBZOmR1Ao6VNya9QGxkV7GvqZsEWz44QkCosDA1/qln340U8pxC57B2AOIJEvWyu jBIlosncLRUz07Jh+esYCaH42aqXaRpgnfZV9cApNpw2v8Pky0kTuoooGUMwVvs8hjBArF7H uq7AW42W9uGpr5OFwar6RyyMp9lRLxwVS8DVMzzz1QN5Tq305XJQboQpG7c98K5ESkoSBovD 5qUljqDS4PSJodhJAtWBCW2unRyrUx704ajVjpaXxuJnJJRbAEeEnHBPkOJE4UIF2iOLM422 1gq6VCylorOXIonz6VKYaH2KphKIqaNlP51CvXB08zaYAx3NL4/GT1fX75QQPnvrYLkwMIRc u3tcq2+kAk8LDIgqjLLg1fPyu3qa7ev/nmYTgHum9Q1aiHhl52lm1OgVkXa2gfK1NjD3obbu CyBsjLer7RAYa3INvWRmPd0r+n4Z75NJrubTMnUgS6zdT/faLK0GPzEERwPN27DpuWBff+SY BEJtcAw2P+vvbW3aY/DMYRROUY1Yv7uHZS1XI5+UtGOOERv0HZmGtgmc24K9Afc+WIrfDcKV dw/b2riDHk/+uPN5LPt7pYovLjRSzV77hq3BI25bx1J/Q1nCiV8tYmyTZUXP6o/vpX4dnj6V LAzJIDFKqoD5cwPIRAlPlu4xl3Vl51MHgp69DNiMH1drgZsTBsx+15521w7azU6k+mdy1/li VJCzNOXSMDQzTU2Wdk9DZ5tzV7NjDSBTZSmXHEm1/gQGtExZ3Y51bsd6tWeWJDmPaS8MLN2X DDJXks6SvVUtfwHs1XPT2ljQsQAAAABJRU5ErkJggg== 3 iVBORw0KGgoAAAANSUhEUgAAACEAAAAWCAIAAADB+WItAAADEElEQVR4nK1VS0hqURQ1sZKg aFIgKEVFGFJvYloY9i8IJaggC7JyIAU1KBEhpdCwD/RG0RdSIhyUomkf6ENgGYSDQAIdNNHS mjaqwKJW3fC9Mu2jGy7ce8+5e52991rrUp6enkgkks/nW1hY8Hq9pDgFg8GQSqW5ubm4p+A6 Ozvj8/kcDqe8vJxCocQOcHt7u76+Pjc3d3BwwGazXzIODw8/PDz09fUJhcLYAYhITEwcHR1V KpU7OzsvGB6Px2Kx4Pn6+hoFxpj98fFxYGDg4uJCp9MpFAoS0SuMJCcnZ29vr6Wl5fLyUqPR JCQk/A7g/v5eLBanp6ebTCaHw0EM+1/309LSNjc3u7u7JRLJ4uIiiv0pwM3NTVNTU1lZmVqt /v+U7yaclJS0srIil8sxGKPRmJqa+n0Av9+Pr9Dq3t7eD0sfWUQmk/++RlVVlc1mo9Fo3wFw u92oQKvVNjc3h69+zlSZTIbslZWVoCCTyYwOcHx83NnZubS0BOp/uiGiGtrb2zMyMhoaGtA9 Ho8XaRsOgd6azeaioqJIe6Iprra2FvQA2aamptCK8A3z8/MzMzP7+/tZWVlR8nyh6vz8fBaL BbJdXV1BpKH3IOXIyMj09HRFRQWYGj1JNAxoUyQSoQ70GnWAOWNjYyAFTKGnpweocDkYRklJ yfLyMqzoxxhra2sqlQopqqur8bi7u4tqkK64uPjo6Ag3VqsVGoKSUUpXVxdUNTg4iBN8CyMY DGKMLpfLbreHuJuSkrK6uoqX5+fnaFpBQUFoP5fLPTk5gSygD71en5mZ+QVGIBBoa2sDkWAt 4R785zXCjwWPMBgM6Bj8e3Z2FtqKiAEr7u/vn5ycFAgE4Ym+DKiktLS0o6Ojvr4eXv4OA96C /kxMTGxsbGxtbWVnZ/8CgAjw8PDwcGhoqKamBuZIuNYLBprb2NhYV1eHOpKTk38NQAQywIq2 t7dbW1tR1hsGzBzkoVKpWIjLf/Du7g76RxHg+htGYWGh0+nE/xxeGzsAEXQ6/fT0NC8vjxSa OWYwPj4eL4AP8QxSIji/brkqGAAAAABJRU5ErkJggg== iVBORw0KGgoAAAANSUhEUgAAADQAAAAjCAIAAABUyb6fAAAFzklEQVR4nN2YW2wUVRiAzz8z e2+7l7J1abu7QrkUDJciBQGhIRGjITE+yKNGEmLkhT4ZG3kwMcFbeNLEF58IiSaEGKKgxAdU QELxkgItbdruLrCl7dLt3mZvszNzjmdmZ9stl850V9H4p01m5sz8/3f+c/7LWY4Qgv6rwv3b AIvJ/xOObgaousUE4fJDUJ4zC0efLBwhGAEuyZlY+vpM7iZfiOTEBCZFBiw2k8dpDXoc633O LVbWjYBVMZknBEeQnC6GhmOnJ5MXS4hXHigu03yZEUenc9fQLMcRR7ure23LaxQU4B+GU+Ma izhzY+JEOHFOQvnKyqkrObeOhFOvsAz8nfRP0dSVoHvfZv8hK+dRh5dAaRyOAMjJQvhK6Bj1 DbUBD267RwuGfCR1JpYd2LWyr9m+AQAb5zMIR72GZ/PDl8ePFvCsqh2rz3XhSBklL0V/Hn3v +ZXv+5xbHwqmeuFQpnT7UvhoEcfLellia3PvTuXG02IEjFkqoeTlyAd713zosVH/ISN8huAk XOgPfVqQZuc4gs0vbAu+kyyMnh8+jEAyYgkQI5LU1fDxfZ2fmTmXEbv6cITIo7FTieJNgHmC VD6UFaLT6T+RsodooIK6WNoXoN0+gjgjhgenTnT5jxjxtw4cTRJFaWYk9g2BBboSxZFzQ2+q OVeBAxrI9AKgQogf60vCjMW/X9XySqNlhS6fDhy1Fon/KJAEWuAbZDf5NvkO3s8NhhLf0qed LQfc1tVIS3cUUy6KydncrRg/gAlPqhlAxig7fv9cl/+wrnVdz8m3Exe0yyqxsM7gshepf0KJ 7+jQ8obtPuc2Wct8REm5xESdlBcnB6JfRvkLVY5UJjmRvLix7SDHNNQDR7LCVEa4S6f7UHJa 4Ei1REg/3DiSEyfoAMuYHVZve9PuNb5Xd3Yc/e1OUzhxpipRQ06aTuXDyxo21gxHazlJ5sYI KiLCqtVpsWnQP8zkCZtXygjKJ4VEamZkMn2lZ+1HtDzc5wd46fb88gJO5sfqgVMyLS9EkVIW DTakVdZVTyeFW0P3Tm4J9K7y7h+Y+qJqFGeKUV11j4Uj6r8g8obJHiEY4G7q8ubA297GzTDJ EmV7aLpFmdctFbp5rq4mnga7KPGynLeb3aotufLYkFqdgDBxjnlDtYAyLGtlGGtJSBGNTFFL FXGMXbeuPBZOmR1Ao6VNya9QGxkV7GvqZsEWz44QkCosDA1/qln340U8pxC57B2AOIJEvWyu jBIlosncLRUz07Jh+esYCaH42aqXaRpgnfZV9cApNpw2v8Pky0kTuoooGUMwVvs8hjBArF7H uq7AW42W9uGpr5OFwar6RyyMp9lRLxwVS8DVMzzz1QN5Tq305XJQboQpG7c98K5ESkoSBovD 5qUljqDS4PSJodhJAtWBCW2unRyrUx704ajVjpaXxuJnJJRbAEeEnHBPkOJE4UIF2iOLM422 1gq6VCylorOXIonz6VKYaH2KphKIqaNlP51CvXB08zaYAx3NL4/GT1fX75QQPnvrYLkwMIRc u3tcq2+kAk8LDIgqjLLg1fPyu3qa7ev/nmYTgHum9Q1aiHhl52lm1OgVkXa2gfK1NjD3obbu CyBsjLer7RAYa3INvWRmPd0r+n4Z75NJrubTMnUgS6zdT/faLK0GPzEERwPN27DpuWBff+SY BEJtcAw2P+vvbW3aY/DMYRROUY1Yv7uHZS1XI5+UtGOOERv0HZmGtgmc24K9Afc+WIrfDcKV dw/b2riDHk/+uPN5LPt7pYovLjRSzV77hq3BI25bx1J/Q1nCiV8tYmyTZUXP6o/vpX4dnj6V LAzJIDFKqoD5cwPIRAlPlu4xl3Vl51MHgp69DNiMH1drgZsTBsx+15521w7azU6k+mdy1/li VJCzNOXSMDQzTU2Wdk9DZ5tzV7NjDSBTZSmXHEm1/gQGtExZ3Y51bsd6tWeWJDmPaS8MLN2X DDJXks6SvVUtfwHs1XPT2ljQsQAAAABJRU5ErkJggg== Victoria Royo iVBORw0KGgoAAAANSUhEUgAAACEAAAAWCAIAAADB+WItAAADEElEQVR4nK1VS0hqURQ1sZKg aFIgKEVFGFJvYloY9i8IJaggC7JyIAU1KBEhpdCwD/RG0RdSIhyUomkf6ENgGYSDQAIdNNHS mjaqwKJW3fC9Mu2jGy7ce8+5e52991rrUp6enkgkks/nW1hY8Hq9pDgFg8GQSqW5ubm4p+A6 Ozvj8/kcDqe8vJxCocQOcHt7u76+Pjc3d3BwwGazXzIODw8/PDz09fUJhcLYAYhITEwcHR1V KpU7OzsvGB6Px2Kx4Pn6+hoFxpj98fFxYGDg4uJCp9MpFAoS0SuMJCcnZ29vr6Wl5fLyUqPR JCQk/A7g/v5eLBanp6ebTCaHw0EM+1/309LSNjc3u7u7JRLJ4uIiiv0pwM3NTVNTU1lZmVqt /v+U7yaclJS0srIil8sxGKPRmJqa+n0Av9+Pr9Dq3t7eD0sfWUQmk/++RlVVlc1mo9Fo3wFw u92oQKvVNjc3h69+zlSZTIbslZWVoCCTyYwOcHx83NnZubS0BOp/uiGiGtrb2zMyMhoaGtA9 Ho8XaRsOgd6azeaioqJIe6Iprra2FvQA2aamptCK8A3z8/MzMzP7+/tZWVlR8nyh6vz8fBaL BbJdXV1BpKH3IOXIyMj09HRFRQWYGj1JNAxoUyQSoQ70GnWAOWNjYyAFTKGnpweocDkYRklJ yfLyMqzoxxhra2sqlQopqqur8bi7u4tqkK64uPjo6Ag3VqsVGoKSUUpXVxdUNTg4iBN8CyMY DGKMLpfLbreHuJuSkrK6uoqX5+fnaFpBQUFoP5fLPTk5gSygD71en5mZ+QVGIBBoa2sDkWAt 4R785zXCjwWPMBgM6Bj8e3Z2FtqKiAEr7u/vn5ycFAgE4Ym+DKiktLS0o6Ojvr4eXv4OA96C /kxMTGxsbGxtbWVnZ/8CgAjw8PDwcGhoqKamBuZIuNYLBprb2NhYV1eHOpKTk38NQAQywIq2 t7dbW1tR1hsGzBzkoVKpWIjLf/Du7g76RxHg+htGYWGh0+nE/xxeGzsAEXQ6/fT0NC8vjxSa OWYwPj4eL4AP8QxSIji/brkqGAAAAABJRU5ErkJggg== iVBORw0KGgoAAAANSUhEUgAAADQAAAAjCAIAAABUyb6fAAAFzklEQVR4nN2YW2wUVRiAzz8z e2+7l7J1abu7QrkUDJciBQGhIRGjITE+yKNGEmLkhT4ZG3kwMcFbeNLEF58IiSaEGKKgxAdU QELxkgItbdruLrCl7dLt3mZvszNzjmdmZ9stl850V9H4p01m5sz8/3f+c/7LWY4Qgv6rwv3b AIvJ/xOObgaousUE4fJDUJ4zC0efLBwhGAEuyZlY+vpM7iZfiOTEBCZFBiw2k8dpDXoc633O LVbWjYBVMZknBEeQnC6GhmOnJ5MXS4hXHigu03yZEUenc9fQLMcRR7ure23LaxQU4B+GU+Ma izhzY+JEOHFOQvnKyqkrObeOhFOvsAz8nfRP0dSVoHvfZv8hK+dRh5dAaRyOAMjJQvhK6Bj1 DbUBD267RwuGfCR1JpYd2LWyr9m+AQAb5zMIR72GZ/PDl8ePFvCsqh2rz3XhSBklL0V/Hn3v +ZXv+5xbHwqmeuFQpnT7UvhoEcfLellia3PvTuXG02IEjFkqoeTlyAd713zosVH/ISN8huAk XOgPfVqQZuc4gs0vbAu+kyyMnh8+jEAyYgkQI5LU1fDxfZ2fmTmXEbv6cITIo7FTieJNgHmC VD6UFaLT6T+RsodooIK6WNoXoN0+gjgjhgenTnT5jxjxtw4cTRJFaWYk9g2BBboSxZFzQ2+q OVeBAxrI9AKgQogf60vCjMW/X9XySqNlhS6fDhy1Fon/KJAEWuAbZDf5NvkO3s8NhhLf0qed LQfc1tVIS3cUUy6KydncrRg/gAlPqhlAxig7fv9cl/+wrnVdz8m3Exe0yyqxsM7gshepf0KJ 7+jQ8obtPuc2Wct8REm5xESdlBcnB6JfRvkLVY5UJjmRvLix7SDHNNQDR7LCVEa4S6f7UHJa 4Ei1REg/3DiSEyfoAMuYHVZve9PuNb5Xd3Yc/e1OUzhxpipRQ06aTuXDyxo21gxHazlJ5sYI KiLCqtVpsWnQP8zkCZtXygjKJ4VEamZkMn2lZ+1HtDzc5wd46fb88gJO5sfqgVMyLS9EkVIW DTakVdZVTyeFW0P3Tm4J9K7y7h+Y+qJqFGeKUV11j4Uj6r8g8obJHiEY4G7q8ubA297GzTDJ EmV7aLpFmdctFbp5rq4mnga7KPGynLeb3aotufLYkFqdgDBxjnlDtYAyLGtlGGtJSBGNTFFL FXGMXbeuPBZOmR1Ao6VNya9QGxkV7GvqZsEWz44QkCosDA1/qln340U8pxC57B2AOIJEvWyu jBIlosncLRUz07Jh+esYCaH42aqXaRpgnfZV9cApNpw2v8Pky0kTuoooGUMwVvs8hjBArF7H uq7AW42W9uGpr5OFwar6RyyMp9lRLxwVS8DVMzzz1QN5Tq305XJQboQpG7c98K5ESkoSBovD 5qUljqDS4PSJodhJAtWBCW2unRyrUx704ajVjpaXxuJnJJRbAEeEnHBPkOJE4UIF2iOLM422 1gq6VCylorOXIonz6VKYaH2KphKIqaNlP51CvXB08zaYAx3NL4/GT1fX75QQPnvrYLkwMIRc u3tcq2+kAk8LDIgqjLLg1fPyu3qa7ev/nmYTgHum9Q1aiHhl52lm1OgVkXa2gfK1NjD3obbu CyBsjLer7RAYa3INvWRmPd0r+n4Z75NJrubTMnUgS6zdT/faLK0GPzEERwPN27DpuWBff+SY BEJtcAw2P+vvbW3aY/DMYRROUY1Yv7uHZS1XI5+UtGOOERv0HZmGtgmc24K9Afc+WIrfDcKV dw/b2riDHk/+uPN5LPt7pYovLjRSzV77hq3BI25bx1J/Q1nCiV8tYmyTZUXP6o/vpX4dnj6V LAzJIDFKqoD5cwPIRAlPlu4xl3Vl51MHgp69DNiMH1drgZsTBsx+15521w7azU6k+mdy1/li VJCzNOXSMDQzTU2Wdk9DZ5tzV7NjDSBTZSmXHEm1/gQGtExZ3Y51bsd6tWeWJDmPaS8MLN2X DDJXks6SvVUtfwHs1XPT2ljQsQAAAABJRU5ErkJggg== Álvaro Molina Agustín López iVBORw0KGgoAAAANSUhEUgAAACEAAAAWCAIAAADB+WItAAADEElEQVR4nK1VS0hqURQ1sZKg aFIgKEVFGFJvYloY9i8IJaggC7JyIAU1KBEhpdCwD/RG0RdSIhyUomkf6ENgGYSDQAIdNNHS mjaqwKJW3fC9Mu2jGy7ce8+5e52991rrUp6enkgkks/nW1hY8Hq9pDgFg8GQSqW5ubm4p+A6 Ozvj8/kcDqe8vJxCocQOcHt7u76+Pjc3d3BwwGazXzIODw8/PDz09fUJhcLYAYhITEwcHR1V KpU7OzsvGB6Px2Kx4Pn6+hoFxpj98fFxYGDg4uJCp9MpFAoS0SuMJCcnZ29vr6Wl5fLyUqPR JCQk/A7g/v5eLBanp6ebTCaHw0EM+1/309LSNjc3u7u7JRLJ4uIiiv0pwM3NTVNTU1lZmVqt /v+U7yaclJS0srIil8sxGKPRmJqa+n0Av9+Pr9Dq3t7eD0sfWUQmk/++RlVVlc1mo9Fo3wFw u92oQKvVNjc3h69+zlSZTIbslZWVoCCTyYwOcHx83NnZubS0BOp/uiGiGtrb2zMyMhoaGtA9 Ho8XaRsOgd6azeaioqJIe6Iprra2FvQA2aamptCK8A3z8/MzMzP7+/tZWVlR8nyh6vz8fBaL BbJdXV1BpKH3IOXIyMj09HRFRQWYGj1JNAxoUyQSoQ70GnWAOWNjYyAFTKGnpweocDkYRklJ yfLyMqzoxxhra2sqlQopqqur8bi7u4tqkK64uPjo6Ag3VqsVGoKSUUpXVxdUNTg4iBN8CyMY DGKMLpfLbreHuJuSkrK6uoqX5+fnaFpBQUFoP5fLPTk5gSygD71en5mZ+QVGIBBoa2sDkWAt 4R785zXCjwWPMBgM6Bj8e3Z2FtqKiAEr7u/vn5ycFAgE4Ym+DKiktLS0o6Ojvr4eXv4OA96C /kxMTGxsbGxtbWVnZ/8CgAjw8PDwcGhoqKamBuZIuNYLBprb2NhYV1eHOpKTk38NQAQywIq2 t7dbW1tR1hsGzBzkoVKpWIjLf/Du7g76RxHg+htGYWGh0+nE/xxeGzsAEXQ6/fT0NC8vjxSa OWYwPj4eL4AP8QxSIji/brkqGAAAAABJRU5ErkJggg== iVBORw0KGgoAAAANSUhEUgAAADQAAAAjCAIAAABUyb6fAAAFzklEQVR4nN2YW2wUVRiAzz8z e2+7l7J1abu7QrkUDJciBQGhIRGjITE+yKNGEmLkhT4ZG3kwMcFbeNLEF58IiSaEGKKgxAdU QELxkgItbdruLrCl7dLt3mZvszNzjmdmZ9stl850V9H4p01m5sz8/3f+c/7LWY4Qgv6rwv3b AIvJ/xOObgaousUE4fJDUJ4zC0efLBwhGAEuyZlY+vpM7iZfiOTEBCZFBiw2k8dpDXoc633O LVbWjYBVMZknBEeQnC6GhmOnJ5MXS4hXHigu03yZEUenc9fQLMcRR7ure23LaxQU4B+GU+Ma izhzY+JEOHFOQvnKyqkrObeOhFOvsAz8nfRP0dSVoHvfZv8hK+dRh5dAaRyOAMjJQvhK6Bj1 DbUBD267RwuGfCR1JpYd2LWyr9m+AQAb5zMIR72GZ/PDl8ePFvCsqh2rz3XhSBklL0V/Hn3v +ZXv+5xbHwqmeuFQpnT7UvhoEcfLellia3PvTuXG02IEjFkqoeTlyAd713zosVH/ISN8huAk XOgPfVqQZuc4gs0vbAu+kyyMnh8+jEAyYgkQI5LU1fDxfZ2fmTmXEbv6cITIo7FTieJNgHmC VD6UFaLT6T+RsodooIK6WNoXoN0+gjgjhgenTnT5jxjxtw4cTRJFaWYk9g2BBboSxZFzQ2+q OVeBAxrI9AKgQogf60vCjMW/X9XySqNlhS6fDhy1Fon/KJAEWuAbZDf5NvkO3s8NhhLf0qed LQfc1tVIS3cUUy6KydncrRg/gAlPqhlAxig7fv9cl/+wrnVdz8m3Exe0yyqxsM7gshepf0KJ 7+jQ8obtPuc2Wct8REm5xESdlBcnB6JfRvkLVY5UJjmRvLix7SDHNNQDR7LCVEa4S6f7UHJa 4Ei1REg/3DiSEyfoAMuYHVZve9PuNb5Xd3Yc/e1OUzhxpipRQ06aTuXDyxo21gxHazlJ5sYI KiLCqtVpsWnQP8zkCZtXygjKJ4VEamZkMn2lZ+1HtDzc5wd46fb88gJO5sfqgVMyLS9EkVIW DTakVdZVTyeFW0P3Tm4J9K7y7h+Y+qJqFGeKUV11j4Uj6r8g8obJHiEY4G7q8ubA297GzTDJ EmV7aLpFmdctFbp5rq4mnga7KPGynLeb3aotufLYkFqdgDBxjnlDtYAyLGtlGGtJSBGNTFFL FXGMXbeuPBZOmR1Ao6VNya9QGxkV7GvqZsEWz44QkCosDA1/qln340U8pxC57B2AOIJEvWyu jBIlosncLRUz07Jh+esYCaH42aqXaRpgnfZV9cApNpw2v8Pky0kTuoooGUMwVvs8hjBArF7H uq7AW42W9uGpr5OFwar6RyyMp9lRLxwVS8DVMzzz1QN5Tq305XJQboQpG7c98K5ESkoSBovD 5qUljqDS4PSJodhJAtWBCW2unRyrUx704ajVjpaXxuJnJJRbAEeEnHBPkOJE4UIF2iOLM422 1gq6VCylorOXIonz6VKYaH2KphKIqaNlP51CvXB08zaYAx3NL4/GT1fX75QQPnvrYLkwMIRc u3tcq2+kAk8LDIgqjLLg1fPyu3qa7ev/nmYTgHum9Q1aiHhl52lm1OgVkXa2gfK1NjD3obbu CyBsjLer7RAYa3INvWRmPd0r+n4Z75NJrubTMnUgS6zdT/faLK0GPzEERwPN27DpuWBff+SY BEJtcAw2P+vvbW3aY/DMYRROUY1Yv7uHZS1XI5+UtGOOERv0HZmGtgmc24K9Afc+WIrfDcKV dw/b2riDHk/+uPN5LPt7pYovLjRSzV77hq3BI25bx1J/Q1nCiV8tYmyTZUXP6o/vpX4dnj6V LAzJIDFKqoD5cwPIRAlPlu4xl3Vl51MHgp69DNiMH1drgZsTBsx+15521w7azU6k+mdy1/li VJCzNOXSMDQzTU2Wdk9DZ5tzV7NjDSBTZSmXHEm1/gQGtExZ3Y51bsd6tWeWJDmPaS8MLN2X DDJXks6SvVUtfwHs1XPT2ljQsQAAAABJRU5ErkJggg== 4 Olegario Hernández iVBORw0KGgoAAAANSUhEUgAAACEAAAAWCAIAAADB+WItAAADEElEQVR4nK1VS0hqURQ1sZKg aFIgKEVFGFJvYloY9i8IJaggC7JyIAU1KBEhpdCwD/RG0RdSIhyUomkf6ENgGYSDQAIdNNHS mjaqwKJW3fC9Mu2jGy7ce8+5e52991rrUp6enkgkks/nW1hY8Hq9pDgFg8GQSqW5ubm4p+A6 Ozvj8/kcDqe8vJxCocQOcHt7u76+Pjc3d3BwwGazXzIODw8/PDz09fUJhcLYAYhITEwcHR1V KpU7OzsvGB6Px2Kx4Pn6+hoFxpj98fFxYGDg4uJCp9MpFAoS0SuMJCcnZ29vr6Wl5fLyUqPR JCQk/A7g/v5eLBanp6ebTCaHw0EM+1/309LSNjc3u7u7JRLJ4uIiiv0pwM3NTVNTU1lZmVqt /v+U7yaclJS0srIil8sxGKPRmJqa+n0Av9+Pr9Dq3t7eD0sfWUQmk/++RlVVlc1mo9Fo3wFw u92oQKvVNjc3h69+zlSZTIbslZWVoCCTyYwOcHx83NnZubS0BOp/uiGiGtrb2zMyMhoaGtA9 Ho8XaRsOgd6azeaioqJIe6Iprra2FvQA2aamptCK8A3z8/MzMzP7+/tZWVlR8nyh6vz8fBaL BbJdXV1BpKH3IOXIyMj09HRFRQWYGj1JNAxoUyQSoQ70GnWAOWNjYyAFTKGnpweocDkYRklJ yfLyMqzoxxhra2sqlQopqqur8bi7u4tqkK64uPjo6Ag3VqsVGoKSUUpXVxdUNTg4iBN8CyMY DGKMLpfLbreHuJuSkrK6uoqX5+fnaFpBQUFoP5fLPTk5gSygD71en5mZ+QVGIBBoa2sDkWAt 4R785zXCjwWPMBgM6Bj8e3Z2FtqKiAEr7u/vn5ycFAgE4Ym+DKiktLS0o6Ojvr4eXv4OA96C /kxMTGxsbGxtbWVnZ/8CgAjw8PDwcGhoqKamBuZIuNYLBprb2NhYV1eHOpKTk38NQAQywIq2 t7dbW1tR1hsGzBzkoVKpWIjLf/Du7g76RxHg+htGYWGh0+nE/xxeGzsAEXQ6/fT0NC8vjxSa OWYwPj4eL4AP8QxSIji/brkqGAAAAABJRU5ErkJggg== iVBORw0KGgoAAAANSUhEUgAAADQAAAAjCAIAAABUyb6fAAAFzklEQVR4nN2YW2wUVRiAzz8z e2+7l7J1abu7QrkUDJciBQGhIRGjITE+yKNGEmLkhT4ZG3kwMcFbeNLEF58IiSaEGKKgxAdU QELxkgItbdruLrCl7dLt3mZvszNzjmdmZ9stl850V9H4p01m5sz8/3f+c/7LWY4Qgv6rwv3b AIvJ/xOObgaousUE4fJDUJ4zC0efLBwhGAEuyZlY+vpM7iZfiOTEBCZFBiw2k8dpDXoc633O LVbWjYBVMZknBEeQnC6GhmOnJ5MXS4hXHigu03yZEUenc9fQLMcRR7ure23LaxQU4B+GU+Ma izhzY+JEOHFOQvnKyqkrObeOhFOvsAz8nfRP0dSVoHvfZv8hK+dRh5dAaRyOAMjJQvhK6Bj1 DbUBD267RwuGfCR1JpYd2LWyr9m+AQAb5zMIR72GZ/PDl8ePFvCsqh2rz3XhSBklL0V/Hn3v +ZXv+5xbHwqmeuFQpnT7UvhoEcfLellia3PvTuXG02IEjFkqoeTlyAd713zosVH/ISN8huAk XOgPfVqQZuc4gs0vbAu+kyyMnh8+jEAyYgkQI5LU1fDxfZ2fmTmXEbv6cITIo7FTieJNgHmC VD6UFaLT6T+RsodooIK6WNoXoN0+gjgjhgenTnT5jxjxtw4cTRJFaWYk9g2BBboSxZFzQ2+q OVeBAxrI9AKgQogf60vCjMW/X9XySqNlhS6fDhy1Fon/KJAEWuAbZDf5NvkO3s8NhhLf0qed LQfc1tVIS3cUUy6KydncrRg/gAlPqhlAxig7fv9cl/+wrnVdz8m3Exe0yyqxsM7gshepf0KJ 7+jQ8obtPuc2Wct8REm5xESdlBcnB6JfRvkLVY5UJjmRvLix7SDHNNQDR7LCVEa4S6f7UHJa 4Ei1REg/3DiSEyfoAMuYHVZve9PuNb5Xd3Yc/e1OUzhxpipRQ06aTuXDyxo21gxHazlJ5sYI KiLCqtVpsWnQP8zkCZtXygjKJ4VEamZkMn2lZ+1HtDzc5wd46fb88gJO5sfqgVMyLS9EkVIW DTakVdZVTyeFW0P3Tm4J9K7y7h+Y+qJqFGeKUV11j4Uj6r8g8obJHiEY4G7q8ubA297GzTDJ EmV7aLpFmdctFbp5rq4mnga7KPGynLeb3aotufLYkFqdgDBxjnlDtYAyLGtlGGtJSBGNTFFL FXGMXbeuPBZOmR1Ao6VNya9QGxkV7GvqZsEWz44QkCosDA1/qln340U8pxC57B2AOIJEvWyu jBIlosncLRUz07Jh+esYCaH42aqXaRpgnfZV9cApNpw2v8Pky0kTuoooGUMwVvs8hjBArF7H uq7AW42W9uGpr5OFwar6RyyMp9lRLxwVS8DVMzzz1QN5Tq305XJQboQpG7c98K5ESkoSBovD 5qUljqDS4PSJodhJAtWBCW2unRyrUx704ajVjpaXxuJnJJRbAEeEnHBPkOJE4UIF2iOLM422 1gq6VCylorOXIonz6VKYaH2KphKIqaNlP51CvXB08zaYAx3NL4/GT1fX75QQPnvrYLkwMIRc u3tcq2+kAk8LDIgqjLLg1fPyu3qa7ev/nmYTgHum9Q1aiHhl52lm1OgVkXa2gfK1NjD3obbu CyBsjLer7RAYa3INvWRmPd0r+n4Z75NJrubTMnUgS6zdT/faLK0GPzEERwPN27DpuWBff+SY BEJtcAw2P+vvbW3aY/DMYRROUY1Yv7uHZS1XI5+UtGOOERv0HZmGtgmc24K9Afc+WIrfDcKV dw/b2riDHk/+uPN5LPt7pYovLjRSzV77hq3BI25bx1J/Q1nCiV8tYmyTZUXP6o/vpX4dnj6V LAzJIDFKqoD5cwPIRAlPlu4xl3Vl51MHgp69DNiMH1drgZsTBsx+15521w7azU6k+mdy1/li VJCzNOXSMDQzTU2Wdk9DZ5tzV7NjDSBTZSmXHEm1/gQGtExZ3Y51bsd6tWeWJDmPaS8MLN2X DDJXks6SvVUtfwHs1XPT2ljQsQAAAABJRU5ErkJggg== 4 iVBORw0KGgoAAAANSUhEUgAAACEAAAAWCAIAAADB+WItAAADEElEQVR4nK1VS0hqURQ1sZKg aFIgKEVFGFJvYloY9i8IJaggC7JyIAU1KBEhpdCwD/RG0RdSIhyUomkf6ENgGYSDQAIdNNHS mjaqwKJW3fC9Mu2jGy7ce8+5e52991rrUp6enkgkks/nW1hY8Hq9pDgFg8GQSqW5ubm4p+A6 Ozvj8/kcDqe8vJxCocQOcHt7u76+Pjc3d3BwwGazXzIODw8/PDz09fUJhcLYAYhITEwcHR1V KpU7OzsvGB6Px2Kx4Pn6+hoFxpj98fFxYGDg4uJCp9MpFAoS0SuMJCcnZ29vr6Wl5fLyUqPR JCQk/A7g/v5eLBanp6ebTCaHw0EM+1/309LSNjc3u7u7JRLJ4uIiiv0pwM3NTVNTU1lZmVqt /v+U7yaclJS0srIil8sxGKPRmJqa+n0Av9+Pr9Dq3t7eD0sfWUQmk/++RlVVlc1mo9Fo3wFw u92oQKvVNjc3h69+zlSZTIbslZWVoCCTyYwOcHx83NnZubS0BOp/uiGiGtrb2zMyMhoaGtA9 Ho8XaRsOgd6azeaioqJIe6Iprra2FvQA2aamptCK8A3z8/MzMzP7+/tZWVlR8nyh6vz8fBaL BbJdXV1BpKH3IOXIyMj09HRFRQWYGj1JNAxoUyQSoQ70GnWAOWNjYyAFTKGnpweocDkYRklJ yfLyMqzoxxhra2sqlQopqqur8bi7u4tqkK64uPjo6Ag3VqsVGoKSUUpXVxdUNTg4iBN8CyMY DGKMLpfLbreHuJuSkrK6uoqX5+fnaFpBQUFoP5fLPTk5gSygD71en5mZ+QVGIBBoa2sDkWAt 4R785zXCjwWPMBgM6Bj8e3Z2FtqKiAEr7u/vn5ycFAgE4Ym+DKiktLS0o6Ojvr4eXv4OA96C /kxMTGxsbGxtbWVnZ/8CgAjw8PDwcGhoqKamBuZIuNYLBprb2NhYV1eHOpKTk38NQAQywIq2 t7dbW1tR1hsGzBzkoVKpWIjLf/Du7g76RxHg+htGYWGh0+nE/xxeGzsAEXQ6/fT0NC8vjxSa OWYwPj4eL4AP8QxSIji/brkqGAAAAABJRU5ErkJggg== iVBORw0KGgoAAAANSUhEUgAAADQAAAAjCAIAAABUyb6fAAAFzklEQVR4nN2YW2wUVRiAzz8z e2+7l7J1abu7QrkUDJciBQGhIRGjITE+yKNGEmLkhT4ZG3kwMcFbeNLEF58IiSaEGKKgxAdU QELxkgItbdruLrCl7dLt3mZvszNzjmdmZ9stl850V9H4p01m5sz8/3f+c/7LWY4Qgv6rwv3b AIvJ/xOObgaousUE4fJDUJ4zC0efLBwhGAEuyZlY+vpM7iZfiOTEBCZFBiw2k8dpDXoc633O LVbWjYBVMZknBEeQnC6GhmOnJ5MXS4hXHigu03yZEUenc9fQLMcRR7ure23LaxQU4B+GU+Ma izhzY+JEOHFOQvnKyqkrObeOhFOvsAz8nfRP0dSVoHvfZv8hK+dRh5dAaRyOAMjJQvhK6Bj1 DbUBD267RwuGfCR1JpYd2LWyr9m+AQAb5zMIR72GZ/PDl8ePFvCsqh2rz3XhSBklL0V/Hn3v +ZXv+5xbHwqmeuFQpnT7UvhoEcfLellia3PvTuXG02IEjFkqoeTlyAd713zosVH/ISN8huAk XOgPfVqQZuc4gs0vbAu+kyyMnh8+jEAyYgkQI5LU1fDxfZ2fmTmXEbv6cITIo7FTieJNgHmC VD6UFaLT6T+RsodooIK6WNoXoN0+gjgjhgenTnT5jxjxtw4cTRJFaWYk9g2BBboSxZFzQ2+q OVeBAxrI9AKgQogf60vCjMW/X9XySqNlhS6fDhy1Fon/KJAEWuAbZDf5NvkO3s8NhhLf0qed LQfc1tVIS3cUUy6KydncrRg/gAlPqhlAxig7fv9cl/+wrnVdz8m3Exe0yyqxsM7gshepf0KJ 7+jQ8obtPuc2Wct8REm5xESdlBcnB6JfRvkLVY5UJjmRvLix7SDHNNQDR7LCVEa4S6f7UHJa 4Ei1REg/3DiSEyfoAMuYHVZve9PuNb5Xd3Yc/e1OUzhxpipRQ06aTuXDyxo21gxHazlJ5sYI KiLCqtVpsWnQP8zkCZtXygjKJ4VEamZkMn2lZ+1HtDzc5wd46fb88gJO5sfqgVMyLS9EkVIW DTakVdZVTyeFW0P3Tm4J9K7y7h+Y+qJqFGeKUV11j4Uj6r8g8obJHiEY4G7q8ubA297GzTDJ EmV7aLpFmdctFbp5rq4mnga7KPGynLeb3aotufLYkFqdgDBxjnlDtYAyLGtlGGtJSBGNTFFL FXGMXbeuPBZOmR1Ao6VNya9QGxkV7GvqZsEWz44QkCosDA1/qln340U8pxC57B2AOIJEvWyu jBIlosncLRUz07Jh+esYCaH42aqXaRpgnfZV9cApNpw2v8Pky0kTuoooGUMwVvs8hjBArF7H uq7AW42W9uGpr5OFwar6RyyMp9lRLxwVS8DVMzzz1QN5Tq305XJQboQpG7c98K5ESkoSBovD 5qUljqDS4PSJodhJAtWBCW2unRyrUx704ajVjpaXxuJnJJRbAEeEnHBPkOJE4UIF2iOLM422 1gq6VCylorOXIonz6VKYaH2KphKIqaNlP51CvXB08zaYAx3NL4/GT1fX75QQPnvrYLkwMIRc u3tcq2+kAk8LDIgqjLLg1fPyu3qa7ev/nmYTgHum9Q1aiHhl52lm1OgVkXa2gfK1NjD3obbu CyBsjLer7RAYa3INvWRmPd0r+n4Z75NJrubTMnUgS6zdT/faLK0GPzEERwPN27DpuWBff+SY BEJtcAw2P+vvbW3aY/DMYRROUY1Yv7uHZS1XI5+UtGOOERv0HZmGtgmc24K9Afc+WIrfDcKV dw/b2riDHk/+uPN5LPt7pYovLjRSzV77hq3BI25bx1J/Q1nCiV8tYmyTZUXP6o/vpX4dnj6V LAzJIDFKqoD5cwPIRAlPlu4xl3Vl51MHgp69DNiMH1drgZsTBsx+15521w7azU6k+mdy1/li VJCzNOXSMDQzTU2Wdk9DZ5tzV7NjDSBTZSmXHEm1/gQGtExZ3Y51bsd6tWeWJDmPaS8MLN2X DDJXks6SvVUtfwHs1XPT2ljQsQAAAABJRU5ErkJggg== José Nasca 92 iVBORw0KGgoAAAANSUhEUgAAAFgAAAAfCAYAAABjyArgAAAQ1klEQVR42oVaaWxVxxX2ezaV CtgURaI0YByDN7wCPyK1CTuFpsWsjUraEraIVpEIBhISwNhACElpCxgIkIDZ1AS8vGcbDHjf sPFuNpsQhTUkqfojZfsTYT+fznfuO/PmXT+nTxrm+t6ZMzPfnPnOMgT1kicsyBFEQU5VzNpe vO+dIQ7r7yD17HT6fzfbBBvvpIT42jqCjX7BRu2wjeMM6juGtA229f8/c+8j1xlg3fa5OQPM wfvsCA4wN2MuPdStYPJ+PF9yjkrLS6i8soyqa6uopq6aai/W0KWmBmpsvsSlqaWRWtqaqf1y G125coU6OjrUcwd1XLlMre0t/B01+tY01FJ1fQ1V1lVQRW05FZeeo7MlxVRSdoEKzxRQ0dlC rguK3VzyCnPptOsUv3MXuijPlcu1qyCfcvNzuC4oclN+UR63zXGfptyCHP77VP7nLAPv8t15 dKa4iPujPWr0xXv8Lc+nXTnkPqvGL8rXxVWQq8Y6pcbN47HRDmPjGUX6o5Y5og3mjLFdZ/J5 bihBA7xAA+ALpee5VFSVU2V1BdXV1zKwKAC0raOVrl6/Ql1fdNL169epq6uLbty4wc+or127 xiADbACMPtiQhsZ6BXCVAriSgT5XVqxAPsN10flCtUCXBleAxYJMcFFkgQIWL14Bi4KFQQ4W im+yaJdLgeTOp8JCtYEF1ncpaHP23Bk6nXuKQT2d+5kXVF8bGRPzkr8BbE7eaQ0+/uZN936H XAEYc7M0eoCTtRfgQvPqL13kAnChqZevdnDZvuN9mv7raTRo0CCmB00Rqh48eDDN/M0s+mjn 3+jKtcvcHn2h0U3tzVR7qY61uLymjM6Xn6OSSqXF5wq4AGAAhMlhMekZmyguPrYPLcWOjaFN mzfqhYkWC8imZqGkp2+kuLgYnp/DoIv4xLH03sZ3tYYDYFN7of2itRgLbXk+NpqJiYumDZve 0xsmYOM0YV04jUwX6ACtBbigBqEDaCyAytq3h8IjRmpQHQ6Hfpa/g4OD9d/Dhw+nAwcO0LXO q6zNQjHQ4Or6KgYZGlxcepbOXCjiBRWfP0sHDn3Mixdgp06dSqtWraK1a9fSpEmT9OKwWMxJ jqbrjFtRRZ6mkf3791JMTJSeJ/pCxpo1a2jixIk8VygGNuzjg/t5o5hq3DkMsmz0wU8OMIiy RsiBDMjC3PA+JCSEEhIS6ODBg5b2AuhiN8vDprPNwWKqaioZYAEDlNB54zrNmZfq2zklcNiw YbRkyRLKyMig6upqLlu2bOF3YWFhPHkMirYLfj+f5QFoppvWBga4rLqUNRgFdAFwj588RoPD BvE48xfOo1t3vqLe3l7Cr6enh2u8w3xgWMJ+FsoAYEEAN8edy5x+9Hg2DRkSyuMvXLiQ7ty5 o+V0d3dzjXezZ8/msTDmx5/uZzCEh7Fxx04cteaj1j5//ny6e/cu9/V4PFxD5u2vbtGCefN5 LKzdN58cLgBac7AJLo44wP1d6m8tK6kEPPfccwzqw4cP9YRlQO+Y/Dty5KgG2tK2scznHVfa FVU00sWmOqpqUJx8UfFxRbHFyYoLE5LieRxslPwArGiPLOzZs2d04sQJfhcVM0YfS2guuJFP gOqzbNkyvTGkprv7n7voj4te42f5nTx5ktcXkxDNgAi3ox6bENdnPt98/YCaLjVSc2MTfX3v PsvydPfQ0aNHacCAAaztphEG2NapU4OItwDNhcaZmjt+/Hi6fft2nx3UC9BgW/Xjx48pKSlJ H2loJOimuaOJGlrqqfpSNZXXlVNpTQnz8ebMdG63YMECNpoiHz+hHVOT8W3u3LkMjnAgQAE/ Q86ECRPo0KFDer5Zu/fQ8GE/pyGhYbT+7Xfo3r17Wk7q3DncZ2PmBu1dQCbWjjFgwPHDpkZG vECjX4jkGqXs/AVrw1ThE6H6bEzfwKdBjLZ18tWHiw11zJcAYnfWLu3jJY9L0lprgmuCLcD6 ag+DnJiYaPGgkr93fxa1XW2nxrYmqm2qpZrGGiqrtaiCDYgC8f79+4ZM/7HkJ3/jmEM2+E+4 l7VOzTsqKopGjx5NL/3yV/TXlX8hZ5CDtmRk0o7tH5BDjZOXk6s1+c69uzy/MXFR2osRAyu0 AI2NCB9FE196mZYtWUrvrnubxiiAoyNH88mALMwHfTAH7UWozdIaLD4u6GFE+POa52DkPAYH iBbZgTBpQto9ffpU8eEQHuQXI4bTjZtdDDJzsdJiaDD4GN+nTJmiORIgouB4iqFasWKF/i5t Jk+ezN/Y0CmAIWfy1Em0bt06Wr9+PY1RAEDTXhgVQe8oUL775lv6ouuGPtqyWRMnv6x8VgdT DDYLgE+ZNpm/P3r0iD499AnL+cfOv1Nvj4f7n8g+SpEK9PEp4yx5CgCMjTmIVwO6sDRY/QNw ob0ffLhdRyfgXH8K8GjwTM0yNdp8j3bHjx9nkBzBTtqyLVPRRAtzcV1jreJhy23DglavXq1l yTimtwKrb4KPHyw62sCXhYHDnNPW+uQ0XKxnYKG1UtatWUs3OrsYFAYLctalcV94M9gsrP+t tFX87cmTJ0wLMVHRFBsdowG+f/sOA4xv//72O267es1b3BfBBjjdj4NBD9Be7BwWDO2FcFlM ZWUlpaam0rRp02jGjBnsOQjQ8CRgaaFR06dPpz179vhtwtChQxmkWa/M5E1su9qq/GIV4dVX WACrSQAsOxXY3UKRJyCnpaXxNzFMvFFqkT4hVnlw/2t6b/27NGHceK3Rr/1hEZWXlnGztDQL GKEac6Ow2SWKa+PjxlJ1ZZWW+R8FapSXj0ElmA/GRl/xImSzWIMBLoxb6JDBvJjly5frBVVV VelFmloFsAsLC33xveEbo78FBvFRxzvIhncCQyceRWlVCfeHLDkBosUrV67U2guvwNRe/MQX 5eit0EcRGl+lbY/++5CyDx+hnmfd1HW9k2kDAKMOHzGS/eJJk17mvhKkQOaUKT45ZWVlbOTa Wlo1wOBxaC9kyW/ajKksB/zL0aloMMCRUJiNmwJx9+7dejGwyhg0IiKCvQlobGRkpHLJjljf lOYkpSTSgwcPVEhawAYG33p7LW4GTTBQIcE6eKlvvsiBBzSYPQ6vkbP/ZMNkLnDT8MNYeJ+Q lGhFUgpgCVLE4yFPLy3+058ZiJSkZBqXnKJpwp3vooz0zRQePoKjvLj4aJ3zSEgYy+9u3brl dT2P8Hqhrdu2bKXt295njR41Mpw+OXiIlQFjAgcYSGgvojjI0xqMsPbLL7/UC6qvr9fHXDR3 27ZteuFicPibEpKxZTN5SLUnj3HMyUsv1Tqkvt51jX1i5CgEZHA9/OY5c+b48TcmjqBF+Nf0 LNAW7zemb7JyAApghLRQlgUL5qmN+MHiyrv3GJSRz4+gQT8dSHv3ZNHTx0/YyOH73LmpPK8N m9bzkQbAmzZt8AYq8zEqj7l161aKGj2GQYZHgROwNm0NnxDMddGiRby5HMorIwce9jNyWDR8 UAl5wbl2LQLAHpu7wN9U/8ytGQyuCbB4FzU1dVrGzZs3+bTA50ZUhxAdGbz4+HjexNdffz2g BpvjIlTFO/TJd1v8m19k1Qh/rUBjidZiAPnRjg91oCHgrl71FrdFH4TI6A9jiaMdGxvNWrxk yWJ9epqbm8mVl88FhlKMpMwHgYZk1aDBTDdi5CQ0luAAvrC4ZAg0IGDUqFHs3yJFCboA4Ckp KQxMcnIyf7t8+TIfp82bN2tAjp04ruVCg2FQm1ubOLhB7gPp0VM5n+tQGQ4+BwO9XgXy1ngH zcVRHBQ6kHMX4qJJlo1D5aFh3CZ17mzln97y037xoSEHyjR48EDOR7DVL/Rlwo6fzLbskZKD oOvOvdusPB6Pz1UEpfF8vPYFciSqlKI1GLyIxcsil7+xTE8MvBooyQNtKyoq6pNZM40c+sPl wUTFyEkCCOE5MnjQYOSIAbIEHSjJiSm0YtkbtGb1Wt5Ay92zNO7QpwfZb4WLJmlE8Sayjx3R 2S+0hxJgPvBUEPxIriQmJsbKHyhAkc2T3DJn9tQ75COiY6N08glB1xsrV9Cbb77JMmW9GGv/ gX06XSmnALbBMv6qM/K3oAmEtZK8MIMKeBLQLFh7BAXCx/jmdrvZdbMs8iTmVBwr4emIyFG8 UFh4AIyxJB1aVlFKFyrOc24YKT5k18ClickJffzguLg4DkUloQJLDa5DehA1GxZV8zFV4KOt ACS+Pece1FHGN52SNPLKkgJl0L25YPAq+ujbCzUfaH9sbCylp6f7XRCI5grQOlRGoCGpSUnD mZ6E3biZAYEZ4dl92WPHjml62PHRB/rWgzlY0QO0F/kIAIz0JWuQ3By4XFywgSiS1BYw5EYD G/NZ7r+0cRHg+LbESIbjvZkg18+q3+d5n/EcBFzxAszbEJGDU4v5YG443dJO6EraiW/OAMOq t7e3U2dnp3JdwnUGDXxlJllM8OxZNdOHxQ+hcmhoKA+C8BsUBK4HwDBuKAAZAMsNB/uQ3oXL hKXoWwNv/hZgAhz7s9wmiLsk2S1oPLSdDdBZ4ypK9ZWEvSTZZWxzMyTfK5sOcFELHZi3HLIx WoNxZFtbW9lIZWdna34ZN24cGy8zijK1NlDIjBoJIvi3fMzVIHv27mZXEPQAgGHgAPC5C8UM MC9YLZSvkby7b2qNTBiTFyoQDZa7MHmWuzmAarZDEa6Vuzux+kwT3qycAGUCJ+/4dClgWXMV 0Ai07Mog8wZFeNO9FsdlZmayFuO+bfHixT5jowwMgDeBNKnC7rvC2sMIIEcqiW/c2YEeQBN+ N7LGTSwMgiPArbLfza15Kxzc90ZY2nIb+y240Q7XZPZ3jmD/72Y/yYvbDb24qeYc8SztvcX3 BzJR0GRQBYCR98gnIP/w/fff90n+CNDIXWCTkEGTE/Diiy8yuNggyfv6LdjRDwjOvv9VwA60 eUemAXP2898PnLbF9/O9v6t/SQUEShmIPJ6DKcfnWVkdpBN8WGgygJE8Ar6hMbyLpUuXcmQD z6Kmpoaf8Q7fxAVCefXVV1kGrvdxZxVo9+3vTM9FrLU9s2YGILKRpototjETRdJGTp1esw1Q 01sQWaJEIs8eCMkc7Bvgrf0XDZDgagFkRHdIdIwcObLPQvx20XhGQLJ3717WWgQlhw8f7gNs IDmo7bcY8owcBCjHfBfwuNoiP1EM2TCzPzZTbISdIkQDzY2Sy1070PbNNZVVUwQ6mjfDaIAb 3ba2Ni64OsnKyqKZM2daSfQg/4ng2n7WrFm0b98+1lhsDGqcBvvgMiENbJCTS7AjhJ790K0z Vs6gYH6PGt8QzUlbeYcS4hyg3+OZ2/ZabXt7rBp90ceUYW6sCZJ5CmXT7Rtv0mN/p0mDbKIN 4fI3GiJbVlxcTC0tLQwYjjwKAMd/QkHgAKMIQPk/nyiNRYGvKOlEkWVuoB/oXsAYCC+wKJ7u Xg0e6p5nHgbPBFmeBwT/xAecAaiALYCLfH5vox6Zn32eAphoq9lPToYYdGlvAznwcTN3FVHa zp07mXfhyyKXgMAE0R8AhZYjQbRr1y6O5gIZA3MiWIQcJWkjfCvuXyBeNdtq3jMAx0bYqUD+ lj6S8jSBtWudtLVfwArA9ucfW2uQXb1l8f1xCiyqafXNxQbiZrv22oH7sY21G49A45hajtqu kYFsTCC59nX2198+D5NSzGdd1CYMDHh07Vrt6N/aBuTWAP8DyNQYu7boNgHcNTFA4i7ZN0Fk BFxgfy6a8R9q7EZXb54hLxCFBALZ1F4o+P8AIUGW4rYPyhAAAAAASUVORK5CYII= Zimerman et al. El engorde a corral de bovinos viene utilizándose en Argentina desde hace más de 25 años. Inicialmente éstos se ubicaron en la región Pampeana, expandiéndose luego a otras regiones, en particular hacia el Noroeste Argentino, siguiendo la expansión de la producción de granos y sub­productos (Pordomingo, 2013). La diversidad ambiental en Argentina hace necesaria la utilización de razas bovinas que puedan adaptarse a estas condiciones tan dispares. En regiones con clima tropical/subtropical con marcada estación seca y altas temperaturas (Noroeste y Árida) predominan las razas autóctonas y las derivadas del Bos indicus (Orellana et al., 2009a). Entre los factores que inciden sobre la productividad, la correcta elección del genotipo animal puede determinar el resultado físico y económico de los establecimientos (Namur et al., 2003). Según Abbiati et al. (2012) resulta necesario evaluar la aptitud carnicera de diferentes razas que permitan expandir las áreas productivas como también describir las características de los productos de ellas obtenidos. Según Martínez (2020) la pigmentación y los colores de capa variados son clave frente a los desafíos del clima y los patógenos, y estratégicos en un país con diversidad de zonas productivas. Sin embargo, tanto Martínez (2020) como Namur et al. (2002) reportaron que la principal dificultad que presenta la raza Criollo Argentino (CrA) para su introducción en los rodeos es el castigo en el precio de venta en ferias: terneros CrA reciben un precio 10­25 % inferior al que reciben terneros Aberdeen Angus u otros de pelaje uniforme, a pesar de que el pelaje no se relacione con la calidad carnicera. Otros autores plantean que en esta evaluación comercial desfavorable para CrA también incide la presencia de grandes cuernos y su conformación “menos carnicera” (más longilíneos, angulosos y menos compactos) respecto a otras razas (Garriz, 1986, Garriz et al., 1991, Gallinger, et al., 1995). Si bien las diferencias interraciales afectan la conformación y composición de las reses, debido a diferencias en precocidad y deposición de grasa y en la calidad de la carne (Albertí, 2012), muchas veces los consumidores realizan asociaciones entre la raza y aspectos inherentes a la calidad de la res y de la carne que, en muchas ocasiones, no están fundadas sobre bases sólidas (Pacho Jiménez y Calahorra Fernández, 2009). Las transacciones comerciales en el mercado de la carne tienden a realizarse sobre reses más que sobre el animal vivo. La calidad de la res depende fundamentalmente de las proporciones de los tejidos que la componen, siendo la composición de su parte comestible la característica más importante (Torrescano Urrutia et al., 2010). La mayoría de los trabajos hallados en la bibliografía referidos a calidad de reses y carne de la raza CrA se han realizado en sistemas pastoriles (Garriz et al., 2008, Vranic et al., 2008, Garriz, 2012, Orellana et al. 2009a, b), mientras que son escasas las publicaciones que reportan datos de animales procedentes de engorde a corral (Abbiati et al., 2012). El presente estudio, con carácter preliminar, tiene como objetivo explorar tendencias en el desempeño productivo como también en la calidad de la res y la carne de novillos de 3 genotipos: Criollo Argentino (CrA), Braford (Bra) y la cruza Criollo Argentino x Braford (F1), engordados a corral. Se plantea como hipótesis que hay diferencias entre los genotipos en las variables estudiadas. Localización del ensayo El ensayo se desarrolló en el Instituto de Investigación Animal del Chaco Semiárido (IIACS) del Instituto Nacional de Tecnología Agropecuaria (INTA), ubicado en Leales, Tucumán, Argentina (27°11´30” latitud S., 65°14´47” longitud O.) entre abril y junio de 2018. La temperatura media anual es de 20 °C y el promedio anual de precipitaciones es de 950 mm, concentradas principalmente en la época estival. Animales y tratamientos El protocolo de investigación del presente estudio se realizó bajo los lineamientos de buenas prácticas y cuidado animal establecidas por el Comité Institucional para el Cuidado y Uso de Animales de Experimentación (CICUAE) perteneciente al Centro Regional Tucumán Santiago del Estero ­ Instituto de Investigación Animal del Chaco Semiárido de INTA. Se utilizaron 18 novillos, seis de cada raza: Criollo Argentino (CrA), Braford (Bra) y Cruzas (F1), obtenidas del servicio de vacas Bra por toros CrA. Tanto los novillos como los toros CrA usados para obtener la F1 pertenecían a animales de una línea de selección de capa entera doradillo y mochos (no astados). A una edad promedio de 17 meses, los novillos fueron seleccionados al azar de un grupo de 112 animales que pastoreaban Grama rhodes (Chloris gayana cv Fine cut) con una suplementación equivalente al 1.2 % de peso vivo (PV) de grano de maíz molido y harina de soja (50:50). Los animales fueron asignados a corrales individuales de 64 m 2 provistos de 16 m 2 de sombra artificial (malla plástica Introducción Materiales y Métodos ISSN­L 1022­1301. Archivos Latinoamericanos de Producción Animal. 2022. 30 (2): 91­100 93 iVBORw0KGgoAAAANSUhEUgAAAFgAAAAfCAYAAABjyArgAAAQ1klEQVR42oVaaWxVxxX2ezaV CtgURaI0YByDN7wCPyK1CTuFpsWsjUraEraIVpEIBhISwNhACElpCxgIkIDZ1AS8vGcbDHjf sPFuNpsQhTUkqfojZfsTYT+fznfuO/PmXT+nTxrm+t6ZMzPfnPnOMgT1kicsyBFEQU5VzNpe vO+dIQ7r7yD17HT6fzfbBBvvpIT42jqCjX7BRu2wjeMM6juGtA229f8/c+8j1xlg3fa5OQPM wfvsCA4wN2MuPdStYPJ+PF9yjkrLS6i8soyqa6uopq6aai/W0KWmBmpsvsSlqaWRWtqaqf1y G125coU6OjrUcwd1XLlMre0t/B01+tY01FJ1fQ1V1lVQRW05FZeeo7MlxVRSdoEKzxRQ0dlC rguK3VzyCnPptOsUv3MXuijPlcu1qyCfcvNzuC4oclN+UR63zXGfptyCHP77VP7nLAPv8t15 dKa4iPujPWr0xXv8Lc+nXTnkPqvGL8rXxVWQq8Y6pcbN47HRDmPjGUX6o5Y5og3mjLFdZ/J5 bihBA7xAA+ALpee5VFSVU2V1BdXV1zKwKAC0raOVrl6/Ql1fdNL169epq6uLbty4wc+or127 xiADbACMPtiQhsZ6BXCVAriSgT5XVqxAPsN10flCtUCXBleAxYJMcFFkgQIWL14Bi4KFQQ4W im+yaJdLgeTOp8JCtYEF1ncpaHP23Bk6nXuKQT2d+5kXVF8bGRPzkr8BbE7eaQ0+/uZN936H XAEYc7M0eoCTtRfgQvPqL13kAnChqZevdnDZvuN9mv7raTRo0CCmB00Rqh48eDDN/M0s+mjn 3+jKtcvcHn2h0U3tzVR7qY61uLymjM6Xn6OSSqXF5wq4AGAAhMlhMekZmyguPrYPLcWOjaFN mzfqhYkWC8imZqGkp2+kuLgYnp/DoIv4xLH03sZ3tYYDYFN7of2itRgLbXk+NpqJiYumDZve 0xsmYOM0YV04jUwX6ACtBbigBqEDaCyAytq3h8IjRmpQHQ6Hfpa/g4OD9d/Dhw+nAwcO0LXO q6zNQjHQ4Or6KgYZGlxcepbOXCjiBRWfP0sHDn3Mixdgp06dSqtWraK1a9fSpEmT9OKwWMxJ jqbrjFtRRZ6mkf3791JMTJSeJ/pCxpo1a2jixIk8VygGNuzjg/t5o5hq3DkMsmz0wU8OMIiy RsiBDMjC3PA+JCSEEhIS6ODBg5b2AuhiN8vDprPNwWKqaioZYAEDlNB54zrNmZfq2zklcNiw YbRkyRLKyMig6upqLlu2bOF3YWFhPHkMirYLfj+f5QFoppvWBga4rLqUNRgFdAFwj588RoPD BvE48xfOo1t3vqLe3l7Cr6enh2u8w3xgWMJ+FsoAYEEAN8edy5x+9Hg2DRkSyuMvXLiQ7ty5 o+V0d3dzjXezZ8/msTDmx5/uZzCEh7Fxx04cteaj1j5//ny6e/cu9/V4PFxD5u2vbtGCefN5 LKzdN58cLgBac7AJLo44wP1d6m8tK6kEPPfccwzqw4cP9YRlQO+Y/Dty5KgG2tK2scznHVfa FVU00sWmOqpqUJx8UfFxRbHFyYoLE5LieRxslPwArGiPLOzZs2d04sQJfhcVM0YfS2guuJFP gOqzbNkyvTGkprv7n7voj4te42f5nTx5ktcXkxDNgAi3ox6bENdnPt98/YCaLjVSc2MTfX3v PsvydPfQ0aNHacCAAaztphEG2NapU4OItwDNhcaZmjt+/Hi6fft2nx3UC9BgW/Xjx48pKSlJ H2loJOimuaOJGlrqqfpSNZXXlVNpTQnz8ebMdG63YMECNpoiHz+hHVOT8W3u3LkMjnAgQAE/ Q86ECRPo0KFDer5Zu/fQ8GE/pyGhYbT+7Xfo3r17Wk7q3DncZ2PmBu1dQCbWjjFgwPHDpkZG vECjX4jkGqXs/AVrw1ThE6H6bEzfwKdBjLZ18tWHiw11zJcAYnfWLu3jJY9L0lprgmuCLcD6 ag+DnJiYaPGgkr93fxa1XW2nxrYmqm2qpZrGGiqrtaiCDYgC8f79+4ZM/7HkJ3/jmEM2+E+4 l7VOzTsqKopGjx5NL/3yV/TXlX8hZ5CDtmRk0o7tH5BDjZOXk6s1+c69uzy/MXFR2osRAyu0 AI2NCB9FE196mZYtWUrvrnubxiiAoyNH88mALMwHfTAH7UWozdIaLD4u6GFE+POa52DkPAYH iBbZgTBpQto9ffpU8eEQHuQXI4bTjZtdDDJzsdJiaDD4GN+nTJmiORIgouB4iqFasWKF/i5t Jk+ezN/Y0CmAIWfy1Em0bt06Wr9+PY1RAEDTXhgVQe8oUL775lv6ouuGPtqyWRMnv6x8VgdT DDYLgE+ZNpm/P3r0iD499AnL+cfOv1Nvj4f7n8g+SpEK9PEp4yx5CgCMjTmIVwO6sDRY/QNw ob0ffLhdRyfgXH8K8GjwTM0yNdp8j3bHjx9nkBzBTtqyLVPRRAtzcV1jreJhy23DglavXq1l yTimtwKrb4KPHyw62sCXhYHDnNPW+uQ0XKxnYKG1UtatWUs3OrsYFAYLctalcV94M9gsrP+t tFX87cmTJ0wLMVHRFBsdowG+f/sOA4xv//72O267es1b3BfBBjjdj4NBD9Be7BwWDO2FcFlM ZWUlpaam0rRp02jGjBnsOQjQ8CRgaaFR06dPpz179vhtwtChQxmkWa/M5E1su9qq/GIV4dVX WACrSQAsOxXY3UKRJyCnpaXxNzFMvFFqkT4hVnlw/2t6b/27NGHceK3Rr/1hEZWXlnGztDQL GKEac6Ow2SWKa+PjxlJ1ZZWW+R8FapSXj0ElmA/GRl/xImSzWIMBLoxb6JDBvJjly5frBVVV VelFmloFsAsLC33xveEbo78FBvFRxzvIhncCQyceRWlVCfeHLDkBosUrV67U2guvwNRe/MQX 5eit0EcRGl+lbY/++5CyDx+hnmfd1HW9k2kDAKMOHzGS/eJJk17mvhKkQOaUKT45ZWVlbOTa Wlo1wOBxaC9kyW/ajKksB/zL0aloMMCRUJiNmwJx9+7dejGwyhg0IiKCvQlobGRkpHLJjljf lOYkpSTSgwcPVEhawAYG33p7LW4GTTBQIcE6eKlvvsiBBzSYPQ6vkbP/ZMNkLnDT8MNYeJ+Q lGhFUgpgCVLE4yFPLy3+058ZiJSkZBqXnKJpwp3vooz0zRQePoKjvLj4aJ3zSEgYy+9u3brl dT2P8Hqhrdu2bKXt295njR41Mpw+OXiIlQFjAgcYSGgvojjI0xqMsPbLL7/UC6qvr9fHXDR3 27ZteuFicPibEpKxZTN5SLUnj3HMyUsv1Tqkvt51jX1i5CgEZHA9/OY5c+b48TcmjqBF+Nf0 LNAW7zemb7JyAApghLRQlgUL5qmN+MHiyrv3GJSRz4+gQT8dSHv3ZNHTx0/YyOH73LmpPK8N m9bzkQbAmzZt8AYq8zEqj7l161aKGj2GQYZHgROwNm0NnxDMddGiRby5HMorIwce9jNyWDR8 UAl5wbl2LQLAHpu7wN9U/8ytGQyuCbB4FzU1dVrGzZs3+bTA50ZUhxAdGbz4+HjexNdffz2g BpvjIlTFO/TJd1v8m19k1Qh/rUBjidZiAPnRjg91oCHgrl71FrdFH4TI6A9jiaMdGxvNWrxk yWJ9epqbm8mVl88FhlKMpMwHgYZk1aDBTDdi5CQ0luAAvrC4ZAg0IGDUqFHs3yJFCboA4Ckp KQxMcnIyf7t8+TIfp82bN2tAjp04ruVCg2FQm1ubOLhB7gPp0VM5n+tQGQ4+BwO9XgXy1ngH zcVRHBQ6kHMX4qJJlo1D5aFh3CZ17mzln97y037xoSEHyjR48EDOR7DVL/Rlwo6fzLbskZKD oOvOvdusPB6Pz1UEpfF8vPYFciSqlKI1GLyIxcsil7+xTE8MvBooyQNtKyoq6pNZM40c+sPl wUTFyEkCCOE5MnjQYOSIAbIEHSjJiSm0YtkbtGb1Wt5Ay92zNO7QpwfZb4WLJmlE8Sayjx3R 2S+0hxJgPvBUEPxIriQmJsbKHyhAkc2T3DJn9tQ75COiY6N08glB1xsrV9Cbb77JMmW9GGv/ gX06XSmnALbBMv6qM/K3oAmEtZK8MIMKeBLQLFh7BAXCx/jmdrvZdbMs8iTmVBwr4emIyFG8 UFh4AIyxJB1aVlFKFyrOc24YKT5k18ClickJffzguLg4DkUloQJLDa5DehA1GxZV8zFV4KOt ACS+Pece1FHGN52SNPLKkgJl0L25YPAq+ujbCzUfaH9sbCylp6f7XRCI5grQOlRGoCGpSUnD mZ6E3biZAYEZ4dl92WPHjml62PHRB/rWgzlY0QO0F/kIAIz0JWuQ3By4XFywgSiS1BYw5EYD G/NZ7r+0cRHg+LbESIbjvZkg18+q3+d5n/EcBFzxAszbEJGDU4v5YG443dJO6EraiW/OAMOq t7e3U2dnp3JdwnUGDXxlJllM8OxZNdOHxQ+hcmhoKA+C8BsUBK4HwDBuKAAZAMsNB/uQ3oXL hKXoWwNv/hZgAhz7s9wmiLsk2S1oPLSdDdBZ4ypK9ZWEvSTZZWxzMyTfK5sOcFELHZi3HLIx WoNxZFtbW9lIZWdna34ZN24cGy8zijK1NlDIjBoJIvi3fMzVIHv27mZXEPQAgGHgAPC5C8UM MC9YLZSvkby7b2qNTBiTFyoQDZa7MHmWuzmAarZDEa6Vuzux+kwT3qycAGUCJ+/4dClgWXMV 0Ai07Mog8wZFeNO9FsdlZmayFuO+bfHixT5jowwMgDeBNKnC7rvC2sMIIEcqiW/c2YEeQBN+ N7LGTSwMgiPArbLfza15Kxzc90ZY2nIb+y240Q7XZPZ3jmD/72Y/yYvbDb24qeYc8SztvcX3 BzJR0GRQBYCR98gnIP/w/fff90n+CNDIXWCTkEGTE/Diiy8yuNggyfv6LdjRDwjOvv9VwA60 eUemAXP2898PnLbF9/O9v6t/SQUEShmIPJ6DKcfnWVkdpBN8WGgygJE8Ar6hMbyLpUuXcmQD z6Kmpoaf8Q7fxAVCefXVV1kGrvdxZxVo9+3vTM9FrLU9s2YGILKRpototjETRdJGTp1esw1Q 01sQWaJEIs8eCMkc7Bvgrf0XDZDgagFkRHdIdIwcObLPQvx20XhGQLJ3717WWgQlhw8f7gNs IDmo7bcY8owcBCjHfBfwuNoiP1EM2TCzPzZTbISdIkQDzY2Sy1070PbNNZVVUwQ6mjfDaIAb 3ba2Ni64OsnKyqKZM2daSfQg/4ng2n7WrFm0b98+1lhsDGqcBvvgMiENbJCTS7AjhJ790K0z Vs6gYH6PGt8QzUlbeYcS4hyg3+OZ2/ZabXt7rBp90ceUYW6sCZJ5CmXT7Rtv0mN/p0mDbKIN 4fI3GiJbVlxcTC0tLQwYjjwKAMd/QkHgAKMIQPk/nyiNRYGvKOlEkWVuoB/oXsAYCC+wKJ7u Xg0e6p5nHgbPBFmeBwT/xAecAaiALYCLfH5vox6Zn32eAphoq9lPToYYdGlvAznwcTN3FVHa zp07mXfhyyKXgMAE0R8AhZYjQbRr1y6O5gIZA3MiWIQcJWkjfCvuXyBeNdtq3jMAx0bYqUD+ lj6S8jSBtWudtLVfwArA9ucfW2uQXb1l8f1xCiyqafXNxQbiZrv22oH7sY21G49A45hajtqu kYFsTCC59nX2198+D5NSzGdd1CYMDHh07Vrt6N/aBuTWAP8DyNQYu7boNgHcNTFA4i7ZN0Fk BFxgfy6a8R9q7EZXb54hLxCFBALZ1F4o+P8AIUGW4rYPyhAAAAAASUVORK5CYII= Calidad de la res y de la carne de novillos Criollo Argentino 80 % de densidad), equipados con sus comederos y bebederos. El período de acostumbramiento al ambiente y a la dieta fue de 15 días (d). El ensayo duró 55 d. La ración estuvo conformada por una dieta totalmente mezclada (28.8 % silaje de maíz planta entera, 34.3 % grano de maíz molido, 23 % grano de maíz entero, 12.2 % harina de girasol, 0.5 % urea y 1.2 % núcleo vitamínico mineral). La alimentación fue a voluntad, ofreciéndose la ración una sola vez al día a las 08:00 horas. El criterio para dar fin al ensayo nutricional se definió como el momento en el que los novillos de todos los genotipos alcanzaron un valor de espesor de grasa dorsal mayor o igual a 5mm, determinado por ultrasonografía. Información obtenida durante el proceso productivo Al inicio y final del engorde se registró el PV, área de ojo de bife in vivo (AOBi y AOBf) y espesor de grasa dorsal in vivo (EGDi y EGDf) mediante ultrasonografía con ecógrafo Aquila vet (Esaote Pie Medical). Los respectivos AOB y EGD fueron evaluados sobre el músculo Longissimus dorsi (LD) entre la 12° y 13° costilla. El % de grasa intramuscular (GIM) se determinó a través de una imagen longitudinal tomada sobre el músculo LD entre la 11° y 13° costilla (Peña et al., 2014) al final del engorde. Con la información del % de GIM se calculó la puntuación de marmoleado (PM, escala 0 a 6: 0= sin grasa; 1= trazas, 2= muy escaso, 3= escaso, 4= modesto, 5= moderado y 6= abundante) según MINAGRI, 2016. Se calculó el índice de muscularidad como el cociente entre el AOB y el PV [IM= (AOB/PV) *100] (Ferrario y Fernández, 2007). A través de análisis de regresión lineal se calculó la ganancia diaria de PV (GMD) con datos de PV tomados cada 21 días. Faena, registro de información en planta de faena y toma de muestras Finalizado el periodo de engorde se establecieron dos fechas de faena, distanciadas 3 días. En forma aleatoria, 3 novillos de cada genotipo fueron asignados a cada día. La faena se llevó a cabo en el matadero Bella Vista Manufacturing, ubicado a 15 km del IIACS. Los animales permanecieron en los corrales de espera 12 h antes de ser faenados. El procedimiento de faena se realizó siguiendo la normativa vigente (Decreto 4238/68 de SENASA). Se inspeccionó el proceso de faena, identificando los animales y las reses para mantener la trazabilidad individual. Se registró el peso de la media res derecha e izquierda (PMRD y PMRI respectivamente). El rendimiento de faena se calculó como: Rto=[(PMRD+PMRI)/PV]*100. Se registró el pH de la carne a los 45 min y 24 h post­ mortem por duplicado (pH45 y pH24 respectivamente), con pHmetro de penetración Hanna 99163, siguiendo la metodología propuesta por Garrido et al. (2005). A las 24 h post­mortem se tomaron muestras del músculo LD izquierdo de cada res, entre la 10° y 12° vértebra. Las muestras fueron envasadas al vacío y transportadas en condiciones de refrigeración (4 ± 1 °C) y en oscuridad hasta el Laboratorio de Calidad de Carnes del IIACS. Las muestras que se destinaron a la medición de color instrumental y capacidad de retención de agua (CRA) fueron congeladas a ­20 °C hasta su posterior análisis. Las muestras destinadas al análisis de textura instrumental y pérdidas por cocción (PPC) fueron refrigeradas (4 ± 1 °C) y maduradas dos días adicionales (3 d. de maduración en total) y luego congeladas a ­20 °C hasta su posterior procesamiento. Parámetros de calidad de la res y la carne evaluados Las medias reses derechas fueron despostadas en su totalidad por un mismo operador, reduciéndolas a cortes de carnicería para venta al consumidor, de acuerdo al sistema de desposte utilizado en el norte de Argentina. Los cortes de carne fueron obtenidos manteniendo un emprolijado común, es decir, quitando el exceso de grasa subcutánea, cuando la hubo, y dejando un máximo de 0.6 cm de espesor de grasa sobre el corte. Se registró el peso de cada uno de los cortes de carne obtenidos, como también el de la grasa y los huesos separados. Los cortes de carne fueron agrupados en 4 categorías: Cortes de 1ra calidad: bola de lomo (m. recto femoral, recto medio, recto lateral y recto interno que en conjunto constituyen el cuadriceps femoral), cuadril con colita (comprende las grandes masas musculares que cubren la región pelviana, fundamentalmente el glúteo medio y profundo y el tensor de la fascia lata y la porción sacro costal del bíceps femoral) tapa de cuadril (porción superior y anterior del m. bíceps femoral), cuadrada (m. bíceps femoral), peceto (m. semitendinoso), nalga (en un plano superficial, se encuentran el m. sartorio y el m. recto interno; en un plano más profundo se encuentran los músculos pectíneo, aductor y semimembranoso), tapa de nalga (m. recto interno, sartorio y pectíneo), lomo (m. psoas mayor, menor e ilíaco) costeleta ancha (m. trapecio y dorsal ancho, dorsal largo, espinal dorsal, multífido dorsal, costal largo, intercostales y elevadores de las costillas ubicados sobre la mitad de las vértebras torácicas y el extremo espinal de las correspondientes costillas) y costeleta angosta (comprende los músculos dorsal largo, espinal dorsal, multífido dorsal, costal largo, pequeño serrato caudal e intercostales ubicados sobre la mitad de las vértebras lumbares, últimas vértebras dorsales y extremidades espinales de las costillas correspondientes). Cortes de 2da calidad: azotillo (m. trapecio cervical, escaleno, recto de la cabeza y del cuello, amohioideo, largo del cuello, serrato cervical, esplenio, romboides, complexo, braquiocefálico, esternocefálico y omotrasversal), paleta (m. trapecio, deltoides, dorsal ancho, tríceps braquial, ancóeno ISSN­L 1022­1301. Archivos Latinoamericanos de Producción Animal. 2022. 30 (2): 91­100 iVBORw0KGgoAAAANSUhEUgAAAFgAAAAfCAYAAABjyArgAAAQ1klEQVR42oVaaWxVxxX2ezaV CtgURaI0YByDN7wCPyK1CTuFpsWsjUraEraIVpEIBhISwNhACElpCxgIkIDZ1AS8vGcbDHjf sPFuNpsQhTUkqfojZfsTYT+fznfuO/PmXT+nTxrm+t6ZMzPfnPnOMgT1kicsyBFEQU5VzNpe vO+dIQ7r7yD17HT6fzfbBBvvpIT42jqCjX7BRu2wjeMM6juGtA229f8/c+8j1xlg3fa5OQPM wfvsCA4wN2MuPdStYPJ+PF9yjkrLS6i8soyqa6uopq6aai/W0KWmBmpsvsSlqaWRWtqaqf1y G125coU6OjrUcwd1XLlMre0t/B01+tY01FJ1fQ1V1lVQRW05FZeeo7MlxVRSdoEKzxRQ0dlC rguK3VzyCnPptOsUv3MXuijPlcu1qyCfcvNzuC4oclN+UR63zXGfptyCHP77VP7nLAPv8t15 dKa4iPujPWr0xXv8Lc+nXTnkPqvGL8rXxVWQq8Y6pcbN47HRDmPjGUX6o5Y5og3mjLFdZ/J5 bihBA7xAA+ALpee5VFSVU2V1BdXV1zKwKAC0raOVrl6/Ql1fdNL169epq6uLbty4wc+or127 xiADbACMPtiQhsZ6BXCVAriSgT5XVqxAPsN10flCtUCXBleAxYJMcFFkgQIWL14Bi4KFQQ4W im+yaJdLgeTOp8JCtYEF1ncpaHP23Bk6nXuKQT2d+5kXVF8bGRPzkr8BbE7eaQ0+/uZN936H XAEYc7M0eoCTtRfgQvPqL13kAnChqZevdnDZvuN9mv7raTRo0CCmB00Rqh48eDDN/M0s+mjn 3+jKtcvcHn2h0U3tzVR7qY61uLymjM6Xn6OSSqXF5wq4AGAAhMlhMekZmyguPrYPLcWOjaFN mzfqhYkWC8imZqGkp2+kuLgYnp/DoIv4xLH03sZ3tYYDYFN7of2itRgLbXk+NpqJiYumDZve 0xsmYOM0YV04jUwX6ACtBbigBqEDaCyAytq3h8IjRmpQHQ6Hfpa/g4OD9d/Dhw+nAwcO0LXO q6zNQjHQ4Or6KgYZGlxcepbOXCjiBRWfP0sHDn3Mixdgp06dSqtWraK1a9fSpEmT9OKwWMxJ jqbrjFtRRZ6mkf3791JMTJSeJ/pCxpo1a2jixIk8VygGNuzjg/t5o5hq3DkMsmz0wU8OMIiy RsiBDMjC3PA+JCSEEhIS6ODBg5b2AuhiN8vDprPNwWKqaioZYAEDlNB54zrNmZfq2zklcNiw YbRkyRLKyMig6upqLlu2bOF3YWFhPHkMirYLfj+f5QFoppvWBga4rLqUNRgFdAFwj588RoPD BvE48xfOo1t3vqLe3l7Cr6enh2u8w3xgWMJ+FsoAYEEAN8edy5x+9Hg2DRkSyuMvXLiQ7ty5 o+V0d3dzjXezZ8/msTDmx5/uZzCEh7Fxx04cteaj1j5//ny6e/cu9/V4PFxD5u2vbtGCefN5 LKzdN58cLgBac7AJLo44wP1d6m8tK6kEPPfccwzqw4cP9YRlQO+Y/Dty5KgG2tK2scznHVfa FVU00sWmOqpqUJx8UfFxRbHFyYoLE5LieRxslPwArGiPLOzZs2d04sQJfhcVM0YfS2guuJFP gOqzbNkyvTGkprv7n7voj4te42f5nTx5ktcXkxDNgAi3ox6bENdnPt98/YCaLjVSc2MTfX3v PsvydPfQ0aNHacCAAaztphEG2NapU4OItwDNhcaZmjt+/Hi6fft2nx3UC9BgW/Xjx48pKSlJ H2loJOimuaOJGlrqqfpSNZXXlVNpTQnz8ebMdG63YMECNpoiHz+hHVOT8W3u3LkMjnAgQAE/ Q86ECRPo0KFDer5Zu/fQ8GE/pyGhYbT+7Xfo3r17Wk7q3DncZ2PmBu1dQCbWjjFgwPHDpkZG vECjX4jkGqXs/AVrw1ThE6H6bEzfwKdBjLZ18tWHiw11zJcAYnfWLu3jJY9L0lprgmuCLcD6 ag+DnJiYaPGgkr93fxa1XW2nxrYmqm2qpZrGGiqrtaiCDYgC8f79+4ZM/7HkJ3/jmEM2+E+4 l7VOzTsqKopGjx5NL/3yV/TXlX8hZ5CDtmRk0o7tH5BDjZOXk6s1+c69uzy/MXFR2osRAyu0 AI2NCB9FE196mZYtWUrvrnubxiiAoyNH88mALMwHfTAH7UWozdIaLD4u6GFE+POa52DkPAYH iBbZgTBpQto9ffpU8eEQHuQXI4bTjZtdDDJzsdJiaDD4GN+nTJmiORIgouB4iqFasWKF/i5t Jk+ezN/Y0CmAIWfy1Em0bt06Wr9+PY1RAEDTXhgVQe8oUL775lv6ouuGPtqyWRMnv6x8VgdT DDYLgE+ZNpm/P3r0iD499AnL+cfOv1Nvj4f7n8g+SpEK9PEp4yx5CgCMjTmIVwO6sDRY/QNw ob0ffLhdRyfgXH8K8GjwTM0yNdp8j3bHjx9nkBzBTtqyLVPRRAtzcV1jreJhy23DglavXq1l yTimtwKrb4KPHyw62sCXhYHDnNPW+uQ0XKxnYKG1UtatWUs3OrsYFAYLctalcV94M9gsrP+t tFX87cmTJ0wLMVHRFBsdowG+f/sOA4xv//72O267es1b3BfBBjjdj4NBD9Be7BwWDO2FcFlM ZWUlpaam0rRp02jGjBnsOQjQ8CRgaaFR06dPpz179vhtwtChQxmkWa/M5E1su9qq/GIV4dVX WACrSQAsOxXY3UKRJyCnpaXxNzFMvFFqkT4hVnlw/2t6b/27NGHceK3Rr/1hEZWXlnGztDQL GKEac6Ow2SWKa+PjxlJ1ZZWW+R8FapSXj0ElmA/GRl/xImSzWIMBLoxb6JDBvJjly5frBVVV VelFmloFsAsLC33xveEbo78FBvFRxzvIhncCQyceRWlVCfeHLDkBosUrV67U2guvwNRe/MQX 5eit0EcRGl+lbY/++5CyDx+hnmfd1HW9k2kDAKMOHzGS/eJJk17mvhKkQOaUKT45ZWVlbOTa Wlo1wOBxaC9kyW/ajKksB/zL0aloMMCRUJiNmwJx9+7dejGwyhg0IiKCvQlobGRkpHLJjljf lOYkpSTSgwcPVEhawAYG33p7LW4GTTBQIcE6eKlvvsiBBzSYPQ6vkbP/ZMNkLnDT8MNYeJ+Q lGhFUgpgCVLE4yFPLy3+058ZiJSkZBqXnKJpwp3vooz0zRQePoKjvLj4aJ3zSEgYy+9u3brl dT2P8Hqhrdu2bKXt295njR41Mpw+OXiIlQFjAgcYSGgvojjI0xqMsPbLL7/UC6qvr9fHXDR3 27ZteuFicPibEpKxZTN5SLUnj3HMyUsv1Tqkvt51jX1i5CgEZHA9/OY5c+b48TcmjqBF+Nf0 LNAW7zemb7JyAApghLRQlgUL5qmN+MHiyrv3GJSRz4+gQT8dSHv3ZNHTx0/YyOH73LmpPK8N m9bzkQbAmzZt8AYq8zEqj7l161aKGj2GQYZHgROwNm0NnxDMddGiRby5HMorIwce9jNyWDR8 UAl5wbl2LQLAHpu7wN9U/8ytGQyuCbB4FzU1dVrGzZs3+bTA50ZUhxAdGbz4+HjexNdffz2g BpvjIlTFO/TJd1v8m19k1Qh/rUBjidZiAPnRjg91oCHgrl71FrdFH4TI6A9jiaMdGxvNWrxk yWJ9epqbm8mVl88FhlKMpMwHgYZk1aDBTDdi5CQ0luAAvrC4ZAg0IGDUqFHs3yJFCboA4Ckp KQxMcnIyf7t8+TIfp82bN2tAjp04ruVCg2FQm1ubOLhB7gPp0VM5n+tQGQ4+BwO9XgXy1ngH zcVRHBQ6kHMX4qJJlo1D5aFh3CZ17mzln97y037xoSEHyjR48EDOR7DVL/Rlwo6fzLbskZKD oOvOvdusPB6Pz1UEpfF8vPYFciSqlKI1GLyIxcsil7+xTE8MvBooyQNtKyoq6pNZM40c+sPl wUTFyEkCCOE5MnjQYOSIAbIEHSjJiSm0YtkbtGb1Wt5Ay92zNO7QpwfZb4WLJmlE8Sayjx3R 2S+0hxJgPvBUEPxIriQmJsbKHyhAkc2T3DJn9tQ75COiY6N08glB1xsrV9Cbb77JMmW9GGv/ gX06XSmnALbBMv6qM/K3oAmEtZK8MIMKeBLQLFh7BAXCx/jmdrvZdbMs8iTmVBwr4emIyFG8 UFh4AIyxJB1aVlFKFyrOc24YKT5k18ClickJffzguLg4DkUloQJLDa5DehA1GxZV8zFV4KOt ACS+Pece1FHGN52SNPLKkgJl0L25YPAq+ujbCzUfaH9sbCylp6f7XRCI5grQOlRGoCGpSUnD mZ6E3biZAYEZ4dl92WPHjml62PHRB/rWgzlY0QO0F/kIAIz0JWuQ3By4XFywgSiS1BYw5EYD G/NZ7r+0cRHg+LbESIbjvZkg18+q3+d5n/EcBFzxAszbEJGDU4v5YG443dJO6EraiW/OAMOq t7e3U2dnp3JdwnUGDXxlJllM8OxZNdOHxQ+hcmhoKA+C8BsUBK4HwDBuKAAZAMsNB/uQ3oXL hKXoWwNv/hZgAhz7s9wmiLsk2S1oPLSdDdBZ4ypK9ZWEvSTZZWxzMyTfK5sOcFELHZi3HLIx WoNxZFtbW9lIZWdna34ZN24cGy8zijK1NlDIjBoJIvi3fMzVIHv27mZXEPQAgGHgAPC5C8UM MC9YLZSvkby7b2qNTBiTFyoQDZa7MHmWuzmAarZDEa6Vuzux+kwT3qycAGUCJ+/4dClgWXMV 0Ai07Mog8wZFeNO9FsdlZmayFuO+bfHixT5jowwMgDeBNKnC7rvC2sMIIEcqiW/c2YEeQBN+ N7LGTSwMgiPArbLfza15Kxzc90ZY2nIb+y240Q7XZPZ3jmD/72Y/yYvbDb24qeYc8SztvcX3 BzJR0GRQBYCR98gnIP/w/fff90n+CNDIXWCTkEGTE/Diiy8yuNggyfv6LdjRDwjOvv9VwA60 eUemAXP2898PnLbF9/O9v6t/SQUEShmIPJ6DKcfnWVkdpBN8WGgygJE8Ar6hMbyLpUuXcmQD z6Kmpoaf8Q7fxAVCefXVV1kGrvdxZxVo9+3vTM9FrLU9s2YGILKRpototjETRdJGTp1esw1Q 01sQWaJEIs8eCMkc7Bvgrf0XDZDgagFkRHdIdIwcObLPQvx20XhGQLJ3717WWgQlhw8f7gNs IDmo7bcY8owcBCjHfBfwuNoiP1EM2TCzPzZTbISdIkQDzY2Sy1070PbNNZVVUwQ6mjfDaIAb 3ba2Ni64OsnKyqKZM2daSfQg/4ng2n7WrFm0b98+1lhsDGqcBvvgMiENbJCTS7AjhJ790K0z Vs6gYH6PGt8QzUlbeYcS4hyg3+OZ2/ZabXt7rBp90ceUYW6sCZJ5CmXT7Rtv0mN/p0mDbKIN 4fI3GiJbVlxcTC0tLQwYjjwKAMd/QkHgAKMIQPk/nyiNRYGvKOlEkWVuoB/oXsAYCC+wKJ7u Xg0e6p5nHgbPBFmeBwT/xAecAaiALYCLfH5vox6Zn32eAphoq9lPToYYdGlvAznwcTN3FVHa zp07mXfhyyKXgMAE0R8AhZYjQbRr1y6O5gIZA3MiWIQcJWkjfCvuXyBeNdtq3jMAx0bYqUD+ lj6S8jSBtWudtLVfwArA9ucfW2uQXb1l8f1xCiyqafXNxQbiZrv22oH7sY21G49A45hajtqu kYFsTCC59nX2198+D5NSzGdd1CYMDHh07Vrt6N/aBuTWAP8DyNQYu7boNgHcNTFA4i7ZN0Fk BFxgfy6a8R9q7EZXb54hLxCFBALZ1F4o+P8AIUGW4rYPyhAAAAAASUVORK5CYII= 94 interno, ancóneo externo, redondo mayor y tensor de la fascia antebraquial), marucha (m. infraespinoso), chingolo o palomita (m. supraespinoso), aguja o roast beef (m. romboides, complexo, esplenio, dorsal largo, espinal dorsal, multífido dorsal, costal largo, serrato dorsal anterior y subescapular) y tortuguita (m gastrocnemio y flexor digital superficial). Cortes de asado: vacío (comprende los músculos y fascias que forman la pared del abdomen, es decir, m. oblícuo abdominal externo, oblícuo abdominal interno, recto abdominal y abdominal transverso), entraña (m. diafragma), falda (porción caudal de los músculos pectorales y fragmentos craneales de m. abdominales) y matambre (m. cutáneo ubicado en la parte lateral del tronco sobre los arcos costales desde la región de la paleta a la región inguinal). Cortes de menor valor: puchero común (m. extensor carpo­radial, extensor digital común, extensor digital lateral, extensor oblicuo del carpo, flexor carpo­radial, flexor carpocubital, cubital lateral, flexor digital superficial, flexor digital profundo, bíceps braquial y braquial con los huesos húmero, radio, ulna y huesos proximales del carpo), puchero especial (m. extensor digital largo, extensor digital lateral, peroneo anterior, extensor digital interno, peroneo largo, tibial anterior, flexor digital profundo y poplíteo con huesos epífisis distal del fémur, tibia y huesos del tarso) y carne para picar (restos de carne que quedan del proceso de desposte). La descripción de todos los cortes fue tomada del nomenclador de cortes de carne vacuna argentina del Instituto de Promoción de la Carne Vacuna Argentina (IPCVA, 2015). Se calculó la contribución porcentual de cada grupo de cortes al PMRD. Las muestras de carne fueron procesadas en los Laboratorios del Instituto de Ciencia y Tecnología de los Alimentos (ICyTA) de la Facultad de Agronomía y Agroindustrias (FAyA) de la Universidad Nacional de Santiago del Estero (UNSE). Las muestras fueron descongeladas durante 24 h a 4 °C. Se estimó la composición tisular de la res a través de la disección del trozo monocostal de la 10° costilla siguiendo la metodología propuesta por García Torres et al. (2005). Se registró el peso de la muestra y luego se procedió a su disección, separando los tejidos múscular, óseo (huesos y cartílagos), adiposo (grasas subcutánea e intermuscular) y desechos (ligamentos, tendones y vasos sanguíneos). Se registró el peso de cada componente y la composición tisular se expresó en porcentaje, considerando el peso de cada tejido respecto al peso total de la muestra. Se determinó el AOB post­mortem (AOBpm) por el método de calcografía mediante acetato. Se graficó el área ocupada por el músculo LD extraído a nivel de la 13° vértebra toráxica y se determinó la superficie del mismo utilizando el software integrado Autocad. Se midió el espesor de grasa dorsal post­mortem (EGDpm) con calibre digital sobre el músculo Longissimus Thoracis, a la altura de la 13° vértebra toráxica, a 2/3 de distancia de la apófisis espinosa. Se calculó el porcentaje de rendimiento de cortes minoristas (CM) usando la ecuación sugerida por Boggs et al. (2010): [CM= 51.34­(5.78*EGD(pulg)) ­(0.0093* PR(lb)) ­(0.462* KPF) +(0.74* AOB(pulg)), donde PR es el peso de la res y KPF es la grasa pélvico renal y pericárdica considerada como un % del PR según el valor de EGD. Se midió el color instrumental de las muestras de carne: L* [luminosidad (0= negro y 100= blanco)], a* [coordenada verde (valores negativos) – rojo (valores positivos)] y b* [coordenada azul (valores negativos) – amarillo (valores positivos)]. Cada medición se realizó por triplicado con colorímetro Minolta CR­300, iluminante C y apertura en la zona de medición de 8 mm. Las mediciones se realizaron siguiendo la metodología propuesta por Albertí et al. (2005), evitando áreas de tejido conectivo o grasa intramuscular. Las diferencias de color (ΔE) entre genotipos se calcularon siguiendo la metodología propuesta por Abril et al. (2001). El cálculo de ΔE es una manera útil para evaluar si un cambio de color en una muestra es perceptible por el ojo humano, tomando otra muestra como referencia. ΔE se calculó mediante la siguiente ecuación: ΔE=[(L*1­L*0)2+(a*1­ a*0)2+(b*1­b*0)2]­1/2, donde los valores L*0, a*0 y b*0 corresponden a la muestra considerada como “muestra de referencia” (en este caso uno de los dos genotipos), y los valores L*1, a*1 y b*1 corresponden a la muestra que se desea contrastar con la “muestra de referencia” (en este caso, el otro genotipo que se desea contrastar). Según Prändl et al., (1994) y Abril et al. (2001), un valor de ∆E entre 3 y 6 es detectable por el ojo humano. La CRA se determinó por duplicado usando el método de jugo exprimible de carne cruda según lo propuesto por Pla Torres (2005). Las muestras de carne destinadas a evaluar pérdidas por cocción (PPC) y perfil de textura fueron cocinadas con grill prensa Speedy G3 Modelo 1096 hasta alcanzar una temperatura en la parte interna de 70 °C registrada con termocupla. Se registró el peso de las muestras antes y después de la cocción y se calculó PPC mediante la siguiente ecuación: PPC (%)= [peso muestra cruda­ peso muestra cocida) *100/ peso muestra cruda]. De cada muestra cocida se obtuvieron un mínimo de ocho tarugos de 1 cm de diámetro paralelos a la orientación longitudinal de las fibras musculares tomados con sacabocados. Se trabajó con texturómetro TA­XT2 Stable Micro Systems, con sonda cilíndrica de ebonita Zimerman et al. ISSN­L 1022­1301. Archivos Latinoamericanos de Producción Animal. 2022. 30 (2): 91­100 iVBORw0KGgoAAAANSUhEUgAAAFgAAAAfCAYAAABjyArgAAAQ1klEQVR42oVaaWxVxxX2ezaV CtgURaI0YByDN7wCPyK1CTuFpsWsjUraEraIVpEIBhISwNhACElpCxgIkIDZ1AS8vGcbDHjf sPFuNpsQhTUkqfojZfsTYT+fznfuO/PmXT+nTxrm+t6ZMzPfnPnOMgT1kicsyBFEQU5VzNpe vO+dIQ7r7yD17HT6fzfbBBvvpIT42jqCjX7BRu2wjeMM6juGtA229f8/c+8j1xlg3fa5OQPM wfvsCA4wN2MuPdStYPJ+PF9yjkrLS6i8soyqa6uopq6aai/W0KWmBmpsvsSlqaWRWtqaqf1y G125coU6OjrUcwd1XLlMre0t/B01+tY01FJ1fQ1V1lVQRW05FZeeo7MlxVRSdoEKzxRQ0dlC rguK3VzyCnPptOsUv3MXuijPlcu1qyCfcvNzuC4oclN+UR63zXGfptyCHP77VP7nLAPv8t15 dKa4iPujPWr0xXv8Lc+nXTnkPqvGL8rXxVWQq8Y6pcbN47HRDmPjGUX6o5Y5og3mjLFdZ/J5 bihBA7xAA+ALpee5VFSVU2V1BdXV1zKwKAC0raOVrl6/Ql1fdNL169epq6uLbty4wc+or127 xiADbACMPtiQhsZ6BXCVAriSgT5XVqxAPsN10flCtUCXBleAxYJMcFFkgQIWL14Bi4KFQQ4W im+yaJdLgeTOp8JCtYEF1ncpaHP23Bk6nXuKQT2d+5kXVF8bGRPzkr8BbE7eaQ0+/uZN936H XAEYc7M0eoCTtRfgQvPqL13kAnChqZevdnDZvuN9mv7raTRo0CCmB00Rqh48eDDN/M0s+mjn 3+jKtcvcHn2h0U3tzVR7qY61uLymjM6Xn6OSSqXF5wq4AGAAhMlhMekZmyguPrYPLcWOjaFN mzfqhYkWC8imZqGkp2+kuLgYnp/DoIv4xLH03sZ3tYYDYFN7of2itRgLbXk+NpqJiYumDZve 0xsmYOM0YV04jUwX6ACtBbigBqEDaCyAytq3h8IjRmpQHQ6Hfpa/g4OD9d/Dhw+nAwcO0LXO q6zNQjHQ4Or6KgYZGlxcepbOXCjiBRWfP0sHDn3Mixdgp06dSqtWraK1a9fSpEmT9OKwWMxJ jqbrjFtRRZ6mkf3791JMTJSeJ/pCxpo1a2jixIk8VygGNuzjg/t5o5hq3DkMsmz0wU8OMIiy RsiBDMjC3PA+JCSEEhIS6ODBg5b2AuhiN8vDprPNwWKqaioZYAEDlNB54zrNmZfq2zklcNiw YbRkyRLKyMig6upqLlu2bOF3YWFhPHkMirYLfj+f5QFoppvWBga4rLqUNRgFdAFwj588RoPD BvE48xfOo1t3vqLe3l7Cr6enh2u8w3xgWMJ+FsoAYEEAN8edy5x+9Hg2DRkSyuMvXLiQ7ty5 o+V0d3dzjXezZ8/msTDmx5/uZzCEh7Fxx04cteaj1j5//ny6e/cu9/V4PFxD5u2vbtGCefN5 LKzdN58cLgBac7AJLo44wP1d6m8tK6kEPPfccwzqw4cP9YRlQO+Y/Dty5KgG2tK2scznHVfa FVU00sWmOqpqUJx8UfFxRbHFyYoLE5LieRxslPwArGiPLOzZs2d04sQJfhcVM0YfS2guuJFP gOqzbNkyvTGkprv7n7voj4te42f5nTx5ktcXkxDNgAi3ox6bENdnPt98/YCaLjVSc2MTfX3v PsvydPfQ0aNHacCAAaztphEG2NapU4OItwDNhcaZmjt+/Hi6fft2nx3UC9BgW/Xjx48pKSlJ H2loJOimuaOJGlrqqfpSNZXXlVNpTQnz8ebMdG63YMECNpoiHz+hHVOT8W3u3LkMjnAgQAE/ Q86ECRPo0KFDer5Zu/fQ8GE/pyGhYbT+7Xfo3r17Wk7q3DncZ2PmBu1dQCbWjjFgwPHDpkZG vECjX4jkGqXs/AVrw1ThE6H6bEzfwKdBjLZ18tWHiw11zJcAYnfWLu3jJY9L0lprgmuCLcD6 ag+DnJiYaPGgkr93fxa1XW2nxrYmqm2qpZrGGiqrtaiCDYgC8f79+4ZM/7HkJ3/jmEM2+E+4 l7VOzTsqKopGjx5NL/3yV/TXlX8hZ5CDtmRk0o7tH5BDjZOXk6s1+c69uzy/MXFR2osRAyu0 AI2NCB9FE196mZYtWUrvrnubxiiAoyNH88mALMwHfTAH7UWozdIaLD4u6GFE+POa52DkPAYH iBbZgTBpQto9ffpU8eEQHuQXI4bTjZtdDDJzsdJiaDD4GN+nTJmiORIgouB4iqFasWKF/i5t Jk+ezN/Y0CmAIWfy1Em0bt06Wr9+PY1RAEDTXhgVQe8oUL775lv6ouuGPtqyWRMnv6x8VgdT DDYLgE+ZNpm/P3r0iD499AnL+cfOv1Nvj4f7n8g+SpEK9PEp4yx5CgCMjTmIVwO6sDRY/QNw ob0ffLhdRyfgXH8K8GjwTM0yNdp8j3bHjx9nkBzBTtqyLVPRRAtzcV1jreJhy23DglavXq1l yTimtwKrb4KPHyw62sCXhYHDnNPW+uQ0XKxnYKG1UtatWUs3OrsYFAYLctalcV94M9gsrP+t tFX87cmTJ0wLMVHRFBsdowG+f/sOA4xv//72O267es1b3BfBBjjdj4NBD9Be7BwWDO2FcFlM ZWUlpaam0rRp02jGjBnsOQjQ8CRgaaFR06dPpz179vhtwtChQxmkWa/M5E1su9qq/GIV4dVX WACrSQAsOxXY3UKRJyCnpaXxNzFMvFFqkT4hVnlw/2t6b/27NGHceK3Rr/1hEZWXlnGztDQL GKEac6Ow2SWKa+PjxlJ1ZZWW+R8FapSXj0ElmA/GRl/xImSzWIMBLoxb6JDBvJjly5frBVVV VelFmloFsAsLC33xveEbo78FBvFRxzvIhncCQyceRWlVCfeHLDkBosUrV67U2guvwNRe/MQX 5eit0EcRGl+lbY/++5CyDx+hnmfd1HW9k2kDAKMOHzGS/eJJk17mvhKkQOaUKT45ZWVlbOTa Wlo1wOBxaC9kyW/ajKksB/zL0aloMMCRUJiNmwJx9+7dejGwyhg0IiKCvQlobGRkpHLJjljf lOYkpSTSgwcPVEhawAYG33p7LW4GTTBQIcE6eKlvvsiBBzSYPQ6vkbP/ZMNkLnDT8MNYeJ+Q lGhFUgpgCVLE4yFPLy3+058ZiJSkZBqXnKJpwp3vooz0zRQePoKjvLj4aJ3zSEgYy+9u3brl dT2P8Hqhrdu2bKXt295njR41Mpw+OXiIlQFjAgcYSGgvojjI0xqMsPbLL7/UC6qvr9fHXDR3 27ZteuFicPibEpKxZTN5SLUnj3HMyUsv1Tqkvt51jX1i5CgEZHA9/OY5c+b48TcmjqBF+Nf0 LNAW7zemb7JyAApghLRQlgUL5qmN+MHiyrv3GJSRz4+gQT8dSHv3ZNHTx0/YyOH73LmpPK8N m9bzkQbAmzZt8AYq8zEqj7l161aKGj2GQYZHgROwNm0NnxDMddGiRby5HMorIwce9jNyWDR8 UAl5wbl2LQLAHpu7wN9U/8ytGQyuCbB4FzU1dVrGzZs3+bTA50ZUhxAdGbz4+HjexNdffz2g BpvjIlTFO/TJd1v8m19k1Qh/rUBjidZiAPnRjg91oCHgrl71FrdFH4TI6A9jiaMdGxvNWrxk yWJ9epqbm8mVl88FhlKMpMwHgYZk1aDBTDdi5CQ0luAAvrC4ZAg0IGDUqFHs3yJFCboA4Ckp KQxMcnIyf7t8+TIfp82bN2tAjp04ruVCg2FQm1ubOLhB7gPp0VM5n+tQGQ4+BwO9XgXy1ngH zcVRHBQ6kHMX4qJJlo1D5aFh3CZ17mzln97y037xoSEHyjR48EDOR7DVL/Rlwo6fzLbskZKD oOvOvdusPB6Pz1UEpfF8vPYFciSqlKI1GLyIxcsil7+xTE8MvBooyQNtKyoq6pNZM40c+sPl wUTFyEkCCOE5MnjQYOSIAbIEHSjJiSm0YtkbtGb1Wt5Ay92zNO7QpwfZb4WLJmlE8Sayjx3R 2S+0hxJgPvBUEPxIriQmJsbKHyhAkc2T3DJn9tQ75COiY6N08glB1xsrV9Cbb77JMmW9GGv/ gX06XSmnALbBMv6qM/K3oAmEtZK8MIMKeBLQLFh7BAXCx/jmdrvZdbMs8iTmVBwr4emIyFG8 UFh4AIyxJB1aVlFKFyrOc24YKT5k18ClickJffzguLg4DkUloQJLDa5DehA1GxZV8zFV4KOt ACS+Pece1FHGN52SNPLKkgJl0L25YPAq+ujbCzUfaH9sbCylp6f7XRCI5grQOlRGoCGpSUnD mZ6E3biZAYEZ4dl92WPHjml62PHRB/rWgzlY0QO0F/kIAIz0JWuQ3By4XFywgSiS1BYw5EYD G/NZ7r+0cRHg+LbESIbjvZkg18+q3+d5n/EcBFzxAszbEJGDU4v5YG443dJO6EraiW/OAMOq t7e3U2dnp3JdwnUGDXxlJllM8OxZNdOHxQ+hcmhoKA+C8BsUBK4HwDBuKAAZAMsNB/uQ3oXL hKXoWwNv/hZgAhz7s9wmiLsk2S1oPLSdDdBZ4ypK9ZWEvSTZZWxzMyTfK5sOcFELHZi3HLIx WoNxZFtbW9lIZWdna34ZN24cGy8zijK1NlDIjBoJIvi3fMzVIHv27mZXEPQAgGHgAPC5C8UM MC9YLZSvkby7b2qNTBiTFyoQDZa7MHmWuzmAarZDEa6Vuzux+kwT3qycAGUCJ+/4dClgWXMV 0Ai07Mog8wZFeNO9FsdlZmayFuO+bfHixT5jowwMgDeBNKnC7rvC2sMIIEcqiW/c2YEeQBN+ N7LGTSwMgiPArbLfza15Kxzc90ZY2nIb+y240Q7XZPZ3jmD/72Y/yYvbDb24qeYc8SztvcX3 BzJR0GRQBYCR98gnIP/w/fff90n+CNDIXWCTkEGTE/Diiy8yuNggyfv6LdjRDwjOvv9VwA60 eUemAXP2898PnLbF9/O9v6t/SQUEShmIPJ6DKcfnWVkdpBN8WGgygJE8Ar6hMbyLpUuXcmQD z6Kmpoaf8Q7fxAVCefXVV1kGrvdxZxVo9+3vTM9FrLU9s2YGILKRpototjETRdJGTp1esw1Q 01sQWaJEIs8eCMkc7Bvgrf0XDZDgagFkRHdIdIwcObLPQvx20XhGQLJ3717WWgQlhw8f7gNs IDmo7bcY8owcBCjHfBfwuNoiP1EM2TCzPzZTbISdIkQDzY2Sy1070PbNNZVVUwQ6mjfDaIAb 3ba2Ni64OsnKyqKZM2daSfQg/4ng2n7WrFm0b98+1lhsDGqcBvvgMiENbJCTS7AjhJ790K0z Vs6gYH6PGt8QzUlbeYcS4hyg3+OZ2/ZabXt7rBp90ceUYW6sCZJ5CmXT7Rtv0mN/p0mDbKIN 4fI3GiJbVlxcTC0tLQwYjjwKAMd/QkHgAKMIQPk/nyiNRYGvKOlEkWVuoB/oXsAYCC+wKJ7u Xg0e6p5nHgbPBFmeBwT/xAecAaiALYCLfH5vox6Zn32eAphoq9lPToYYdGlvAznwcTN3FVHa zp07mXfhyyKXgMAE0R8AhZYjQbRr1y6O5gIZA3MiWIQcJWkjfCvuXyBeNdtq3jMAx0bYqUD+ lj6S8jSBtWudtLVfwArA9ucfW2uQXb1l8f1xCiyqafXNxQbiZrv22oH7sY21G49A45hajtqu kYFsTCC59nX2198+D5NSzGdd1CYMDHh07Vrt6N/aBuTWAP8DyNQYu7boNgHcNTFA4i7ZN0Fk BFxgfy6a8R9q7EZXb54hLxCFBALZ1F4o+P8AIUGW4rYPyhAAAAAASUVORK5CYII= 95 Resultados y Discusión En el Cuadro 1 se presenta la información sobre el comportamiento productivo de los animales durante el engorde a corral. Los novillos CrA presentaron menor PV que los Bra al inicio del ensayo, en el orden del 10.2 % (P = 0.0033), ubicándose los F1 en valores interme­ dios que no diferían de los demás genotipos. A su vez, los novillos Bra presentaron un EGD i 19.5 % superior y un EGD f 51.9 % superior a los CrA, mientras que los F1 presentaron un EGD i 34.1 % superior y un EGD f 50 % superior a los novillos CrA (P = 0.0004 para EGDi y P = 0.0008 para EGD f ). Al finalizar el engorde no hubo diferencias significativas entre genotipos en PV definitivo y en GMD (418 kg, P = 0.8196 y 1.39 kg d ­1 , P = 0.8196 respectivamente). Los novillos Bra pre­ sentaron un AOB f 13.4 % mayor a la hallada en novillos F1 (P= 0.0391), ubicándose los CrA en valores intermedios que no diferían de los demás genotipos. Sin embargo, GIM y PM no estuvieron afectados por el genotipo (P=0.1085 y P=0.1106 respectivamente). Respecto al IM final del engorde, si bien las diferencias entre genotipos no fueron significativas, los novillos CrA presentaron una tendencia (P=0.0521) favorable (un 3.4 % superior respecto a Bra y un 11.8 % superior respecto a F1). de 40 mm de diámetro. Se programó de manera tal que la fuerza que se ejerce en forma paralela a la dirección de la fibra se realice a una presión de 70 %, con una tasa de prueba pre ­ test de 3mm/s y post ­ test de 3 mm/s, en dos ciclos de compresión, separados entre sí por tiempo de 1 segundo, entre el primer y segundo movimiento, siguiendo la metodología propuesta por Palka, 2003. Se registraron los valores de dureza (fuerza máxima del primer ciclo de compresión en N), elasticidad, gomosidad y Masticabilidad (N) promedio. Análisis Estadístico Se utilizó un diseño completamente aleatorizado con un factor de estudio: genotipo, con 3 niveles: CrA, Bra, F1, cada uno de ellos con 6 repeticiones, consideránd ose a cada animal como unidad experimental. Los supuestos de normalidad y homocedasticidad se analizaron para cada variable. Los análisis de varianza (ANOVA) se realizaron con un modelo lineal generalizado que incluyó como única variable discreta independiente al genotipo. Para el análisis de PV definitivo del engorde y GMD se utilizó el PV inicial del engorde como covariable. Cuando en el ANOVA se detectó un efecto significativo (P < 0.05) del genotipo para cualquier variable respuesta, se realizó una comparación múltiple de medias con la prueba de Tukey. Para las variables de calidad de carne se utilizó un modelo lineal mixto, considerándose como efecto fijo al genotipo y como efecto aleatorio al día de faena. Cuando en el ANOVA se detectó un efecto significativo (P < 0.05) del genotipo para cualquier variable respuesta, se realizó una comparación múltiple de medias con la prueba LSD Fisher. Para el análisis de los datos se utilizó el paquete estadístico InfoStat (Di Rienzo et al., 2018) Cuadro 1. Comportamiento productivo de novillos Criollo Argentino (CrA), Braford (Bra) y F1 (CrA x Bra) en terminación a corral. CrA Bra F1 E. E. Valor­p PV, kg 322.33 b 358.83 a 344.00 ab 6.2 6 0.0033 AOB, cm 2 51.06 51.74 46.92 2.37 0.3256 EGD, mm 0.41 b 0.49 a 0.55 a 0.02 0.0004 IM, cm 2 kg ­1 15.85 14.43 13.66 0.69 0.1085 PV, kg (*) 419.66 418.78 415.55 5.49 0.8196 AOB, cm 2 60.87 ab 64.59 a 56.93 b 1.9 0.0391 EGD, mm 5.30 b 8.05 a 7.95 a 0.45 0.0008 IM, cm 2 kg ­1 15.27 14.77 13.66 0.43 0.0521 GIM, % 1.62 1.73 1.98 0.12 0.1085 PM 3.61 3.67 3.81 0.07 0.1106 GMD, kg d ­1 (*) 1.42 1.4 1.34 0.1 0.8196 PR, kg 217.63 b 249.6 a 230.0 ab 5.47 0.0031 Rto, % 56.6 58.9 56.9 0.69 0.0634 CM, % 51.97 b 50.77 a 50.35 a 0.2 iVBORw0KGgoAAAANSUhEUgAAAikAAABMCAYAAACoNSfeAAAoX0lEQVR42u19CXSW1bU2X5Iv 80ASEkhIAmQgISQESJjCFIZMhAQIBKKMYUwYAiSMAZGqaKlShyrWv7291t7WVq63tre2va2/ rb2ttdVW20qvYwdbe6vW2jpUrQP/83zrbNb2/J80/mT96y7crPWs98v7nvfMvPs5++y9z6CP fOQjgwwGg8FgMBj+p8E6wWAwGAwGg5EUg8FgMBgMBiMpBoPBYDAYjKQYDAaDwWAwGEkxGAwG g8FgJMVgMBgMBoPBSIrBYDAYDAaDkRSDwWAwGAxGUgwGg8FgMBiMpBgMBoPBYDCSYjAYDAaD wWAkxWAwGAwGg5EUg8FgMBgMBiMpBoPBYDAYDEZSDAaDwWAwfJhIytGjRwddfvnlod+88u9L L7100BVXXBG6HjlyZNBll10Weq7vyz0/Hz4jJM/zBcuRekmZ/C0YiPazTWznsWPHzrafZfKe lEvwvtRpIMo2/M8H58Hhw4fPzmf9/0PmhsxF+S1zVuaLwWAwGEk5DxIQjrDIb/2xZdpLLrkk JLyFrGjyIB91IRUDJciFNEg9mC8JxUARId02IS0s66qrrnqPENL9FI6oGS5MyNj7hFlILK8g MlFdXV1pQOrevXsjbW4YDAbDAG73CAnQ2oqenp7oDRs2JBMbN25MXrduXegq9zo6OkLXTZs2 xVGwU8jLx1xrYM6XPDAvISQQAlFc2YqWZyBJCtsgGpM9e/ZE7Ny5M8LX6GgCZoLowwESYq1V 4z38X4jD3M/D/4EiXCtqampaIiMjPz5o0KDeefPmZZimzWAwGAaQpIiWQgQxP8q1tbWl+Oiu BXZGRETsx/Us3N9bgQ2ZmZlzDh06FHpPC/qB0HRIPvzor1+/vjg9PX1Zc3PzrJUrV8YPRP5a UyLECuQkc/z48fVAY3t7+3ASFnkufSRbQDYJL2yIhu3KK688q0HDXA/g33jM/ZuAO/F/4Ulc XwfO4P7tc+fOzfO1lAaDwWAkZYC2fmSrZ9myZVUQ1HvGjRt3XVpa2kP4AL8OnOHHGHiyvLz8 oxUVFQemTZu2SG8NySpyIEiErGJBUNJBhm5Dua8BvwYaBmq1KloUAgQlvrKycjPy/wPa+kJU VNQlbW1tGb49jG33fHhIit7ic9cA/k+UYO4fKiws/CjmykP8PwGywv8Xn6+rq8sVDaD1ocFg MJJynts82haFECNS+UDzWlJSsh4f4N+SpPBjDBzDCjNKb8eIAKewl3wGQpPCMkpLSyei/Eci IyNFGFxOYTEQQkhvHbW2tmYh7xvdqpjlfBkkpVQLHWmfqfQvfMj/BbHDEi2jaOBAnuMxTzoV ef/MnDlzMjmn+J71ocFgMJIyALYost0j5MQnGCAJtSAIp92HmFgDkhIhQltrUGQrZCA0KUqr kzlkyJBPodznAdajYaA0GdoeZevWrQkFBQUbIXSedKSsb+nSpRmanOhtH5uEF749Crd7hMz6 WsItW7bE8P8CSQoRDAY/OX/+/BSxYbE+NBgMRlIGyAVZyImsArULZVlZWRU+xj8VDQPQevjw 4Qi+Q0NW2bPXNh4D8ZHWrr9tbW3jamtrOxobG5ubmppixVB3oDyHhPSAqGQ1NDS01tXVtQMj uru7A74nk7mYfng8e7TbvWgM5fn69etjoqKi1ijy/sm5c+emmBbFYDAY/j8Gcxs7diyNaH+s PsYhkiIkR8iNfNAljoT+2IuGRciFGKCGizOh7T98I0Qdh0KTLO0qrcvUAkZU9ZqYaddmHQNF u5r6Xj26rr6LtK/hkTL9evWHxEm+fvk+YdLeJ9JeXYZ/X9dDu9VqsqbbI7/9WDF6zH07Hb8s 3Z++27rW3GmSHK6f9LyQPGW+6bR6Xug4PrpOvvG01EVvg+rx8+fAxo0bYyIjI99DUurr61P8 Op/Lhkmn9csJNx+0t5vBYDAYSTkHSdEfVX/bRxkaniUkJCgS40SrxLWg0u9oQSpXidUi+YgA 0GRBl+m7WGsBF06Y+t47vgDUWhUt3KlN4nPWT5cn7+vgeP6K/P3AvDQJkC0nXSffffpcgfjo hRXOxVu2NLR2SdonWx7aBdsPsCd9LBoEfzx13bStkyZOkr/ME5/Eyt9iH6KNmHVf+rYjEqxP t0/bjPiav3CB2vRY6Dna0dEREwgEQiQlKiqKGsaQJkX/n9ABAyVf311fxkwTQXlX3tMecz6x MxgMBiMp70NS/NWifJBFkGl1eTjvGO3mqVft4VaXIlyErPjaGi049epea1P0aj6clkKijL6f i7L2ZPLbrwW5JhfaxsGPYHsusE9ILETwMl9x95b6sa7awFNrETSxEhLhl6vz9tvja45kDERg ++RPBKqQG3+MNREQIqJJQjhtlSaNItDlXSE9Qh60IbSed1I+7wk5Yb9pMiLzVhM9KUMby+o2 bdq0KWSTogytPzlv3rwUHb3Zt2XR5EXIrZ6Heo7KOOr0un/sI2gwGIyk/IPtHn+Lpb29PWL4 8OGjsrKytmRnZ59YvXr1FPn4jx8/fg7uHc7JybkRz28aNmzYdvyeVVlZmS5p5KOsNS28X1VV lYZ3m/DOLbiuxv2A76Xka0fq6+vTUE4TcFVeXt7JzMzMkyjvJP4+MmLEiDG+Cp/vLlmyJH7U qFFTUMZRtGPfmjVr8nyNiL89sn379lTUqxU4grxP4r2TQ4cOPYayOlFu1YYNG2Klfz5IoDu/ TSyvsLAwAfm2on4fQ3knkf/1+L0HqK2pqUnwNUMUghTQFRUVQdRtBup2Bdp3XPqakVLx7lo8 O44r++dYRkbGxbiORdvjfAInQtXXkmGcM5FH+8iRI4+jn7+CvO5DHp/Dvf2oZ35vb2+E7wWm hbcfbn727Nlj8G4HcHVubi7HjOgD1hQUFOTqfhJS6dsLVVdXcx5uBL6IdpcePHgwwDgn+D0b eX6E44S67UNZGeG0eqJ5wrxFFlnb0KZPuHd47UlPT68kSXEeZ2cwj6/Zt29fJN9nP2kiJWST dcX7Q5DXSuR5DfsceZ3AdRfuV7e2tsbK+DEfIStGSgwGg5GUD0hSRHhu3bo1PjU1tRHC6eqE hIRvuFgmf6InTnNzc8OUKVPiIPiuiIyMfAr3/uLinbyGv1/E9Zno6Oh/LS8vz9VaCl7nzJkz C8L+YykpKV+NjY09DWHw3+69oxC8Ad/eRD7mTU1NiYMHD16Bd+5B+v9G+pf5Hla7r7nrX3Dv CQjri9mGzs7OLJTRhzbcjvr/GM9/h3R/xfXU4sWLx+jVsxaCELxJKOdAUlLSz5D+N8jzO3Rh xnufRl1/4frgmcTExOsg0PJ27twZ+KAGxSLYi4uLg+hDursyLscPgFuA64Efotzncf+3UVFR n6+trZ0qQhZCOj85ObkL7boFffww0v4eeBnpv37gwIFAWlpaMZ7d47ymXnHj8jLyeg7Xx9EX G9evX58omgkhkp42IR19txd9wPzvBvah7UdwvQ/4M/AS/n4Y9TiKsnagH7Yj/XZctxUVFbVq TQXb2tDQMAF9+k/osyfx3uN4/1+BE8Ap4Dm2Ffgl8thQUlIS1NorEMxU3F85ZMiQW1HWA2jz rxnvBngD785mYD7Mp82uH/7q5sJ9Y8aMKfS1NvyNeZuDvC5Hup+jzIdRn+86A/JX2Ta8+zSu j8n/C/T3camLbEvqLTmUHY22HcF7PwfuxTsn3Tj+lO1C/k9jzt4MojJGa6O0Rq6/W4UGg8Fg JMWt1rEaT8S9ZYwTwQ8uPrYvOxX4kxAUKyE8GXskJHBw7+MU/vgo/9Hl9S7wN9y7s6qqKlc+ wPzAQ0g08COO/B5wAlTK34GPdUATFL6zYsWKqLi4uJko88vInyThGFC7dOnSUXl5eXPxuxv4 NvAWo4RCsG6gMGGIc5RxNe79B0mNBOcCboPAyJctBi2g4+PjUyFQ7kC92db7ITCngbSkQvgn QhgmTZ48uQB1+IQjZYxI+gSE/rT9+/dH9Desvggk5D2SgcJQFoX+J7Baz0A5SX19fYlr1qwZ gntLncv0m2j7d+vr62v4/sSJE0vQ9/vw7N9JooC33bbEN1H3CpIHxp/Bvf+F681Iez/Jikvz Lp4/FwwGOzZv3hyvV/dSL3pCgXzc7kjNp1BeLtoXR4wfP571OoQ+YH++4wjBKy5/Xp+nNkgI KcYoAsSkPiYm5gHXZ1eD4Bbt3bs3Be1NQJ7J6HNGev0J64a6voR8vlxaWpohJGfBggUZeHYR 7l+Dcr+P+r8mWzH4XYM2t5JcoI9kHvHZfZjfaUI+mdesWbOQNHYd3nmEsXKQ12SQsSGoy+Ce np50Eh68R0L2Lp69I2XMnDnzuCY7ejssKytrNPL7NtK9BKJyGHMk9eDBg4loV2JLS8tQ5LGd cw9p3kA772pvby/3o91qeyoznjUYDEZS+mGTIkaX+GhG4EMatWjRogl4/jX34aam5HcQKDet Xbt2FJ8DVIdHQcjGQ1hwJfk2npOoPI8V7UHPqDCA1WQk7g9B2h+QODCgG9JuYzA32TagCr2j oyMaz0mUfgU8WFNT04g8Iqlx4YoUaQLIjwQhCnldirSvQljUqW2YSAjKRDw7KOp74FYQn1HM nwcOCiECOYjiyh7pSHYeGT16dJmsdLU9RGVlZSLS3Ix+eNWRsR92d3dn9jcYHPMoKysbhvfv ovAiuYBwS9PCili3bl0Qz1e5cv4O3AABn+naHMk2Q0hucJodjstvgMeHDRu2Gs+CHBP2FQ/K q6urm4e87gfecUTlQYxdGftAH+yIdiRjLK5zxOf7ICVF/pEIIC0xeP/zSPOGG7enQEIuB/E5 AvSCOOa4ORRYsmTJLDfH3sB8+Dj+HuYHHGTeIA9D8ZwajHdR7l9Hjhx5gjF7xE6J8xB1jRw3 bhyJ3T0q0Fof6vIMyv0pxvgo6vNZ5PNnvP8tmcO8gqCkI901JBPA51evXl0gmhHlMRTo7OxM R1uOUqsi82X69OnHtf2KzJehQ4fmcU6yr1D+5/B+hG/cu3DhwljUq4+EnX2APLnVmCwEXHul DeQBngaDwXBBa1K0Rwb/Xrx4cSFX/ZIWwuBfli9fXuAHfuNvro6dGp+Ck0LxSxDs0b5XCP+G MLlXGShuxfOACjwXaG1trcb9R7mVA+HR19TUFCkCUxGpUPq4uDhGsH0lOTm5wjeQhXDvEk0K 8rq1ra1tlHYnZh4QJt2ufS9lZ2fvlJWutqeR8iCoKyCYfuRICt+5jGStP0KGNhRFRUVXUmBS G5GYmLgABCkynCstyNRMF+iOdX90Af6JMa1byTdzu8Q9fwN5dWiDVG2oPHPmzCXMy/X1m8C8 bdu2BaSNGLdBeMY58SbzAkm7VQtQ7UVVUFDQ7rQ4zOsxvBtPwifzgFi1alWBzBnk+4P6+vpZ 2sXZ+x0AUVnuCGLoiIaSkpLFvmYKhIFk9E41liRwPSSqfL5r16549EEXyNUXpR/mz58fizQH OK7AH1FO4+bNmwO+3ZXM+40bNyYh716ZlzNmzDiu7WKYlpozkJTPOm3aOyCGY3wvL5mn8+bN W0GSTU8hXB9YuXLlBN8lPJybu8FgMBhJOcd2j067aNEiTVLeTk1N3YAVYYQfe4QCZ8+ePUGk aRdBAkJzN4RGerh8haQ4rONqVj7WEBbpePeYe3b/7NmzZ4aL6UGhzd+0goTgeLCwsHCoH5tF SIoTPLegPblaKOzcuTMWpOPnLs0fQVLmaAITrsxRo0Z9Qm2jvAzBl9QfdT0ITg63p9x7f+7u 7s73Y9AI2tvby5Dm6y7tiyBpa7VgGz58eLOz6QiRq/z8/Gjdz+L5w3bMmTMnz23NnXFjs7yr qysownTfvn1BPNvlNAh/AUn5qCZnur/Qx9OR9r9cf7516NChRK0J4DxqbGxc4LaMWNYddXV1 hX4sFG1MjPJTaCfixuAtEKEv0N7E9wYrLi4+5dobEvoZGRmZvuuujiaLcqfQVsS161Po01w/ 3oq2x2EwN204i3l3XHuVMT3mLQnYYy7NCz4p1DZOKH8256/MrdWrV88OF3ywv5o4g8FgMJJy DpKCD/OLLS0tbX7gLREMPT09SBIxU+V794QJE9KFTJyDpLTouBKbNm0q5sfdCYK7Z82aVeyv 7H3XW22gq2NvQLh3qXJOrFixIlNcXJk+JSWlxtlX0B7h1yASWf7hitrIkb9BCFZx20vyxQq/ uD9xLtAXtDV5jGQBq+vHWltbSzds2JAM4ZiMNifzNwhackdHR3JNTQ1Jyudcv781ZcqUnQcP Hjw7RlqTEh8ff1q7FEscENmiqK6uTkK6f1aaqxBJEbfj/fv3UzifcM9eKy0tPSl96AeAKyoq qkCaX7i2P33gwIEE7aKNtqTi/lGX1ztJSUnXtbW1JftB5zySEkejYadxCNnYkNxqryN35tMp td1zoLe3NzZcgDyir68vgD5bzcMlXfqDF110UaJox8LF2Ons7DwbJ4UQTYomfCCoW5QG62cc O44ZiGryunXrQr8J3q+qqpqKNN90+f29tra2mfXyCbd2MzcYDAYjKf/vmpQXIXDatBurbAtJ zA+Qj7HOSDVEMOiOHG7PPRxJEeEFYTGZe/kUWsjn1PTp07N8gSXbUrJt4B8eJ3VauHBhlzrV 9gTPDdJbVBDwG/EspLpPS0t7xA/Spr1DZFVdWFhYIWcfuZV9Y3+EzLhx47airN+7Nv8Ov68A 9uL3ewBBuRf3r+QYIX/W7Tn83QOCGC8CTTQpzCsYDJ7WZM1fndOINTU19aTaKlm+devWoPQn xo32P5c4wvU2CNBXt2zZkuzbyrjtHp779AT7C+/cwHe1xgnCeTiefdodt/DGvHnz+nTQufch KdTArVTj9J8gKaViMyNlU5OitGIrQdqCOuifeNAwbUNDQxy9xlx6bstsQpsi/Rg5OvAag7lJ nBTWg4azOjAeryAplztDYOb7K9qacLw4bnos3W96Mf3SeaHR4LgNRDRax6SxYG4Gg8FIygCR FLp/Qugv07YrOjKpi9MxWmtSJk+enB4ulkg4kuIEZqCmpmaOMna9q7q6eoR82DVZkOBZNALV Qec0eYGw0ts9JyCwM3U9kpOT+5xL67txcXGn165dG6UFowRb06p5kBRunzwidcR1Y39ICgTv YWd8zHeey8/Pv6u8vPz2CRMm3I5nt4PEhK4VFRW3l5WV3c5nuJ7E33vxuxIr9EiJa6I1Kaj3 z/2w8Jq0UNBOmjTpRtWny7dt2xaUdAcOHIjEvYXOS4fPH4cwXrpp06ZIHTsFAjYmOzv7MpJV pH2gtLR0PMdLtsd4XbduXT7KuVO0B0hzdMeOHRH/gKSw/AZVv4dQ3+kSoE36H/P2lCLAtXxP EwgxiOV8bG5upjfStbJNWVVV1bF79+6ADsrnR31lMDcdFp/bPUJqhEigX25xmjfW41m0LzRe HDsNjh/hxvN6jN9u3C/q7u6OCHceltmlGAwGIynnr0l5Hn8v1atP2ZOXjy4EwXtICjUp4SJq hiMpFARY4VNgLVDPvoMVbaXectCeEb7tiA4Gxvvc7gkGg+8hKaLu57spKSl76H3hnv+Wgbne L8qq1LGgoGAo0v5U6hgTE7OyPyth9MURZ8QZEsR79uzJ8Y8P0AaoWoujQ/HzmpOTc5akREVF PeIbberQ98x/2rRpZ0mKaFI0iQFRysD9O0gskF/I8yg3N7eupaUljVoJ9GM2g7shj4cgyL8H AVyrNRnSp+vXrx+JNF90QpzlXVtXV5fwD7Z7IugGrMb8RxMnTpzkn7VTUlJySmlbarj9JfX3 I7nSG4peUcqGZffFF18cp8P5+8cHoO7cdtokW0r07tFux8SIESM+7Tx2QhofTZIlP/72t5S0 DYp/1IOd32MwGIykDNB2z5IlS9p0CHYdGp1XrNBHKw1DyCYlXBwRj6QsEEEAgUWNQzXefdPl 80h1dfUCP5y+/vDLNo+OpCoCzrNJuRokJUOTAJCUVhE6EE5/gCCe6J83o7cHeB8kJcfFI5F8 J/VHyGBFvZHxT1y7/rxjx458X+2vCZhe8et2EVqTApJ02rfP0QSS16qqqhvFJgWCe3lnZ2dQ C05qUzBWVajbLc6riEHbGGjuWm5L4Uo33n/h3xif6UgfLaHpxW3cuU8zRsjHVd98FiQnpx+a lFplM3MP6pLjjzltUpRRdg1toPhcH8Egbca8TUBel6ktuatBUjL9vtZloE+S3XZN6OweELvj mvzyCnJ4mGPniO8L2qhW/g9Q+xbuoEuf/Pq2NPYRNBgMRlLOk6QsXry4TYSbaAGEJDjj2fdo UiZNmpSu1ernIinyYd+yZct4F0U0tMU0fPjwPRB+0drbQwtYHfNCnznDe2KTQkGFvK5ua2vL 0LYtCQkJjAPzqrOheAnCf7tvg+IfjgeSMhZpH3V1/z2E8OD+CBkQhWblVnwGwn4uY4JoQea7 poY7T4ntI0nhlpHb7jmty9exPSTvqVOn3ugbzmoy5Lx8AhivLPTVFheN9aujRo26pL6+/kBd Xd02YC6QvmfPnoDv7izkqaOjg0a6e9TWzffRPzN8oe2RFMapWeH65XW07dPcdtNHKfAdbveo OVMPMhCpiZzW6mAOBYqLi7tdPBq2+7sXXXTReP8wTH3A4vr16zNBTq7TLsiiGZH80R9rJUAg MXPmzJFyVIH2GtKh7327Jh1IzwxnDQaDkZT/m6SQBDykPvgr+mmTEvLuEVW2f9owV5AlJSWl brUeIikTJ05M99Xe5/LucbYPDNz1b05oMd7KtyEcJ/nn8mhBJ1dtNOuilnYpgXliyZIlmVp4 LF26NNlFs2VZf4+JifkGhHK8dq3WZfBv1L3Vhc0P5dnX1xfsj01BRUVFOcq4z0VsZXmfg4BO 8tsUzvNEBxPjNTs7u9kZ1J41nNXCURPD5cuXR2RkZJxU/b18+/btQb2Vwnd7e3ujMH6cGxTU 1+bn51fQDsY/HdnfntD1ZR5TpkxZ5ELzh9yj8/LytoO8BM9BUhjP5Jgbp1+Vlpa2azsmFan3 lGwjccsKZQW1vZB2P+bftbW1y5xxa8hVHO3p6u7uTtARXqXee/fujRw9evRUpHtYtohIUrSm xG33THXRlhkYj1qsa/zydWh/Px5LuNO6/bgpBoPBcMGSFPlQcnUnqzW9iuXHE0JgBj7yP1Pe Hp2M6umfkBtOk9La2trmf3hFoBw4cIC2BdVKxR4iKdr7Qj7eJClOe8F0qxiNVrQiICnxuL/J BewKCZjMzMyPrVq1apisbLWLrR8VVKvoGxsb9XbPzRDYwzXh4G8I+XXKXuMZrJYX6i0eLUAa Ghri8e+f6LHBeCHNzc3lrHt/SArD0efk5BxBWc+7vv9LUVFRB+oQ4Qt7nR/qHETbo/QzkhSJ RUKS4m8raONfrPYT3REHZzUptEnR2hC6xkKIUwv2LdTrKYzPTmojdNu1nYyvJdDP29vb83je ker3UyC3JXp+6bJBDniMAV2zX2OgNIx/um9vxGB+SUlJd8o2Eq7r9u/fH+0Le00UQGxHcLtJ jg8AfgyS0bBr164YTSDQdrqVcwvvNrosC0mhd4+eX84DiOdI3STGs9HR0c9ijjf6J0jrK++D LEfTu8iPi6O3qewjaDAYLmiSoj90Wg2vDUCdJqUJH9n/krgUEBB9OvKpXsEuXry4hIHAmJbR XyGUV/gfbhGI+PhH4QPfpKLTfquysjLXP9p+9uzZCYmJid+TdCi/m8HcRHPhPHzyGcZebdX8 ISMj44a1a9cW+ifJgnQFIeznjh8/Pk+r/SHYoyH0epVwvm3FihX5IjzE4HH16tW0RfiaS/MG hP69WIXPlq0j3afl5eVLeVCeO7RwKQPYiWdRf8anuLh4hJw35LQCT4MUHUK+8b4GBPXPhPDs SElJ6V24cGGhCDgCpG25kB3U9wk/Fo2O8YK+pBHpFxQp3QDCFKdX/Lt3747Fsy0u8uvfQAi+ gj5tQN3KQSLKUY8QCgsLy3G/nPch8MtJsHSod2dXFFVdXc1zmh5xc+xFjN21EPB5el46Ah2B 8b3KGS/fw600bS8iW2CYR2nufJ0zLs/de/fujZGYMJpMyns9PT2RFRUVbXQDFm8jnkWVl5e3 E20YxzlPDWJubu5M1IHbYTehjI/KvBwyZMiNmP/xPllNS0sbTWLoNGJvx8bGPoz+6EKbY/0g h3g/j9tOILZbL7744mGaUIfbBjUYDIYLXpOiSYF8WCHkMrCKH5eVlTUpLi7uZvEycYLy/mHD hs3A6nx8WVnZSPGAgJCMwweZH/mfiSsn/j4xfPjwwq6urigRNNTa8IqVLc+cuUgZTT6ZkJCw GavIVNahvr4+BuUXoHzu6z+ptBffw/35EIbDRQtAQYeVMOOl3CXeN4xPkZ6e/hPU9bMQLL1A J35fC6HFgFkPJicnl/Jd1C0CdRzKk5xx/0613fMYhG833huzffv2GK0VWLNmDcnYl1x/vA6h 9Z/or/WNjY0jnQHuUPy9FQLpR+4so4Xt7e1xotHp70qYbrCo20yU8x/Kq+hPaMO96P9r8awH 5ezB78+gr+/DMwrYSxsaGtKExEydOnUohCRPTH7Fte2v6If548aNSxGiKcSJYzNjxowRXj/8 G/q7ilscMldAtujZsluNHc+w4SnXjwqcHU4IDNVPoL4/ALFYIoRIiBQIQMK0adOWqW3FF9Ge z6DvF6DvE932TTHqfT3y5enGN4AUlO7YsSOgvZ1aW1sTeZgf5gxPjH5MaWe+jftzMWeydJt1 HXgPhDiVJNidAXXGEQvalDyK9+9Hfe5Hvj/B3OldsmQJtYadqg8ewBxaiTaOAJGNFvLEOoJk 02X6QXc8wtvAs9HR0d9E2qsxfruAPuR9G9Ld78ZwMwh2oiYmWvNihrMGg+GCJynawNN3e6yt rSUx+AWE72/csfbvKPdMnufyDIkDBMl1ECIZ+DhfCYHO8OfPIt2bys6E5OZpkI9fbtu2LbTq pUaC5ULQMRjWDuXdw5XrcxDsj9PLZvr06Yf4LvL6o1vVCklh/r9H/g9C4JUJcSDpmTt37mjc 34+8Tjth8K4LcMZ4Iy/QbRjXL2KlWod6hwJlYcVeiftPuMBpr6p2voXfL1BgQSitRPo4RVQC ICq5TqA96er3PITjU+iT08ifAcy+w22olpaW/O7u7qDejuiPkJGxAVGJ2rVrVzb6+BLX7yLo XkH92C6ejvwrnjBdXl5es3PnznRqlyD052VmZn6NwdR4arDYtvDkXvYfDxkcO3bsF/SWAsd/ 5syZDLD3DadFOeO2Kn4zePDgXyLfJDeGAQhRaq8+5U46PqOhQuq/5+oOBjw9atSocX5wPRCV WBCqSe7k6z+57btn0fePgWyeRjm0F7kDwn02+jONhrvSp46gFGDu3OTmDLVGf5c4Kfj7dRcQ 7wmQjS/5AQaF7IKIkVQkgXwvRHn3KsIreBnzvLOnpyeFRr+oS6969oabq0+BwLRoDx2OP/Ll ttYNtNVixGI3v152c/MlR+guq6mpmYoxT8Z8DoiNkx8e3z6ABoPhQ6FJ0bEY9BYQw5dDCAzr 7e3NBpnIxt/Z+Ghm4+Mc+n3w4EFes5CGnioReDaYzwl8YLNxP5vv8m+m5XvIN6g9FxxRYTnZ EA6htPzN/CEEE/FesuTJOvAZBNnZvJFuGKOP6q0kCk+GTZ88efIwfPBnQRjwbKBLgsFgBwRU /ZYtW3JR1mBqBag1cO6f0ZI/r6wLwb8JVz5jdwS0UHMGlLFIk7Fs2TJ68NBWZRsjyjI0P94b whDyYvPDq8Rk+SDbcTI+aHs82kyPkjHOu+UAyluEFXgV2jEUdUlE3SIlPe6xbplsi+uvULuk jRwXPB+it17Yl3gvCs/TOGbS/3yf7yBtQKL1cgsIQpb1+AlALQ61CksJbm2hbqGri8r6LUdu SVL+BtJxWLvTSp25nYJ6JaGsocXFxTVIuwPtXYf3ZoDk5qINqXR/1nFiVHuj0EepUl+ZTzKe bC/vI90QHUdHtr70dhbKCPLE6REjRoxx50t1oj1zkF8W8ol1/3cCSJPIMtz/h7PzBs/ifPdu d+BgYmdnZxby43EBDMO/m1ueEyZMqOA84v87OQRRu8Zr7Ztt+xgMhg8FSdGutfqe9nrxIXEu JLaDrIJ1DAetpfENKLXxrB+bQ8f6kPQ6WJm4Luv3xIVU10+5mAYo9CC4o/AsEgIs9PEXwkCy ITEzfNdObc8RztvINwB1WxaRJAm4H6HTatdREYj92e7RY8Mr+1xijNAVGdco52UV0IbG+tRn GRd9IrKOreKfcSR9qu08/H4hEYRwHQPix621P4BIHIOQTcW7bD/7O4K2I4RzmY7Mycmhq/HN EMjUOL2VkpLy7xKzRuaRbrcbH45fJPPVBNEPWqe3Q/TYaDsOmad6XKU9ev752i6XZ4SzRwmw vhK2XxMFcbHXofM1QRF7Js99nHmG+kzbKGnD9f5q3QwGg+GC3e7RUUwJHcfBd4v0XSJ9Dxnf S0GEj388vawQJUS+76KqV8mSRqv2Jey9L8wljT7Q0NcS+cJEq+V1/BU/vH24QFvajdc/aFCM NNmfQrJ0XJb+jI+OLaMPQ/RX6dquRLt869gw0l5NuvQhi7wvpEHSi5GpJjhdXV2JPC2YW040 dq6oqAj6Hlx6XKRPEhISqtx22jupqakP6/GW+abPyBFipaPjSv30eEgfa42gJrq6bUKo9dzV cXL0nNAaEPl/If3rb9v5QfXCBd3zD7oUDZtuI+9fddVVYWOihDN0NhgMhgtak6K9aDShCEca wsXU0KtvvXLVAkoLUj/4mO+y6mtiNInQ5ENrgbQw1UJJ1zlce7WmRNf5/bQoWlsk97WGIpxr qCYIsk0kpKW/Wz4+MfJV/ZrUaY2U77rquxr7GgzdRsmT7dNEi4iIiJgo9hn5+flXy5zx3WV1 HzCvtLQ02iDRBuMt/L7bn0s+CXy/rUhNDH239nCea36fhIuwG46c+NoZ3f+a2L9fvXwjV/k/ 5rtU+/FP/DkZ7v+HuSAbDAYL5mb4UMO3F5ErSMpyR1JeyMvL26GJT7iAcpLP4MGDeYgfDyV8 HSTlsPWxwWAwGEkxGM7LsFprLKhRoRGr8/Z6JSMj4/qNGzcGxM5HVviyJSKagg0bNgRiY2M3 08uG3kYTJkzIs/41GAwGIykGw3nZLOltEG79lJWVDab7sovM+v2ioqISn6BoA+e1a9dGJCcn c4voIaR/NjExcavZVBgMBoORFIPhvKCNSsWmgmcPgXBsdeftMDDcPy9evLiqo6MjQRs2r169 OrGpqWlkeno6zw36ekRExMO47ps0aVKU2VQYDAaDkRSD4by2erQxtWhL6E5bWVlJbcpBkI4f MgAf8L9zcnKO1tXVra+pqVk+f/78TSAvl7ujCugJdAfIydJZs2bF+McuGAwGg8FIisHwgbd7 SEgkboo2iiVhmTt3bkJ9ff3ssrKyvoiIiFsBnkR9B8jLZyIjI/n7Kzwduaqqam1jY2Mh49RI vBfb7jEYDAYjKQbDgNilkFjoeDXaVZnHGzQ1NeUtWLCgrKWlZVJzc/OkhQsX8loODMbzgNio SPwT61uDwWAwkmIwnJcLsnYl1t4+4eLB6C0iP8aMjpPTnxOgDQaDwWAkxWAwGAwGg8FIisFg MBgMBiMpBoPBYDAYDEZSDAaDwWAwGIykGAwGg8FgMJJiMBgMBoPBYCTFYDAYDAaDkRSDwWAw GAwGIykGg8FgMBiMpBgMBoPBYDAYSTEYDAaDwWAwkmIwGAwGg8FIisFgMBgMBoORFIPBYDAY DEZSDAaDwWAwGIykGAwGg8FgMJJiMBgMBoPBYCTFYDAYDAaDwUiKwWAwGAwGIykGg8FgMBgM A4f/Ax/iF70agBk0AAAAAElFTkSuQmCC iVBORw0KGgoAAAANSUhEUgAAAisAAABMCAYAAACswPfjAAAnhElEQVR42u19CXQeR5VutOvX bu2btdhaLVmWV0m2492WLK+yLe+WbdmWLMvWasuy42zO5pAEhgkZBiY8GN4bnAQIDAQGJiyB BLIxJGEghCVkSEggCwkBwuIAme/7T12dS71fsUz8Es95V+d8p/vvrq6+VV3q+/Wte29ddOWV V15kMBgMBoPBcKHCOsFgMBgMBoORFYPBYDAYDAYjKwaDwWAwGIysGAwGg8FgMBhZMRgMBoPB YDCyYjAYDAaDwciKwWAwGAwGg5EVg8FgMBgMRlYMBoPBYDAYjKwYDAaDwWAwGFkxGAwGg8Fg ZMVgMBgMBoPByIrBYDAYDAYjKwaDwWAwGAxGVgwGg8FgMBjeHrJy8uTJkf0rrrgiiKuuuip4 /LLLLrvo2muvDR6TMjzH46HquPrqq4PnuNV18Zwcl3r1fS+//PLgb54XOeS6dxKUS9oi+5SL +zxGmYeGhi7q7+8PE7l1P9ogvbAhz1D/1sdlnBJ9fX1hhw8fDu7z+V8I49NgMBj+vyAr/ktX kwV5YV966aUjhIQvb00kfMIh8F/+xDXXXDNS7rrrrhu5t9THrZAgyqHreacgcglEeUFpRR08 eDChu7s7Oy0trTosLKxocHAwQtorpMwG6YUNIeWajApx7unpiejt7Q10dXWldnR0FF100UWz UlNTkzkGZFxYHxoMBsPbQFbkq5EvYHlJE0ePHo3Ys2dP9r59+6rb29urud29e3e1/N61a1fw N/e53bt3b/AcwX2e5znUQWTjqzR4DxIfKoTOzs4AyhXgXNoll1wSJsRFrCu+5eZCUGpHjhwJ h7y5bW1ts8rLy9dBeR0G7oiIiHgRZOUYCEzcaJYnw4UJjjuMvxFySQICghKHMT0lIyOjGc93 f2Rk5E3Yfgt4FcS0TpNX60ODwWB4G8iKWE98S0BLS0siXs6twP8CPg5lfB+2jxHYDyI8PJy/ HwS+6nC/lHHniP/A1+ihLVu2hMt98JUamZ2dvQnnbgOu2bx5c5EQJpku4u8LwcyupwUaGxtj Ie92KK+voH0/wf7vgDfQF29gO0Syoi0rF4JlyHB2si7kUsY/iGgxnueHgQfwbH+K7Z/cc341 OTm5TqyPNg1kMBgMbxNZ0b4lYgrnS3j//v0RtbW1mcC0KVOmrM3MzLwDL+vf8qXt8GBFRcXp qVOnvrempuYSlDsxffr0d5eWln4M5z4DZf41bP8L1zw/d+7cg3rKB8qghF+qUPpS1+Cll14a oaeWLjTrBOXfsWNH+LRp07KqqqrqQMDaHXGTNuwfGBiIDeX/YLiwLSsy7oS4Nzc3x2BMF2NM Tw4EAgdpUXHP+Fd47pNPnDgx4rdkfWgwGAxvk2UllCOs/vIkoZk5c+Y2vKx/FBER8Yb7ytze 09MTo83hzgkxoqGhIQuEZCrK3ICyT8ybN69V6uQLvrKyshb1fBvn/sK6QGyO4/wIWZHpqAvl y1srNvrdcLtu3br4tLS0Twl5Q3t2Hj16NIaKzPf/MVz4DrYce5yilP8DIdYgJ3kk3O4Zv5KS kpIn49QsKwaDwfA2Otgy2kdezuKzIkpavh7r6upWgVR8BxBLwure3t5IUeA6cojHDh06FF5a WroD5R6eP39+s65z/fr1sUlJST0497nIyMgPzZo1q0oIj5jj/SiNdxIkIBIFJF/VlK26uvp2 1R8b6XTrR0LZIL3wHWzFX0tb9uT5ZWRk5OHZPu+e8SskL+azYjAYDO9A6LJM/wih8KN5eAxk pQkv60c47eGwuKenJ1xe7KH8PDZu3LgUyvwjs2fPnqN9OKgUWltb45YtWzZl6dKlWfiiDdNk RxOWC+HLWywkQkSkHZMmTbpdLCtoZ1N/f3+EnlKwL+//WdNAmqTI80tLSwuSFTdl+cq4cePy rN8MBoPhHSArYwndFbLiFPMb8+bNqzt27NhfTZUIuRDCATKTuWbNmhl79+5NFyKkFYH+OpW8 JUIM9FSQVvoSNqrJjN4X5aNDoqUu/ytakzQ97eOTJDmvLT7c0rKifHiWDAwMRPiETUdbhSIv uj6ZihBZdT/5YdSjKV7fD0nIp7Z+cd+fvpNrQ1mztALXOUa0n5O2xOnwX/9Z6qgvP6dJqOcu lj8tn0SUhZLHH2N6HEvduj/95+6PZSErehpIPwt/HEokm7ZQSji/HtvyDOwlZjAYjKycpy9P bmfOnNmEr8tHRDl3dXXNkBex/6KXvCySV4UvaVHCWjHqa/jyZzlOswhpkXokv4koLp3vRCsr gZbbV6gynaMVlsjv53jRykwrS6lzLGRFtuwL32lY5BcZpH3cl+kmPT2mZdEESoiQQK6VeuWZ aAXvT/npaS7pf+kTHdYbSjmLDLKvyYMmQDzGfpBcPf50o/S7T9yk7XJvqUP3gU/W/Hw/Uq9P EnwSrWXgPskKyPnzzlcraFmRNuo+krHO/gtF/vR4DpUU0WAwGIysnAfCQstKWFhYkKzQJL5/ //4Z2jlRO59qK4bOgCtKR3+V1tTUlE+cOLHg+PHjf0VwtFVkx44dCWVlZRWtra3ZOrPo3Llz EydMmFBZUlJSU1xcXCO+JaKUQjnJ+gq0vr5+HK6dxOtZT3l5eZRWylp5amsC9ysrK89KVnzr hJACUdiaTGmCBVnQLRNrgEmUUciOtNFX2LJfW1ubjT6Zht9hUi+dnlFfdkFBQQ3O1SxfvjxP K3ohBXoqUFst5DdDzktLS3OLiooasF2C7YyWlpYMnyz4iQOlDp3PhNi0aVMU6shHXTXY1hQW FqaBBIf5JMQfM6L03VQj6yhF+woZrSXHMV5T0dZJbC/kCdd95Vu4KNPq1aujWAfLs9+xTTlw 4EBYenq6drB9OSUlZZzO7uz3l4xh7s+ZMycHslWzbagvRxMuGaf2EjMYDEZWzpPPBl/OtKzI NBDR3t4+Q17UokBFMXV2dmbk5OQcWLBgwW6txFjP/PnzU/Ly8qbj/H7gdhCfx6AEhhgNJC/8 Q4cOReBcbnZ29uL8/Pwr4+Pj/x33/NLixYtXsZ6FCxcW5ebmXhMdHc3cL98FHsfX7+Pjx4// LBROq/YbCfX1zGMgOlNxD9ZxL67/ntQBWb6J+w6AiGSIIhNFqZ1rqajGYlmROrRlRPpUCJXs g7jF4d4b0ebPoL7/pEyULSYm5ls4fhva3Lhs2bII/QWPvohHOypARLbh/K1ow8PA7bhfFAhg BI4vysjI+DTqeZT1QfE+npCQ8ACuuRFEo1pbKrSVSVsP0C7eYyfq+T+sB/X/ANsfo64noLwf wH2v2LVrV4EQVt+6pcPR9+zZE4HyE4C+5OTku9DfzMXzOMYB2/rttLS0u/ls0d7Co0ePhvmW ke7u7mi0qSQrK2sxyg2iLadxLfuqb+XKlXHz5s1LwLmjsbGxHBvfY3sh+2wSZiE5Oq/Khg0b knGvVZDlo258P+7wHzh+K+ruZsgy/bQCgcAv6TguxFL7usiYwPOJwf0XAB/Ec3sY130PbWR9 j2ZmZt6Dsd+OsRUlhM5eYgaDwcjKeQrdpWJsaGgIkhX6q/DFLdNAvhneKSQm1fog86/oqQ8o 1kvxAv8Rrn8a518C/ujCl4dxjwhePzg4mAxFcxIv+CdR7lnmuMD+68zZ0tjYuAVkpxZ1MOfL r3Dsz4osEGeAn+DLeLv+stekZdGiRcVQiNdHRUV9F21hQrvTqP9ubJ9y9VGeX0IxfQ5KpZAy yRSHtmAQY7Ws6KkAIRkyNSOWgkmTJi1Am0jKfgT0g0Q17N27twbH+iDfPTj2BxIEtP3Kpqam DNaF/pyH359l3wAvMEkdylP++44dOxabmpq63bXrjPgaOVnZzt/ExcXdBmU92ff1UG0IAxmp SUpKYt4cKtxjZWVlM3p7e8tAClbg2BcB1v0qSMO3cL87EhMTP4r+Jb4BfAX1hLN9JDH79++P Q7kNuOYBV9+HgC1z5syZgrEyD/vMFPsszv2aZAF1tYFwRYqlAvdNxPV9bJMbGy+7fmGbTqJ8 OvrjBPZ/hj7TY2OWJsxsI8h2FOSbA5JymlFpKM/r9gLHgU9z6gfb1zhOca9gXeivl2Q8iLVQ rFeUEeNzEp7bP6Ku76P83+G6xs2bN09CH27lOAPxOUMrDeq+A/1YZA7YBoPByMp5JCt8Ec+a NWvEsiJkRedO0cQFX9nTmDRuypQpQ9qqMXPmzBocX0ulx8ygrMcp0B6a6qmAoZCi8LKvdeUG nNWDZf4LiuBmvPBJEN6L65Zs2bJlPL6uF+D3CdT1C5z7C45TsfyktLR0raT3FwfN5cuXl4Ok fMxZLXZCUWfj6z1xeHg4+fDhw2lQRvvdVzQV/mv5+fm3ah8DneWX26qqqjGRFd/Xg/0pCpxy VVdXU0n+EO1+3tUTAKkJI7E5cuRIzPbt26tw/JM4T7l+BnQ3NzdHoD+zIOtC9hXa/c8kDexP lLsP7RyglQX7+/CVX7Nt27aJOM9cOXdI5l2SRfTpP7e2tpYImdJTP+iPCc6K8lJOTs4J9FMA JCjMPXfm0ylndmMhQJDlDO77R0dC+RxOoK4wtvPQoUMBEIk2Lk2A409XVFQMgIgkoP+DVgbU Gw7EjR8/fh2e45O8nqQFpHGX8vUIo5Vn06ZNJahnN61tQsBwzbXMIozjT2kSS18TlMnS/d7R 0ZGFtp1yxPDW+vr6SpDkANoXTZI3NDSUVFxcPAXnSMb+KHWBtL3kR8uJDwyIygL0JbM4s32H QVLS8eyCBJxtRJ2J6J93OTL8W8h7KwhLlL3EDAaDkZXz5K9C4IXehBf/I5IUDi/bh6gs8AK+ G8f+Hb+JL/GrHgrrZRz7KZRwh06d7/wWwrAfXlhY+FWl6A/hHuFyP6ecwqCUCqEs/skRJH7B /xi/d2zcuDGWPhnO6sNtOJQPlcvPXUbZP0Dp3e5nGl2wYAHJ0l2Q7++2bt2aIz41MtUD5RkO hbOFX+W4D4nPd+lPIY6k9KvRTr1jdbANlZFX/E8mTZrUgvs9QSUG2a+BUov3p0/4G8SMlhcS Fcr1pUWLFs1i3Qz7JiEoKChYjnY95ZT377C9D8o1DefDZQqFfYU+Tce5y6gwXV8919LSssqP pmK9kOsup/j/E/XH+tYX/p47d24byaEL7f32zp07p+J8NM5HyzMFEQjHuTkuquYVyHl9XV1d jH9PVzfbMugsb0ErV2xsbL5ekdvl6glAvgHxoXJTNyQvl0CG8UVFRQU4zqmd35CQSh+AqGTi 2PuB13H95yFHge/kLf5VICxx6KObnMXqDcjxkjjTynjmMwQJnooynydRBj6xbt26St/BlluM Hy7X8AP3rJ+eOHHiBnuJGQwGIyvnMYMryYpMA1FB4Iv3xeTk5GeBJ6AU70xMTPwy8GxCQsJz VEi0hNTU1HToEGHtaIoXtSYr3TgW7ocR4+t0PKeTXJm/gJDcBEUwzncGFUC2narORyZMmJCq FSuUSiFkvHzDhg1NOtGb9iOBQolziu8NN6W0Ske4SFQH93WeldHIinam1T4hRG1tbQDXfRSK i1/vf4qPj58MxT5STofR7tixg2Ts667/n1uyZMluTXygnBspr1g50tLSpvqh2BLpsmLFilLc 8za1rlE3yFCMJlcxMTFT3RTPGWbq9aN3pA2zZ8+ehXL3uLp+297e3uBHYXV1dY3jVIuzdHy/ vLy8yR9fOrQX51NQ9iFnJSNJ+EQoH5g1a9a0C3km+cLYG0I7kuRZgRCnYmx24XlF8XdfX180 rUvOWvIsxudBbRnUq4qLxURnsMXzeUk/P+fzEsWlFlDmN+x3kN0eEMLwUFFkGHOR9CcSefHM 3m8vMYPBYGTlPELIiii4ffv2zdBfpFT+fMF3d3fHpKSkbHDTQB2jRcfgRa3JykZOA/nlOM2j yMrvoKB73iypF+SarhTwoyArWX6eDR1Vos+RgNB5srOzk4r1s+6ez9D/Recu0UptrNNAo+VW mTp1aj1kfdBd/9Pe3t5inY9FlCi327dvL0SZj7iyr9XV1Q0MDw+POKAWFxdrsvIy2hOjHWV1 FAzISirKvEeta9QHYhjQlgso/i5aHzilk5WVdVrXoaNx5s6dW0Zrlev31/bu3dug15iiJQ3n OK33R3e/hyorK8vOFg2TmZnJaZrgWlRRUVEvcnpQ52hhP7W0tLSr/r977dq1M96McOP5pHNq x/nvPFBdXV3lkwrfj4TRQJJnhT4rfk6e9evXF7nFPlnni42Njdslcsz3k6GVC3/HnLyv5+fn fxoyhclUqw7ptqSCBoPByMrfEBHkhy4zGkjnrJAXMpXQzp07y1Dmw5wGGiNZoX9J2FnIyisg K/tHS1pHoM48VWeQrMg0j/iIiJNsT09PGBRr3K5du7JBvMpAUqZC5sW4rhPtfNgp32dKS0u3 a+KgQ5cnT578VskKle1TMTExvP67ra2tizo6OiohUyW3e/bsqdy9e3cl5KtctmzZQii628QP g1NGTU1NsaOQlZ9qsuKTu23btsWkpqaeFNnR7iBZ0c7DsbGxfbjHn4j4+PhvHDhwIFJbtKQv hayAULCu70DmGt1fdJymT5IjKn9GW7+4cOHC2LNFwoCsrOcUkFghkpOTq4QACKlauXKlJisf AlkpHK0+tg2EbwLkeMVZp75SU1MzEnYt+W00QeRWJ4UjWdFWIzcdVY9z33DP5ZnZs2cfkufH Z8dnKL/b2tqqUe5qkRmy3FtRUZHIsSnjVCfss4USDQaDkZVznArSGWwJKK8Z8jIVvxbxC8AL mqsqvw/KYOf/a7Kiv4qhGAOarEycODHruuuuG0mIJmsW7dixIw/3p2NuFxT1LXRedf4OXy4r K6Ofw0POD+LZkpKSPXqaSE9bjGUa6Cxk5YiLOqHiomPm550sI8DxILiSNcAoGoZqP4Av/gNQ voGzkRU/O6xYiUAYhpXsfSAwAXH4JUAqVvPr3yn2p3Nycmq0IhW/joaGhsVuyoZ+HVfi2afp 5HzHjx+PwrkbHSk6AwJ5hy/XKGRlMq75hVva4XcgCiv8UHlOA6k23Aiykjba+B0aGqLfzALl LPtvDAOXaCydU0fIkCYrlIPTQP7zBVlZzBBu9wzp4PwN97w+Ocr2HhA7+q08FAgE/hFjOlkT fX+qy15yBoPByMo55FnRlhUhK9qyQVIgX74HDx5MmzJlyuoVK1ZMezvIirKuBCREF3i0oKAg S8KDeR4yR5WXl89EmZvpU0PFD+X5scmTJ/dPnz59PmROhXKNxvGbnPJ5obS0dFCUpNQleVNQ /q2SlSucfw+v/z6IUgeOrSdAhIJbEL711dXV6yFj8Hdtbe1S/C7funVrsp6OGY2s6PtqsoG+ HBb/I2z70NcBPc0yc+bMbBz/oSvzG5CjW3DPTL0UQG9vbxZkvtE5/t4JcjgZx8K0XMz3gnMf EN+SjIyML+/bty/qbAsBgqzkkizKFCBIw3o9rSI+K6r/T4KsJIzW35dccgktPOtk6gtyfGHv 3r0xOgeMttLJmMF9x/uWFY2Wlpbl6KOnnQw/y83NvVY/M+5jnAS38gyrqqpW43f14sWLs/wk hRfSiuMGg8HwP4qsSLp9vJQfkWmItra2GdoPhNlJR/MJGQNZWfVWpoH4pe0UY0D7rJSUlGTJ lAXrXbhwIX1aPot2/B5lvglFu6W/vz9RW4iOHTsW7SJAqMRfgAIe1I6yehrgXDLYjkJWhkiI nMxP9fT0FFPR6yknnUpffoda22Y0siI5QCTySfqDZEX1VdCyopclYFmc28OpHRfK/fPs7OxT IKDLm5qa5q5cubIZ/XsVzn0FpPD9DQ0NUzo7O8P1EguOJETi2kuFJGB7H4hYjuQqGSNZeS0h IWGBn+QPspyVrMizcmSlSYU03wvyUOiHmEu/Sn+DrExy4ch0Kn9JEwueb21tXewifILkFjJt 0w7N/lpT2nKi7yP1Sb/p4waDwWBkZYzRQP40UHd39wztCCqJuzSB0Mr0LGRl5d9KViRyw+Wz CCil+CgUeJYQqI6OjhT8vsYl+noBCnMvyEG8WBxEVij5aJecjPUEyYpOlS/3PHXq1PkgK22Q 80l3/R+g8Kv1QobaiqAjiiQbqyaEZ/NZ0QqQdeGrflitGN23devWgH7evMfFF18cPXv27NWQ kc/gO+wP5nPB7xtoncIzvH7+/PlbQVJy9PIIeh0i57OyVYgRrn+sqqpqtviRvAlZKZNQ9MjI SDquZvrkdCyWFfFxGR4eJuGuRH0ytfUoyMq8UFYMSfzGe6Wnp3Oa52VtWfHICi11X3fj7gwI 8MHe3t5wIYeS50cTLSGPoaZ7fEuLwWAwGFk5B7IiGWyFDDAayP8a1GGfo72Ez/c0kEQhOSUT UBEuQZ8VUaJNTU0M/b3LTUc8uG7dunq9OrD4ajAxGP1tnK/EC+Xl5YN6HRi9yOJY0+2/CVlZ Qjmdcyrvd2BwcDBGK+RQIcP+IotnmwYKtXDf0qVLh1VW2+A0kF4WQK45cuQIp3HWQLbPpaam vgskZ+Hy5cvn4vpp9E8RPw9NVHVukaGhoTCQjToXWcR7PQ+iOHQ2hQyyMt9l5X0jOjr6M9r6 JeMN5OSsZEXL1d/fn4vn/5wr/yLucfnmzZtjJBRdQtmFfPN4SkrKYU6DaZ8V/Txwz3Kcu12N uw+0tLTka78dbSHTlhW9YKPOqWPrBhkMBiMr5yEaiKisrKw/fPjwRX5iL3kh+1NBZyErG8YQ uhySrOjIDSj/TKWAg5YVIRjNzc2LmNFVpiI2btw4U2TWCmL69OnMvvuYq2NkGshvy/r168Oh yD6u2tAEshJ5jmQlh4qOVhV3v8fwtc+EYmF+QjFtGQk1RfBmDrb+AoxtbW1RXM9H+6xwGkgS ninyFgF52pmELjk5+QMok/1m6y7ptumpjkWLFmUyNb+E7KLf/hVkMfcsPitMDPcqrRUgK0t1 X8hzW7VqlSYr7wJxGDdaaDvv1dfXl+JS/L/hsgHfP2PGjDk6YkjnwsF4q2UklBAtWlZ8mTds 2JDEzLnArx3BfQrPYnNXV9f/FY3lR5P5jtuhVrW2l5zBYDCyEiKixn9Ziq8GyEqLi0QR5bCi p6cnUk/DiNIPFdGgnSOhBCICgcA96mt0H86F+86NQlacUg2SFW0FEYIhW5QrVWGhj02YMCFP FMKKFSv4pX6/i0p5Pi8vr7WzszNSWyxqamrm47pPA9939fwSZOUybXEQ5VxbW5uEcv+q+mMz yFu0zsPi59vQ01Y8j/uHgTSshzw/cm38E/C/q6urKyWUVSs8bnfs2JEColiDvsnR5ABtHSEr XMoA18f44a/Sd+iLBJS5Tk0DDW7dujVef+nz3rhPCcr9xPmM/NPixYsjQn35awIRSukODQ3R b2WF8s95JikpqR+EL95P8Mf9iy++OBvE4GuOJNy4adOmWH9F6I6ODhKug2oM3dLS0pLj+4Do /qPfCtPii3UF1/563Lhxd1ZVVV28efPmcE2yFyxYMAEykNj8Cx18Xdr+X9bX10dqSwkJO8bC dNT1b5KQj1Fl+fn5TVxiwF+RmVtaqyZNmlQFElduLzGDwWBkZYwkxV89NpQzYENDQwdDWEXB RUVFHe7u7k7QoaShUoxr4iNlKioqMri6sfgxADcePXo0Qq9Nw30o5DKc+7gr9/u0tLRBKOtw UYpiPpcpGpS5WNYbYjhpUVHRNFFeTU1NJTh+WhQKCML9UHYd+AqeAUKyvLS09Aac/xTk2i5f 3wxFBQm4ySdGvN/06dNJpL6o1jc6BCUU6yte/fXsfGJGnC+5jz5MTE9Pv0ZyiqAupsH/GuTZ Afkr8eUfQJlYyFkBWTZA5o+izLtBHCbqvi0sLNzGqBwny6tlZWWJelpGiAvvC7JCC9QtStFf B7KSrp8T24hnvJtl3KKAz8XExJyGXKcg1ynUf6qkpOQUf0OuU+74FejLnfg9Hn0RLvdkOzds 2MBke8zt8mvUR1L2RGJi4n4cj5dyvOe8efOKQBLex7BlTsdt27YtT/e/+Oq4+q5S4/ETq1at qtSkWI9rIRfoS1pXLlfrI/0WffZNkJYb0J5OtGsb2jEA2UhS+nBuLpO9iXUvJSWlUI9lyjM8 PBwLostx84Tr09/TsgfCMoz+qEN/pNABHc+wGP00H8+Ka1t9qqCgoM5eYgaDwcjKOfik6OgT /t65c2csXrazxo8f352Tk3NDfHz8t11aeFHOT2dlZX0YZTrx0m3WZEebuzXwJdkARXASRIFJ xF5RVpBfoJ7TUMSDuB928+dkZ2fvhRK/yTl1vuHWiXkUyuJa3LcTX9bjRWkIMUA9K1Sdr8XG xt6NsoNQ7PNAhqJBMKhQfugUyusu2uRx5+TKBf7m7Nq1K5EOtmLpgIJ+Eu37SF5eXjv6IRky 1kG+PvTHv0hIq5tW+B5k/iDOdUMnxftf+JrACHkR2Q8ePJiFundCjh+4FPNU5s/QqRX99EBG RsYDOPcdtwDjnVCMq/v6+mKWL1+ej/5qwbWdaOtX1XQSFxW8AzL3VFZWbhSSJUq7ubl5PM5/ SEUDPQ0ieAvq6ert7U0TPyDURV+Tlx2h/ItLv/8rt+L1yFaA83REfYZrRWVmZuYdO3ZsZCwc P348bN26ddlMTc/oGZRlwrlnA4HAXeizE2jHHuBytIOp+z+Dc5tBVHKYAVf6rb+/PxrPYjqU fXdqauoHUO5JZdn6OdrwSZw/ime0raurK1X3tc6oC1LDFPrHAfFfed2t7s3fTzPsHefaW1pa 0pKTk6e6dYqCDrR4Hl+AnDfW1tau0f45AwMDSSCWzSjzBdTzB7emEscurXQPQyaS80fdePsa 5KcjboK9xAwGg5GVMcBfYE8IQGtrK9fIWcZEX9gy9fl7+aXrnE9ly6iQK6Kjo3fqfCZSn16l mPt1dXV8mXN13PfgJX6zqofbm7A9gS1X1F3Jel3Zm+W+uIYyXIdyV0CRlckXuVh2cN0sKYv9 97mU8lfNnDlzrVvZN37atGmLaDlx/jdUrpzaOrp79+5iEIBwKNUI3GcdIPX8PaciUJ6WC36V NzoLwY0imyvLcjewv6DQkkP5KehwY51Ij2Vw7wAUIzOc0vH1I6jjW7RCMAEcZOAUw8ny8vKl PT09ufyS5zX19fUlTvmzr96t+ul9Lvz6JBR4j9xHZALJyUCZ3dL/fBbYXo/tlSBO2fIMDxw4 wJwz7NM73UKSVORcHiAIt1TAgzhG0vB7Zak5g/1h9GWM9rehdQHtjANZmsE+54rNaCdX1WZb T7s2bMfYm4h2xvgWuf3798e4VaY5Jt+F/b9nG1w7bnZRXFdDnsMgs9m+j5BYV+jMvWbNmhQ3 NUWfqHvQxz/kQoxu2mcNiEpwjSEQRS5zcL0aq+/h/wMIabt2eOY+nbNBJCfg/B7U9w/YftWR vUch0728Pi4ubj1ISsHg4GCCOdEaDAYjK+eY9M2fLuCqu0NDQzGHDx9OxEs4kUvc4wUb3Oex I0eOJEL5B4H9gDa5+0pakYoY1sNVcFmH3me92E/AfgTqi2G9PMf78Bwh+7wOCifCt6zQF8DV k4gv3WA5h1hRWFxMDnUn4Vg6ymVzi2sCElnEMpAhRtrJNvO+KBuL32FUwK7NI7JIW3AueG+c D9O5Uny/Hd/aIs+A16GOAOpOwn3TUGc27pHW398/Doo+DvsRmmTyN+4XJ3JSLm5FJv5GffHa +Zn3w/FwTlnJM5Tnyi3Xr2GfEgkJCTlu3Zuf5eXlofiRTNyPcgXBfYLHKyoqSOJoPXjdRTfd hTrj9ZSiykAbzj7HtcmQMwPbDMgxDvdPYlI+kgpvJeaRfqJfEPtYxgPbyd9sszwPHGebw2VM 6qgv2SdxQrlIVz4VyADScf9kHIuSsGNOZ5FYyLiSsSpjxvdLcqQ4hrKxXtSXzXoxHlPdGInS lh57iRkMBiMrY5wGkq9OeflqR0PtXKr9AHicyl3yqYgyEEuN9n8RB1z/vHzBaxn8bLG+/4wm P3KNDjUNFQUiSeE0gdJt1H4OosxEseuoDS2DDvGV+qGI/oqI6Hv4ycH8aTOt7LSjsr5W9qXv Je+LjuCRNW6kD7Rfi+5fncdF2iL5QNiO+Pj4TS4Z2ou5ubmLUSZSh6ZLaLUaO+FlZWWNKkHa L6CcU3T/6X4R2fQxabPOQ+JfL2PJd1rVxFiTBz96Sod+69xA2tFa2sT+8PvTjx7T7ZDnJ+NQ kxL9nLWztr3EDAaDkZVzcLAVpSAvUq0UfN8Lrdz5Mpc6/Fwkcr0+rkmQVthaEUjeFO2I6ufA 0MpFkxGdV8P3WdDkhssDaKdT7bAr5X2FquWUduv7aRlDKSLfp8cnYDqVvR/mqpWxllH6Rvex 5A0RedlWvaLvaMsViDwZGRmcAqSvxZ8TEhK+Kf3mPxdtMeHvqqqq9IiIiAfcdNDLID0pOmeM EErpe52ATpM0nXdEk1ZuaRHxM8P66zb5kVSa+Oi+kTWB9FjSC17KAoOapIlsMub0+NHjz4+K 8y2Z+iPAYDAYjKyMcRpIXqz6JazN1P6Uhs6vopWJJjOhMnTqxehGq18U72iyagWm5RhNLr2v p418UqPXzvGTm/lWgFD+EPq3b1HxCYi2boRK569JixCS0ciPlPdT8/uhyD7x8Z+p9FVKSsoM rk7MKR1G5mg/mzdrP6fwcnNz73V+K1/ndIm2yIl8/rpAocZaKNKmiZIeP1ouIcpiefLzs0g/ +Gn2tWXHz1is+15HdYmc/tgLtVCjT5SkL+wlZjAYjKwYDGOATLsIaUhNTV3oon1IVm7QJM7P OaPJQhn+3JIMZ8LDw3sYgWX9azAYDAbrBMN5iQaTqRwSktra2vTo6GiG8f4ZZOXL27dvT9B+ H/5yCtx2dnYG8vPzuWAhw7nvLyoqyueUjfWxwWAwGKwTDG8JespNT48kJiZ+mBYSJqtLSkra 3dbWlqD9OrRvUkdHRyqIykbmEWHm4JKSkhUM47XQXIPBYDAYWTGcF8uK+HNop+r6+vpCJu9z GV5/DMIyuGLFillr164dv2bNmhzsExMaGxsXFhcXM8/LfSj3ufLy8g0DAwNxfjZkg8FgMBhZ MRj+5tB1bVXRIdtz586dzCR8ERER95KwYP9LwK1hYWFMePYPIDO34vgnsX97RUXFMZSvBlGJ 0s6u1scGg8FgsE4wnJfwdR2WrNfqaWxsjF24cOGcpUuX7m5ubh6uqam5mllcCwoKLl2yZMkg jm8CKg8ePBirrTU6mspgMBgMRlYMhrdkWfFDxsWyokNzJV/K0aNHY0BaUtrb28P8sG0hPv6q ywaDwWAwsmIw/M3wc7roHCB+PhadLE9yj/gZYrXfi+URMRgMBoORFYPBYDAYDEZWDAaDwWAw GIysGAwGg8FgMLJiMBgMBoPBYGTFYDAYDAaDwciKwWAwGAwGIysGg8FgMBgMRlYMBoPBYDAY WTEYDAaDwWAwsmIwGAwGg8FgZMVgMBgMBoORFYPBYDAYDAYjKwaDwWAwGIysGAwGg8FgMBhZ MRgMBoPBYDCyYjAYDAaDwciKwWAwGAwGg5EVg8FgMBgMRlYMBoPBYDAYjKwYDAaDwWAwnCv+ G2xM66mERczYAAAAAElFTkSuQmCC iVBORw0KGgoAAAANSUhEUgAAAhMAAABJCAYAAACHKaScAAAhm0lEQVR42u1dCXSX1ZUn+0IW kpB9hew7IYQEwhZIAigBwYAkIEvYDAZIZMeFRdF2tLanpx3r0harttVi7bQ6M3WrtY6jnanW U62t1Na61IVqS3UEN5zfzXk35/rmjySeDm3xl3N+5/v+3/e+t9z35bu/d9999w3bu3fvMIIg CIIgiE8KCoEgCIIgCJIJgiAIgiBIJgiCIAiCIJkgCIIgCIJkgiAIgiAIgmSCIAiCIAiSCYIg CIIgSCYIgiAIgiCZIAiCIAiCIJkgCIIgCIJkgiAIgiAIkgmCIAiCIEgmCIIgCIIgSCYIgiAI giCZIAiCIAji9CMTl1xyybBLL7102O7du/uPcm3Pnj39R722b9++flx22WX91+RcjppOj3Jd zhVahqaXo013KoSkdbFts+VLvaRdmk7reKrqd7pA5KvvkhxtnyusfAmCIIjThEz4SlSUgCUD cl8JhygGVb6qPDQPOZf0F1988cC5XJc8NZ2SEbmnSudUEAm/HPvbV26aXhUhX7LBv0f6jmif W/lddNFF/cf9+/f/H9JGEARB/IOTCR2VW4LQ0dERFRoaujkoKOi1YcOG/RF4Kyws7CiuHQ0O Dj4aEhJyFL/fwv0jwBu49gbSyPmLSPMgjrelpKScvWXLltgdO3aEWCUtZEPORamcCmWi5crR KjpRfKoE5bqOpPUZuSZ15Et28vdHyaaSRf2tfSzXLIlUIkEyQRAEcRpNc6g5X0fsy5cvD05O Ts5ITU0dB7RFRUXdD7LwLvAhiMJ7IA9P4fptSLMfx24Qh+60tLTPRERE3Ic0LwPHkUbSP1xa Wtq2c+fOcMlXiISOTE/VNMeJpmHUaqJTNaoE9VwJBV+yk0NJgVojtH+lv9UqYS0R+p5RvgRB EKcJmdAPvD/HbZVxYWHhGpCDV4EPQRAOZ2dn19pnVUHX19dHIe1SpHkWpEPSfiCEoqSkZFJf X99A/kIorL/F/zeZsHP22lYhDOeff37IihUr0kCeGjo7O9NwPcgSHfpMDP0dEqKwZs2aUMg1 B5jc1dUVa6fBOMVBEARxmk5z2A+97ywniqCgoGAuSMELYpkAoTiclpZW6zsz2jxDQ0NXIO3/ CKFA+ndwvGrmzJnROq2gfhWnSqHY6QslNOvXrx9eVlbWinr+M/B7YOG2bdtCddrDWiuIk09z qMUBxCwhJSXlHMjzZuC1ESNGlEt/ax+ofO1UE0EQBHEaWCZ0pG7N1DrKlPOioqJmkILnhEyI ZULJhPWzsP4IdXV1CSEhIY+59B/i/CDIRJ4lLqd61Gx9JuR3W1tbPup2u1hbQH6knmdu3749 xJIqWiYG73ipvimVlZV1II9PoM9Fpu8kJCTk+gTNd+AlCIIg/sHJhDpDWk98azGQ88LCwmYo huecz8ThjIyMWrvqwa7gkDx27doVhbTXu/SiVO4FmRijvgh/CxO3bZfUtaWlJR9E4nZDeJq3 bdsW7PtW8CUbGqqqqsZBnk84uR4DmUhTYmqJK6eRCIIgTjMHzJORjZKSkgEyIZaJ9PT0ajVx 2ykRHX1eeOGFkUh3lRudiqL+AZR3iY0zECimhR+XwF6zTns2nbWQ6HWdStF8bJ56DnKTBaJz ixKe1tbWcXLPz38o1g/f/O/7nthlqtZiYlc62CkD6wRqla91FvXL1naK06OuRglUF1/udsrC jwdilxAHIps2fWVlZRnk+TPX78c6OzsjLr/88o+0Q9pmrVm+hcs/t2WdyGpkV9/474e1Stm4 KXpN/YXsdN+JrFt2dRA/QARBkEwMYUQ/evTofjLhHDBfzcjIyLFLLK1/hVzbunVrNBTKt5yi fh/Hr8yaNWuEmrh9ZdXV1TUiJydnfG5u7llZWVkLMjMza/v6+iJ0NYBVempFseQC5CUIz2Xh uXrksyA7O3spfjbhd955550XruTCKoS5c+dmyry+s5x82NPTU2mV/VBM8GrVUYWr11CXFGDa lClTYuTenDlzQkDERqF+7cBK1HECiFq0lbW0T4hAQ0NDJJ4tBZZCLvOrq6tzdCWMtkXlrorX KuwrrriiP92MGTNy8vLyJkAWS1DeGWVlZYU+qdHnlKTYqQiQgeGoQyPqW7Vy5cpQ7TfkWSF1 Q77VTU1NIZq+vLy8BPL8bzd9dEyXA6sClqO0z8pLrm3atCkE71Um8mwCFuN8Gtqddv755wdr 2ywJscRowoQJUWhbM9Iny288E4R6JaHOLchnJd7fmfidhjKC9Z1RC8nSpUtDUV4Onm1D2g7k Uy2+MzYehiVYVtZ0IiUIgmRiCGQiPz+/GUpXLROv4KObbuM02BG0pE9ISBgJRdK/ogM4NHbs 2EU7duwIssGsRKHExMSMTkxMvCoiIkLM4r8Dfg08jxHtS8OHD3925MiR38bHPUc/4Bqjws7B Q2HEjBgxYjeeOwQF9lscnwRekiWqqMPvkc99KGMhCEeI1lcAJZuJut2s1pPu7u5K6y9hlfPJ fAZUMYIA5MbGxs5DffZBBv8ubUKd7i0tLc2eN29eGtp5Ea49hTIPA6/j/A84/hSEYr4qp5aW lvCkpKR5kZGR9zjHUInz8Rrq+ivkvbuxsTEyELmyig4KMiI+Pr4JuBnl/xrP/kaeB14Gnkfd fo46XgSSM9L6xsizkHci+mViXFzcasjtCpw/IvUEti1atCgKZCEZ124KCwt73tXt7pqamgJV rDjvJxPS92KZ8K0ZSh5sJFXUsxB5fkX6UN4bWQ2EZ2WJ8XO4fiPqW2D7YvHixQmQ0XTc24x7 30baJ4FXwsPDG3p7eyMgp3bUT+r9CiByfgVyOIR34WIQhSixlKxfvz4Y5VaiT76Oe1Lmq9Ie nL+IfL+Pdy/BWnpUtiqvQJYTgiAIkomPmeYQB0yd5pCPNhROujU3ywdWPtByLjEl8CG/wi0L lYBW+6ZNmxZuzcoy8sMH/xxZbor8fhsdHb0To8si3I8aP358In6vgDJ62sW2eAGjylUgH2F+ mGuMONORToJkvQ6lcElxcbGQnMiZM2dmQxmfK8tSZTUJjjfs2rUrQuq5ffv20Pnz55dDaX0R 9152BOk46vwmcESA60eQ30Eo28jByEeANo5AmTdBYb2K+vzZWWQk7/9CWRPEOhMVFfUM0jwA PIXffwbeR7rj0kYo6TWzZs2KQ9pN+P0bHB9GXj+GfERhv4PjcUCCg30GRCjWOsraKY8lS5ak 49nPihKFcn0QeSzDXwqIWCSUZDp+/5Mr+xjS/QhtnIbnQ3SkDiU6F2leRh0PS7AykY20A2l3 A0Wo7/dQj7fN9UeqqqrSN2/eHI4+nOwsUkecVUrkKsHMjiDdETx3BPlevHDhwjCps0yHoU6b cP01yPwuyGAsrkU1NzdnQP7n4LqQEnkHXsP7MguEdNiKFSuELKzG/VeQlxCFd7QuQD3y2Sjv Ktr+COT9CMoVItafBufvoj7XgUhE4NokpH0c+TwN3CvvIdJIuz5AOnl3H8B7lyIyRZ0+Qiho kSAIgmTiE8DzmXglLS0tHcop7Lzzzkvq6elJ2rhxYzzOEzds2JAL5bAHH2pRQs/jY37l5MmT Y+zotK+vLxSj4k5ZOippKioqlvrLBSV9WVlZDT7wTzsC82pOTk73li1bQk0+IcnJyV8TpYhy vmB9ImS0LlaMqVOnFkOpPIo0nwcZCcczwahbk3MQfNYpVcn/bSjROzDaPZCSknIA+R5oaGjo Hazlxk4LCDDinSF5iqkf5cno+CAI0r62trZ0JUJQnDVQWj921huRqxCMa9GWG1GHBplSkDzz 8/NTMfoWcnbUWVFeHzt2bC8Ua7AdNcsRI/Zk5HU10rwHhXvfvHnz6u10gqSBDCMg/5Uuaqnk 90hTU9MUyCfYRgHt7u6Ox73L1EEV+X4Rx6+jDs+gfXfj+SeAN/Py8u4HOYjA9XXOKqRKWZ45 IvJMTU09gHem/zgXf1In9EU8ZH4d8jiGtPegv6Pt1IugsbFxvLNaHRfLCvonVaegBCCe5bj+ gCM1Us/b0N8Ha2trS7W9Z5xxRi4IxJe0rx3x2It870Y/d6DtkVKflpaWeNR1Ga4fckT4Pcj9 u/K++lMeDLdOEATJxBAhH86CgoJ+MuHiRvRPc3R0dOTgfKcoahktQ5nIB/sh4Bl80O+DEmyf NGlSqE5LqKLKysqqR9pn8YGXj/XV+mFWM7vM9aspHCPPdShTPuwf4PhITU3NOFUSxcXFObIE UeoUFxfXEcghT67l5uZ+Hmk2Y3QZJoGz0Jb4oqKiQiiSQvGZcH4gL4MMldjYF4MdfUrbZOSq CluOUGYj0cY3VaGCIFwOHRpu9ypxjq1VYlp3hEKU3ANQarV21YOQIuQfi/zudHE+pL5fmz17 drKt57Zt20Jwb7Wz5vwOinipneu3FgwQhTSx1jjZviexNjo7OzOsH4r4MKSnp8t0gZIJCVr2 XVybunXr1tDCwsIYcbIdPXr0N5csWRIMuaaNGjUqF0SjGml1muOQvkPSDhMsLAj5XOCsLh/g mTZti/VtkfR4XyQOyFEhjSAkuyUvlTdkCs4Ue9ARCZHNQ5WVldG+T45YqkBy78R9id4qcn4j MzPzbOtwqn2Peu0WkuTk/CzaVGj9NbSOtE4QBEEyMQTIB12mOfDhf86NjPvJBBRCPD7c8zBK vqKiouKrOL8W53ug8BfgOMLfXVSOGG2HYXR6jRu5HhPfADv/bz3r5RpGnvHqq4GP+1tQWPvX rFkTJPdLS0vHOx+LD0FerhdHOjsFosp9xowZLVVVVXUy8rb7g2DEmukCK/WTiY0bN5bIc3LP OlIORj52nxEdwULB/cUppKchk0bxEfF3KsW5WEq+6SwT7yQmJn5x8eLFYZLW+oVI/Avcb3f5 Ce4488wzC+xoef78+Qm4/nPXRw83NDTUWgUtddQ80daQvLy8ebIyx6V/FelnSDrr3AmSMNNZ biTN8yAOcyVqqOYJuSZMnz59shJAyXvMmDH9PhPOWnBI+1TKVxKF9yMF9/9NpnnEYoB+DrPK 3/pUgExsQPn9U0J4X35g3xNJV15ern0o70GXvwxY3z3UfaP4qohlAsdf4b2I9FfYSFrIpQBp XnQE6gWQ4qlKGP2VHIyTQRAEycQntEwImcDoLd1+SK2nvjX92rgO8vGH8pEP9aNu/vrthISE bD+mg+blSEgQ0l6jTpKi/JuammLd1Mto/P6FKsPo6Oje1tbWSUD28uXLw2xIbF2aaBWHJROo S79lwk4J2OWogw2KZZd5RkZG/sXV+Wdod56/tblb1SDtu9gprregVPfZcOOa/86dO4eNGzeu 1o3QJc87Uf9SK7uIiIhpzsog938AcpDkr/aw7QdpkSmCu421YxmIWpg14S9btmymuX/rokWL 8gNFBbX+M2hrCdL3k4mwsLBDdopLCQDI1WznE9M/veM7vtolnNnZ2WdJbBN5Z4YPH/446hBm /Reqq6tv1uW96MfJfthurSMIcZsQIrEAxcXFPWz7wx4h13D03S+dpehFWQlinUaF6PlLmgmC IEgmBgEbtEotE0Nx4NSPNUaRokQOqdm8vb09xI9zYP0eRPkg3QoT/OoukIl8pwzF90JM9cfc PPhbUGJCVG4F1/lMY2Pjmrq6uub6+vq0rVu39i8JtMtKfcvE+vXrS3wytGrVqlQo5S7gqhNh woQJezs6Oib6bYUiVTLxaEVFRXIgecheILh/gUv3BgjDjkBxFOQ3yE6pOCIGIhPSJijAzc6K 8F5aWtrXUfdgvzxLKmQvEpne0KWxQmpQRpz1/zj33HNn6qgf+MI555wz0id/vkIVMqGWCZnm sFMsSgJAAM7DvT+4fF9CX30O/XQVsBvy7IZcu0GsuidOnLgjJibmOxqaXabQRo0alWgJWWVl 5cDyXsi80g/TrXXVd9iRiX/1Q3nbduC9+g/3TvWTCQYxIwiCZOJvTCZsLAN8+GWVxgvuw/+G HUHqiFcJhcYmwF+TUWj3T506tdrsbloaFRX1JeSpzokfOv8DIRh/ECdBISAYlc5DfiF2c7FZ s2Zl4v6Az0RPT0+JLgdV34a2tjYZ7T9uyg+Ep6dMmTLX+luoZcIpuZOSCeeoeRhkos9GFvXI RInbkfUjZEJlJqtTnH/D+5Dzjf4+K3ZZrSNjsUi7T2UG+X1uzZo1iXa569KlSy2Z2AcyEROI TNi6WjIh0xxK4qzCrq2t3eFW+ojVQ5aYHgSENNwEfBl1+bIcxeETuA757AcuBGmb09XVFal5 SR0h24FpDqSp9P1S9CjLm11I+OMgKAfVB+IEZOJB54RJMkEQBMnE3wOZsFEp8eFvd/Ek+ldQ lJaWjrSBr2wcCvVHcMv9VKHdM23atDIbGwFKNg15idL7LI73utUTvsJ/FkphvI3WKWTCt0zY aRYQlZCkpKS1bhWArPx4zIOsXJBlj3diBJ1llw0KPoFl4jBG5n12W3TrT3IiMqHEA4p0gBhE R0ffMXv27Fj7vDXNC5YsWSIhzy80JOyK7u7uEdZS5FkmdoNMRJ+MTIDIDMSZUJ8Ja3GSvgVp kqmdPzuy9djq1avzVq1albt27dpcOa5YsWLgHOQhHUgA0Ym174mWLdMczjG4n0z4PjgqI/MO 95MJfxqEZIIgCJKJv/NpDiUG5eXlsrb/KZfPUSjrSn8Fho0wKIoHf5PN8sTvTpkyJUOuqx+E 5Nvb2xu8adOmOCC9tbVVYiG0yU6lps6iaC61jnYyzQFFerNbCfB2T09PuSpxDZCF/EYg70Ig F8jykA3kAxm7du0KtvtPyPNCJpyiPimZcEp1gEz4Ya4/jkyoY2dkZOQKXWYK/HDChAnZ1m/E khQX2VJWY+x2ViLJsw8KfGAlhKT7K5CJ13XvF1t+TU1Nt1iOtN0qO3+3VvV3sRvR6aoQJX1l ZWUDPhPh4eGVfvwPbY8ub5bVHAkJCQfV8kUyQRAE8bcjExmf0DKRi4/+o24++l181LdoQCB/ 23Oda5dVDLqaY8yYMZeLU6akKS4uHg7lUbt58+YIJQjqdQ8ES1wJKK2JKO9JUSBQbA/Z3VCt ZULuY+RbqWRgKHEEbKhnOyKOiIgYrGVij7O8HK6tre0LtKPmx5EJddYEIWjQ4E1o81Pjx4+f oyszLDFRRS3+Dyj3apffa/g9Q2Woz+hqjo8jE/4yWm+a46hPPKS+4oCJ+j6tsk9MTBzlO3Lq uV2GqfEetH8EYplQyxXIW6W1Ltn3D++wrF55QYJ/iWXiRPuVkEwQBEEycWrIRP+uoUNZWqpB pCQUNBTMjRKoyHnL/yw3NzfOX+8vzzgHOSQL2u9iA/yirq6uVZVMaWlpBa7d19fXl+Fv4mX3 AIEyuFWIS1RU1E3q2KnTHFBoA6PapUuXjrHLN7Xeg4kz4TuPbtiwIQhEZzBkIhj3r7bTHIGI jCETr/hkQpVrcnJyKtrxjLOGiA/JlS0tLZG2fpb4gBhInI07RGlCvrei/aPtVE0Ay8RePDN8 KGRC+lmWoaqFQOsyefLkUsheFbZMy1zT29sb5hMBX752yaz0z7Zt22SlkVqXBsiEXcWi+SBd J+QjTp/HUd5BWc5qnTA9MvETOmASBEEy8dcnE7PcPhHy0f4jyMT4oTpgqkUACnMiPvq/dgTh jyNHjlwG5RthP9S6DG/lypVJLqLinzCavAwKNEQVAOpUh3weWrhwYZ7dR8MGwEK+w1NTU++B EnkbaZfa1Rpz5sxJR77fMCtFFkuETbfrabBsEGZHySeCJTE68oYyGo483zRkIuVEZEKtAzh+ xAHTKl9HJso1THWg1RyAbFglUSjfdoTiJ2PHjp2sUUNVMcv5jh07QpuamuY7cnIIfdDW1dUV 5PVXENK0nWw1h6+Mq6uriySEuJPrO5BFhfanRJMEuZD5Jpl22IY2v+5k/yekm4t7MUrolPTp FAfql7J27dpkG0ekoaEhQoiQ1jEiIqLaX7apfVNUVNSJtP1kIj4+/qC/9NcjE4+RTBAEQTLx 1ycTa91GSP0ffpCJ+Z9kaah+lDGKvsRtEiUj019mZmYugLIcbhUARsoZGN3vdftuyK6jKXYk DuXQ4oJWrV+8eHGm9bdwjpkxWVlZMhoV58nvQbEmWsIxe/bsONz7so6OoWjuB8E48+yzz66Z Pn36HOQ/aSg+ITaWQmJiYrELKS7yehxkovBjLBM3qELNy8u7UKJDBiJjaE+VUez3gUzU2PuC np6eFOT1HReq/F3xMamrqxsPQhGmctu5c2cISEK9hJ4WIpGenr5++fLlMRptUwnMunXrZP+K tabMb4FMjBoEmUhG2gedMn4/Njb2G/Pnz5981lln1dfW1s6DbMvk+ebm5pSoqKjbXT2lDw6l paX1Llq0aAzSZ6Af4oBEkMVi/J6F/vkC3pvZtuyJEycKIbxTCWFYWFhzoDgpkr6goGCtLEeW ekVGRv4Q71fwxzhg/lan9EAmFpJMEARBMjFInwYb6+GCCy4ImTFjRunMmTPbgXMxcpUdMI+5 D+wxGdnhegcUwlkYMRZaRaRWAR1ZWgWq5mk8mxgaGrrDrYiQKIhPZmdnX9za2toOJd/a0tKy GEpIwijfAyKxDdey7BbQzvHubAlCJH4EGInfgDx78Pw8kI6pOD8D+e2SoEyy8RSIRJWMtK1F QSJpgsSsVA9/p9BFidwvyhoj51mDlZ9bphqG8htRfnt0dPTlbgMq9TG5Evc6Ia9ascJAYRah jfNwrQNKUn0HJAz2j/Lz89fgXjtG8elKfkS2EyZMqDeOqC8UFxfvl/5BHhUS3lrkjWMIiEsV 7kuU0RfcJll3gVBsQrozgZlTp04V64WM5m+D8u5YuXJlgvaP9E1bW1uWtKG+vn4Vnv++IROH ampqdqNu50heQoQCyQIEIBh9J1NTf3Jyfdf1809w7VsgE7VqXQIhqkP/Xut29fzQrZwR+V8v IdplCkg2FpMw7Uh3C8rOkP1V8FwBZNkO8rVFyKj6TEg0Ubwry3CvFcQnbv369SmoKx5rWQQi coeLvHoc6V+Ki4vbJPJbtmxZrbV2gPREguT8zk2d/E9SUtK3pT8kINratWvj7K61DKlNEATJ hLeCwsYlWLBgQTg+uGLivgG4xSmf60RJQXGLoroW92+UWABQTq3WETDQiN1OL4h3vjhJQmmF TZky5UyxDrh9J/4TuFfyBj6H63swgp6EdCE2vLIxW1cinSgtiUUgG09JoKEfAjfiWcnjegmO BOUySqYt7N4f6g8BRZqKP9n/43bgl6IwcbwrISGhE8oobDAOmEqSGhsbh7sdK0Vm14aHh18j 8nKK/Xq08QDOl2GUHVdYWCi+CLJr6QGJpSBpJdKni7NwK9LdAMJRrasgQO7Ed6QG977vLBlf xTMHXFkLtmzZEqnLJnt7e4WspYFsrXJxGkQ2P8XxX2SqAs9eCUW6EXIpQvuDbUApkXFMTMw4 V8bXtP54XuvXXzaOV8ourv47pH29ePHiPJRxoQuZ/RuJconnbsnJyWmGQg6x78jcuXOTQDAk MNlXkUa2XX9CNhNDmQ87q8NVeMfOhpLPk7quWrUqDNckZoS0/TrZjdVFSe2vI/L4Bs73lZeX Z0AOEuhrj5PDAVy/1rVDnhOSckNtbe1ytWAIaQMJlRDu4ktzAITiWslP+gPohcwydPrJXw1C EATxqSYTdvMi/VBihBsEpZcChVYJYlHZ2dlZuHDhwvT29vYUjDxTcJ4JVELhlmP0N9Ju0GQt HP6KBFEGlrzIkkrkn4x8SpHfRGAGyqxDOaNwHqM7iOoSSEtYxLKANIl4Pqujo6MKzzQgn2Yc p+I4FvdGQQlHqK+Gdeizc/Hr1q2LRpmFwDS0rRnHConBIKRnsMpC8kF9QvBsHsqvlLKRVyrq loK6iMyyoWArcC8TdQqFEh+JtGW4XunqnyLyxnO5kk5ku3379lhdySDkC/nE4vlSPJeBZzLx bDGek7LSRI4qF21fT09PBNJn4bkqpJ2KdNOFoOBaBsoP1z6yFiSRCfo6Xvodz0ifpEgb9Ii6 jcbzFXIP5QTZuBrO12SgfNQtDmVLW5rx3DTkWdDV1RWudVT5u7KDpV5ANdJPxnEGyhiP50VG 8WpVkvJAnILEd0Nkh7RFyDsDeWv9ROblcn316tURGzZsiJG+lbQ4Sp+kyTuM8zTUr1z6Cv2W ZVfiyG6tyL9EZOfS50s6IK+vry8ikNMpQRDEp55M2M2O9CNvN2VSq4J+/G2ESD+6oYar9r3y bQwG/W2dC/25a5tW09nIhnbJoyoCLdfGUrB10vzs3grWz8L3Z1DCMRjLjlUwNhy1XWapxMCa x207VV5afxucySouu8tqoNUPgWJ2+HtQ2HZaa49PuOwyWXuUe5bcafn6Lti6a9/YfvVDcVsH Vp+A2qN9Xt8pG6PC1s/fel3T6PtgV9/YaTj7vvpRTfX/wEYJ5UeIIAiSCW8awgb6sc6KgRSt et3LUT/0drokkL+EjROgCjbQSM8qdxtnQBWA5mNXVFjy4a+0sMTFkgxLbuwIWxXOYJaGWgVs LSmq6GwQJg28pEtflSBZS4mvMFWxqVndBnayz1nlrGmVIPoOhpaAaB2s+d53mPUVqa+cLRmw MvX7xl8dY98ZlbsvT/uMn9YS20COvjY0u7/ax196akmlLce+d3bZrl9fgiCIT71lwo7KVMn6 jmbWUmHPbYAp/bjbEaP9UFv4I3drlbAWB5luEMKiikuVnd1zwldUvgXAKnlVQtZaYYmEtdYM xYE10Ejaj8RolZXuQOkHqPJDiytxsgrT+iioTPz4CtaCY8mYT/bs3H8gAmjlqNEo1QJj26bv iiVD9j3xLRS+VcRawWyZ1gphFb3WQ9877VtLDK1sfUuPJXuBSG0gXyK9Zq11/AgRBEEy4TlK +iNKf/rBhicOtN24v5+EKgj96MpvcYD0iYxVPJaUBCIevqKX/HxyYPO2GzrZ5zQct/XtsApk KM51NiKjb8KXa1KWv4xTFJgSN6sA7XSN1tFufKZpVA7WMmHLtQpcCZ6vyP0AX1Ym/vbxNsqo 5uv7TPgbtwXa/tyXq50+8afDNG8lgJb42KMtw0bKtO305WaJoCVsGhjLWsl8/4hAlhSCIIhP fZyJQCbiQCP9E83P+88FMilbJepft+l9E7Pvh+CbzH0fDVtHS4B8JWaVsyUs1nowmDlx37Tv h9UORFgCOe/ZfAJZEqxlwj+3MrD95Ctzf4RtZeRbPPx7tkw7RRKo3nbzNqvMrRUikBXkRPW2 JOhERNfv90BTdH66QPK3dff7MZDliSAIgmSCIAiCIAiSCQqBIAiCIAiSCYIgCIIgSCYIgiAI giCZIAiCIAiCZIIgCIIgCIJkgiAIgiAIkgmCIAiCIEgmCIIgCIIgmSAIgiAIgiCZIAiCIAiC ZIIgCIIgCJIJgiAIgiBIJgiCIAiCIEgmCIIgCIIgmSAIgiAIgmSCIAiCIAiSCYIgCIIgCJIJ giAIgiBIJgiCIAiCIJkgCIIgCIJkgiAIgiAIkgmCIAiCIAiSCYIgCIIgSCYIgiAIgviHwv8C 8Hvd+71hDqIAAAAASUVORK5CYII= 0.0001 Referencias: PV: peso vivo, AOB: área de ojo de bife, EGD: espesor de grasa dorsal, IM: índice de muscularidad, GIM: grasa intramuscular, PM: puntuación de marmoleado, GMD: ganancia media diaria de PV, PR: peso res, Rto: rendimiento de faena, CM: cortes minoristas. (*) Los valores de las medias de PV al final del engorde y GMD fueron corregidos por la covariable. Letras distintas (a, b) en la misma fila indican diferencias entre medias (p < 0.05) Calidad de la res y de la carne de novillos Criollo Argentino ISSN­L 1022­1301. Archivos Latinoamericanos de Producción Animal. 2022. 30 (2): 91­100 iVBORw0KGgoAAAANSUhEUgAAAFgAAAAfCAYAAABjyArgAAAQ1klEQVR42oVaaWxVxxX2ezaV CtgURaI0YByDN7wCPyK1CTuFpsWsjUraEraIVpEIBhISwNhACElpCxgIkIDZ1AS8vGcbDHjf sPFuNpsQhTUkqfojZfsTYT+fznfuO/PmXT+nTxrm+t6ZMzPfnPnOMgT1kicsyBFEQU5VzNpe vO+dIQ7r7yD17HT6fzfbBBvvpIT42jqCjX7BRu2wjeMM6juGtA229f8/c+8j1xlg3fa5OQPM wfvsCA4wN2MuPdStYPJ+PF9yjkrLS6i8soyqa6uopq6aai/W0KWmBmpsvsSlqaWRWtqaqf1y G125coU6OjrUcwd1XLlMre0t/B01+tY01FJ1fQ1V1lVQRW05FZeeo7MlxVRSdoEKzxRQ0dlC rguK3VzyCnPptOsUv3MXuijPlcu1qyCfcvNzuC4oclN+UR63zXGfptyCHP77VP7nLAPv8t15 dKa4iPujPWr0xXv8Lc+nXTnkPqvGL8rXxVWQq8Y6pcbN47HRDmPjGUX6o5Y5og3mjLFdZ/J5 bihBA7xAA+ALpee5VFSVU2V1BdXV1zKwKAC0raOVrl6/Ql1fdNL169epq6uLbty4wc+or127 xiADbACMPtiQhsZ6BXCVAriSgT5XVqxAPsN10flCtUCXBleAxYJMcFFkgQIWL14Bi4KFQQ4W im+yaJdLgeTOp8JCtYEF1ncpaHP23Bk6nXuKQT2d+5kXVF8bGRPzkr8BbE7eaQ0+/uZN936H XAEYc7M0eoCTtRfgQvPqL13kAnChqZevdnDZvuN9mv7raTRo0CCmB00Rqh48eDDN/M0s+mjn 3+jKtcvcHn2h0U3tzVR7qY61uLymjM6Xn6OSSqXF5wq4AGAAhMlhMekZmyguPrYPLcWOjaFN mzfqhYkWC8imZqGkp2+kuLgYnp/DoIv4xLH03sZ3tYYDYFN7of2itRgLbXk+NpqJiYumDZve 0xsmYOM0YV04jUwX6ACtBbigBqEDaCyAytq3h8IjRmpQHQ6Hfpa/g4OD9d/Dhw+nAwcO0LXO q6zNQjHQ4Or6KgYZGlxcepbOXCjiBRWfP0sHDn3Mixdgp06dSqtWraK1a9fSpEmT9OKwWMxJ jqbrjFtRRZ6mkf3791JMTJSeJ/pCxpo1a2jixIk8VygGNuzjg/t5o5hq3DkMsmz0wU8OMIiy RsiBDMjC3PA+JCSEEhIS6ODBg5b2AuhiN8vDprPNwWKqaioZYAEDlNB54zrNmZfq2zklcNiw YbRkyRLKyMig6upqLlu2bOF3YWFhPHkMirYLfj+f5QFoppvWBga4rLqUNRgFdAFwj588RoPD BvE48xfOo1t3vqLe3l7Cr6enh2u8w3xgWMJ+FsoAYEEAN8edy5x+9Hg2DRkSyuMvXLiQ7ty5 o+V0d3dzjXezZ8/msTDmx5/uZzCEh7Fxx04cteaj1j5//ny6e/cu9/V4PFxD5u2vbtGCefN5 LKzdN58cLgBac7AJLo44wP1d6m8tK6kEPPfccwzqw4cP9YRlQO+Y/Dty5KgG2tK2scznHVfa FVU00sWmOqpqUJx8UfFxRbHFyYoLE5LieRxslPwArGiPLOzZs2d04sQJfhcVM0YfS2guuJFP gOqzbNkyvTGkprv7n7voj4te42f5nTx5ktcXkxDNgAi3ox6bENdnPt98/YCaLjVSc2MTfX3v PsvydPfQ0aNHacCAAaztphEG2NapU4OItwDNhcaZmjt+/Hi6fft2nx3UC9BgW/Xjx48pKSlJ H2loJOimuaOJGlrqqfpSNZXXlVNpTQnz8ebMdG63YMECNpoiHz+hHVOT8W3u3LkMjnAgQAE/ Q86ECRPo0KFDer5Zu/fQ8GE/pyGhYbT+7Xfo3r17Wk7q3DncZ2PmBu1dQCbWjjFgwPHDpkZG vECjX4jkGqXs/AVrw1ThE6H6bEzfwKdBjLZ18tWHiw11zJcAYnfWLu3jJY9L0lprgmuCLcD6 ag+DnJiYaPGgkr93fxa1XW2nxrYmqm2qpZrGGiqrtaiCDYgC8f79+4ZM/7HkJ3/jmEM2+E+4 l7VOzTsqKopGjx5NL/3yV/TXlX8hZ5CDtmRk0o7tH5BDjZOXk6s1+c69uzy/MXFR2osRAyu0 AI2NCB9FE196mZYtWUrvrnubxiiAoyNH88mALMwHfTAH7UWozdIaLD4u6GFE+POa52DkPAYH iBbZgTBpQto9ffpU8eEQHuQXI4bTjZtdDDJzsdJiaDD4GN+nTJmiORIgouB4iqFasWKF/i5t Jk+ezN/Y0CmAIWfy1Em0bt06Wr9+PY1RAEDTXhgVQe8oUL775lv6ouuGPtqyWRMnv6x8VgdT DDYLgE+ZNpm/P3r0iD499AnL+cfOv1Nvj4f7n8g+SpEK9PEp4yx5CgCMjTmIVwO6sDRY/QNw ob0ffLhdRyfgXH8K8GjwTM0yNdp8j3bHjx9nkBzBTtqyLVPRRAtzcV1jreJhy23DglavXq1l yTimtwKrb4KPHyw62sCXhYHDnNPW+uQ0XKxnYKG1UtatWUs3OrsYFAYLctalcV94M9gsrP+t tFX87cmTJ0wLMVHRFBsdowG+f/sOA4xv//72O267es1b3BfBBjjdj4NBD9Be7BwWDO2FcFlM ZWUlpaam0rRp02jGjBnsOQjQ8CRgaaFR06dPpz179vhtwtChQxmkWa/M5E1su9qq/GIV4dVX WACrSQAsOxXY3UKRJyCnpaXxNzFMvFFqkT4hVnlw/2t6b/27NGHceK3Rr/1hEZWXlnGztDQL GKEac6Ow2SWKa+PjxlJ1ZZWW+R8FapSXj0ElmA/GRl/xImSzWIMBLoxb6JDBvJjly5frBVVV VelFmloFsAsLC33xveEbo78FBvFRxzvIhncCQyceRWlVCfeHLDkBosUrV67U2guvwNRe/MQX 5eit0EcRGl+lbY/++5CyDx+hnmfd1HW9k2kDAKMOHzGS/eJJk17mvhKkQOaUKT45ZWVlbOTa Wlo1wOBxaC9kyW/ajKksB/zL0aloMMCRUJiNmwJx9+7dejGwyhg0IiKCvQlobGRkpHLJjljf lOYkpSTSgwcPVEhawAYG33p7LW4GTTBQIcE6eKlvvsiBBzSYPQ6vkbP/ZMNkLnDT8MNYeJ+Q lGhFUgpgCVLE4yFPLy3+058ZiJSkZBqXnKJpwp3vooz0zRQePoKjvLj4aJ3zSEgYy+9u3brl dT2P8Hqhrdu2bKXt295njR41Mpw+OXiIlQFjAgcYSGgvojjI0xqMsPbLL7/UC6qvr9fHXDR3 27ZteuFicPibEpKxZTN5SLUnj3HMyUsv1Tqkvt51jX1i5CgEZHA9/OY5c+b48TcmjqBF+Nf0 LNAW7zemb7JyAApghLRQlgUL5qmN+MHiyrv3GJSRz4+gQT8dSHv3ZNHTx0/YyOH73LmpPK8N m9bzkQbAmzZt8AYq8zEqj7l161aKGj2GQYZHgROwNm0NnxDMddGiRby5HMorIwce9jNyWDR8 UAl5wbl2LQLAHpu7wN9U/8ytGQyuCbB4FzU1dVrGzZs3+bTA50ZUhxAdGbz4+HjexNdffz2g BpvjIlTFO/TJd1v8m19k1Qh/rUBjidZiAPnRjg91oCHgrl71FrdFH4TI6A9jiaMdGxvNWrxk yWJ9epqbm8mVl88FhlKMpMwHgYZk1aDBTDdi5CQ0luAAvrC4ZAg0IGDUqFHs3yJFCboA4Ckp KQxMcnIyf7t8+TIfp82bN2tAjp04ruVCg2FQm1ubOLhB7gPp0VM5n+tQGQ4+BwO9XgXy1ngH zcVRHBQ6kHMX4qJJlo1D5aFh3CZ17mzln97y037xoSEHyjR48EDOR7DVL/Rlwo6fzLbskZKD oOvOvdusPB6Pz1UEpfF8vPYFciSqlKI1GLyIxcsil7+xTE8MvBooyQNtKyoq6pNZM40c+sPl wUTFyEkCCOE5MnjQYOSIAbIEHSjJiSm0YtkbtGb1Wt5Ay92zNO7QpwfZb4WLJmlE8Sayjx3R 2S+0hxJgPvBUEPxIriQmJsbKHyhAkc2T3DJn9tQ75COiY6N08glB1xsrV9Cbb77JMmW9GGv/ gX06XSmnALbBMv6qM/K3oAmEtZK8MIMKeBLQLFh7BAXCx/jmdrvZdbMs8iTmVBwr4emIyFG8 UFh4AIyxJB1aVlFKFyrOc24YKT5k18ClickJffzguLg4DkUloQJLDa5DehA1GxZV8zFV4KOt ACS+Pece1FHGN52SNPLKkgJl0L25YPAq+ujbCzUfaH9sbCylp6f7XRCI5grQOlRGoCGpSUnD mZ6E3biZAYEZ4dl92WPHjml62PHRB/rWgzlY0QO0F/kIAIz0JWuQ3By4XFywgSiS1BYw5EYD G/NZ7r+0cRHg+LbESIbjvZkg18+q3+d5n/EcBFzxAszbEJGDU4v5YG443dJO6EraiW/OAMOq t7e3U2dnp3JdwnUGDXxlJllM8OxZNdOHxQ+hcmhoKA+C8BsUBK4HwDBuKAAZAMsNB/uQ3oXL hKXoWwNv/hZgAhz7s9wmiLsk2S1oPLSdDdBZ4ypK9ZWEvSTZZWxzMyTfK5sOcFELHZi3HLIx WoNxZFtbW9lIZWdna34ZN24cGy8zijK1NlDIjBoJIvi3fMzVIHv27mZXEPQAgGHgAPC5C8UM MC9YLZSvkby7b2qNTBiTFyoQDZa7MHmWuzmAarZDEa6Vuzux+kwT3qycAGUCJ+/4dClgWXMV 0Ai07Mog8wZFeNO9FsdlZmayFuO+bfHixT5jowwMgDeBNKnC7rvC2sMIIEcqiW/c2YEeQBN+ N7LGTSwMgiPArbLfza15Kxzc90ZY2nIb+y240Q7XZPZ3jmD/72Y/yYvbDb24qeYc8SztvcX3 BzJR0GRQBYCR98gnIP/w/fff90n+CNDIXWCTkEGTE/Diiy8yuNggyfv6LdjRDwjOvv9VwA60 eUemAXP2898PnLbF9/O9v6t/SQUEShmIPJ6DKcfnWVkdpBN8WGgygJE8Ar6hMbyLpUuXcmQD z6Kmpoaf8Q7fxAVCefXVV1kGrvdxZxVo9+3vTM9FrLU9s2YGILKRpototjETRdJGTp1esw1Q 01sQWaJEIs8eCMkc7Bvgrf0XDZDgagFkRHdIdIwcObLPQvx20XhGQLJ3717WWgQlhw8f7gNs IDmo7bcY8owcBCjHfBfwuNoiP1EM2TCzPzZTbISdIkQDzY2Sy1070PbNNZVVUwQ6mjfDaIAb 3ba2Ni64OsnKyqKZM2daSfQg/4ng2n7WrFm0b98+1lhsDGqcBvvgMiENbJCTS7AjhJ790K0z Vs6gYH6PGt8QzUlbeYcS4hyg3+OZ2/ZabXt7rBp90ceUYW6sCZJ5CmXT7Rtv0mN/p0mDbKIN 4fI3GiJbVlxcTC0tLQwYjjwKAMd/QkHgAKMIQPk/nyiNRYGvKOlEkWVuoB/oXsAYCC+wKJ7u Xg0e6p5nHgbPBFmeBwT/xAecAaiALYCLfH5vox6Zn32eAphoq9lPToYYdGlvAznwcTN3FVHa zp07mXfhyyKXgMAE0R8AhZYjQbRr1y6O5gIZA3MiWIQcJWkjfCvuXyBeNdtq3jMAx0bYqUD+ lj6S8jSBtWudtLVfwArA9ucfW2uQXb1l8f1xCiyqafXNxQbiZrv22oH7sY21G49A45hajtqu kYFsTCC59nX2198+D5NSzGdd1CYMDHh07Vrt6N/aBuTWAP8DyNQYu7boNgHcNTFA4i7ZN0Fk BFxgfy6a8R9q7EZXb54hLxCFBALZ1F4o+P8AIUGW4rYPyhAAAAAASUVORK5CYII= 96 Respecto a los datos obtenidos post­mortem (Cuadro 1), los novillos Bra presentaron un PR 14.7 % superior al hallado en los CrA (P = 0.0031), presentando F1 valores intermedios, no diferenciándose estadísticamente de los otros genotipos. En contraste a estos resultados, Abbiati et al. (2012) no hallaron diferencias en PR de novillos CrA, Adberdeen Angus y la cruza de ambas razas, luego de un engorde a corral de 114 días de duración. Sin embargo, no se reporta en dicho trabajo el peso de los animales al inicio del engorde. En el presente ensayo no se hallaron diferencias entre genotipos en el Rto de faena, aunque los novillos Bra mostraron una tendencia (P = 0.0634) favorable en un 3.79 % respecto a los otros dos genotipos. Posiblemente esto se deba al mayor engrasamiento de sus reses respecto a las de CrA, lo cual está en concordancia a lo reportado por Orellana et al. (2009b) y Fiems et al. (2000). Orellana et al. (2009b) compararon novillos CrA y Bra engordados a campo, y hallaron mayores valores de PR, EGDf y Rto faena en los novillos Bra. Los valores de EGDf y Rto faena tanto para los novillos CrA como para los Bra encontrados en el presente trabajo resultaron superiores a los correspondientes de Orellana et al. (2009b). La diferencia numérica en ambos parámetros podría deberse al sistema de alimentación que recibieron los animales (corral vs pastoril). En engorde a corral los valores de engrasamiento tienden a ser superiores a los obtenidos en un sistema pastoril. Lo mismo ocurre con el Rto de faena, debido a un mayor peso del contenido gastrointestinal en los animales terminados a pasto (Santini et al., 2003). Los valores de Rto de faena hallados en el presente trabajo son similares a los reportados por Garriz et al. (2008) y Garriz (2012) aunque levemente inferiores a los reportados por Torrescano Urrutia et al. (2010) en novillos criollos de México. Los novillos CrA presentaron mayor valor de CM que los otros dos genotipos: un 2.36 % superior a Bra y un 3.22 % superior a F1 (P = 0.0001, Cuadro 1), lo que indicaría que la cantidad predecible de carne vendible, expresada como proporción del peso de las reses, fue mayor en los animales de esta raza. CM es un valor predecible y se calcula con información obtenida mediante técnicas no invasivas sobre los animales en pie. En concordancia con lo anterior, los novillos CrA mostraron una tendencia (P = 0.0558) a presentar ma­ yor % de magro que Bra y F1 (un 10 % y un 11.5 % superior respectivamente), menor % grasa subcutánea (P = 0.0066) que Bra (un 33.1 % inferior) y menor % grasa intermuscular (P = 0.0361) que F1 (un 32.8 % inferior) (Cuadro 2). Resultados similares respecto al % de magro fueron reportados por Orellana et al. (2009b), mientras que Garriz et al. (2008) hallaron valores inferiores (58.3 %). En relación al % de grasa, los valores hallados son similares a los reportados por Orellana et al. (2009b) y por Garriz et al. (2008). Respecto al % de huesos, en el presente trabajo no se hallaron diferencias al contrastar novillos CrA con Bra y F1, así como lo reportaron Garriz et al. (2008) al contrastar novillos CrA con Hereford y la cruza de ambas razas, mientras que Orellana et al. (2009b) reportaron mayores % de hueso en CrA respecto a Bra. Cuadro 2. Rendimiento carnicero y composición tisular de novillos Criollo Argentino (CrA), Braford (Bra) y F1 (CrA x Bra) terminados a corral CrA Bra F1 E. E. Valor­p % cortes respecto al peso de la Media Res Cortes de 1 ra 30.54 a 29.45 ab 28.73 b 0.43 0.0316 Cortes de 2 da 20.09 20.1 19.54 0.45 0.6044 Cortes de asado 15.76 15.64 15.32 0.30 0.5656 Cortes de menor valor 25.13 24.7 24.7 0.37 0.6438 Grasa 5.3 a 7.5 ab 7.9 b 0.0358 Hueso, % 15.07 15.29 17.57 1.34 0.4124 Magro, % 61.19 55.56 54.88 1.79 0.0558 G. Subcutánea, % 7.39 b 11.05 a 7.54b 0.77 0.0066 G. Intermuscular, % 9.33 b 12.87 ab 13.90 a 1.12 0.0361 Desperdicios, % 7.02 5.23 6.11 0.77 iVBORw0KGgoAAAANSUhEUgAAAQwAAABwCAYAAADrG06dAAA9R0lEQVR42u19B3jX1dW/2XsP QnYghLAhBEIYAmGEvUIACTsgBAgzbPfWqm21b1u1rbW1DjoctVqtq7ZqtbWv1r3qwN0660AQ +X8+v/85eQ6336itvhDh5nnO8/3lO+4893PGPffeo04++eSjPHny5OmLkG8ET548ecDw5MmT BwxPnjx5wPDkyZMHDE+ePHnA8OTJkwcMT548efKA4cmTJw8Ynjx58oDhyZMnDxiePHnygOHJ kycPGJ48efLkAcOTJ08eMDx58vR1AoxTTjnlqBNPPDF0JZ100klHnXrqqa339X9e+T5/H3/8 8aHn/J/39Tfv23c9fXV9o2192mmnHZS8bb/bfFkeWzbeP+GEEw7gGf4OqoPlDeUbTZ/PlN+0 vgerfZmnlpt10bGg72iZbHmPOMDQxiKdfvrpof+1sXjV+9qgyhj8fcYZZ4R+87k2Hr+zzOMH /JcjHUA6UJVpCcoHazBp37IMygfu/zqQlJ8UVOwzvWcHpNbJAuLBJDvwtZzKt/pMy0c+V97n 7yNSw9DG0c7VDmaDkCGUYW1nKphYAFGm1mdew/hqJfxxxx3XCsbKvAezfZUPFAysJnDmmWce IFysNFb+UsFi+UQHoqbnAtLBEDg2j/nz50fW1dUVzJw5s+uiRYsS9bktq6tpH3GAoR2mnamN tGPHjlaGdRlEG9k2nAKKq8p5+vISPkgbPFjam+ZJwFKpqhLWqvEW4MgDroapgMB07DMFFV7J cwomNs2DARosU2FhYcFRRx11MejakpKShWpe236YNm1axpQpU9KPWB+G9Ve4aI/GCq+urh49 ePDglQMGDFg5aNCgVhoyZEgD7tXi2dAJEyZkqzaiWodVZT19NaDu2tFk8oORN/vTajTDhw/v P3DgQPLB8qFDh86srKzstGzZsjAdeLyq+m61I9VAmB7BYe3atalIYyLTIU+B14Zv2bIlRgHk YAkd1axzcnIqwsLC3oyIiNhTUFBwtdWQ+Lu2tnYCnv0wNjb2onH4+zoKxa+ssVTdVSYhsvbr 1y8VDfgwEPf18PDw1/E7dOX/oOfReI/i3l9TUlJuKC8vP4mqnDVJ/GD/aiS8VYnZrq5f4/9a +jJvHfQY2LGRkZE3CS+8Bj54Jjo6+jIIjV7WvLWAo+VVRzmvmzZtSsKgbEE6jyMNpvN6VFTU n1avXp1vHaIHq31J+fn5FSjHm6A9nTp1uloFqfJzx44dL8Szj0G7S0tLLz5iNQzr9dWO5T0g aSc0zn506n5eLdl7+P0pmOfdpKSk26DKTVmyZEmsRWdPX07CK+OOGDFiFJj22tzc3GvLysoK D7YPg5SXl9cBff5Phx8+yMjIaEK/R9lZEAUOO7vC51u3buXg60awcdL5BFpHl0PRxiQLGF26 dLlaNTitB8q8A88+ZH3B5+ccTLOpXU2r2iksq2bFxcV1UWCABnH15s2b81taWvI3bNiQDwmR HxMTUw0t4wQ8f1De20tJAeDY3NzcnOhNkq/W4dizZ88tkO5vsZ0TExOrD4ZKbDVGXjt06JAL 4fCWCIo3cP0r/mff/3z+/PkldsbDzoJYHgNgROH9jaB9SOMfuL4iaexfs2ZN2cHmGwU5miQK GEVFRVe75jrMpUSMiamZmZkTwf/JR6RJ0pbqJxpGF0V/mCeXBr3L9xYvXlwQHx9/Ed57G/Qp mOB9XGthp4ZZr7KdcbFxHjZNq/G4c+TW4WrLTulln1unmU3LTpe5920ZVMtyy2WljfXVWA1N y6Img72ncSuato1NaGuqzg66Xr16UcK9zcEFwBhqfRrqoGNeOnNlv7VtyWec2bDt6jq2g+IP +IyAIaC1H6bIAxhAZ3Dgo0zv1dXVjdu+fXuYO43qxuo0NTWlg0eepkYBuhm/r2V6rBc0jLKg KU3rF7NXnX1Rh7tb5qA+t2aGbR9oT62AAQ3i6rb4wxWstu3shIDrDLa8cKjA5pADhjLEnDlz UlNSUk4HM/1LpM+dixYtyrLMbD3SvA8VNgbvZCxdurRo2bJlJQCeLPyO37ZtW5gLGjoINN9j jz02rLGxMR3fFOLaBWkV4V46tKAIzVM7mukh3WTklY18YtUeZ/64n4c0OuFagHRSIP0iyIDu oHYZjvfwfQTSTMN3+fi+BNfchQsXpi5fvjzCfhMUw0LC95H4LhPlLsbvUnzLuqSgrcK0jaDR haPM8ShjMuzqU2Dnv8P2hXZXyzrhWTK+TUa9o1lurZtlTkjDCHyfhPdzQJ2RXwHKnYyBG8V8 zjrrrNYyqnNT1XQX3LOzs3OR/1sc3JDCt06fPn0Kfr8ifHLuqlWrUi04uYOS91H2qaKR7gJt w/c/UTN39erVZRaMrYBg3VDmaNQhHVSIendCXTrgmoD6h9s4Cp3mdWf2+BttnIR2y+P3SCcL /8dAewgBBp2eqmFYoGF5kFc43u+A97NXrFgR4Q5+7VfyG9o7lbwFXijF7xLk1xHfJ7NcCuyH wqQ55IChFecVNnY/vHubSI790DqOtdO2+g06Kmz27Nm9wCgrQd/Cu9eLpPku/t84fPjwodBO om2Eoc0Lqm9OQkLCJHxzHr65Dt/8UdI4t7q6ejIGSKLVMOrr6zPwbDnMJ2pBI9GRUbNmzeqK 71bj/ytw/R2uv0Rapw0dOnQK/lJVG7CSgIFqeh9p0gZfhG/PQro/Z/lBl+P/M3Gdh+clFlx0 5knrgoFG/9A8EB1pN+G73+N6DcpwyuTJk2vwTRjfa2hoyMb9haATpW0/4mClt17uhQjmSs3G jRuj7ADDIDoK9czo3bs32+o40KWg20G/QD4nQ1toIHgoMNgpRPVZuLM0sONDgMHBDTufgFHK tmN/o0yPjx07tptrkqhGw/Tnzp0biffYV/tAd4CGgH6ifLZu3boyV7tgGgCKMLRpOfq9kf2M /K/B9VaZBt2Mfq9Bv8drfgpwdioYgJwILWg02o9m9FUg9vt3QUvR76XJyckDIfBCgMFZEsvv LDtApFzev6C0tLS/5qPTzqwj2ru0trZ2OvI4XfJgv94ioHgS8h8G/k3Q8h1xgKHExluwYEE4 7LtNaJx/kqHw/U066NngvGIAJGRkZEyRRtwn4EIn2j/w/16RNH8B+CybMGFCrKat0hl55KWl pZ0tHvpPwHy8vkhVUtJ7YfDgwdVUjRX90YndkeZNUpeT8XwqVOlrrfOWV7GjdyHNHWPGjEm2 DKvSCp0dP3r06IlQx29Qu9s6gOXeR2C8n4Fxjkbe4bYNmNaMGTNK8d4VeO99XHfje0roF6nW i0n3BOqezvyOOeaYXrh3Zxv5hO6RUOZzMaBStH/AwGEDBgzgYKbJ8IK89wF+v0ynnaTzdm5u 7kUoZwUlpp3JcKMgtQ3wfi7SCZkk1DAAONG4bsH/1Cz34tkSaGmRHEB2WlbTBOD0o4Oc76Mf z8TAy8c3rYBBH4aduWB5IKHjAG5jxXT5SMDmTZm92yPt8PCgQYPWArBSLVCZfuuQmpq6lu2M tmptQ/n9Pr7n4G4GvaMahpp3Oh5ycnIa5d13i4uLNytPEpRIU6dOrYIGuJNpSF+Rt99BHh+a PnskKSlpBfniiAYMVSHxXg3ef4wNhkH5lKKwNnyfPn3q8Pxv0piPohM3oZMXoLHnQ+U+iQ5U dZ7i2XSLxDB7wsFkW4RZ9kLaXDhu3Li548ePnwkJuxj3vsk0kfeE5ubmcI0FmDlzZg/RAFiX P4A4VbwHHfhbpLcDEng7OpUDWFXrNwEIS60dr9IWUrVBvt8nc/Y/ys/PP7Fr16504p0lEuUj PGP9bsf7fazUR3kjUO7vSx1fA8CeifIfwzoUFhYuxz1qQbtg3hWxrQEYWfj/WJT1O7j+iVN6 wni/Qh68R/p2WVnZeJgD0ZrXhg0bkvH8B6B/iW/pZxUVFSuR/+xJkyatwP8/RtnJ/GTmn0Kr KVVVnpLS9RGpvwCDphUw0F+38n5NTc1ITq9L290O7TDBxlJYf05WVtZ5bHvQc2izKpSlo2oY rBfqUGb9EMwTwoNgcS+/Q5mfR99sRz0WAVQbysvLqTndI2nSgbpctUAtN7RZCrI1SJ9g+Sno JQA623kr6BzQ/Xj2AdJ+kukgrz2dO3e+2oIe6wOsXK6Agb7abM1mlhPm2nlIhxog+fu7eGc9 ytiIvl2Ben9Ppo8Jdk+iv4YcsYChdjl/9+/fvxsa7M/8Bmj7FqR5lkpYqK/UDq4WqfAYUHYE 1MRIZSqonQlA9sl4/rQw0B/wfaJKumHDhnHwXM9pXHTuAxhM2eqrgGQKQ3rpUHmHgkGyrWce //fANzdLmhyoH+P/CwFA3WHLR2NwReF3MQb38dRcRDo8MnDgwDjrd5k4cWInmFk3o14Eg7eh wi5DGXLpFwGj08xKBvXBYL9KAOH9xMTEczEYo1VbQR4F4vDbg/euhGRP1bajqYb0clCW0aBQ 3lCzCXjxSDerpKTkDHz7jph7k1DfLN6n2QFzJMY66SC5x+M9aixvdevW7XykUbR+/fowDaQC QBcLwLKu/4AEb4S2EBkUuWltdGoYTJPfIY8QYEAbSxUAoobxYffu3att1K/6EQAsnWJiYjiY 9kDKXoV2i4H5FwIM1Z7UJOGgJ+CDP7JlsLHPnkIf1KGNotXUQJ3iMPhG4/lfpC5PggdTre9l yJAh3Qlk+H6f9MlsaGMd0HaRSCsZfTKIgErNS8A4pGGoWaa8lJeXFwIM1PNdgOVmayrzCsBo AG/sQN8NJg/Sz6btBi2JGs7pKAPr8T7a7uyDEXjXLgHDqo+Q1hlij/O7f0EFHazBOiNHjlwm QV8cuCsgicJtevyNwRuNhr8Qzyn53gR/jtb0ARjlqp6Dfo17YewsmB8HOLWsLU5mhQnQA518 s5nvP5cDXaWgfltZWZmNzrxBtJ/dKMdkZXaAXTgAYqtKVzDG+RjssdYbr0yK7zqJmURp9hAk +0hlKjDiQKTBZ7vBgOfY+utiPuuwtL6EHj167MC31BZaZ0ms+m01Abz3ZxmEBN3u7kwS3gkD kA0gcKOtWc4fgslzrUZlA6jMTEIrYEAtv5X3MchZNg6mV6jig2++rXWws0oYJGv4Ld75AP1a x3JCAneEtD8AMCyfQQOZTo1LBvI2AES8mjha182bN0cBTE8WMN2HgTlVga+uri4cGt1G9bsg 7+/RjLJAAJ4LQ10IoL8gWECD2YN/r3b5XTUM0AGAoelAq6VjOckuj2AZqLEJX5SK6fYJQPUX R6SG4U7dAd3j6ZxT2xDSYTI7Bx2XgHvfFOZ8CZK9i3WqWWkEVW4h3qXZ8T4YdI0yXXV1dSaB QmzWd6Aed7WBZnaxlv0NaRIySaRM982bN6+HuzaG+TNcGaooow/JXJ+kp6efqh0PsMvBtzsF BD5G25S76y3MfP1RAJTvCpO/OmDAgFbnL6RZHu49KybN/TDRCu2KzSDPu6YNsys0rUrGh3Yy 1F0Nqm2INusoGs5HUNkv1BkELYOCEqfDGT8hfXwrtLMeNvYiaHk3p1V18NEk0YFXVVXVWUwD CoOX0IdpCjzMF1I+iSYgpTza7pmWlpZQCLhqGGqSYNC1+jAWLFiAV2O3sa3oqwKgDWa5qCFZ AJQp5xmMPma5ABDH6/Pa2tpE3Ps+vv9U+KY6aGqUfQZ+OlrAsDU03LYvni9HGVsBw51yVWev ndZ2olvDAUbvcgygPLdSez4sAYOd0Ldv30utJLVz3nYNCqRpkdib/O49aBghbzKkWSHuXSmS 5Cnamvhdj2uInN+nifPpI3x/rg2HxqDZLLbqp+Is3ApbuAQqeeK2bdvCbQyFdrT6MGQA3wYJ U9LW8makVYt0XxDA+JECCgCDZs2tUv6/Iq8k6yV3l29D9a6TgfgeAOMEq4kh3YtExaYm8zCY ZxkGVAHVa0p+Ox1pmVYBQzWMILAiQROqEWD7F/L4mbarbWu0BX8vldkplvNv0LqqrJnpSkD+ r4ChPgwLaDANviESeDcExXLlCWqAkKjHIM8X+B0lvqYPvvg3k0T7DwDGGaL/EaB/DrTB8omS 1OUEcejuh7nTyqvjxo2jCfhzSf9ZANUB5qrdvsFOq6qGYesOXmzVMKDRbA7az0PAIgz1SARP ZkJ7yVq7dm1HBjziXj7G1HsadgDhmnHYAYZ2JDUMnUO2UtzaqPwf71HNfQgSlt+9m5mZWUZV G6plT/z/27bCy4M8/wQMSKrzKVFUqsAOzkTa/yPM8anYpS/iej4G5vDly5ench7cggFsylan J967rampqcQ1JbQ+0DCqyVhMFwP7eh3kyHco1Xwp6y0YBAnu/g92ChKAMYT1gbq9F1rEBXb2 Af/TcXijDn6qqHj3UVyPB4NXNjY2xlvJrt5+DdziNwCFoa52p3VCuReJJndA27JPtI1tO0tb P4wBWmWnJYN4wgUMK1GhPdH5+YKYBbdBW4hnmQCGiWiHS2Qdxjto43xN3zo9SQzc0vo0NDSU IL2r7YxG0MyUTOm2/kbbXKZmC9qTfHeLfHMXQDnDChSrIcBkqED6IcAA311t1+q0BRjuWh/0 XRYE1NHIi/6hu0EPoO7/sGXF/7zeCeF6+AIGKnepXaDmhvtqwwMwpuObZyUS8AUwSyyfTZw4 sR8a6nZJ73WoytdD6uyE7bsTA2Gn/c0r/8fvn0Btq1X7Xjtl1KhRiXinUaZKn0UnfyydQc3g xBEjRuSq1CcjQ3K2AgbevY1BYjoI3Tn/bt26MdrvaU7RZmRkXKd1BGCMofdbyn89VNgEFyws AwIwKhQMAGTfsQNazIts2PQ7JC7iJaS7Vwbv44xPodPTbmykPgwMjLc5OGiSuLtUaRnwbLWA 6W78/l+2KQn57QRYhdqXxN/QqEJXPD8Omle+6/n/IoChgUjolwT0+W9RfmpOLyO/WpYN96nq /0UG9WUA22htC5okOq3K+nNaVeuCfqOGex3S5Hf/LCoqukn5BO230/7WOpFgHk1X8w58x364 k4MU5boVEj/d+pusJpqbmxuK9OQsCSM93b4NAgwl9hEANxdjhnFFnDb+GHkyMO1+xpug7ow5 uYP9LHxx58CBAzMOS5OEqA6mutRKHsvI2viUjLD9zqYpwm/i4uKu5DNqB9OmTesqwVWUBndD +uTaKVl3ub1V8WzH2YhRgFEHANRspPk95PkkJOg+cSpthToYp6pyXV1dD6N6h0wSXWbt2rNq knCgAzC+p20zZswYetLvFQlxB4PD3PJa5yPKMl79OGCMU4LWZjACc9iwYZ0wEJbgXQ6alzkD RC0CbTfT7ROrYeD5UKsFWOaHhJ0lCwLfpAmnPgsNB3dNGR307noiV8toyySxfSR2Ph3WH0K7 /A7aLREaxXbpl49g2tKRHK7fYEC3ahjsH2oYKpgwAAsUTDgrtnjx4h6W73S63vpK7G5vvI4f P76baHPsi0cB9Fn0VSnQ2k17wLsHhIZ/EZNE8wSPRcFMPBvlZFzNv9AHl1dXVy+EwBswfPjw zvTxoK87gy/eEx66E7x7+AKGdXrajVysloGGGYIGu1+nL9E4kzU9sVUvk0H7PACjyN3tyzqO NETZbtxifRmaLiQGmSIdmgGDah4VxvhfDMZMTZNOT5RHZ0lCJomCjw0sYj4AjFX0kXCKEICx Tdti5MiRbIubBASeBzNk2AAjd7Ch7VqEMV4D2K5097O0769YsSIMqnMegGMb2udVfgfN4Hpt H7aBzECFAEM0jNHuOh0FZ9jwDCAi8HwAwDjP+jfUNLIDza5BUZOzLZ4I0jAsCE2fPp3mlpqL 9+FKX44Guf1x5cqV+Xb1Kk2SoMAtvjN79ux03DtfeOYlAEal5VfVEi1gupvzALDoZL5KTJp3 +/fvX2KnS61z1y4++6ImiQITNOZSpE/f3D60/++gIRZZENcrNE8N6jo8TRK1Den0tKHNVq3j 74ULFxZlZWVdLA0a8hVApUzRtKB6cvbkPKRHLeBjNPgMhj9bpLfqofWVBG0aa9Vlfjt27Nh0 MMWPyRicQYGG0VEHJTUME4fxMvKu27x5c6RrXgHU4hISEi5j+biJCuzwGTogRo8enYJvL5PA mz1om0k2/sTas5Amkcjv99J2j4JJR9i2s1LZBkYBEDgY75Ogtyd0MOhgBii2iMrMOIw6uzJU 0yboQbp1EH8BmffGGTNmFChjuzta6fcKKLoRUtACq7YAw26/x/9Rth9L3bma9S6uSJVBsg4a RJyWhWnSJNG1JCTOkigYgKdi8WyLTHOTZ5Yy3sQGhdk21YhLWy8AUhzD7yUKmP0/x9ZLy4Jy xKDNGTj4IeOECBhu37blwxD/zVTxq+1FG51rQdEukCNvCngdvhoGCUx/qV3YpFcGPQGZR0Li 3YiGUPSkR3sknY86KKAKhgF0ZtI/IMx0O1TVNLv7uLtmxKq6bHR0firszPRVq1a1htXqtm9Q bTON8+xplCtb68bALWOShCLtiouLx7jTlzAd6iGZn5UZhsfAvClGkwmDzcxZhZek/HdigBdZ TUHNpezs7BWigu9GPpeByeN1gCCPbDBjCtrm36aDoYlwmvN+OifBvL93V/civ8UivfcDzE6w Goa2E9sCgzIC71wtzrWXoSozFDnK3RTH3V7RDsKgoKK2TBK7OEy2RRgmg/MT+lGkPZ9AHw2y mxczPWuSqIahQgKgHgaVnkFZf5O63A2h1EmB2uwM1zrwtdxav5aWFppyiyTkn2n8CYM73k5h Q7uLR5tz9m0XTTn6MDhL4m6P2NYsCa8A88nqi0pPT7/Y8i7LVllZGQne3UCTRX0YAwYMOHwB Aw16H0BhPaTXekjh0BXS68eMfLTrQNho+L1g6dKlsTYAiWmOGDEiQRYLcUqRIbj3II0aAEmc Dl40bBLSH4H0vwfmvMcGhYF5lnBAIc+zMQiKjXMsCaoe1wm8LKrvlWCUVu2G06rGJNkvMwi7 kEZjWVlZFCNGUY5VqCPD0snkrO8KG9YsMSbZEgC2T0KI/4g0amGeZEHDicAg7oLBcg6Y+1VR yZ8DKFbaAQlGOw33H0Id12LApSljjxo1Kht5nivTyZx6PN3a5iRIpLEEQ3GOPgbGHwbVNxr9 UoXy92toaAjXAY+/XjKwGe/xCsp0Bt7pzDUjfA4QC8f/nVD+Vfj+VobmW8nc1pJuFzBcwKEk ZQATzUJnluYiaAw5quVofyPf1mlVEjUMq2mKhnC6rCFhOD/XYkxEvyWoSQLtLwH1GIx6nI/r IyhLuBVs0PiKUf/bpCx7kcYv8O4g9Gck0i/Ds4uRN9c/7RaA+8I+DG0n9AWF0jPkLdAu9B/9 F2ks39ChQwuRB0Pi3xBACgHGYTOtqigN5u8sgyNw1y1hBD7/kA2OgfwbDPRBDHF2t5LX/9F4 PdF410nY8qeSBhnhJTaomfbbi059wkYy4luu4/i7DMb9svaD3nedtvoY3z+AMvRmSLUbuCVM +aCsknzPTuXKlen+C5198datWxPcczVkrUwV8rvdLOA6IA2RYjQHHi4tLR1rA8j4PQbZDhlw n0pw1XP47iHxrLN8HBh3QWtLcFfLQiJFRkdHX07NxbSdttd3oEVkKgMzMAqDhwz+gqyz0OlI aj6Pa3+KifgBJP0y2/d2Wbc1QxUwKPG5+Cxoz4sdO3ZE4p31yjs0owAMMy0A64CmD0NMvQMi Pe00NTSALsjvpxK0pvxIM4XA/IpoH7rY622kHe7OXFVUVNTivQctP5tFaGyfx8E3ExljY+Mw rObLSE/Z6+VdCILNroYG7Ycm4z/NWHlLzJRPpM8IotdKu389fRjWT6DMoou20CiJsljrEZfQ KI+goR8uKCi4A417HtTs2unTp8e5gVPWVtapUSB+EhB6B75/UIK4XhZ7lzsv0Zx5FOldD9Se aDeWGT9+fAcuUMM790tU32uy0vUF3HssLS3tx2DiATBZIu0KV2uS0LeSl5fXHeU+VRaRvSzh 6s8wzgIDYuPq1atTtD2C1HOYDinIh844rot4SgLIXpUt5x4CY/0UYFFqJa+aZqh7Eep2EZiX 3+6CVsG838D/z3HFJfL/FspW4i6vV8CBSdMHdf2VRIu+KPQUmHXF3Llzo60AYDugnEOh+fyS cR5sW7MnK1fHPgWQvxvlOQVg00l9JXa2wfppRMpyPc+fGYSFKl5qBYPyEgO1AHhdZH3Hcxgc l06ePLnMnQmTwK10WVHLfn8CgFFkHd3KOzU1NVxntBZp3Ye2ekJMwzdAr8i3j6ENbgRfzbNO dN2NnOmh7Qfj/VuonZl+fzojI+Ma9FkVTLlwtBWjeZ8Fn53nlhfvzBTH+kMoy2K7FEFAKQp9 t1oWUL4gDmyujn0Y7XEJvinB/ys5C4d+v7y2tjblawkYVg1VJuGmKrz27NkzB9TdEmzC7rCn u2PglAeBjwUNd+rP2slIpwvSGQKTZD5+NyPthd27d5+Ie70gIaOsb8AGSY0ZMyYf707Fe8eC NpSXl0/DtS9U8jg75asmkXV6cpaEcRhME/mWIZ156Ogm5DuqR48eudz8RgepbqRjl6frgOLy eXzbGfkOw7cL0RZLUIeRoE4oe6T1PVizRqUrvumKb+fguhLfrAJNwu8y2PBRtq7u+S8SIp+E so7FN/XItx728xCYVYnWfLOaAYAkFZpRb6jxE5BHE8rNPOtwHQbpncN3OOXKgeU6QK12xPeG DRsWibyrQNMwiLu6O1hpX23ZsiUK7/QGTUA7F3Hrg6Ap4Pnz54ejHYpRlomoywBohtHujmgW OFD3YvR3FWguvmlGfRbjOgnUF2ATq/yrwsndqYu+BJSpD/KchzZoAg0H36RqH4MX2C9TUc98 OwPGZ9BwGf8zBt+g6jUp7nEbfI9gibIUoC7TUMZGlK+e/QpTMEq0xAw8nw4zqteh2MLySydg t5SzqrdOOX7eXoi6y5MbnxG0p4K7uMpdLBZ0Hobd7syuN7EzJaoR2SAauxcCpGcrYFDDWLly ZYl+rwBg5/dtIJedWbCzB+4WfyplbGyDe/SkXaNh09J8NQ3bDmyzto4atNOICpA6sHXwu8vU 7VShBVa7YM/mYYWIjd2wg8S2o50ZsLzkHoDlDkZ3w2N7GJYtk2oLmo/ylNUE7AyURgjbflX+ cNvHjgfbD0FHQQYd7ejOQlnQ0jLYhZJfy8VndipNB5kyRFsVsoFVdsrI3c5NJZ21i20AVlCn u8fWWWnkMoe1n931AdpJurzdrFYNAYZlTLs1nd0S0AUuu27Clr+towLdEGT73J6kpUyt6dp2 slv62RkRd2GUgp6dirX9YbfdC9rf1K2Lna60gOQuebcnm7W156Wtu+Ut+419X8tuQdj1ldgo XdtGbri85W1bR9v3QWesWhNdy26Fa9DiRevMZZ+6/G7ji762W/TZwR/E0O7ZDUGbn1qJYlV3 q03YCEd38193Q1b3t30v6FBo96BgZSIdIG0tPtP6EIh0ytjdJdtqOO6sievQDNo/UttLpxzt gAjaLLetTY1diRu0GXJb54IGTZtaQAr6xt2L0w4e2x62XAro7h6odscyu97GDkALRnZLQ6tV udPCNpjP3XvVOstdv4n7jj2VzQ5k7Se7otoOdntsZdCB5u60udvGX9tNgPU8zKDVm0GVc5GT DaPqV5C6asN2g6Lf3F2trIrrSte2pKw1LWxn8+ouPiNguPUNmkZ0B35bjGWZ3J1VsaHvqgpb yeruYO2aJjYgy90rw23LoEVwbZ08HrT+xTK43VYvCMiCZsBsNKmrdbl7htil4EEL3tx9UtwN ld2Fea5GbM3MIACz2rXVBuz+IzZf92hH6+8JOnjJAqE1Oy3QHIpze76yhKxj0TqvPs+HoUxk NYzPOuvELgF3UdlGPtot+d2IxKBt3F1pbzuce2hGRUX9SqJAr2lqasoPOtZAgcpqF0ED1DU3 bKSjZeygLe5doAwyL9o6GsEFcZexg444CNrS3l1t/Fmh4EF7e7rmouv7sEAaJF3bOl6irXNy go5CaGtX8rb2aXEHadAxBW46QafOu1OpLiC7JqrLS265vraA4cmTp8OffCN48uTJA4YnT548 YHjy5MkDhidPnjxgePLkyQOGJ0+ePGB48uTJ0+ENGO7ybbtS0t1D1EaS2nUFh5o+KyDH3aPU RpXaCEp7HqgNgT/cGfjz2q2t9UVBq1k9HSEahjKAu4zdXVVrV04yFP1QLN75LMa3kYHu6ke7 OMkFO4Ym24V1bS3oOhyprYhgG+Fro0fd9UkeBI4wwHD30NCt8O36Brto6bNCzg9V+T9LYupm MEFh1O5KUXeXsiNhQLQVps7f69evj5g1a1aH+vr67jNmzOi4bdu2CLvYsD0JDA8YB1nC2NWA dg2HXZikWoW7iW17KH8QA9s1E+5KRrvaM0ijak8m1/81uSamtuWCBQt4VOJWnpgXERFxEv7v YPvcrhr2dIQABpmlqakpfciQIdMGDhy4srq6eqVe+/fvvwLXOaARlZWVBdydSZmkPQ0oC2Du EYerV69OGzRo0NSqqqqVJPwOEeq4Atd63BuD+lUuXLgw+VAuSjrUGpoFU23DOXPmlPFME9l3 8/eNjY1d3f0/PAgcYYDBfRTz8vLGyt6eut/k62FhYa/Lnp3Pyca9N+fk5BxfVlbWCd+EHarl wUEbELmrFXUgtLS0hBUVFfFg5CdZH1s/0GuyLyf3Fb2P+26Wl5c34y/TXZ5+JPgw3FW6/D13 7twQYMimur9fvHhxVysovA/jCAQMaBdRkB6L3Z2cza7W+v+nsmv0b7Kzs3vxzIr2MKjsUm53 wxhoF9w9e57WRZbXt/62ByNHRkbyOIA3UlJSfpGfn9/3SNE23J277DYCDQ0NZWiTG6SNfr9k yZKufobEA0Y0mKFRB9O4cePWAAzyN23alM/rvHnzutN+pQYiA4zngfxkzZo1qe1FwgT5KXh/ 5cqVUSjvAgXA8ePHb9i4cWP+1q1bQ/WDGVKCOo0HfZu7oMvA4JELu9LT0yceKYDhgq62p9Uw eJKcahht7YHh6QgAjBUrVkRjgDSqpK2vr29wtzmTsynGmrNTScNdR5ndeStoes46Uq3jzG5M 626cYrd6c7fO+yyG5bNVq1a1AgZp2rRpi933OIvCmaFRo0ZVxcTE8NDgD+XMkedzc3OLrNR1 y+Vu9mLfcXc6U5vf7vPpzlTYDYrdXb+CTIagfVTdmSy7zaN1ZtsNde3Jd7Z89GGohkEfxqJF i7oGaRefta2jWy53AyRXywnaAMoDRjvUMHRQzZw5s8F1iJG5Jk+enAemuUIP8AE1u1ui2Q2H ly9fHg0VNgNSvLCxsbHT0qVLs/F/fEtLS7gdhEH7ieLbMLybiu8KINW64FqEa8aGDRsiNV7i 89TiLwoYBAvdIg6gkRcdHX09z3XlwTcZGRkXQpOKc/c/1UAwHkWJssWzbtRWWE6UOx3XWFfb Iek2isuWLYvC4MvhuzCbwnjoE/5PRjrFSIdt1QHvhNkZDAPwUXgnDc8L8H0nXDugbRK2bNkS rgBs33fPcmV6+C4JZWSZi5Evy50NioHmdcC0Mk0SdXpaHwa+j8T7mVLfPKSRgr6JcLcQ1Ngd u7E16paAMucxb3zfBWnmsj5ogwgLmIer2fO1rwAHtgIGTY4ZM2Y0uPtAssOhnoZjAJ3FU6Tk pKsT7FZ0ukUeT10D6HSLjY1dCul0PtLkSVO/A12E35sGDRo0Yvv27XGuRNPBBQbKTk5OHodv ebgODwy6m1IO336rb9++M8CYaUFb0f+3gGFPUue1sLBwvBzMFNIyunbtOibISYi0YgAwI/BO C979PqceQb+WI/maZ8+eXR60+za/T0xM7I86XQo6rqCgIKtXr17l+M3py5twDbUV2rqDDnS2 LQGkrq6uS2Zm5iK8czbbBvny+MEfcOqzoqJizPr16xODtCDVIDAwo5BGZVRU1PHSH7+RvVa/ B1o2fPjwbuibCK2nzpKIKRrSMGCiFqCOC1GGCwRMrgDAnsozWCEM4t3gOSXwRc6sWbNqoMVt 4jdI8yb2La4/Q3rnVFdXT4N222HHjh1hQXufesBoRxoGOr9RHYAEDNdG5RXvxRcXF1+oR+WB Sea5sxRgyLi8vLxxHDh472M5Fu9NmZXQs18fqqqqasZgS9bzLXRQzJ8/Pyc9Pf0kfLtLvn1N ThbjUYz7eJxj//79xwE0wr8qDcM9c2Xq1KkRALufSH7vATBOs+/xindSUMbVcgod094tszDv 6FGAAIXrampqxgI4IlWzUIkfHx+/Tr77G76r4wDi4dHmyME9AIwqBSeekwvzqAbl+bkcEUkw e0tmsfbQMc2T59A2m2pra7P0TBur1i9YsCAtOzubbXGv1M06fPfLqem/HjJkSB/V+ujDIFiL D+MPAPv5AJsf8ihKydMe4fngwIEDF0PTiXXNVOTdBeX/Bmfc6FyWIzHf13NshZ94EPM3AVrJ 1iT2gNHO6Nhjj211erLjIIEaXFNj5cqVYZC8R6ND7xcGeX7kyJE97foSXiElKJ15jOJevPd3 DJotkyZNWggmntetW7fjecyeOBV5ePQSlX4CNuFgqpUECTlY+tKJEyfOnTBhwkxIYEq0b8gR eMfwCMKgYKv/BjDczX55TU1NnS/O3T0o9491Z2tVlRMSEjaiLm/KAcW/A5CuQzkbQEsAeCzn q3jO8zzv6dmzZ7Xd2ZoH6aSlpbXI7NMrnHUiCKDOPH7wMlypedyFdEq1fGjrozFQ75IzY1/E oDsJbbMI+c3t3bv3dr4vz97E92thWkRZKc1DorOyshZyGplnuRJoQBfi3ha07XFyevtzchD2 dtQ1dGD0McccY02Sl8WHxbLeivfoCD8RdCOBVRzLf4cW2M0eSMU2A9Aw711CV4EvWsaPH38s 6tBYXl5+No/8lLx5RvAiBdjDcWr7a18BgEGrSUImhkRs9WHwOMIePXrkYyDPwfNbZYDwUNvj oP7GW7UXqmoHMPklIn2ehKYyBRIqUsFk7dq1cWVlZbUy6JnXIwMGDEhSOxcaB8/4/KmYAg9B Pe2ifhF8S/U4FQxcjfLlYUCE2aMZvqyGYc0iXjGQquVg6U8BDjdOnjw5RUEDg7ccg/dx0QKu RXl6Njc3RyggQG1PhUm1RLSAD5KSki6YPn16rJo8zI8DRg+8Fsn+ANoC1TsmH2p7HtLsB20r dE4rTJEMaAbnSbs/S5DAe3FabpgBsQC1EWjPP6JcTPNp9FmeNdlGjBgRGvgCYq8BcOYhj0wI iwj0YzTauqBTp048CJnnmi6DhhHyh6BPy/DNDcobMqDPQxl7geLQJ7GVlZU92W8CWMx/C74N s74p1G0YgWjcuHGT8U0xj21UU2XNmjXJ0OKWySHfIeeqC+IeMNqxSQLp91THjh3vIeXk5Nwj J17vkhPIeRr2aRgAuWDWMLuqE1rEbKTzsmggm2A2xNqoUF55bmdRUdEZYGxKpD2cutTZg9Gj R3fGt7+W72/evHlzss42WInjzrp8WcBwZxL4HYAgF+2xW767GxKym6ZZUFDwXQInyvkmgHSY 9U0owC1fvjwOz+8R8Lubar6dNQCgtJjZpr/DlFi0bt26OOs8VjBEWxNknxcwOBV1Srbh+nwP 7RqFQbdVNIx9MTEx87TtAAzhAL0mMes46L8FoIi3IeBsX+QfweMfVqxYkcZ71PxUwxBtaC/K cA7Sy7XHMG7cuPGofv36TeFBzmLa3Ihvw6zJiPLFIt1kmCsR7qwXfw8ePDhH/Fz7kcc/21oA 6QGjnUyrUsPgQLV2rf0tNuzdQ4cOHY2BnECGsOe5QmrE4e9EsY1fhQpcqTMP9hg9MiEPx+XJ 33jvE6j+W5WxIH3SKKkEMN4FcFXrtzZOwF0s91UAhruWAuVKRjl2S70fgG0+kOlBUqaDoQmi 1DzuwQCIdNff6ME+GGTfkHyfQLtNslOIKSkpLdKuH+K97wJQEuxJYwosS5cujYmNjW1muzKo bOrUqWPUhNO8dPBWVFRQQ3hSfBLnaNugztn49hLxrdBvMFB9HK6vwbYxNTiNwxAN415oIr21 /e25NVVVVd2oGahfBumEu9O+QaedaV2pyZaWlv5KtJiPIajSD9etBQ4LwKCGoYMK6vLlmZmZ 68HUP8DAuQvP/kn7kuo1/QgY2Fnq9VcmACNRQlwsIMNw67WgektgBv1N25c29D6AwkV2lSgG ZBPee0WcYm/TRs7Pz+8M6ZcEMyTcZbovqmGoYw7SerGd2Qk6vIdX1LunOG353R8wIEL+BKj6 fXH/EZG49BvU4/+gOtbTFyHfvwQJutjGRShgsB169eq13D2URwcTp13xzrmS3wugbZL2AW0r /+/ANRR8BvD+hdZn0qRJfVDGWwWgHlm9enVRUEyJe5C1Ddyy06pB7Q5AZP/fKO+9iOfhrgan /EITCmZIBvo0C+ZQB5ib+dBG8wEYN0oZ90ADy/uss4U9YLQTwIiOjt4/ZcqUBkV+qpAwTWrx /C9UdSn58XsFvfZ2qhCMRXPil8bj3ep9N1701vvyex8Y4xK7ZwXs83Qw+zkyOELedGosuH6n T58+o5BvOlTgMMvk/wlgzJgxY7E73efup8HfAMwJ4pxl+W+HSZLHZygDg9eecTSvA+poQ9BF a3u5urp6iR2c0E5a5L1WwAg6+7OxsTFPHJKt7adtaDVAG8pPglbyKzVJAJLVePYneXYXBmue PYjZXYdjTwmjD+MLAga1w+uCAEPTpa8C3/eMj4/fhLLfhXo8oH4LZwkCTdU896BmDxjtMA5D Z0ls8Aw6Ogp2+wza0cKUf6mpqenDsy21Q2fNmlWO+78RO/sfJSUlN/bt23dnz549Q4SBthMD YyfMkZ16v3fv3ldBFZ9imYJ5jh49OgHP5oGBrgE9Lc7HkJce1zOHDRtWzICpz1tebwGDwMU0 aJK4wUHuYOVzAMYGcUjuBahdhe9CDkiUfyrSeo7MDXB9BhpHax1Zr27duu2EPR+qJ5+xzqBv YtD2s4Ff9GGI+n0AYLirbgEYhSj3TgHeN4uKim5h2mifUJ6Sfmv76v3Kysq5OlUNATAY9fiz tOHvmpubc4NOO7dHGWp5nFmS/xowAPRphYWFa1CHp6lZyhQ0fWN3oB3u4BX0BvkLdQ1pGH5a tZ3PkqjE4iyJxiVodN6cOXMy8YxBWJxq5PTXOjo1dZBDchfj+ZUi+f4MBumqzKLRn/YwXBv7 YM0Bm+eIESPSMAjrwFAXcjpPNBza4KdCrU75ooFbKGurD4Mmiaavdrwb1j5z5swUSOibqAFx sR1AYKuaMRiMw9VPAEl5Ge8FnaFqwcgORm2DpKSkVpMEaS4PChfnb0aD0tTT+BUM4AE2dFzz tnVmHupfYntOnTq1j8xwsW/uQ5sUuGfrWgBRJzRp/vz5XxowIJAiABacFn9Bnt+B95uO/v9/ naF9hSgrK+tmXasEwM7TOnrAaMfTqhq4Zdd7kDlga4Zh4EwV/wTVx/sgqbJ14Dc0NGSisy+U Dt+1bNmyPgoAVsW2jG5NETsrYJ2D1GJqa2tTABwNYLj/lTI+DK2n03/iw9C6YfAstmXRaU6+ z7w4WwApPkdmFDjD8TjqXaGDHVpDOSTgg6xnYmLinTZU3EpDW28FGwtQOq1Kk8QChluHBQsW MEDsNGnXVzCAR2iaepq8Pf3dhtorQcMoQpmvkn57BRpKV9fRacuroMG2qK+v/9KAMW7cOG7C c7mYG8+NGTNmqNUOtQ/Ky8t/aYLW8uxaGg8Y7XCWRFRkqu0NLvOz48aPH9+J4cgydba7tLR0 knraIZVjce94CRv/OD8/fxHMhih3AZlKW1dyWJtaQchuRgzNIIWh4cJ07zY1NXX/vP02XZNE Z0k0Ly2Haj/8H1pNBaT/7WKO7Iak+xbXfeg3UPk5MP5IMIEWsmvQoEHdrYS2MwN2q0Ne+b+2 AzUMMe/+zelp/QoSVLdKnM57OnbsuBaaXZyW3QabaVupRqezNQCMZHx7gfhV9uI6D+AY7u6s pnWwmuBXoWGAb/ohzzukvrdA+KRZgFMgRTv8Un0YqampeT4O42vgw2CncrWqu+SZDLVp06ZI DJgtVNOFMa7As5ADkj4FMM04MMYjks4fsrOzC1XKqQSmFLd7aKqEYfQjTKHk3NzcTDBlhEp/ XU1aV1dHhrxAQO05AEEXu7P5f6JhqDZjB+msWbMSc3JyFmIg34s8PhJpfDfU5EKr+WzcuJHR qNvxjHEkH8XExHxzyJAhsaqxWDNEgdb6LhQMrEmCNl3ugqqWa/PmzUcNHz58KJ3O4kS9DyDW g+1l37OzVnZnd77D2aWqqir276saVwITIVOBTsEGYJmRl5e3He1wLNILLQT7igCjL+7dJs/u RZ0y7ApWCJvwgoKCqVFRUU8qYFDDUMDzgNEOAQMD4N9Wq7pLqkk0OvHOX+Xdj8BcmfruhAkT 4nDvGxLURF/HwwkJCWO7du0aT6AQpkzEvaGw/78NKfI3DXiiVKupqeHU4J8gub+Fd7pytyyJ RYiPjo6mj0Vt4GugFXX8T5a3q4aBAX4l0l4Pk2A98uHU8XYM3iuQ/j0o7zsiyWkqPIV3KgCE /7Zku6SkJJVtgDRpsrwDRv8Z0qzAwIhWidmhQ4f05OTk2bh/Tf/+/S9wfQ06rUqThIBhwTnA pxKL97YzIpQaAs0ktF89TKdElc5jx46NR3mrkOc5qNdDuJ9k1/mg24oYsSlSnlrGXaj3cKST je/yUE6uEWHgFIHw2/g+tP4FIP5VmCR5ahJxqhp5nQ5NqSMFAaN30fZck/MEfWNqkqSlpeUd rjt6HTYmiWoYnCVRRrMb5XLAjBw5koFEl0rU534w3Q5rUowePborGO9KxlBwhy5lUJFur5qp SDLHG5YhYNvSR/KEODf5zhuyLuV1seE/xr2/EXCam5vD3P0z3AAhs4HOPF0w505/6v9SHi7q eh2D7kcYRB3dfTBswFhxcfEwKetukx41k2dx7wMBAwLK7h49evxIHZEq1TFQW6QdQoARtM+F 7aOJEyeWYGBdIgv59pkyc7bhJadd34EGkuz28+DBg8fGxcX9SUK4P7XTshrJiXtvAciPocli t+hTwOBq1aBALGgwaUjjurbiMKqrqxkJ+pCCAgWKTE/vkd+cDfs18mf9QibJ4XouzOGgYXBQ zRSH5rOQaJOVGVRltbH9GABcXXkvOvpFdOwl7mY4kDaJkH4bOFsiMwovgZk4+F+RBU6PQa3/ TefOnefYowwAVJkYiJuhBTDt5wRg3hTv+uOQyldAug+DxhFlPfw2jNgymIQth8GsGMw4BKT7 CAOXuMIUEu8RWWn6CAbigyjLDUj7JJS7Au0RqX4Ad2MXtfH5G2UthCbxAzHDnpF4EdbzJS7C Qp3/ine+D61qgKrg6vRFXRbifdbxPrRnvZ3xcA9e0voBUONRRga23Q16QtsV9KrsFvZ4enr6 b1GXRRjwUTaSU9uGAWio44+o/YnGRjDmorInoC1ej2d169ati9WyADCK8Pwi9huulwMwim09 tJ25wlSWyLMcdAaHWdCDlhFBnxeEyW+Fz8gLr6Dsj0Ho/BLtVIPrRJpcLEufPn2yDtd9Vb/2 FeAMCDsIkm5Mr169Rjc2NmZYL7bdhp/3Jk2aFN23b98qfFNXWVlZYu1mq06DOUv69etXDWro 1q1bM95fhDwm9ezZs8/atWtjNH0ODJosCji1tbUdMYgm4f2loBaUaTry6w/1NUHtdXvOiAsY Vhtg2TkLhDQKuuMP6XXH79YrytMdplShXZfizu7YdQ/WPOP9DRs2xDAN/I3CtRHlXIX6zkUd awcNGlRiHXfWSTlw4MAUvDMB7x89bdq0JLtFgLsTuttfMC8KUfYBoGPwfXN5efkSXCcj/wrU NV7Lb9vIrunhb5SxO9p4Gq4rkM48XKsABgluGzY1NUWinOV4h2Ut5/6v1l+jGld9fX049/QA TYUJdsC6Ga0Hf8PsTMU7Y8gLSG8RytAPAirUr9BO43FvbEVFxQi72Y8HjHZI1iHn+i2UQXQa T5lFf6s01gFhGcTdkk1BQTfbsRvEuAcNub4DvecuaAvaHs9qSJp30Nkbdrt8Oz1pv3UDqki0 7xXk3G0F7eyNu0TbAqs6/TRmwg4Sd2Gd1TzYzszfxk642/rZKVe7PkXbzi2r21ZBu4sp2FiH sfKAXUima11cPrKBYS5v2EA62x9+LUk7JTKgdrSd27fMqouN3DMsXKBw94y0Z7Ta4/bcBWTK KEF7PVpGtMFe1qQJ2gfSAqCV8HYK1DKrHQBBZbDL4O2eD1YrsbElrsZggcHdrTtoXYuNVbFS 3W0H/e1u0Kv1tlvl2X50F7tZ56vtO9t/VgBYbURNFHfmyg0w0/Kz/dxT1OwMjzdJ2ilZyWal gg1I0s5VKaZS1oKLVavdrffsbIh7ApkrZWxZ3EFvB0zQ4AraINc9G1Slrnvimxv5aOtk37FS 0L5n1Wf9306t2qAq94DrIM1H/7cSO2j1pyv1rVbotrGeXmfB22o8dlPmthzJ7nEECp5B2qk1 cexmw7bebtu59feA0Q5PPrM2u5Ua9iBjqxlYCWB3/Fbm5T0buOQymfvbVXNdk8Zd4m4H7mdN q7q7cVumVenqalOWbDvYnblt/jZtCzzqR7CS0zURLHgF7cRtN/G1IONqO26/BJ2D62oS7iAN ihR1zVJ3sZ47xWoP83Y1SwtI7ia/bgh9W+fmesBoR4fxBp2Z6qqR1j9hO9oFAatF2P0VrDps tQmdcrSM6KqxQccOuMDRVsSkLWeQLyNoibu9WlCwNrbN152KDsrbNRuCDmAK+j/oma2HldpB RzTYPnSXslvns5u3ffezjgdwnc+utucCXlv+p7Y0Rw8Ynjx58gcZefLkyZMHDE+ePHnA8OTJ kwcMT548ecDw5MmTBwxPnjx5wPDkyZMnDxiePHnygOHJkycPGJ48efKA4cmTJw8Ynjx58oDh yZMnTx4wPHny5AHDkydPHjA8efLkAcOTJ08eMDx58uQBw5MnTx4wPHny5MkDhidPnjxgePLk yQOGJ0+e2jP9P+iP7eT4QWLFAAAAAElFTkSuQmCC iVBORw0KGgoAAAANSUhEUgAAA7UAAABICAYAAAApvdJvAAA0NElEQVR42u2dCXRW1dX+zTwP ZCKBMBNCBsIcAoGEEAIkTAECBAIhJIFMQAgkEEAccKy2tbWD2tpWa+vXydb62UFtrdpBa4u1 rVq/1rbWWrUOdaBaq7X+n/2us7M2xxeNhc+/nz6s9Vv3fd977rlnuuE8d++zz2lnn332aYQQ QgghhBBCyP9F2AiEEEIIIYQQQihqCSGEEEIIIYQQilpCCCGEEEIIIYSilhBCCCGEEEIIRS0h hBBCCCGEEEJRSwghhBBCCCGEUNQSQgghhBBCCCEUtYQQQgghhBBCKGoJIYQQQgghhBCKWkII IYQQQgghhKKWEEIIIYQQQghFLSGEEEIIIYQQQlFLCCGEEEIIIYRQ1BJCCCGEEEIIIRS1hBBC CCGEEEIoas8+7ayzzhrgyJEjx33W73LUtPazHs8999zTzjzzzOPSy3c5r+ntuXPOOSdwXo7v 9Q4K1q7B2tG2hZ7z89HPklbzeyfqoP0l99PP2n/a17aO8vsZZ5wxcL0/FuS7jhlbP39MaL5+ /e11el+bv+Qt9x/M+NKy2Hro9TZ/O8Ztvyq2jH7d3g1j0I49KZ/WXfvLtqFNr+f8zycax/4Y 1vy1L95N7UIIIYQQQt4jolYnm1Zc6QTfigyd6OpEWCe2OknVdCp67KTWF7w66bXC571KsJcA cvRFky9S/c/nnXfewHV6zTv1UsCvgy9qfFFpBa8V6H56K/5UaNl2UnGs6ay40vscPnw40DY6 xmy7DkZAaV6Sj9zHimvNQwWyHbv+CyEtj5ZT83q3vFQ5//zzB8aO1DXYyyptL7+ftA+CvVBY v359xqJFi2bjc5j2gX1BIBw6dCgEaXI2bNhQYMfOu6F9CCGEEELIe0DUygTXt8bphFXEghWl KgCs1cZO/u1kV4WBFTdWGEvewSyS70VLrRVudtIv3237ncgS7otbK8DeiTqoGFJhY+tly2z7 //TTT3+DtU7yUcEn563wkTrpuFIR6YtoayXWMWvFVjBROlhLrX1JoOUURAyuXLkycubMmSNn 419JScliHFbNmjVr65w5c5aXlpYunDFjRv7cuXMjtX9tvv+/x5+2p7Svtp++JNAXJfK7HVP2 WdffBBGnqPswUIb6r8Wxb8iQIVeddtppP+rv74/VvmpqaopCO03E+Uq0UVNxcTH+Up323/n5 +RfZMfJ+8NQghBBCCCHv4Jpa61qowsBaXIO5K1sLlW919CfT1jorE2UV0+8HS62KG6m7FbjS BioYT+R67PdFbW1tZV5e3pU5OTnXFRUVzfnfLr+1kvqu6VaQazrfnVe/W3dgHQPWpVfEoxW2 9loRwNYd2QpQ+dzY2BgDwTR6y5YtSXY8vh3Rb11x5XtnZ2dYbm7u2PHjx2+Jj4//XFhY2A8g zO4JDQ19AMeHcPwLjv8D7gM/xvfrJ0yY8FFc046ylG7YsCH+3WCJlLaWtvWtqHJOXzxYy3lf X1/YxIkTy1GPT4ODDQ0No1QA9/b2RqKem1HfG8EfwHPgX2ibJw8ePBinbVdVVTUGvx8OCQn5 CY6P4pqXcHylsLDwsyqg7Qs0QgghhBBCUXvKRIud9KoVxwqJYGsKrQVSf5eJtFpi5Sjf9+/f H5KVlTVx+PDh24cOHVpVV1cX936x1FqXWAiw6MzMzHkZGRnb0RaT9+zZE+67e/prkLUtIWjH R0ZGflUEAoTE/TExMaPeKfdVf520uv5aK39PT084+jgnLS1tPMoa6a+N9S34EEID59vb22Mw LgrQLtNxnD5s2LD8ffv2RVjXX2t9lWtwr0S0pVgL74SAeiA2NvaX+O2DaNcR1lI8GHS8Czt3 7hwCISvWxV+jnZ/A8XcQZtfgeCA1NXV9R0fH1PLy8rn4vgEcRJrv4/6v4PNLSPeUWCUXLlw4 /d00BoNZb1Xs2nR4ThNR/htQp3+iTs8kJydva21tjXB5hLS1tWWgr/JKS0t7ke4x1Pd1Ea79 /f1x+mIMeUR3dXWNQNpJ6M8v4/yrSPcyRPIV1kOBopYQQgghhJzSQFH+OjcRBatXr66Kjo5+ EGLhKRyfgqAKHIWoqKhHIap+gs+X4fM6THxTIVJCVCBYa4zkLZYcTG5vAy+CBxcvXrzy/TSp VUG3bt26eaj/ryAYpB1+IpN/++LAX9OoFsuGhoYYtH8frjmGa/8aERGxCCIy9H+73FbIWldf 6/p76NCh8JSUlAIIwdtRvmelf+fPn19vLc/WoqtCX75jXERhfJ2Luv0mPDxcrn0OgkosgM/i eA9E5BakjZT0atV214ZAKH1AxhPa4hFcfzP4gxOWP+jt7Y0dbFAidX/GmA9JSkqagfH8Y8kH PI8yfK6urq4AQi0WZY0EYU6QhRw4cCAMYk5+S4CwXopyyHWvoh5fwfge+m5wP7Zrj1HOCIjM 7LS0tHL7kkLFrYB2S0IdvicWWPAPtOXu5ubmSF2qoGlRv7kYhz9DGhG1v8G52GCu6Lhfl+Qj 7VlYWPhhHTvvl0BxhBBCCCHkHXI/9gP/yGSzpaUlHhPa092kVXgW3/+K45Nusi+iTKxTr2Ny KxyFGFjc3d2drBNmmQBrnpj8JyCNuGu+guPvqqura98vYtZO9teuXbtYLFvgn+CuHTt2jAgW FdkeIbZCa2pqFiD9A2I9g4Dc1tnZGS3t+06syVQ3VrvuWl5c7N27NxzlyBw+fLiI7ad1rKCM j1VWVjb6QYjUQqhjbDT+Ia24sv4bRxFRfwN/Bo9gfD2P8faaWPggjC4TsWW9CxITE8fLOQjJ +0tKSmZIecrLy3Px/Ye4/rW4uLjawYhKXeO7Z8+ekOTk5Dm4Viyz/4IwvTczM3PNunXrov3g R3Zdr3W7Rl8ORz1umTlz5offTRGQpSzTp08fhza9WPopISHhaxpcS+qvwbakTyDexdq+JD09 /etDhw69uL6+frRdH6zjtKqqStrqp8hT+vxu9GuMDaylL2iQVzvaRETtCwUFBedoW/pu94QQ QgghhKL2pEWXb63dvn17AiaiZ4lIERdDTPAvys/P3zhhwoTNubm5Z+Tk5FyMSe8Xcf7nmLQ+ L8IE6Y4lJSVdiGuz7aTeRUCNxHU9EydOvArH3g0bNox8v3SSXT/Y0tIyFm13JC8v7zNoy009 PT1xfkAlP0hUR0eHWM+OoH0fhdi4uK2tLfOdWpNo15laC1t3d3diYWFhNcp1vbO+P4dx8Kgb L4+VlZU1WqGua2NVHLW3tydBrH4W6V8WgR8dHX2zjA+0SwXGSNm4ceMORUZG3oe8/i1CbMyY Mft27twZqcIJ166Va0eOHPktK57RplegHC/HxMTsHez4F4GFexfhXj8VQQweRxkafdfpYOvP rcWxq6trGK79OkT24cFuKfROuY9PnjxZ3IWfkWc5MTHxWn+bHrtu249m7Qcuk98XL14cELXu Jcbd/f39MdqW6l4uadFP7WKphfh9AW16js2LopYQQgghhJzSQFH+5HXbtm0DolbYtGlTjRU5 Yt3ZunVrZHFxcRGE7EWYLP9JhK1YZLKysi7A9XE2aFSw/Vj9tbxWRNgJtI2aa/dKtdYjFRc6 QbeRXNUqFGwbGt81Vsugbpb+vpw2iq/vWuuvIfXdd+1nf/sbK5g0neazZ8+euFmzZi0HW5qb m0fbaMlWdPn7q/oBg3wRZttSBY4GazrR/q9yHuUJg0hagb7+rbO8H50yZcphCJePqqVWRa1t A5vX1KlTVyCduAu/DgF6a3V19TgrriRNSkqKpHnB5XlHaWlpgbZ7amrqchG1Q4YM+VFDQ0Om pN+yZUtqWlra15H21fj4+C2DFf0tLS0pQ4cOlSi+L8u1KM9nly5dGjNYUapl6uzsTEEevXgm lvuuzboe2I5PdcH2t3UKth/siQK72XFuhardLku+T5s2zYraj/ui3I5Zf2zawFsaEV0stWir n7q/D3cfOnQoJljboF3bnfvxC3l5eeec6KWJvw+xtST7L1e03u+HLcEIIYQQQihqT7Go9d1P dbK+cePGlNjY2EaxqMmkGZPd+2fMmFEVTDjaiai6PNr7qoVXLT5yvOCCC46LwOuLRJtWy+aL O81X9+i0aew6T7UyYZL+hi1srOupLZOuL9XJuN3Gx7fw6dpQrYu2o9bD3kfLpWsZtbzWtdsK GLGE6v2tULDlte1rhbptf99y77842Lx5cxT6uBc8gv7+eElJSUVfX18k+r9PXNElgNCSJUsa 7T3siwqIz8j09PQPyzpLSQ8ButB6Dahb9YoVK8KQ5jsuGNFj5eXlW1W0LV++PAsiWiIR/03c k2fPnr0NAuoj+O1xWeMJUTp2MJZAyQsitAbleFDug+v/uGbNmvy3YwXXtP39/WEQ56moX4I+ K8H22dX7agRodf+149R/gaRj0UYsti83bJ46dvVFh3yfOXNmD+r4tLR3XFzcef62Unas2OBc Wn7fZXjRokUDltqTFbV+MCt/n1t/32C7FzD/EyCEEEIIoah9S1HrRMqAqLUi0lpxGhsbwyMi Ii53k9yXU1NTr2hqasrQSaoE2Jk0adKioqKiw6Bhw4YN6Vb8KRBM2QUFBS2TJ08+V1yVCwsL rwUHMSEulf1C7XYxdg9cCWaTn58/HXm3Tpgw4Xxccw3udwDXbVy2bFmeiiG/DtZiXFlZmYo8 loOzcP2nwdXgLHGJ7erqig3mkinlmT9/fmpubu5SlPtM8Gnc9/Mo+9koS2VHR0ecdXNta2tL xfkNyPcwqOrp6YnSOvjWaojFaHHxFSso8rsCeV+FPC/Eb60oY7m0qb+9jpYL6eYh/eko+3qI tEi0XYS0Ia47gPtfg3MXSjvj9wLbjsG2Z/Kt0vv37w9du3Ztbl1dnUSxzoCgDUEeISJq1VJb UVHR6G9VpHmhnSci3ffd2PozxkKU3656z8jIyDY3pl6FeL0A4yxSxR5E6CpnLfyHBM9ybtCy jcwqWYc8mDWt9fX1MRirF6nAjo2NvV6F9WCErW8l1ZcQdp9X62mA5ygS/VCA/lyLvtiHz4fR D9vwuQb9OnL9+vWhfr72s+SLtk3C9ctwXReuO+yeqXbkNR8MsVGl9RqMoW1or8eljgkJCfv1 xYHdWkvvgTEZifxnIP8ePMOzgrklQ7xbS+33IWqj30LUPouy9Qdz/9bPaJtw1GcS2Ia2OARO RxnqIaALrRVfhfi7Zc0yIYQQQgj5P2KpbWhoqLHWE9+aKNdA1Ba66LeBdXZizdGJJybP0fj9 akysJbLtzYsXL56uIlMm2Lt27QobNmzYvKSkpJtlTaNE+XURWCWIkOT56xkzZrRby67S2tqa hIn6LqT5JdI+ERYWdsytjXwW3/8CoXJbdnb2qo0bN0YGW+8qeS5YsGAOyn8drvmjBMLC51dc HhKw6CEIqksh5pKtG69cX15eXhITE/M13PMPSPe8C571mnObfSgtLe3jEAmp2kbr1q2b4qLL Sjtchnqn+G6pkm727NkjUYYrkOb3LiLwK649/u6CGf1uxIgRByFmYn0roIA6X4wyyDrX6/E5 Jy4uTraeuc/1z2sun8fx+22o29Lm5uZwfwxY65+KHzmna2PtiwKcHxC1YlWF0G+07WtdpdFm yyRCsgQZQvmuQroQa1m3LxxwfpaOwfDw8CtWrFgxRMcfxqiIdRHI4orcOW/evOVtbW05HR0d kbYt34wlS5bk4R436cub6OjoI7a8gxW1dqsiPwCbnJNAVBjfk5KTkz+HfpV+uBv3/AyOX0E7 PIjPMu5+FB8f3y777VqXcB3n8lInKytrNYT+TbjmF0h/Jcbcp3CUz48hj4dkjXtmZma+7+Y+ ffr0djduZM3zJUgzFc/E1JEjR04dPnz4BHwuRN4NGFMfwXi4SfpHLLvLly9vtWXROnuW2m8O QtQ+A1G7K5io3bFjRyjun5+SkvIRV5cn3PMhPIr6/gJl7MezM0THhvXaIIQQQgghFLVvKWrF LXPz5s011j3Wdw2UY3d3dxwmwl90E91Ha2pq6sStUkSQBJLBRPx6l99dS5cuLVF3YMmnpaVl lFjZcO5VuRZprwIfgJC5GJPaWyWY0KxZsy61e6O6CfEQpJG1nMdwrUSt/S2Ol0M4XITPn8fv shWR5CnidtP27dsjfPdTCLDlSH+vrKcU4ShbwyCPb0ZFRX0bvz+s25vg9w3WYoWJfQ3O3+OE rNz7j+CbEEbfEjdWvQ5CZRPqGuq29JmJvHUrlC90dXWl23Wu0lalpaVzcf2PJOCR5IHj33Cf b4noRhlEDL7k1i+LeP/ytGnTktX6rAIE6S53LxfuxfFTLpjXKyjfz5HPHUCEg0QX/hfy+ynE 4izbLioIfVdqKyjM9jpy/jhRu3DhwkZN50cCXrBgwWZ52eDS7hdBrG7T9t7S1xCowyQAmUt7 DcqZZd1iJV1fX1+obK0j1lkdT9oebzXeq6ury5DvUY3ijb6r13Ex2DW1fmRk+8JEjmLZjouL WyIvItxLit2rVq0agXIn7d69Oxl9Uoj+ugb9IOPvBYy7q5qbm0dYd1/5PGfOnNXO5fqHaJMp +/btS5J9ZQ8ePJiOMVONcz9x47dY7t3a2hqO+04Gn8S5R6Wv3fMn7flXw/X4rQ3luBbXBrYl cu39b7R3u7/mVrCBosA3BiFqn4ao3emfP3DggJRRxo0EBfsiytmE53QmjktQnkukTVywMIm+ frCxsTHBrj3mfwKEEEIIIRS1bylq3RrZ1zGZrLHr36z1Rq1imGBH4Zqz3RrIl+fNm9cp6/nc lj4x+D0gajFRvQtiokTzQBr8FLbVnftLTEzMJvwL1Unrrl27wjE5nlJeXj5X1+E6i6EIqWXO qnoMguRjDQ0Nw1RoiHUsMTGxWLbOcRPj22trayda6+Hy5cslYu01bnL+Au6z355HOdMyMjJ6 ZR9VnN+kAgP5ZOH751QkpKSkHMTvoSrili1bJkGLelCX+5FGghaFyu+47jhR293dnW7FHIRy Gtr7804Qv4g8Lpk0aVKEXUs4Y8aMEtT1KNKJxfWZcePG7XIuwAMWVNxXXcGlTSWvX0EsLIeI jpDzPT09GUlJSV8SAeP66wyIoAR/7bN+V9EpottYZwc+S18gnz6NfiyWWj+Qlo4ViNodYgF3 5dtiXXT9YEF79+7NkKjPkhb9fCP6I1dFshWRfsCxwVJZWVnrXkAEXt5AYE2xgbUGI2iDuSLb 3zAGS6SfxAKJPuiUtcKa5sILLwyseW1paRmKdJdJf8jzhrKcC2Ebr+kwnibi92/JuEC/LYGg DfFF9OTJk6skeBfabKyUv6OjIxPj+fT09PRrZE9pGU9u3fA38NtOjOudGF9yXCbeDpIfrpWt vK507fESno+tVrRrncT92EWLPilRC0Eeg3N3onxfrqqqinJbWKnbtjy/EpDsb86SfrS+vn6W fRb4nwAhhBBCCEXt23I/thZSP5qxTDIx0Q7Hv1YnpOS6w5iERjsxFOO2f5Hf71q8eHGJihAI sgikv8CJq6NiPbOWVOv2rCJZzklAHsnLudN+F4JwohUact/29vZwTNqbxRXXCbiNvb294ZLn gQMHwubMmbMB5550e+1+bPfu3QnWbVbFbQn+TZgwIU0+y3VlZWWypcxf3WT7Ezt37kzWdZjW fRbibhZEZ7pM1OX7+vXrZyL9z5xlcMBSK+dQrrBp06Y1OldSyfdqXBelbW33/S0uLi5z+7q+ hja/BUI3W62mQnx8vFpqxep2FOJlOYRLmL6QcAG+isX11fXJf+P8SBGSvjCzkWatBdf2DY4h GihK19TalyA2IBVEbb+LmixpN9i1mn60XYjvNNmf15Xxe6tWrSryo/76gYWshfitxvvSpUs3 izVfLbWRkZGFfjnezrNj7y95yIsCCGWxuv87KirqFoztBB3X/liB2F0oQa5cu4jor9CxWFtb W4WxK/s8H8Ozs1DaW70WtN5FRUVjkeaG7u7uEbYccj3GVZO8MJK8IRT7tG42oJWk7e/vl2UC R1x7Pwcx3eBbruW+nvvxfyxq8TcjGuW6PDc3t9VGidaAbjt27EjFtZ9xfxterKurq/XXoBNC CCGEEIraQQWKUkut74ZoJ/AS/RVp16sQBh+EcEp2Lpgxsr7T5XfXkiVLSvR6TGDDxSXTieEn MPmFlulJ8COiWhEtQLhNdfkdg3A9ItZdvx4uUm6prDV0wuUDujdsU1OTbMHyYVfW5yFaq1CH kGCBkqzIaWlpGYL0F7l7P5+Tk7ME14XadX42uI4VV2vXrh0Qtep+rBN5TNhTkOdHnah5Nj8/ f75YQP1gRCowY2JivuPy+Z/Zs2cvtaLOWGofT09P75QgPLbtJE1DQ4O4fH/FWeXuRJ+P10i7 dlshK9isJdXeT6xqENcD7seVlZWNJxpjELVnqIjEcYON4Ozfp6+vL1Xdg1HGOyCypvtiWcth XZIHa8XDOFyDvP/kXsLI9kJL/PWog31u/EjF0kayllvGCOr6T4yTK4O58qooh3AVAf9p95JG 6vsJTYdzsg75z07cfRDtO8IPULVmzZr4GTNmlEMoxtq83ZY+TeKCL/kmJSX1+fshqyV+z549 0SjrEdc3z0FoNwR7DtFup0TUyvguLi4eW1NTM9Q+c2a9bQSubdG/KajfRvFKeDt9TAghhBBC aKkNTCZlTa1vBfXFH4SrWFx36DWYGJ+3fv36eBf9eMBSi98DolYFk0xs586dW+KC5chk/oHc 3Nwj+G02zoWphVDXS6qAiI2NrXdC+GmI2ovmzZtXUV5eXlFaWlqBayvmz58fOGIy3aKiFvxX b29vkuQJUTsW37/lfv9Fc3NzoR/kx67dU5fH1tbW0Uh/gxOf9yKfycEEmbX46ncIj4CodSLq Cx0dHekqKCBqx6DuX3Ft9FMI3lEq+Pzoxk649jjx8ZdZs2ZttQJJLbUieHGuxvaZlnPjxo0Z EqzKpbsPfZ73Zi62voj03NGPW1OrojbYywj0y+nOdTogak8UdEm+7927NxVtclQttRC1RdZi fLIsXry4Avnfq2M2Li6uzQ9C5Nc5mLjXceILs2HDhn1S1oPLmlCM6e5ga5R1XHV2doaMHTt2 j7PSSmCs2zSflStXihv9nW5sSCC1z2Nsd4AqjPvxeD6jtc38vaDlPlOnTh0QtWKpDbYdkIpa jM0BS+3y5csbgonHwVpq09PT21FeiU799MSJE3faLaNsW9p2hIAPxRgZVlZWVg4xLpb0z+jL NRy34/mL4JpaQgghhBCK2rclamVCKVv6WHdGax3TPTYPHDgga2rPdWJPJqGHZAsTSYNzAVFr LbU6KZV82tvb4/F7t1jN3D2PSQRlCNKPFRQUVEN8xOrEW/eYTUhIOOQm1f/ERPxhFxQpgP3s XDqfc+uDb8DEfYgTtQUyMXfl/fbWrVvH2kjE1v3U7nfb0tIy0bk9y72/C0GRo+uKffFjI8bK ZwjXmREREQPux7t27UpXcVFfXz8Zv9/hzl0nayKt266N/CpH5LPapX2+pKSk31rfoqKiLndW vTcTtdZSfUJR67eB3SrGBI8aELWypnbBggWNujbV7iHs1rHulS10pHxgs7ys0L1adR9Wz/34 lxB4UsYbIO5yrHvqyY736urqSbq9kNvS58v2ZY263arrux8wyw+YZttJjiNGjPius7w+NX78 +E12nNj20fpCyMmLmofdWH1CxxyEnngH7MM4f8z1q0QFfwaff43jLUOHDv1cfn5+3+TJk6fs 3bs33C4VkM8qaqWOYqlVq7YfSRjXBtyP1Y0conbNyYhaiPoBS62IWu03u7ezs8jG4lmfg3Lu TklJkajfN4IvoQwfEgHvxorcq0ujW/M/AEIIIYQQitq3LWrtZN4KKJ1gOmvsZ52weXb27Nlb NYCRBIqya2qrqqpKNB+ZYMtkt62tLQnXiJvlN9yWOIGAUxL8Jjo6+jII21xrXYKovcSJ5Jdd VNl78P0eTPwlIvE9+l1w3++WKK8ycZe6QMQWiWDSiXlzc/Mof2sWtaRZ4YHr8pHnL3Q7E4jc sSo6rYuwFS5aZhG1Yql1wYC+0NnZma5545zs/Xmfm7xfLYLXD7Rkv6NNFrv+eRGi9gwtn4gF iX58KkStFfn+mmrromzX1Iqo1TW1Vvzq9TjX7tYDy3377BpJQcStih2Mm6FI86SzXF67YsWK 7P/EPfhNLLUSGOlSeTHi2utxCKsR2t42grIVgcFcneU3a1WXPLKysn4i62mR999ycnJ2+sGt fAv/3LlzlyHtg66+z2q+eI4CexxDGLe4vXhfMW7+gkSxlja9BwK3Wsuu7TRlypTAmlpJGx8f 32f67bgXMfv377drav8EUbviZERtRkZGO+oTELUQ3Tv1BZjeW14UQPiOhZD9rHhouOfxU/i8 Hn9zpmzfvn0E+midqWcX2iHSbjNFCCGEEEIoat9U1Lq9RAf2qbVWHWuNlHNDhgwRd9ZH3OTz Xkx8K1QgWlErW/pooCgrnpzFLnzfvn0p48aNK8OkXlxoX3aRi1+EUPs4JtnJem9MznXN7yMQ Itt6e3uH7ty5c6gcIQICR2HPnj1DMVmX3zJ6enpiVFQ0NTXlIu/bXR7fw/ccs873OHFl26a1 tXU80t/qrrtV8rFiRT5LUCcriOS7nLeBonRNrYo9nJsmgt/l+/X29vZMu5ZXLdQqFCFqN7q0 T0LUdlrhadbUnpSo9S3O1kqrAsV9R1FC+pwwfKysrKxRhIeNbKxCeP78+Vswrh531sArznb7 1Pp7ADsX6wkYB+qq/Cn0/xArtk92vEs/T548eb3bn1hc2f8BUbjbDz5lLfe+ldVaPdX6qGXL zs6+wUWyPgZBekT70Fq57TpbtNsit71NQFRa123n8RAl4zg5OXkq0nQBidz9sLrnOgvuH1Gv UHVrF8RSK9soSTpc2+e7lGs95IUP8jzi2uKkRW1aWlpA1MoSAbHUqiVeA5JB9KbLWmmcfxll +z7GxhyUIam7uztc233Dhg01Gp0aabogdCOthZsQQgghhFDUDmpNrQSK0gm+72Yp10CIhkJ0 ni1WKXG3jIiI+EJdXV2mTpox6Q0EirJrav31k9ZNVdfeQWAUQdQ84PZl/W11dfUyvT9Era6p fQKT9jbJT8WFtY5ad2K9VtKhTiNkn1fdzxWiskjFrIoIP7quHCFih2OCfa2baP8K9Zyq0Y1V oGgkVxWjcl7ys4GixP0YIjxdBRrO5Uj0WnfuTpRvtBVAvhiS9nbi5/cQrmusK2lcXNwpE7W+ ZVSj5Wr7mO2V+lx/BLb0UTdbPxrxggULlopLuLvvb3t7eyNs29mxhb7fqNstQfDt9d13Txap AwRaMtryOhcpWkThn3JycqogIEP97Wz05USwNb3aJrb8mZmZH5T9htFP/xw9evRVPT09Yf5W PGKt1DZCHeukP92a66s1jeznumvXrmikDVXRrOMA4zYsJSVFtnm6Se6Da/+dmJg411qbp0+f HnA/lvEiovbgwYPHvZjQFzGypvY/sNR+80SiNisrK+B+LK7Subm5u/QZ1TqjzB90z/YDxcXF VdYTQT/jeavRv0Mi5DFOIxn5mBBCCCGEovZtux+LqLX7l9q1tZ2dnTEJCQlz1U1U9hUtLS1t shY1EbX+lj4qDlTwqEhS0eIm7xJRebuz0jyzcOHCFhWsuGeR2xrmpby8vA9j0h/jW9iCrXmU o0yqW1tbU5Dvh5wQP4bPdRCZ4cGELeoYt3Xr1ij5HW0xBGk/AMSCeEwiPvf19YVrICvrltre 3h4H8RjYf/OCCy4YCBTlxGjA/VjLtHr16nTZHkgskyiTuJcuFRFj127qPWQP09jY2HudIPj5 7Nmzi63L6amy1Np9a1VEaVm071z5A5ZaZzF8DP3UqFsMqWVOxw4Eby7S3Sxll3aQKNZ+JF9J 19LSEo50X3N5/gLXldkynYp1lfoioKKiYo5zW5e2F8vqbRhT0yBCI/zAX1bo23XO1vKq7Zyd nb3NjREZv/egL6b4wcNETMpx3759p+Ge7W6LoVciIiI2uz2A5YXHJNn+qLa2NsOKPtsGU6dO FfH3kNwLz0aVvYeNfgzBe1CtuPIc6LMneWEcD6ypFVdsiNq6QYja2+T5PpH7sQSKkqBTBQUF h+z6coy3ENn/2XmD3I62ybbrmKU8EN+h6Jt17nkRdmNcRNvlD4QQQgghhKL2LUWtBOlR92N1 sZR0EIBhK1asGD18+HCZiP9aRB4m4i9iQn1FXV1dhrXCypY+NlBUTU1NiVlvGipRbSHUMtRi pcIS14Xh/jucKHgEYmmdWmkwCY7Fbz92QvoeTJqX7t69O8oG6lHx093dHYmyZmDSHqWT/a6u rjCIjnrk/4SbMH8bk/V8u+6vo6MjdNWqVaNTUlJky6F5Ul6xtuG6OolC6ybk362srJwk4kRE gqRB28h1ozIzM3fhunIJpCT1wm8zcb8B9+MdO3YMrJtta2uLGDly5Bb8/qhawJA+11pg5XNT U1NiUlJShwRbAn/H5w+tW7cuWsss/XOqRK210tp1tHovI3oDolajHy9evLjRCj9reYNAi0pP T79AxV50dPQVmzZtSrNCBeMtHGJX1gy/IBbUIUOGfBFjKskGKFMxeLJo2YYNG1aP/nzUjSdZ p33LpEmTlmHsxOsewdYd2N9qSfpe9lyWfkdfBtZKY7yOkvXXTpQ9M3r06H2dnZ0RKtr03lIf jM8U3P9SFy35tvz8/KHqVbB06dJqiVSNNHnq1m1fGsn3KVOmzHTP4T9KS0sz7UsZcT/GuNMt fT7pP8vqNu2e0/PeZvTju08kas2WPi+gLc9R92PnhSEC+hnX3rcXFxePlHJIGr3n/PnzJ6hX hPvbcdauXbsSbEAxQgghhBBCUfumolYtJJgwX1xRUbGpvLw8ACabTWPHjt2H8+K++7Su7YSg /SjER77dukODSIn7sXOrDLgf6zkI2IDgTUtL+wTyrV2wYMEEHEcJuNcKY9m8o6qqappZ9you r+slCI8LnPNDCIFmXFcMxuDaUcgrF5+XQoTux72vgCCcYC3EtbW1sj3Pl5zVVdb1fXXevHmr cG0Jrp0zZsyYZvx+rewbizR9ailFHUfi9y+6yLYigK6bO3fuGlwTuA5ts9Wdl0l7PybhocHW 1EowKLv2FmJhOO4lk3hxhX01IiLiqyjLGjADwrkAx8Wpqalnoix/km1xwM9yc3PzrcDRfWpd n5y0+7FdT6vt1tramip1FeupgM9lyOOTzqL+9KhRo86T3zFmylDmMvT3SC2j5IfxNMu1g9Th WGJi4sXST0g/Q9oeIrbdBdSS9n24qKhonYpeK6ZPxXjXtdMQjmFlZWXbXGRrsda+hvr8sqCg 4EyUbR4EaqyNimzHt4xFtEE+hJtcfzFE/Sw9FxcXtxn5vOryuxNjo7K9vT3CrsGFcI7Iy8uT sX6/MH369GoIxXAVnytXrlwuL11QlrI9e/YcV3c539jYGAaR2OGCQV2lL1FU+E2bNq1RXpbI mMDYOAqxmifnm5ubszDex8lLH0nX29sbi3SX6v7PSNd4AlErez/f7cbOUZQ1Nlj7ZmZmdomo RbmOYZyeb1+QIO9IjO8/O8H68PDhw5vECutEfIps0SX7QaPNvmm2CTsHaRL5x58QQgghhKI2 qDXO7hO6fft22WLnsIk6+oxzX1T+6iyFrzsBdmtUVFRDfX19hhVOOinXLX38QFHunFhcH3TC 9Hfg5vDw8Bvdth6/0b1YITB3YvIdpy6gcoTQEGF2IfJ8XK25Ihzc/rM3ynYnOEref0eez23d unWWFdxidZ04ceISZ3V61bki/94JG5m0P+4Ejgj3pVqf3bt3h0FAL3J7h77qyvgHuQ73v1u2 Q3HXPYPPK2XNqRPDx62pFUutneh3dXWFjB49er5YCcVi51xh/yAWaXCriE+xerm1n7dD/C2D oAm1/SjH6OjoN1hqbVAvK2rdi4b7ILTy7HpNa+3292aFIFnm2uio4c/unq+4wEuB31HOowkJ CWdY11wIE7HWtkjwIudC/aJbZyv1lGBZTzrB+1RKSsoBCO5Ea622bsAna6VVYeki6soeqXMx Vj4uFmdXn7+Li7e8FIEY3z116tQGHJfjWI/jThxPnzx58qdcn0nZz6mqqsrUfq2trdUIyzIW AlZYiP7NuHZMf39/KI5p48aNW4tz35OAZTNnzlzT19cXZ6ONI496tz/tdRgfKyBS8zR/tGUK BO0mGYvirl1dXZ2rbtFmn9pSJ5gDW2BBaH8fZf50VlaWvJRq2rJlS0CUFhUVSbCy2zWi8ogR Iz6J8k3EcxKu7dTa2ho3bNiw7fKywaV7FHkVV1RUhFnX7CVLlgyFgL5SxoOs9cUY+BLyGrF5 8+ZQfQZx/mPmb8h92dnZl6AM5ycmJv6XvExKSkqqQ3tsiIyM1L9DX8vJyZmD+o/gfwCEEEII IRS1QdHJ5sGDB8MwSV3txOvrQXjWiZovgM7Vq1cXQjCGWfFkXTXdViGfd9f+sKamZrq6kULw ybrZNSJmIRyeV+uwi44rlrrbR44c2bBz584hvrUR5QyB4MmAcFvngiw9Z6w6A2XFOREcO0QA +NvtQKBGT5gwoQTnr1Grs7lW1tqKQF6Hf4l2Xau7TiyOV6PcTzlxpgFtxLX2OzjWr1ixIknb BXlMEYuzy/9K1CnVD47V29sb3tTUNBGC9SK3zcnrpk4SdEiE/2UQpUUQomEq8NV1U+4THx// AXfN/bNnz67UQFY2svCmTZuScP4C52J+L8RKrhXYfqAou1YZddpkXmq8Ff+GgL1UyqB1lDp3 dnbKuuBq3PtW1Okl0+avu7xvh/iqb2trS7HCWqMNnwr3U2vdVsSqDpGXgXZbKAIVyDYzr6CP X3Hj4xHwkNtT+UmxTOP4A4i2bozFWY2NjZnow1Drrr1mzRqJDC7WUtlySvKSa++COLwF19/h hORBCLhCdZHXduro6AjBWBBL7W9F/ONauffPIW5vgji+KTU1NXA9fu9ftGhRrjy76p6sR4yz WAjfTtlKyb3EkDH6L/GeKCsrK4TorcIz9lVZ94v++Lvpi6eQ/uco55cgwBNxv90ZGRnSXw+5 NlFBei+uu6GysrKxrq4uD+k+ivb4kbSXRC93L4vkxdidaWlpV6GNCqWOGMNjZI9ot4Zcgoy9 5F5w3IjxOQd9H4Y0A9GPZaswpPllRETE5XQ/JoQQQgihqH3DxN6KF5kMyzY8e/bsGQNygjAW DOvp6UndtWtXlBVmgkRXta6iyDsE6WSLnRwI3GwQZYUK8orYu3fv0PLycgn+tBITVxFNm8R6 iN+z9u3bF2mjJGs5xXVU7nXo0KEI5J8h5crKypL1fhswUW4YPnz4EtxzLAToUOQTY9d22mjJ OBcqdUG6MbhWXGk3SeAoCJsZyDMDoiBCRZlaCeUz6hGK8ynd3d1jMKmfJ9eBtcXFxTOlPsgv wkb+RfpI1CUbv+fgfhliGbRuqBqUyZUpEXUagcl9Icoirqm1FRUVU3DdSNwz2UZ0tvvpCrgu VfoJeYzC/QLrHXUbFX3pIEGopM6STvJEOSPstkB2zai9hxN+Cbhm3AnGxgBolxyXf5oNZKXr YWXNNAR8Fuo207WdsBJCphDXSr9H2H1h7VYup8L92Hoo2PWp8ln6Fv0Uj7JnQ4jNlEBNGJet KN+H0B8SeVpc0+evW7cuF2Ms68CBA9HWmmwjektZkSYSbTF82rRpYjWVfC5GHluTkpLm4l6j cK84Gcv2edRAUbguFmJ3JMoyPjs7W8aCBGC6BNfLWu+V8+bNy9uxY0ecH2zLbgGF5zk2OTl5 kgRew7USdbgFYna8iHiUTfpzLMZLoL8w3nO8z2MknYxZkOPGb+AofSzPNdKMwzFVIiHj9xFy TvLAWAykFeQ7fpeo3tGu/UPQ18PQrlUoz35pE3xeX19fny3Bx1wdYnUsSZ5SHhyz+R8AIYQQ QghF7RvWTOpE2AqbwbhvSlRfa5XSID4qPu19VBRJGrvPqebl7hkiE1p8D7EWNN0mx1rqNKCU ilMtl6xxlHWFko/dT1Qn/WpttZFo5Zxu2SKTbble01khpZFj7RY78ruzksr9Quz2Nxpt2e43 6rv3WsFnrZBqzZayuLxP812NbdAmf+2rtYz662rtGNB0VvTbfrHCz7fmvhm2bVW8y3cNBmTX xkpfOSETovXRdrP1sXU8Fe7Htm9tQCyN2GwiYUu5xHU2TF5GyPjU6/UFg45R2xf+3rSufeV6 ySdE20fHp+Zlr9M2UyGI30NBoBy6ftb2pRX8GsDMWKXFXT1M6qIBsGxf2ntaC73dt9la/PVl g7aVfT41b31m/MBj+t2558sWSoE2sds72ZcsNkAWLbWEEEIIIRS1bxA3vtAajGhRgWgnnSrO rJCy4lYnueoeacWmToxlAm/XYNpy2ajKVoTbqKl2raQ/abcTYn/toV9vOzFX4Wkn2rY8/j6+ 9uWA/m7X8/qiU9Np3bV9/LL64sAKUbH0WfGh19j7WmFqBYm1gtv1nHafXCs0BrumVcsv40QF j29dtmPDt3RaoakvCE5VoCgrPn3hbfcptuNY62CCRJ2m4tAX8cGeNW1vbQftK8lHf/PXMgcr hx0f1rIr+Wg6zcOWRa2/fgRm+7z4ln/te7231t++jLFWffss2edGy2fLbbeK0vvYdtR8VDDb PuN/AoQQQgghFLXHWU/tBNq3BL6ZpcsXgDppVuGqE3nfiuNPqH0rkxWj1gXWtzxa8Wv3CrUT YCsg/LJYq59ama1Q9MVFsDWm1rJmxYC2kaZV4a0iSO+tE3pfgKjY9F82WDdxa5mVMvhRgq0w sJZOa/32LWsq1vy87PWDseTbMaTjwf5mLXJWwGpbWLGmZRDPgLcjqgfrem/Hlr99jy/w7N6u 1npoX+j4Aba0f6wgtmNA8w4mhv39jxUdz9p//lp2/1nV+9oy+C9z/OfeilZtLxWm1hrtB4jz LfX2RYkfxdqOOyvsLXpP+2KG/wkQQgghhFDUviFQjhWqg5k02om2nbzKJFctRipA7aQ2WHCq YC7RvoVSJ8IiCq2V1X7W+/rXWldiK0Z8Ea2TdP936zbt79dqBZGtu53YW6FrLVdqNbMvBaz1 2lpefcucFbR6P7VkquD1rXy2XMGsaravbDmthWywVjI7vuyLAOvqbC381r3bF0n2RYgvGE+F +30wa7V9iWDHoBW5OrZ8q7ztT+tibl/IWFd2323Yf1Gk4/fN1gRrOfS7HYt+vaynRDBLvtZT XiJY0WufYSuE7UspXb+t361VWNdT27r5VnP/hZnvAn8qXmgQQgghhJD3iKi1rrO+9W0wE0c7 EbYCxLf8WrdIXzAEK4s/gQ12Dyt6TmTV811cfZfLYBYfjSLsC0jrBhzM6uiLjGBtHcwyaEWy bwE+kdux79Jt+88XsPZcsPbz87QvOHy3cd96NlhR67vl2t+shdL2l2+lDyaqTsVLHSvog9Xf F9j+OAwWMVqt3P5498e3n6e//63/EsW69wezNlsRaV8c+OPEd3v3A3AFG3/Bnu0TjUffy8K+ vApmwfbHkv93yQpkPxgWIYQQQghh9GNCCCGEEEIIIYSilhBCCCGEEEIIoaglhBBCCCGEEEJR SwghhBBCCCGEUNQSQgghhBBCCCEUtYQQQgghhBBCCEUtIYQQQgghhBCKWkIIIYQQQgghhKKW EEIIIYQQQgihqCWEEEIIIYQQQlFLCCGEEEIIIYRQ1BJCCCGEEEIIIRS1hBBCCCGEEEIIRS0h hBBCCCGEEIpaQgghhBBCCCGEopYQQgghhBBCCKGoJYQQQgghhBBCUUsIIYQQQgghhFDUEkII IYQQQgghFLWEEEIIIYQQQghFLSGEEEIIIYQQilpCCCGEEEIIIYSilhBCCCGEEEIIoaglhBBC CCGEEPJ+5P8BSFZ/IVSjzDwAAAAASUVORK5CYII= 0.2645 Referencias: G: grasa. Letras distintas ( a, b ) en la misma fila indican diferencias entre medias (p < 0.05) Zimerman et al. ISSN­L 1022­1301. Archivos Latinoamericanos de Producción Animal. 2022. 30 (2): 91­100 iVBORw0KGgoAAAANSUhEUgAAAFgAAAAfCAYAAABjyArgAAAQ1klEQVR42oVaaWxVxxX2ezaV CtgURaI0YByDN7wCPyK1CTuFpsWsjUraEraIVpEIBhISwNhACElpCxgIkIDZ1AS8vGcbDHjf sPFuNpsQhTUkqfojZfsTYT+fznfuO/PmXT+nTxrm+t6ZMzPfnPnOMgT1kicsyBFEQU5VzNpe vO+dIQ7r7yD17HT6fzfbBBvvpIT42jqCjX7BRu2wjeMM6juGtA229f8/c+8j1xlg3fa5OQPM wfvsCA4wN2MuPdStYPJ+PF9yjkrLS6i8soyqa6uopq6aai/W0KWmBmpsvsSlqaWRWtqaqf1y G125coU6OjrUcwd1XLlMre0t/B01+tY01FJ1fQ1V1lVQRW05FZeeo7MlxVRSdoEKzxRQ0dlC rguK3VzyCnPptOsUv3MXuijPlcu1qyCfcvNzuC4oclN+UR63zXGfptyCHP77VP7nLAPv8t15 dKa4iPujPWr0xXv8Lc+nXTnkPqvGL8rXxVWQq8Y6pcbN47HRDmPjGUX6o5Y5og3mjLFdZ/J5 bihBA7xAA+ALpee5VFSVU2V1BdXV1zKwKAC0raOVrl6/Ql1fdNL169epq6uLbty4wc+or127 xiADbACMPtiQhsZ6BXCVAriSgT5XVqxAPsN10flCtUCXBleAxYJMcFFkgQIWL14Bi4KFQQ4W im+yaJdLgeTOp8JCtYEF1ncpaHP23Bk6nXuKQT2d+5kXVF8bGRPzkr8BbE7eaQ0+/uZN936H XAEYc7M0eoCTtRfgQvPqL13kAnChqZevdnDZvuN9mv7raTRo0CCmB00Rqh48eDDN/M0s+mjn 3+jKtcvcHn2h0U3tzVR7qY61uLymjM6Xn6OSSqXF5wq4AGAAhMlhMekZmyguPrYPLcWOjaFN mzfqhYkWC8imZqGkp2+kuLgYnp/DoIv4xLH03sZ3tYYDYFN7of2itRgLbXk+NpqJiYumDZve 0xsmYOM0YV04jUwX6ACtBbigBqEDaCyAytq3h8IjRmpQHQ6Hfpa/g4OD9d/Dhw+nAwcO0LXO q6zNQjHQ4Or6KgYZGlxcepbOXCjiBRWfP0sHDn3Mixdgp06dSqtWraK1a9fSpEmT9OKwWMxJ jqbrjFtRRZ6mkf3791JMTJSeJ/pCxpo1a2jixIk8VygGNuzjg/t5o5hq3DkMsmz0wU8OMIiy RsiBDMjC3PA+JCSEEhIS6ODBg5b2AuhiN8vDprPNwWKqaioZYAEDlNB54zrNmZfq2zklcNiw YbRkyRLKyMig6upqLlu2bOF3YWFhPHkMirYLfj+f5QFoppvWBga4rLqUNRgFdAFwj588RoPD BvE48xfOo1t3vqLe3l7Cr6enh2u8w3xgWMJ+FsoAYEEAN8edy5x+9Hg2DRkSyuMvXLiQ7ty5 o+V0d3dzjXezZ8/msTDmx5/uZzCEh7Fxx04cteaj1j5//ny6e/cu9/V4PFxD5u2vbtGCefN5 LKzdN58cLgBac7AJLo44wP1d6m8tK6kEPPfccwzqw4cP9YRlQO+Y/Dty5KgG2tK2scznHVfa FVU00sWmOqpqUJx8UfFxRbHFyYoLE5LieRxslPwArGiPLOzZs2d04sQJfhcVM0YfS2guuJFP gOqzbNkyvTGkprv7n7voj4te42f5nTx5ktcXkxDNgAi3ox6bENdnPt98/YCaLjVSc2MTfX3v PsvydPfQ0aNHacCAAaztphEG2NapU4OItwDNhcaZmjt+/Hi6fft2nx3UC9BgW/Xjx48pKSlJ H2loJOimuaOJGlrqqfpSNZXXlVNpTQnz8ebMdG63YMECNpoiHz+hHVOT8W3u3LkMjnAgQAE/ Q86ECRPo0KFDer5Zu/fQ8GE/pyGhYbT+7Xfo3r17Wk7q3DncZ2PmBu1dQCbWjjFgwPHDpkZG vECjX4jkGqXs/AVrw1ThE6H6bEzfwKdBjLZ18tWHiw11zJcAYnfWLu3jJY9L0lprgmuCLcD6 ag+DnJiYaPGgkr93fxa1XW2nxrYmqm2qpZrGGiqrtaiCDYgC8f79+4ZM/7HkJ3/jmEM2+E+4 l7VOzTsqKopGjx5NL/3yV/TXlX8hZ5CDtmRk0o7tH5BDjZOXk6s1+c69uzy/MXFR2osRAyu0 AI2NCB9FE196mZYtWUrvrnubxiiAoyNH88mALMwHfTAH7UWozdIaLD4u6GFE+POa52DkPAYH iBbZgTBpQto9ffpU8eEQHuQXI4bTjZtdDDJzsdJiaDD4GN+nTJmiORIgouB4iqFasWKF/i5t Jk+ezN/Y0CmAIWfy1Em0bt06Wr9+PY1RAEDTXhgVQe8oUL775lv6ouuGPtqyWRMnv6x8VgdT DDYLgE+ZNpm/P3r0iD499AnL+cfOv1Nvj4f7n8g+SpEK9PEp4yx5CgCMjTmIVwO6sDRY/QNw ob0ffLhdRyfgXH8K8GjwTM0yNdp8j3bHjx9nkBzBTtqyLVPRRAtzcV1jreJhy23DglavXq1l yTimtwKrb4KPHyw62sCXhYHDnNPW+uQ0XKxnYKG1UtatWUs3OrsYFAYLctalcV94M9gsrP+t tFX87cmTJ0wLMVHRFBsdowG+f/sOA4xv//72O267es1b3BfBBjjdj4NBD9Be7BwWDO2FcFlM ZWUlpaam0rRp02jGjBnsOQjQ8CRgaaFR06dPpz179vhtwtChQxmkWa/M5E1su9qq/GIV4dVX WACrSQAsOxXY3UKRJyCnpaXxNzFMvFFqkT4hVnlw/2t6b/27NGHceK3Rr/1hEZWXlnGztDQL GKEac6Ow2SWKa+PjxlJ1ZZWW+R8FapSXj0ElmA/GRl/xImSzWIMBLoxb6JDBvJjly5frBVVV VelFmloFsAsLC33xveEbo78FBvFRxzvIhncCQyceRWlVCfeHLDkBosUrV67U2guvwNRe/MQX 5eit0EcRGl+lbY/++5CyDx+hnmfd1HW9k2kDAKMOHzGS/eJJk17mvhKkQOaUKT45ZWVlbOTa Wlo1wOBxaC9kyW/ajKksB/zL0aloMMCRUJiNmwJx9+7dejGwyhg0IiKCvQlobGRkpHLJjljf lOYkpSTSgwcPVEhawAYG33p7LW4GTTBQIcE6eKlvvsiBBzSYPQ6vkbP/ZMNkLnDT8MNYeJ+Q lGhFUgpgCVLE4yFPLy3+058ZiJSkZBqXnKJpwp3vooz0zRQePoKjvLj4aJ3zSEgYy+9u3brl dT2P8Hqhrdu2bKXt295njR41Mpw+OXiIlQFjAgcYSGgvojjI0xqMsPbLL7/UC6qvr9fHXDR3 27ZteuFicPibEpKxZTN5SLUnj3HMyUsv1Tqkvt51jX1i5CgEZHA9/OY5c+b48TcmjqBF+Nf0 LNAW7zemb7JyAApghLRQlgUL5qmN+MHiyrv3GJSRz4+gQT8dSHv3ZNHTx0/YyOH73LmpPK8N m9bzkQbAmzZt8AYq8zEqj7l161aKGj2GQYZHgROwNm0NnxDMddGiRby5HMorIwce9jNyWDR8 UAl5wbl2LQLAHpu7wN9U/8ytGQyuCbB4FzU1dVrGzZs3+bTA50ZUhxAdGbz4+HjexNdffz2g BpvjIlTFO/TJd1v8m19k1Qh/rUBjidZiAPnRjg91oCHgrl71FrdFH4TI6A9jiaMdGxvNWrxk yWJ9epqbm8mVl88FhlKMpMwHgYZk1aDBTDdi5CQ0luAAvrC4ZAg0IGDUqFHs3yJFCboA4Ckp KQxMcnIyf7t8+TIfp82bN2tAjp04ruVCg2FQm1ubOLhB7gPp0VM5n+tQGQ4+BwO9XgXy1ngH zcVRHBQ6kHMX4qJJlo1D5aFh3CZ17mzln97y037xoSEHyjR48EDOR7DVL/Rlwo6fzLbskZKD oOvOvdusPB6Pz1UEpfF8vPYFciSqlKI1GLyIxcsil7+xTE8MvBooyQNtKyoq6pNZM40c+sPl wUTFyEkCCOE5MnjQYOSIAbIEHSjJiSm0YtkbtGb1Wt5Ay92zNO7QpwfZb4WLJmlE8Sayjx3R 2S+0hxJgPvBUEPxIriQmJsbKHyhAkc2T3DJn9tQ75COiY6N08glB1xsrV9Cbb77JMmW9GGv/ gX06XSmnALbBMv6qM/K3oAmEtZK8MIMKeBLQLFh7BAXCx/jmdrvZdbMs8iTmVBwr4emIyFG8 UFh4AIyxJB1aVlFKFyrOc24YKT5k18ClickJffzguLg4DkUloQJLDa5DehA1GxZV8zFV4KOt ACS+Pece1FHGN52SNPLKkgJl0L25YPAq+ujbCzUfaH9sbCylp6f7XRCI5grQOlRGoCGpSUnD mZ6E3biZAYEZ4dl92WPHjml62PHRB/rWgzlY0QO0F/kIAIz0JWuQ3By4XFywgSiS1BYw5EYD G/NZ7r+0cRHg+LbESIbjvZkg18+q3+d5n/EcBFzxAszbEJGDU4v5YG443dJO6EraiW/OAMOq t7e3U2dnp3JdwnUGDXxlJllM8OxZNdOHxQ+hcmhoKA+C8BsUBK4HwDBuKAAZAMsNB/uQ3oXL hKXoWwNv/hZgAhz7s9wmiLsk2S1oPLSdDdBZ4ypK9ZWEvSTZZWxzMyTfK5sOcFELHZi3HLIx WoNxZFtbW9lIZWdna34ZN24cGy8zijK1NlDIjBoJIvi3fMzVIHv27mZXEPQAgGHgAPC5C8UM MC9YLZSvkby7b2qNTBiTFyoQDZa7MHmWuzmAarZDEa6Vuzux+kwT3qycAGUCJ+/4dClgWXMV 0Ai07Mog8wZFeNO9FsdlZmayFuO+bfHixT5jowwMgDeBNKnC7rvC2sMIIEcqiW/c2YEeQBN+ N7LGTSwMgiPArbLfza15Kxzc90ZY2nIb+y240Q7XZPZ3jmD/72Y/yYvbDb24qeYc8SztvcX3 BzJR0GRQBYCR98gnIP/w/fff90n+CNDIXWCTkEGTE/Diiy8yuNggyfv6LdjRDwjOvv9VwA60 eUemAXP2898PnLbF9/O9v6t/SQUEShmIPJ6DKcfnWVkdpBN8WGgygJE8Ar6hMbyLpUuXcmQD z6Kmpoaf8Q7fxAVCefXVV1kGrvdxZxVo9+3vTM9FrLU9s2YGILKRpototjETRdJGTp1esw1Q 01sQWaJEIs8eCMkc7Bvgrf0XDZDgagFkRHdIdIwcObLPQvx20XhGQLJ3717WWgQlhw8f7gNs IDmo7bcY8owcBCjHfBfwuNoiP1EM2TCzPzZTbISdIkQDzY2Sy1070PbNNZVVUwQ6mjfDaIAb 3ba2Ni64OsnKyqKZM2daSfQg/4ng2n7WrFm0b98+1lhsDGqcBvvgMiENbJCTS7AjhJ790K0z Vs6gYH6PGt8QzUlbeYcS4hyg3+OZ2/ZabXt7rBp90ceUYW6sCZJ5CmXT7Rtv0mN/p0mDbKIN 4fI3GiJbVlxcTC0tLQwYjjwKAMd/QkHgAKMIQPk/nyiNRYGvKOlEkWVuoB/oXsAYCC+wKJ7u Xg0e6p5nHgbPBFmeBwT/xAecAaiALYCLfH5vox6Zn32eAphoq9lPToYYdGlvAznwcTN3FVHa zp07mXfhyyKXgMAE0R8AhZYjQbRr1y6O5gIZA3MiWIQcJWkjfCvuXyBeNdtq3jMAx0bYqUD+ lj6S8jSBtWudtLVfwArA9ucfW2uQXb1l8f1xCiyqafXNxQbiZrv22oH7sY21G49A45hajtqu kYFsTCC59nX2198+D5NSzGdd1CYMDHh07Vrt6N/aBuTWAP8DyNQYu7boNgHcNTFA4i7ZN0Fk BFxgfy6a8R9q7EZXb54hLxCFBALZ1F4o+P8AIUGW4rYPyhAAAAAASUVORK5CYII= 97 Del desposte de las medias reses derechas, al contrastar la relación kg de cortes/kg de la media res, se hallaron diferencias significativas para cortes de 1 ra categoría y para grasa, presentando los novillos CrA valores superiores en un 6.3 % (P = 0.0358) en Cortes de 1 ra calidad e inferiores en un 32.9 % (P = 0.0316) en grasa con respecto a los novillos F1, presentando los Bra valores intermedios que no difieren estadísticamente de los demás genotipos. Estos mayores porcentajes de Cortes de 1 ra categoría y menores de grasa hallados en los novillos CrA se corresponden con los mayores valores de CM mencionados anteriormente para este mismo genotipo. Orellana et al. (2009a) reportaron para novillos CrA mayores valores en el % en peso de los Cortes de 1 ra calidad y menores en los de 2 da y 3 ra categoría respecto a los Bra. Si bien no fue objetivo del presente trabajo el analizar aspectos comerciales de los productos logrados por estos tres genotipos, resulta interesante dar a conocer que los resultados obtenidos en los novillos CrA no se condicen con el precio de venta en pie de los mismos, ya que al ofertar los novillos en estudio (CrA, Bra y F1) diferentes compradores cotizaron un precio 5.5 % menor para los CrA respecto al precio ofrecido para Bra y F1. Esto es consistente a lo reportado por Namur et al. (2002), Orellana et al. (2009a) y Martínez (2020) acerca del menor precio pagado en diferentes categorías de CrA en relación a Bra. Los parámetros relativos a calidad de carne se presentan en el Cuadro 3. No se halló efecto significativo del genotipo en los valores de pH de carne. Los valores hallados se encuentran dentro del rango de valores normales, tanto para pH 45 como para pH 24 , por lo que no se encontraron defectos de calidad debidos al pH, e. g. “carnes DFD” en ninguno de los genotipos evaluados. Los parámetros L* y a* del color de la carne fueron afectados por el genotipo, siendo la carne de los novillos Bra más luminosa (mayor L*) (P = 0.0095) que la de CrA y F1, sin diferenciarse entre estos dos genotipos. CrA también presentó valores significativamente mayores (P = 0.0005) de a* respecto a Bra y F1 lo que indicaría que la saturación con rojo fue mayor en la carne de novillos CrA. Estos resultados difieren a lo reportado por Orellana et al. (2009b) quienes no hallaron diferencias en los parámetros de color de la carne al contrastar novillos CrA con Bra. Una manera útil para evaluar si un cambio de color en una muestra es perceptible por el ojo humano es a través del cálculo de la variación en el color (ΔE). Los valores de ΔE obtenidos fueron 6.10 (CrA vs Bra), 3.46 (Bra vs F1) y 2.83 (CrA vs F1). Un valor de ∆E entre 3 y 6 es detectable por el ojo humano (Prändl et al., 1994, Abril et al., 2001). Por lo tanto, las diferencias de color entre la carne de novillos CrA y Bra podrían ser percibidas por el consumidor, como también aquellas entre los novillos Bra y F1. Este aspecto resulta muy importante, debido a que el color de la carne es el principal atributo sensorial considerado por los consumidores al momento de decisión de compra (Della Rosa, 2018) mientras que el resto de los caracteres solo podrán apreciarse en forma posterior a su consumo. No se halló efecto del genotipo sobre los valores de PPC, CRA ni sobre los parámetros de textura, siendo la dureza el de mayor importancia. En relación a la dureza, la similitud en los valores hallados entre genotipos podría asociarse a la semejanza de los valores de GIM y PM entre los genotipos al finalizar el período de engorde, aunque también podría deberse a que se trabajó con animales jóvenes (19 meses de edad), donde el efecto del tejido conectivo aún no es tan influyente sobre la dureza de la carne. Los resultados obtenidos difieren a lo reportado por Orellana et al. (2009b) quienes encontraron mayor PPC y dureza en muestras de novillos CrA respecto a la de los Bra. Sin embargo, los valores de dureza de la carne hallados en el presente trabajo para novillos CrA son numéricamente menores a los reportados por dichos autores (52.9N). Esta menor magnitud en los valores hallados posiblemente se deba a la diferencia etaria de los animales de ambos trabajos (19 vs 30 meses, en este trabajo y en el de Orellana et al., 2009b respectivamente) o a la diferencia del tiempo de maduración de las muestras (72 vs 48 h, en el presente trabajo y en el citado respectivamente). Los valores hallados en el presente trabajo también son inferiores a los reportados por Torrescano Urrutia et al. (2010) para ganado criollo de la zona nordeste de Méjico (entre 7.9 y 8.5 KgF), asociados, posiblemente, al tipo de alimentación y a la mayor deposición de tejido graso. Algo interesante para destacar es que para ninguno de los parámetros productivos ni de calidad de carne evaluados se detectó el vigor híbrido de los animales F1. Debido a la heterosis, podría haberse esperado que los novillos cruzas presentaran superioridad en algunos parámetros respecto a las razas puras que participaron en el cruzamiento, pero los resultados demuestran que los novillos F1 se ubicaron, en la mayoría de las veces, en valores intermedios a los logrados por los CrA y los Bra y en ningún caso los superaron. Calidad de la res y de la carne de novillos Criollo Argentino ISSN­L 1022­1301. Archivos Latinoamericanos de Producción Animal. 2022. 30 (2): 91­100 iVBORw0KGgoAAAANSUhEUgAAAFgAAAAfCAYAAABjyArgAAAQ1klEQVR42oVaaWxVxxX2ezaV CtgURaI0YByDN7wCPyK1CTuFpsWsjUraEraIVpEIBhISwNhACElpCxgIkIDZ1AS8vGcbDHjf sPFuNpsQhTUkqfojZfsTYT+fznfuO/PmXT+nTxrm+t6ZMzPfnPnOMgT1kicsyBFEQU5VzNpe vO+dIQ7r7yD17HT6fzfbBBvvpIT42jqCjX7BRu2wjeMM6juGtA229f8/c+8j1xlg3fa5OQPM wfvsCA4wN2MuPdStYPJ+PF9yjkrLS6i8soyqa6uopq6aai/W0KWmBmpsvsSlqaWRWtqaqf1y G125coU6OjrUcwd1XLlMre0t/B01+tY01FJ1fQ1V1lVQRW05FZeeo7MlxVRSdoEKzxRQ0dlC rguK3VzyCnPptOsUv3MXuijPlcu1qyCfcvNzuC4oclN+UR63zXGfptyCHP77VP7nLAPv8t15 dKa4iPujPWr0xXv8Lc+nXTnkPqvGL8rXxVWQq8Y6pcbN47HRDmPjGUX6o5Y5og3mjLFdZ/J5 bihBA7xAA+ALpee5VFSVU2V1BdXV1zKwKAC0raOVrl6/Ql1fdNL169epq6uLbty4wc+or127 xiADbACMPtiQhsZ6BXCVAriSgT5XVqxAPsN10flCtUCXBleAxYJMcFFkgQIWL14Bi4KFQQ4W im+yaJdLgeTOp8JCtYEF1ncpaHP23Bk6nXuKQT2d+5kXVF8bGRPzkr8BbE7eaQ0+/uZN936H XAEYc7M0eoCTtRfgQvPqL13kAnChqZevdnDZvuN9mv7raTRo0CCmB00Rqh48eDDN/M0s+mjn 3+jKtcvcHn2h0U3tzVR7qY61uLymjM6Xn6OSSqXF5wq4AGAAhMlhMekZmyguPrYPLcWOjaFN mzfqhYkWC8imZqGkp2+kuLgYnp/DoIv4xLH03sZ3tYYDYFN7of2itRgLbXk+NpqJiYumDZve 0xsmYOM0YV04jUwX6ACtBbigBqEDaCyAytq3h8IjRmpQHQ6Hfpa/g4OD9d/Dhw+nAwcO0LXO q6zNQjHQ4Or6KgYZGlxcepbOXCjiBRWfP0sHDn3Mixdgp06dSqtWraK1a9fSpEmT9OKwWMxJ jqbrjFtRRZ6mkf3791JMTJSeJ/pCxpo1a2jixIk8VygGNuzjg/t5o5hq3DkMsmz0wU8OMIiy RsiBDMjC3PA+JCSEEhIS6ODBg5b2AuhiN8vDprPNwWKqaioZYAEDlNB54zrNmZfq2zklcNiw YbRkyRLKyMig6upqLlu2bOF3YWFhPHkMirYLfj+f5QFoppvWBga4rLqUNRgFdAFwj588RoPD BvE48xfOo1t3vqLe3l7Cr6enh2u8w3xgWMJ+FsoAYEEAN8edy5x+9Hg2DRkSyuMvXLiQ7ty5 o+V0d3dzjXezZ8/msTDmx5/uZzCEh7Fxx04cteaj1j5//ny6e/cu9/V4PFxD5u2vbtGCefN5 LKzdN58cLgBac7AJLo44wP1d6m8tK6kEPPfccwzqw4cP9YRlQO+Y/Dty5KgG2tK2scznHVfa FVU00sWmOqpqUJx8UfFxRbHFyYoLE5LieRxslPwArGiPLOzZs2d04sQJfhcVM0YfS2guuJFP gOqzbNkyvTGkprv7n7voj4te42f5nTx5ktcXkxDNgAi3ox6bENdnPt98/YCaLjVSc2MTfX3v PsvydPfQ0aNHacCAAaztphEG2NapU4OItwDNhcaZmjt+/Hi6fft2nx3UC9BgW/Xjx48pKSlJ H2loJOimuaOJGlrqqfpSNZXXlVNpTQnz8ebMdG63YMECNpoiHz+hHVOT8W3u3LkMjnAgQAE/ Q86ECRPo0KFDer5Zu/fQ8GE/pyGhYbT+7Xfo3r17Wk7q3DncZ2PmBu1dQCbWjjFgwPHDpkZG vECjX4jkGqXs/AVrw1ThE6H6bEzfwKdBjLZ18tWHiw11zJcAYnfWLu3jJY9L0lprgmuCLcD6 ag+DnJiYaPGgkr93fxa1XW2nxrYmqm2qpZrGGiqrtaiCDYgC8f79+4ZM/7HkJ3/jmEM2+E+4 l7VOzTsqKopGjx5NL/3yV/TXlX8hZ5CDtmRk0o7tH5BDjZOXk6s1+c69uzy/MXFR2osRAyu0 AI2NCB9FE196mZYtWUrvrnubxiiAoyNH88mALMwHfTAH7UWozdIaLD4u6GFE+POa52DkPAYH iBbZgTBpQto9ffpU8eEQHuQXI4bTjZtdDDJzsdJiaDD4GN+nTJmiORIgouB4iqFasWKF/i5t Jk+ezN/Y0CmAIWfy1Em0bt06Wr9+PY1RAEDTXhgVQe8oUL775lv6ouuGPtqyWRMnv6x8VgdT DDYLgE+ZNpm/P3r0iD499AnL+cfOv1Nvj4f7n8g+SpEK9PEp4yx5CgCMjTmIVwO6sDRY/QNw ob0ffLhdRyfgXH8K8GjwTM0yNdp8j3bHjx9nkBzBTtqyLVPRRAtzcV1jreJhy23DglavXq1l yTimtwKrb4KPHyw62sCXhYHDnNPW+uQ0XKxnYKG1UtatWUs3OrsYFAYLctalcV94M9gsrP+t tFX87cmTJ0wLMVHRFBsdowG+f/sOA4xv//72O267es1b3BfBBjjdj4NBD9Be7BwWDO2FcFlM ZWUlpaam0rRp02jGjBnsOQjQ8CRgaaFR06dPpz179vhtwtChQxmkWa/M5E1su9qq/GIV4dVX WACrSQAsOxXY3UKRJyCnpaXxNzFMvFFqkT4hVnlw/2t6b/27NGHceK3Rr/1hEZWXlnGztDQL GKEac6Ow2SWKa+PjxlJ1ZZWW+R8FapSXj0ElmA/GRl/xImSzWIMBLoxb6JDBvJjly5frBVVV VelFmloFsAsLC33xveEbo78FBvFRxzvIhncCQyceRWlVCfeHLDkBosUrV67U2guvwNRe/MQX 5eit0EcRGl+lbY/++5CyDx+hnmfd1HW9k2kDAKMOHzGS/eJJk17mvhKkQOaUKT45ZWVlbOTa Wlo1wOBxaC9kyW/ajKksB/zL0aloMMCRUJiNmwJx9+7dejGwyhg0IiKCvQlobGRkpHLJjljf lOYkpSTSgwcPVEhawAYG33p7LW4GTTBQIcE6eKlvvsiBBzSYPQ6vkbP/ZMNkLnDT8MNYeJ+Q lGhFUgpgCVLE4yFPLy3+058ZiJSkZBqXnKJpwp3vooz0zRQePoKjvLj4aJ3zSEgYy+9u3brl dT2P8Hqhrdu2bKXt295njR41Mpw+OXiIlQFjAgcYSGgvojjI0xqMsPbLL7/UC6qvr9fHXDR3 27ZteuFicPibEpKxZTN5SLUnj3HMyUsv1Tqkvt51jX1i5CgEZHA9/OY5c+b48TcmjqBF+Nf0 LNAW7zemb7JyAApghLRQlgUL5qmN+MHiyrv3GJSRz4+gQT8dSHv3ZNHTx0/YyOH73LmpPK8N m9bzkQbAmzZt8AYq8zEqj7l161aKGj2GQYZHgROwNm0NnxDMddGiRby5HMorIwce9jNyWDR8 UAl5wbl2LQLAHpu7wN9U/8ytGQyuCbB4FzU1dVrGzZs3+bTA50ZUhxAdGbz4+HjexNdffz2g BpvjIlTFO/TJd1v8m19k1Qh/rUBjidZiAPnRjg91oCHgrl71FrdFH4TI6A9jiaMdGxvNWrxk yWJ9epqbm8mVl88FhlKMpMwHgYZk1aDBTDdi5CQ0luAAvrC4ZAg0IGDUqFHs3yJFCboA4Ckp KQxMcnIyf7t8+TIfp82bN2tAjp04ruVCg2FQm1ubOLhB7gPp0VM5n+tQGQ4+BwO9XgXy1ngH zcVRHBQ6kHMX4qJJlo1D5aFh3CZ17mzln97y037xoSEHyjR48EDOR7DVL/Rlwo6fzLbskZKD oOvOvdusPB6Pz1UEpfF8vPYFciSqlKI1GLyIxcsil7+xTE8MvBooyQNtKyoq6pNZM40c+sPl wUTFyEkCCOE5MnjQYOSIAbIEHSjJiSm0YtkbtGb1Wt5Ay92zNO7QpwfZb4WLJmlE8Sayjx3R 2S+0hxJgPvBUEPxIriQmJsbKHyhAkc2T3DJn9tQ75COiY6N08glB1xsrV9Cbb77JMmW9GGv/ gX06XSmnALbBMv6qM/K3oAmEtZK8MIMKeBLQLFh7BAXCx/jmdrvZdbMs8iTmVBwr4emIyFG8 UFh4AIyxJB1aVlFKFyrOc24YKT5k18ClickJffzguLg4DkUloQJLDa5DehA1GxZV8zFV4KOt ACS+Pece1FHGN52SNPLKkgJl0L25YPAq+ujbCzUfaH9sbCylp6f7XRCI5grQOlRGoCGpSUnD mZ6E3biZAYEZ4dl92WPHjml62PHRB/rWgzlY0QO0F/kIAIz0JWuQ3By4XFywgSiS1BYw5EYD G/NZ7r+0cRHg+LbESIbjvZkg18+q3+d5n/EcBFzxAszbEJGDU4v5YG443dJO6EraiW/OAMOq t7e3U2dnp3JdwnUGDXxlJllM8OxZNdOHxQ+hcmhoKA+C8BsUBK4HwDBuKAAZAMsNB/uQ3oXL hKXoWwNv/hZgAhz7s9wmiLsk2S1oPLSdDdBZ4ypK9ZWEvSTZZWxzMyTfK5sOcFELHZi3HLIx WoNxZFtbW9lIZWdna34ZN24cGy8zijK1NlDIjBoJIvi3fMzVIHv27mZXEPQAgGHgAPC5C8UM MC9YLZSvkby7b2qNTBiTFyoQDZa7MHmWuzmAarZDEa6Vuzux+kwT3qycAGUCJ+/4dClgWXMV 0Ai07Mog8wZFeNO9FsdlZmayFuO+bfHixT5jowwMgDeBNKnC7rvC2sMIIEcqiW/c2YEeQBN+ N7LGTSwMgiPArbLfza15Kxzc90ZY2nIb+y240Q7XZPZ3jmD/72Y/yYvbDb24qeYc8SztvcX3 BzJR0GRQBYCR98gnIP/w/fff90n+CNDIXWCTkEGTE/Diiy8yuNggyfv6LdjRDwjOvv9VwA60 eUemAXP2898PnLbF9/O9v6t/SQUEShmIPJ6DKcfnWVkdpBN8WGgygJE8Ar6hMbyLpUuXcmQD z6Kmpoaf8Q7fxAVCefXVV1kGrvdxZxVo9+3vTM9FrLU9s2YGILKRpototjETRdJGTp1esw1Q 01sQWaJEIs8eCMkc7Bvgrf0XDZDgagFkRHdIdIwcObLPQvx20XhGQLJ3717WWgQlhw8f7gNs IDmo7bcY8owcBCjHfBfwuNoiP1EM2TCzPzZTbISdIkQDzY2Sy1070PbNNZVVUwQ6mjfDaIAb 3ba2Ni64OsnKyqKZM2daSfQg/4ng2n7WrFm0b98+1lhsDGqcBvvgMiENbJCTS7AjhJ790K0z Vs6gYH6PGt8QzUlbeYcS4hyg3+OZ2/ZabXt7rBp90ceUYW6sCZJ5CmXT7Rtv0mN/p0mDbKIN 4fI3GiJbVlxcTC0tLQwYjjwKAMd/QkHgAKMIQPk/nyiNRYGvKOlEkWVuoB/oXsAYCC+wKJ7u Xg0e6p5nHgbPBFmeBwT/xAecAaiALYCLfH5vox6Zn32eAphoq9lPToYYdGlvAznwcTN3FVHa zp07mXfhyyKXgMAE0R8AhZYjQbRr1y6O5gIZA3MiWIQcJWkjfCvuXyBeNdtq3jMAx0bYqUD+ lj6S8jSBtWudtLVfwArA9ucfW2uQXb1l8f1xCiyqafXNxQbiZrv22oH7sY21G49A45hajtqu kYFsTCC59nX2198+D5NSzGdd1CYMDHh07Vrt6N/aBuTWAP8DyNQYu7boNgHcNTFA4i7ZN0Fk BFxgfy6a8R9q7EZXb54hLxCFBALZ1F4o+P8AIUGW4rYPyhAAAAAASUVORK5CYII= 98 Abbiati C, N., E. Fernández, J. M. Aulicino, R. Martínez, D. Rodríguez, C. Ferrari. 2012. Evaluación de la producción de carne de ganado criollo patagónico. Revista MVZ Córdoba 17 (2): 3047­3052. http://www.scielo.org.co/pdf/mvz/v17n2/v17n2a 13.pdf Letras distintas ( a, b ) en la misma fila indican diferencias entre medias (p < 0.05) Los resultados de este trabajo, con un escaso número de animales por genotipo, no son concluyentes para caracterizar tipos raciales, sin embargo, en relación a los resultados obtenidos se destaca que los tres genotipos estudiados presentaron, en general, similar desempeño productivo durante los 70 días del engorde a corral, aunque los novillos Bra y F1 alcanzaron un mayor nivel de engrasamiento subcutáneo. Los novillos Bra iniciaron el período de engorde con mayor peso vivo y engrasamiento que los CrA pero a pesar de ello, los niveles de GIM y PM al final del engorde no difirieron entre los genotipos estudiados. La diferente composición tisular entre razas repercutió en el rendimiento de cortes cárnicos. Los novillos CrA tendieron a presentar mayor muscularidad que los Bra y F1, lo que asociado a un menor engrasamiento de la res determinó una mayor proporción de cortes minoristas, resultando en un mayor rendimiento de cortes de carne vendible. Por lo tanto, el IM resulta ser un buen predictor de la proporción de carne comercializable obtenida de una res. En cuanto a la calidad de la carne, las diferencias de color entre genotipos (CrA vs Bra y F1 vs Bra) pueden ser percibidas por el ojo humano. Esto resulta importante, ya que la apariencia de la carne determina la respuesta del consumidor en su decisión de compra. En relación a los demás parámetros de calidad de carne evaluados, no se hallaron diferencias entre los genotipos estudiados. Esto resulta de gran importancia en la consideración de la dureza, ya que este factor es uno de los más ponderados en la satisfacción del consumidor con el producto y muchas veces es el que determina la reincidencia en la compra de un producto cárnico. Conclusión Cuadro 3. Parámetros de calidad de carne de novillos Criollo Argentino (CrA) , Braford (Bra) y F1 (Bra x CrA) terminados a corral. Variable CrA Bra F1 E. E. Valor­p pH 45 6.43 6.56 6.38 0.25 0.3866 pH 24 5.84 5.89 5.85 0.07 0.7668 L* 35.38 b 40.09 a 37.01 b 0.93 0.0095 a* 18.32 a 14.55 b 16.07 b 0.78 0.0005 b* 5.16 6.12 5.71 0.6 0.3687 PPC, % 31.45 33.64 32.29 2.23 0.7302 CRA, % 39.13 37.69 38.96 2.81 0.9243 Dureza , N 37.74 40.82 41.8 7.74 0.9281 Elasticidad 0.53 0.51 0.55 0.03 0.5319 Gomosidad 20.79 19.10 20.72 4.91 0.963 Masticabilidad, N 10.90 9.74 11.12 2.58 0.9221 Conclusão Financiación y Agradecimientos La investigación que da origen a los resultados presentados en la presente publicación recibió fondos para la ejecución del mismo procedentes de la Asociación Cooperadora INTA leales y del Proyecto Nacional de INTA PNPA 1126024: Bienestar Animal y Calidad de Carnes. Parte de los análisis de laboratorio fueron financiados a través del Proyecto 23/C151 (SCyT UNSE): Evaluación de la calidad de las reses y carne de diferentes especies procedentes de diversos sistemas de producción. Se agradece al Frigorífico Bella Vista Manufacturing S. A. como al Sr. Carlos Brahin por permitirnos relevar la información necesaria en la planta de faena como durante el desposte de las reses. Conflicto de intereses: Los autores declaran no tener conflictos de intereses Literatura Citada Abril, M., M. M. Campo, A. Onenc, C. Sañudo, P. Alberti and A. L. Negueruela. 2001. Beef color evolution as a function of ultimate pH. Meat Science, 58(1), 69–78. DOI: 10.1016/s0309­ 1740(00)00133­9 Zimerman et al. ISSN­L 1022­1301. Archivos Latinoamericanos de Producción Animal. 2022. 30 (2): 91­100 iVBORw0KGgoAAAANSUhEUgAAAFgAAAAfCAYAAABjyArgAAAQ1klEQVR42oVaaWxVxxX2ezaV CtgURaI0YByDN7wCPyK1CTuFpsWsjUraEraIVpEIBhISwNhACElpCxgIkIDZ1AS8vGcbDHjf sPFuNpsQhTUkqfojZfsTYT+fznfuO/PmXT+nTxrm+t6ZMzPfnPnOMgT1kicsyBFEQU5VzNpe vO+dIQ7r7yD17HT6fzfbBBvvpIT42jqCjX7BRu2wjeMM6juGtA229f8/c+8j1xlg3fa5OQPM wfvsCA4wN2MuPdStYPJ+PF9yjkrLS6i8soyqa6uopq6aai/W0KWmBmpsvsSlqaWRWtqaqf1y G125coU6OjrUcwd1XLlMre0t/B01+tY01FJ1fQ1V1lVQRW05FZeeo7MlxVRSdoEKzxRQ0dlC rguK3VzyCnPptOsUv3MXuijPlcu1qyCfcvNzuC4oclN+UR63zXGfptyCHP77VP7nLAPv8t15 dKa4iPujPWr0xXv8Lc+nXTnkPqvGL8rXxVWQq8Y6pcbN47HRDmPjGUX6o5Y5og3mjLFdZ/J5 bihBA7xAA+ALpee5VFSVU2V1BdXV1zKwKAC0raOVrl6/Ql1fdNL169epq6uLbty4wc+or127 xiADbACMPtiQhsZ6BXCVAriSgT5XVqxAPsN10flCtUCXBleAxYJMcFFkgQIWL14Bi4KFQQ4W im+yaJdLgeTOp8JCtYEF1ncpaHP23Bk6nXuKQT2d+5kXVF8bGRPzkr8BbE7eaQ0+/uZN936H XAEYc7M0eoCTtRfgQvPqL13kAnChqZevdnDZvuN9mv7raTRo0CCmB00Rqh48eDDN/M0s+mjn 3+jKtcvcHn2h0U3tzVR7qY61uLymjM6Xn6OSSqXF5wq4AGAAhMlhMekZmyguPrYPLcWOjaFN mzfqhYkWC8imZqGkp2+kuLgYnp/DoIv4xLH03sZ3tYYDYFN7of2itRgLbXk+NpqJiYumDZve 0xsmYOM0YV04jUwX6ACtBbigBqEDaCyAytq3h8IjRmpQHQ6Hfpa/g4OD9d/Dhw+nAwcO0LXO q6zNQjHQ4Or6KgYZGlxcepbOXCjiBRWfP0sHDn3Mixdgp06dSqtWraK1a9fSpEmT9OKwWMxJ jqbrjFtRRZ6mkf3791JMTJSeJ/pCxpo1a2jixIk8VygGNuzjg/t5o5hq3DkMsmz0wU8OMIiy RsiBDMjC3PA+JCSEEhIS6ODBg5b2AuhiN8vDprPNwWKqaioZYAEDlNB54zrNmZfq2zklcNiw YbRkyRLKyMig6upqLlu2bOF3YWFhPHkMirYLfj+f5QFoppvWBga4rLqUNRgFdAFwj588RoPD BvE48xfOo1t3vqLe3l7Cr6enh2u8w3xgWMJ+FsoAYEEAN8edy5x+9Hg2DRkSyuMvXLiQ7ty5 o+V0d3dzjXezZ8/msTDmx5/uZzCEh7Fxx04cteaj1j5//ny6e/cu9/V4PFxD5u2vbtGCefN5 LKzdN58cLgBac7AJLo44wP1d6m8tK6kEPPfccwzqw4cP9YRlQO+Y/Dty5KgG2tK2scznHVfa FVU00sWmOqpqUJx8UfFxRbHFyYoLE5LieRxslPwArGiPLOzZs2d04sQJfhcVM0YfS2guuJFP gOqzbNkyvTGkprv7n7voj4te42f5nTx5ktcXkxDNgAi3ox6bENdnPt98/YCaLjVSc2MTfX3v PsvydPfQ0aNHacCAAaztphEG2NapU4OItwDNhcaZmjt+/Hi6fft2nx3UC9BgW/Xjx48pKSlJ H2loJOimuaOJGlrqqfpSNZXXlVNpTQnz8ebMdG63YMECNpoiHz+hHVOT8W3u3LkMjnAgQAE/ Q86ECRPo0KFDer5Zu/fQ8GE/pyGhYbT+7Xfo3r17Wk7q3DncZ2PmBu1dQCbWjjFgwPHDpkZG vECjX4jkGqXs/AVrw1ThE6H6bEzfwKdBjLZ18tWHiw11zJcAYnfWLu3jJY9L0lprgmuCLcD6 ag+DnJiYaPGgkr93fxa1XW2nxrYmqm2qpZrGGiqrtaiCDYgC8f79+4ZM/7HkJ3/jmEM2+E+4 l7VOzTsqKopGjx5NL/3yV/TXlX8hZ5CDtmRk0o7tH5BDjZOXk6s1+c69uzy/MXFR2osRAyu0 AI2NCB9FE196mZYtWUrvrnubxiiAoyNH88mALMwHfTAH7UWozdIaLD4u6GFE+POa52DkPAYH iBbZgTBpQto9ffpU8eEQHuQXI4bTjZtdDDJzsdJiaDD4GN+nTJmiORIgouB4iqFasWKF/i5t Jk+ezN/Y0CmAIWfy1Em0bt06Wr9+PY1RAEDTXhgVQe8oUL775lv6ouuGPtqyWRMnv6x8VgdT DDYLgE+ZNpm/P3r0iD499AnL+cfOv1Nvj4f7n8g+SpEK9PEp4yx5CgCMjTmIVwO6sDRY/QNw ob0ffLhdRyfgXH8K8GjwTM0yNdp8j3bHjx9nkBzBTtqyLVPRRAtzcV1jreJhy23DglavXq1l yTimtwKrb4KPHyw62sCXhYHDnNPW+uQ0XKxnYKG1UtatWUs3OrsYFAYLctalcV94M9gsrP+t tFX87cmTJ0wLMVHRFBsdowG+f/sOA4xv//72O267es1b3BfBBjjdj4NBD9Be7BwWDO2FcFlM ZWUlpaam0rRp02jGjBnsOQjQ8CRgaaFR06dPpz179vhtwtChQxmkWa/M5E1su9qq/GIV4dVX WACrSQAsOxXY3UKRJyCnpaXxNzFMvFFqkT4hVnlw/2t6b/27NGHceK3Rr/1hEZWXlnGztDQL GKEac6Ow2SWKa+PjxlJ1ZZWW+R8FapSXj0ElmA/GRl/xImSzWIMBLoxb6JDBvJjly5frBVVV VelFmloFsAsLC33xveEbo78FBvFRxzvIhncCQyceRWlVCfeHLDkBosUrV67U2guvwNRe/MQX 5eit0EcRGl+lbY/++5CyDx+hnmfd1HW9k2kDAKMOHzGS/eJJk17mvhKkQOaUKT45ZWVlbOTa Wlo1wOBxaC9kyW/ajKksB/zL0aloMMCRUJiNmwJx9+7dejGwyhg0IiKCvQlobGRkpHLJjljf lOYkpSTSgwcPVEhawAYG33p7LW4GTTBQIcE6eKlvvsiBBzSYPQ6vkbP/ZMNkLnDT8MNYeJ+Q lGhFUgpgCVLE4yFPLy3+058ZiJSkZBqXnKJpwp3vooz0zRQePoKjvLj4aJ3zSEgYy+9u3brl dT2P8Hqhrdu2bKXt295njR41Mpw+OXiIlQFjAgcYSGgvojjI0xqMsPbLL7/UC6qvr9fHXDR3 27ZteuFicPibEpKxZTN5SLUnj3HMyUsv1Tqkvt51jX1i5CgEZHA9/OY5c+b48TcmjqBF+Nf0 LNAW7zemb7JyAApghLRQlgUL5qmN+MHiyrv3GJSRz4+gQT8dSHv3ZNHTx0/YyOH73LmpPK8N m9bzkQbAmzZt8AYq8zEqj7l161aKGj2GQYZHgROwNm0NnxDMddGiRby5HMorIwce9jNyWDR8 UAl5wbl2LQLAHpu7wN9U/8ytGQyuCbB4FzU1dVrGzZs3+bTA50ZUhxAdGbz4+HjexNdffz2g BpvjIlTFO/TJd1v8m19k1Qh/rUBjidZiAPnRjg91oCHgrl71FrdFH4TI6A9jiaMdGxvNWrxk yWJ9epqbm8mVl88FhlKMpMwHgYZk1aDBTDdi5CQ0luAAvrC4ZAg0IGDUqFHs3yJFCboA4Ckp KQxMcnIyf7t8+TIfp82bN2tAjp04ruVCg2FQm1ubOLhB7gPp0VM5n+tQGQ4+BwO9XgXy1ngH zcVRHBQ6kHMX4qJJlo1D5aFh3CZ17mzln97y037xoSEHyjR48EDOR7DVL/Rlwo6fzLbskZKD oOvOvdusPB6Pz1UEpfF8vPYFciSqlKI1GLyIxcsil7+xTE8MvBooyQNtKyoq6pNZM40c+sPl wUTFyEkCCOE5MnjQYOSIAbIEHSjJiSm0YtkbtGb1Wt5Ay92zNO7QpwfZb4WLJmlE8Sayjx3R 2S+0hxJgPvBUEPxIriQmJsbKHyhAkc2T3DJn9tQ75COiY6N08glB1xsrV9Cbb77JMmW9GGv/ gX06XSmnALbBMv6qM/K3oAmEtZK8MIMKeBLQLFh7BAXCx/jmdrvZdbMs8iTmVBwr4emIyFG8 UFh4AIyxJB1aVlFKFyrOc24YKT5k18ClickJffzguLg4DkUloQJLDa5DehA1GxZV8zFV4KOt ACS+Pece1FHGN52SNPLKkgJl0L25YPAq+ujbCzUfaH9sbCylp6f7XRCI5grQOlRGoCGpSUnD mZ6E3biZAYEZ4dl92WPHjml62PHRB/rWgzlY0QO0F/kIAIz0JWuQ3By4XFywgSiS1BYw5EYD G/NZ7r+0cRHg+LbESIbjvZkg18+q3+d5n/EcBFzxAszbEJGDU4v5YG443dJO6EraiW/OAMOq t7e3U2dnp3JdwnUGDXxlJllM8OxZNdOHxQ+hcmhoKA+C8BsUBK4HwDBuKAAZAMsNB/uQ3oXL hKXoWwNv/hZgAhz7s9wmiLsk2S1oPLSdDdBZ4ypK9ZWEvSTZZWxzMyTfK5sOcFELHZi3HLIx WoNxZFtbW9lIZWdna34ZN24cGy8zijK1NlDIjBoJIvi3fMzVIHv27mZXEPQAgGHgAPC5C8UM MC9YLZSvkby7b2qNTBiTFyoQDZa7MHmWuzmAarZDEa6Vuzux+kwT3qycAGUCJ+/4dClgWXMV 0Ai07Mog8wZFeNO9FsdlZmayFuO+bfHixT5jowwMgDeBNKnC7rvC2sMIIEcqiW/c2YEeQBN+ N7LGTSwMgiPArbLfza15Kxzc90ZY2nIb+y240Q7XZPZ3jmD/72Y/yYvbDb24qeYc8SztvcX3 BzJR0GRQBYCR98gnIP/w/fff90n+CNDIXWCTkEGTE/Diiy8yuNggyfv6LdjRDwjOvv9VwA60 eUemAXP2898PnLbF9/O9v6t/SQUEShmIPJ6DKcfnWVkdpBN8WGgygJE8Ar6hMbyLpUuXcmQD z6Kmpoaf8Q7fxAVCefXVV1kGrvdxZxVo9+3vTM9FrLU9s2YGILKRpototjETRdJGTp1esw1Q 01sQWaJEIs8eCMkc7Bvgrf0XDZDgagFkRHdIdIwcObLPQvx20XhGQLJ3717WWgQlhw8f7gNs IDmo7bcY8owcBCjHfBfwuNoiP1EM2TCzPzZTbISdIkQDzY2Sy1070PbNNZVVUwQ6mjfDaIAb 3ba2Ni64OsnKyqKZM2daSfQg/4ng2n7WrFm0b98+1lhsDGqcBvvgMiENbJCTS7AjhJ790K0z Vs6gYH6PGt8QzUlbeYcS4hyg3+OZ2/ZabXt7rBp90ceUYW6sCZJ5CmXT7Rtv0mN/p0mDbKIN 4fI3GiJbVlxcTC0tLQwYjjwKAMd/QkHgAKMIQPk/nyiNRYGvKOlEkWVuoB/oXsAYCC+wKJ7u Xg0e6p5nHgbPBFmeBwT/xAecAaiALYCLfH5vox6Zn32eAphoq9lPToYYdGlvAznwcTN3FVHa zp07mXfhyyKXgMAE0R8AhZYjQbRr1y6O5gIZA3MiWIQcJWkjfCvuXyBeNdtq3jMAx0bYqUD+ lj6S8jSBtWudtLVfwArA9ucfW2uQXb1l8f1xCiyqafXNxQbiZrv22oH7sY21G49A45hajtqu kYFsTCC59nX2198+D5NSzGdd1CYMDHh07Vrt6N/aBuTWAP8DyNQYu7boNgHcNTFA4i7ZN0Fk BFxgfy6a8R9q7EZXb54hLxCFBALZ1F4o+P8AIUGW4rYPyhAAAAAASUVORK5CYII= 99 Albertí L, P. 2012. Influencia de la alimentación con altos niveles de ácidos grasos insaturados en la calidad de la canal y de la carne de terneros sacrificados a dos niveles de acabado. Tesis doctoral. Universidad de Zaragoza. 237 p. https://zaguan.unizar.es/record/9511/files/TESIS­ 2012­087.pdf Albertí, P., B. Panea, G. Ripoll, C. Sañudo, J. L. Olleta, I. I. Hegueruela, M. M Campo y X. Serra. 2005. Medición del color. En: Cañeque, V., Sañudo, C. (Eds.). Estandarización de las metodologías para evaluar la calidad del producto (animal vivo, canal, carne y grasa) en los rumiantes. Monografías INIA, Madrid, España, Serie Ganadera. N° 3, 216–225. http://libros.inia.es/libros/product_info.php?prod ucts_id=29 Boggs, D.L., R. A. Merkel, M. E. Doumit and K. Bruns. 2010. Livestock and Carcasses: An Integrated Approach to Evaluation, Grading, and Selection, 6th Ed. Kendall/Hunt Publishing Company. Dubuque, Iowa 52002. https://he.kendallhunt.com/product/livestock­ and­carcasses­integrated­approach­evaluation­ grading­and­selection Della Rosa, M. M. 2018. Variaciones en la calidad de la la carne asociadas al consumo residual de bovinos en pastoreo. Tesis doctoral. Universidad Nacional de Mar del Plata. 117 p. https://repositorio.inta.gob.ar/xmlui/bitstream/ha ndle/20.500.12123/7213/INTA_CIAP_InstitutodeIn vestigacionAnimaldelChacoSemiarido_DellaRosa_ MM_Variaciones_en_la_calidad_de_la_carne.pdf?se quence=1&isAllowed=y Di Rienzo, J. A., F. Casanoves, M. G. Balzarini, L. Gonzalez, M. Cuadroda & C. W. Robledo. 2018. InfoStat. Versión 2018. Córdoba, Argentina: Grupo InfoStat, FCA, Universidad Nacional de Córdoba, Argentina. http://www.infostat.com.ar Ferrario, J. D. y M. A. Fernández. 2007. Estudio de características de carcasa por ultrasonido: medir para creer. Rev. Braford, 23 (58):72­75. https://www.produccion­ animal.com.ar/informacion_tecnica/ecografia_ultrs Fiems, L. O., S. De Campeneere, S. De Smet, G. Van de Voorde, J. M. Vanaker and Ch. V. Boucque. 2000. Relationship between fat depots in carcasses of beef bulls and effect on meat colour and tenderness. Meat Science, 56: 41–47. García­Torres, M., M. Espejo, M. López Parra, J. A. Izquierdo, M. Mendizábal y A. Purroy. 2005. Conformación, engrasamiento y sistemas de clasificación de la canal bovina. En: Cañeque, V. y Sañudo, C. (Eds.). Estandarización de las metodologías para evaluar la calidad del producto (animal vivo, canal, carne y grasa) en los rumiantes. Monografías INIA, Madrid, España, Serie Ganadera. N°. 3, 105–119. http://libros.inia.es/libros/product_info.php?prod ucts_id=29 Garrido, M. D., S. Bañón y D. Álvarez. 2005. Medida del pH. En: Cañeque, V., Sañudo, C. (Eds.), Estandarización de las metodologías para evaluar la calidad del producto (animal vivo, canal, carne y grasa) en los rumiantes. Monografías INIA, Madrid, España, Serie Ganadera. N° 3: 206­215. http://libros.inia.es/libros/product_info.php?prod ucts_id=29 Garriz, C. A. 2012. ¿Producir carne con la raza Criolla Argentina? Sitio Argentino de Producción Animal. Acceso 03.02.21. Disponible en: https://www.produccion­ animal.com.ar/informacion_tecnica/raza_criolla/65 ­criollo_Garriz.pdf Garriz, C. A., L. Vranic y V. Suarez. 2008. Conformación y terminación de novillos puros y cruzas Criollo Argentino. Revista Argentina de Producción Animal, 28 (Suppl 1): 178­179. https://ppct.caicyt.gov.ar/index.php/rapa/article/ viewFile/3521/3309 Garriz, C.A., F. Sal Paz, M. Zamorano y M. M. Gallinger. 1991. Rendimiento carnicero en reses de novillos Criollos y cruzas ⅝ Hereford­Nelore: peso y composición de músculo, grasa y hueso en cortes minoristas. Ganado Bovino Criollo. Tomo 2. pag 49­ 62. Buenos Aires, Editorial Orientación gráfica. Garriz, C.A. 1986. Calidad de res y carne en novillos de de raza Criolla Argentina y sus cruzas con Aberdeen Angus. En Ganado Bovino Criollo. Tomo 1. pag 25­ 44. Buenos Aires, Editorial Orientación Gráfica. Gallinger, M. M., C. A. Garriz y E. Mezzadra. 1995. Novillos Criollo Argentino y A.Angus en dialélico completo: Evaluación de calidad de carne. Ganado Bovino Criollo, Tomo 4, pag 165­170. Bs. As., Ed. Orientación Gráfica. IPCVA, 2015. Nomenclador de los cortes de carne vacuna argentina. Acceso 17.05.21. http://www.ipcva.com.ar/nomenclador2015/index .html Martínez, R. 2020. El color del Ganado no hace a la calidad, pero si al precio. Revista TodoAgro.com.ar. Acceso 29.09.20. http://www.todoagro.com.ar MINAGRI. 2016. Ministerio de Agroindustria. P residencia de la nación. Comisión de ganadería y sanidad animal. Propuesta de Sistema de tipificación de res y carne bovina https://www.magyp.gob.ar/sitio/areas/cfa/activi dad/2016/_reunion_3/_material/ganaderia//0000 Calidad de la res y de la carne de novillos Criollo Argentino ISSN­L 1022­1301. Archivos Latinoamericanos de Producción Animal. 2022. 30 (2): 91­100 iVBORw0KGgoAAAANSUhEUgAAAFgAAAAfCAYAAABjyArgAAAQ1klEQVR42oVaaWxVxxX2ezaV CtgURaI0YByDN7wCPyK1CTuFpsWsjUraEraIVpEIBhISwNhACElpCxgIkIDZ1AS8vGcbDHjf sPFuNpsQhTUkqfojZfsTYT+fznfuO/PmXT+nTxrm+t6ZMzPfnPnOMgT1kicsyBFEQU5VzNpe vO+dIQ7r7yD17HT6fzfbBBvvpIT42jqCjX7BRu2wjeMM6juGtA229f8/c+8j1xlg3fa5OQPM wfvsCA4wN2MuPdStYPJ+PF9yjkrLS6i8soyqa6uopq6aai/W0KWmBmpsvsSlqaWRWtqaqf1y G125coU6OjrUcwd1XLlMre0t/B01+tY01FJ1fQ1V1lVQRW05FZeeo7MlxVRSdoEKzxRQ0dlC rguK3VzyCnPptOsUv3MXuijPlcu1qyCfcvNzuC4oclN+UR63zXGfptyCHP77VP7nLAPv8t15 dKa4iPujPWr0xXv8Lc+nXTnkPqvGL8rXxVWQq8Y6pcbN47HRDmPjGUX6o5Y5og3mjLFdZ/J5 bihBA7xAA+ALpee5VFSVU2V1BdXV1zKwKAC0raOVrl6/Ql1fdNL169epq6uLbty4wc+or127 xiADbACMPtiQhsZ6BXCVAriSgT5XVqxAPsN10flCtUCXBleAxYJMcFFkgQIWL14Bi4KFQQ4W im+yaJdLgeTOp8JCtYEF1ncpaHP23Bk6nXuKQT2d+5kXVF8bGRPzkr8BbE7eaQ0+/uZN936H XAEYc7M0eoCTtRfgQvPqL13kAnChqZevdnDZvuN9mv7raTRo0CCmB00Rqh48eDDN/M0s+mjn 3+jKtcvcHn2h0U3tzVR7qY61uLymjM6Xn6OSSqXF5wq4AGAAhMlhMekZmyguPrYPLcWOjaFN mzfqhYkWC8imZqGkp2+kuLgYnp/DoIv4xLH03sZ3tYYDYFN7of2itRgLbXk+NpqJiYumDZve 0xsmYOM0YV04jUwX6ACtBbigBqEDaCyAytq3h8IjRmpQHQ6Hfpa/g4OD9d/Dhw+nAwcO0LXO q6zNQjHQ4Or6KgYZGlxcepbOXCjiBRWfP0sHDn3Mixdgp06dSqtWraK1a9fSpEmT9OKwWMxJ jqbrjFtRRZ6mkf3791JMTJSeJ/pCxpo1a2jixIk8VygGNuzjg/t5o5hq3DkMsmz0wU8OMIiy RsiBDMjC3PA+JCSEEhIS6ODBg5b2AuhiN8vDprPNwWKqaioZYAEDlNB54zrNmZfq2zklcNiw YbRkyRLKyMig6upqLlu2bOF3YWFhPHkMirYLfj+f5QFoppvWBga4rLqUNRgFdAFwj588RoPD BvE48xfOo1t3vqLe3l7Cr6enh2u8w3xgWMJ+FsoAYEEAN8edy5x+9Hg2DRkSyuMvXLiQ7ty5 o+V0d3dzjXezZ8/msTDmx5/uZzCEh7Fxx04cteaj1j5//ny6e/cu9/V4PFxD5u2vbtGCefN5 LKzdN58cLgBac7AJLo44wP1d6m8tK6kEPPfccwzqw4cP9YRlQO+Y/Dty5KgG2tK2scznHVfa FVU00sWmOqpqUJx8UfFxRbHFyYoLE5LieRxslPwArGiPLOzZs2d04sQJfhcVM0YfS2guuJFP gOqzbNkyvTGkprv7n7voj4te42f5nTx5ktcXkxDNgAi3ox6bENdnPt98/YCaLjVSc2MTfX3v PsvydPfQ0aNHacCAAaztphEG2NapU4OItwDNhcaZmjt+/Hi6fft2nx3UC9BgW/Xjx48pKSlJ H2loJOimuaOJGlrqqfpSNZXXlVNpTQnz8ebMdG63YMECNpoiHz+hHVOT8W3u3LkMjnAgQAE/ Q86ECRPo0KFDer5Zu/fQ8GE/pyGhYbT+7Xfo3r17Wk7q3DncZ2PmBu1dQCbWjjFgwPHDpkZG vECjX4jkGqXs/AVrw1ThE6H6bEzfwKdBjLZ18tWHiw11zJcAYnfWLu3jJY9L0lprgmuCLcD6 ag+DnJiYaPGgkr93fxa1XW2nxrYmqm2qpZrGGiqrtaiCDYgC8f79+4ZM/7HkJ3/jmEM2+E+4 l7VOzTsqKopGjx5NL/3yV/TXlX8hZ5CDtmRk0o7tH5BDjZOXk6s1+c69uzy/MXFR2osRAyu0 AI2NCB9FE196mZYtWUrvrnubxiiAoyNH88mALMwHfTAH7UWozdIaLD4u6GFE+POa52DkPAYH iBbZgTBpQto9ffpU8eEQHuQXI4bTjZtdDDJzsdJiaDD4GN+nTJmiORIgouB4iqFasWKF/i5t Jk+ezN/Y0CmAIWfy1Em0bt06Wr9+PY1RAEDTXhgVQe8oUL775lv6ouuGPtqyWRMnv6x8VgdT DDYLgE+ZNpm/P3r0iD499AnL+cfOv1Nvj4f7n8g+SpEK9PEp4yx5CgCMjTmIVwO6sDRY/QNw ob0ffLhdRyfgXH8K8GjwTM0yNdp8j3bHjx9nkBzBTtqyLVPRRAtzcV1jreJhy23DglavXq1l yTimtwKrb4KPHyw62sCXhYHDnNPW+uQ0XKxnYKG1UtatWUs3OrsYFAYLctalcV94M9gsrP+t tFX87cmTJ0wLMVHRFBsdowG+f/sOA4xv//72O267es1b3BfBBjjdj4NBD9Be7BwWDO2FcFlM ZWUlpaam0rRp02jGjBnsOQjQ8CRgaaFR06dPpz179vhtwtChQxmkWa/M5E1su9qq/GIV4dVX WACrSQAsOxXY3UKRJyCnpaXxNzFMvFFqkT4hVnlw/2t6b/27NGHceK3Rr/1hEZWXlnGztDQL GKEac6Ow2SWKa+PjxlJ1ZZWW+R8FapSXj0ElmA/GRl/xImSzWIMBLoxb6JDBvJjly5frBVVV VelFmloFsAsLC33xveEbo78FBvFRxzvIhncCQyceRWlVCfeHLDkBosUrV67U2guvwNRe/MQX 5eit0EcRGl+lbY/++5CyDx+hnmfd1HW9k2kDAKMOHzGS/eJJk17mvhKkQOaUKT45ZWVlbOTa Wlo1wOBxaC9kyW/ajKksB/zL0aloMMCRUJiNmwJx9+7dejGwyhg0IiKCvQlobGRkpHLJjljf lOYkpSTSgwcPVEhawAYG33p7LW4GTTBQIcE6eKlvvsiBBzSYPQ6vkbP/ZMNkLnDT8MNYeJ+Q lGhFUgpgCVLE4yFPLy3+058ZiJSkZBqXnKJpwp3vooz0zRQePoKjvLj4aJ3zSEgYy+9u3brl dT2P8Hqhrdu2bKXt295njR41Mpw+OXiIlQFjAgcYSGgvojjI0xqMsPbLL7/UC6qvr9fHXDR3 27ZteuFicPibEpKxZTN5SLUnj3HMyUsv1Tqkvt51jX1i5CgEZHA9/OY5c+b48TcmjqBF+Nf0 LNAW7zemb7JyAApghLRQlgUL5qmN+MHiyrv3GJSRz4+gQT8dSHv3ZNHTx0/YyOH73LmpPK8N m9bzkQbAmzZt8AYq8zEqj7l161aKGj2GQYZHgROwNm0NnxDMddGiRby5HMorIwce9jNyWDR8 UAl5wbl2LQLAHpu7wN9U/8ytGQyuCbB4FzU1dVrGzZs3+bTA50ZUhxAdGbz4+HjexNdffz2g BpvjIlTFO/TJd1v8m19k1Qh/rUBjidZiAPnRjg91oCHgrl71FrdFH4TI6A9jiaMdGxvNWrxk yWJ9epqbm8mVl88FhlKMpMwHgYZk1aDBTDdi5CQ0luAAvrC4ZAg0IGDUqFHs3yJFCboA4Ckp KQxMcnIyf7t8+TIfp82bN2tAjp04ruVCg2FQm1ubOLhB7gPp0VM5n+tQGQ4+BwO9XgXy1ngH zcVRHBQ6kHMX4qJJlo1D5aFh3CZ17mzln97y037xoSEHyjR48EDOR7DVL/Rlwo6fzLbskZKD oOvOvdusPB6Pz1UEpfF8vPYFciSqlKI1GLyIxcsil7+xTE8MvBooyQNtKyoq6pNZM40c+sPl wUTFyEkCCOE5MnjQYOSIAbIEHSjJiSm0YtkbtGb1Wt5Ay92zNO7QpwfZb4WLJmlE8Sayjx3R 2S+0hxJgPvBUEPxIriQmJsbKHyhAkc2T3DJn9tQ75COiY6N08glB1xsrV9Cbb77JMmW9GGv/ gX06XSmnALbBMv6qM/K3oAmEtZK8MIMKeBLQLFh7BAXCx/jmdrvZdbMs8iTmVBwr4emIyFG8 UFh4AIyxJB1aVlFKFyrOc24YKT5k18ClickJffzguLg4DkUloQJLDa5DehA1GxZV8zFV4KOt ACS+Pece1FHGN52SNPLKkgJl0L25YPAq+ujbCzUfaH9sbCylp6f7XRCI5grQOlRGoCGpSUnD mZ6E3biZAYEZ4dl92WPHjml62PHRB/rWgzlY0QO0F/kIAIz0JWuQ3By4XFywgSiS1BYw5EYD G/NZ7r+0cRHg+LbESIbjvZkg18+q3+d5n/EcBFzxAszbEJGDU4v5YG443dJO6EraiW/OAMOq t7e3U2dnp3JdwnUGDXxlJllM8OxZNdOHxQ+hcmhoKA+C8BsUBK4HwDBuKAAZAMsNB/uQ3oXL hKXoWwNv/hZgAhz7s9wmiLsk2S1oPLSdDdBZ4ypK9ZWEvSTZZWxzMyTfK5sOcFELHZi3HLIx WoNxZFtbW9lIZWdna34ZN24cGy8zijK1NlDIjBoJIvi3fMzVIHv27mZXEPQAgGHgAPC5C8UM MC9YLZSvkby7b2qNTBiTFyoQDZa7MHmWuzmAarZDEa6Vuzux+kwT3qycAGUCJ+/4dClgWXMV 0Ai07Mog8wZFeNO9FsdlZmayFuO+bfHixT5jowwMgDeBNKnC7rvC2sMIIEcqiW/c2YEeQBN+ N7LGTSwMgiPArbLfza15Kxzc90ZY2nIb+y240Q7XZPZ3jmD/72Y/yYvbDb24qeYc8SztvcX3 BzJR0GRQBYCR98gnIP/w/fff90n+CNDIXWCTkEGTE/Diiy8yuNggyfv6LdjRDwjOvv9VwA60 eUemAXP2898PnLbF9/O9v6t/SQUEShmIPJ6DKcfnWVkdpBN8WGgygJE8Ar6hMbyLpUuXcmQD z6Kmpoaf8Q7fxAVCefXVV1kGrvdxZxVo9+3vTM9FrLU9s2YGILKRpototjETRdJGTp1esw1Q 01sQWaJEIs8eCMkc7Bvgrf0XDZDgagFkRHdIdIwcObLPQvx20XhGQLJ3717WWgQlhw8f7gNs IDmo7bcY8owcBCjHfBfwuNoiP1EM2TCzPzZTbISdIkQDzY2Sy1070PbNNZVVUwQ6mjfDaIAb 3ba2Ni64OsnKyqKZM2daSfQg/4ng2n7WrFm0b98+1lhsDGqcBvvgMiENbJCTS7AjhJ790K0z Vs6gYH6PGt8QzUlbeYcS4hyg3+OZ2/ZabXt7rBp90ceUYW6sCZJ5CmXT7Rtv0mN/p0mDbKIN 4fI3GiJbVlxcTC0tLQwYjjwKAMd/QkHgAKMIQPk/nyiNRYGvKOlEkWVuoB/oXsAYCC+wKJ7u Xg0e6p5nHgbPBFmeBwT/xAecAaiALYCLfH5vox6Zn32eAphoq9lPToYYdGlvAznwcTN3FVHa zp07mXfhyyKXgMAE0R8AhZYjQbRr1y6O5gIZA3MiWIQcJWkjfCvuXyBeNdtq3jMAx0bYqUD+ lj6S8jSBtWudtLVfwArA9ucfW2uQXb1l8f1xCiyqafXNxQbiZrv22oH7sY21G49A45hajtqu kYFsTCC59nX2198+D5NSzGdd1CYMDHh07Vrt6N/aBuTWAP8DyNQYu7boNgHcNTFA4i7ZN0Fk BFxgfy6a8R9q7EZXb54hLxCFBALZ1F4o+P8AIUGW4rYPyhAAAAAASUVORK5CYII= 100 Namur, P., C. Ferrando, G. Berone y T. Vera. 2003. Ganado criollo argentino y sus cruzamientos con Aberdeen Angus: resultados preliminares de cría bovina en los llanos de La Rioja. Sitio Argentino de producción animal. https://www.produccion­ animal.com.ar/informacion_tecnica/raza_criolla/37 ­criollo_por_angus.pdf Namur, P., C. Ferrando, G. Berone, G. y T. Vera. 2002. Ganado bovino criollo y sus cruzamientos en los llanos de La Rioja. Revista Supercampo. Acceso 04.09.20. https://www.produccion­ animal.com.ar/informacion_tecnica/raza_criolla/03 ­criollo_y_cruzamientos_con_angus.pdf. Orellana, C., F. P. Peña Blanco, V. Domenech García y y J. Martos Pienado. 2009a. Características de la canal y rendimiento en cortes comerciales en novillos Criollo Argentino y Braford criados en sistemas extensivos ecológicos. Revista Brasileira de Ciencias Agrarias 4 (4): 489­495. https://www.redalyc.org/articulo.oa?id=119012569 020 Orellana, C., F. Peña, A. García, J. Perea, J. Martos, V. Domenech and R. Acero, R. 2009b. Carcass characteristics, fatty acid composition, and meat quality of Criollo Argentino and Braford steers raised on forage in a semi­tropical region of Argentina. Meat Science 81, 57–64. doi: 10.1016/j.meatsci.2008.06.015. Epub 2008 Jun 26. Pacho Jiménez, S. y F. J. Calahorra Fernández. 2009. Calidad de la carne de vacuno. Revista Complutense de Ciencias Veterinarias, 3 (2): 00­111. https://revistas.ucm.es/index.php/RCCV/article/ download/RCCV0909220100A/22380 Palka, K. 2003. The influence of postmortem ageing and roasted on the microstructure, texture and collagen solubility of bovine Semitendinosus muscle. Meat Science. 64: 191­198. https://doi.org/10.1016/S0309­1740(02)00179­1 Peña, F., A. Molina, M. Juárez, F. Requena, C. Avilés, R. Santos, V. Domenech and A. Horcada. 2014. Use of serial ultrasound measures in the study of growth and breed related changes of ultrasonic Pla Torres, M. 2005. Capacidad de retención de agua. En: Cañeque, V., Sañudo, C. (Eds.). Estandarización de las metodologías para evaluar la calidad del producto (animal vivo, canal, carne y grasa) en los rumiantes. Monografías INIA, Madrid, España. Serie Ganadera N° 3: 243–250. http://libros.inia.es/libros/product_info.php?prod ucts_id=29 Prändl, O., A. Fischer, T. Schimidhofer y H. J. Sinell. 1994. Fundamentos de la conservación de la carne en Tecnología e Higiene de la Carne. Editorial Acribia. https://www.editorialacribia.com/libro/tecnologia ­e­higiene­de­la­carne_54222/ Pordomingo, A. 2013. Feedlot. Alimentación, diseño y manejo. Publicación Técnica N°95. Ediciones INTA. https://inta.gob.ar/documentos/feedlot.­ alimentacion­diseno­y­manejo Servicio Nacional de Sanidad Animal (SENASA). Decreto Reglamentario (Decreto 4238/68). http://www.senasa.gob.ar/decreto­423868 Torrescano Urrutia, G. R., A. Sánchez Escalante, M. G. Vásquez Palma, R. Paz Pellat y D. A. Pardo Guzmán. 2010. Caracterización de canales y de carne de bovino de animales engordados en la zona centro de Sonora. Revista Mexicana De Ciencias Pecuarias. 1 (2): 157­168. http://www.scielo.org.mx/scielo.php?script=sci_ab stract&pid=S2007­ 11242010000200007&lng=es&nrm=iso&tlng=es Vranic, L., A. Picallo y C. A. Garriz, C. A. 2008. Análisis de la terneza objetiva en carne de novillos puros y cruzas Criollo Argentino. Revista Argentina de Producción Animal, 28 (Suppl 1): 177­178. https://ppct.caicyt.gov.ar/index.php/rapa/article/ viewFile/3521/3309 Zimerman et al. 00_Propuesta %20de %20Sistema %20de %20tipificaci %C3 %B3n %20de %20res %20y %20carne %20bovina.pdf measurements and relationship with carcass measurements in lean cattle breeds. Meat Science 96 (1): 247­ 255. https://doi.org/10.1016/j.meatsci.2013.07.012 ISSN­L 1022­1301. Archivos Latinoamericanos de Producción Animal. 2022. 30 (2): 91­100