Predicción de riesgos en salud, para personas con obesidad empleando técnicas de aprendizaje de maquinas
ilustraciones, tablas, diagramas
- Autores:
-
Agamez Julio, Wilmer Jesús
- Tipo de recurso:
- Fecha de publicación:
- 2022
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/82053
- Palabra clave:
- 000 - Ciencias de la computación, información y obras generales
610 - Medicina y salud
Aprendizaje automático (Inteligencia artificial)
Inteligencia artificial
Machine learning
Machine learning
Aprendizaje de maquinas
Riesgos en salud
Obesidad
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 4.0 Internacional
| id |
UNACIONAL2_41a714e50e2180a2751ca75cc2e78c79 |
|---|---|
| oai_identifier_str |
oai:repositorio.unal.edu.co:unal/82053 |
| network_acronym_str |
UNACIONAL2 |
| network_name_str |
Universidad Nacional de Colombia |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Predicción de riesgos en salud, para personas con obesidad empleando técnicas de aprendizaje de maquinas |
| dc.title.translated.eng.fl_str_mv |
Prediction of health risks for obesity people using machine learning techniques |
| title |
Predicción de riesgos en salud, para personas con obesidad empleando técnicas de aprendizaje de maquinas |
| spellingShingle |
Predicción de riesgos en salud, para personas con obesidad empleando técnicas de aprendizaje de maquinas 000 - Ciencias de la computación, información y obras generales 610 - Medicina y salud Aprendizaje automático (Inteligencia artificial) Inteligencia artificial Machine learning Machine learning Aprendizaje de maquinas Riesgos en salud Obesidad |
| title_short |
Predicción de riesgos en salud, para personas con obesidad empleando técnicas de aprendizaje de maquinas |
| title_full |
Predicción de riesgos en salud, para personas con obesidad empleando técnicas de aprendizaje de maquinas |
| title_fullStr |
Predicción de riesgos en salud, para personas con obesidad empleando técnicas de aprendizaje de maquinas |
| title_full_unstemmed |
Predicción de riesgos en salud, para personas con obesidad empleando técnicas de aprendizaje de maquinas |
| title_sort |
Predicción de riesgos en salud, para personas con obesidad empleando técnicas de aprendizaje de maquinas |
| dc.creator.fl_str_mv |
Agamez Julio, Wilmer Jesús |
| dc.contributor.advisor.none.fl_str_mv |
Branch Bedoya, John Willian |
| dc.contributor.author.none.fl_str_mv |
Agamez Julio, Wilmer Jesús |
| dc.subject.ddc.spa.fl_str_mv |
000 - Ciencias de la computación, información y obras generales 610 - Medicina y salud |
| topic |
000 - Ciencias de la computación, información y obras generales 610 - Medicina y salud Aprendizaje automático (Inteligencia artificial) Inteligencia artificial Machine learning Machine learning Aprendizaje de maquinas Riesgos en salud Obesidad |
| dc.subject.lem.none.fl_str_mv |
Aprendizaje automático (Inteligencia artificial) |
| dc.subject.lemb.none.fl_str_mv |
Inteligencia artificial Machine learning |
| dc.subject.proposal.eng.fl_str_mv |
Machine learning |
| dc.subject.proposal.spa.fl_str_mv |
Aprendizaje de maquinas Riesgos en salud Obesidad |
| description |
ilustraciones, tablas, diagramas |
| publishDate |
2022 |
| dc.date.accessioned.none.fl_str_mv |
2022-08-24T13:29:14Z |
| dc.date.available.none.fl_str_mv |
2022-08-24T13:29:14Z |
| dc.date.issued.none.fl_str_mv |
2022-03-01 |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Maestría |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TM |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://repositorio.unal.edu.co/handle/unal/82053 |
| dc.identifier.instname.spa.fl_str_mv |
Universidad Nacional de Colombia |
| dc.identifier.reponame.spa.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| dc.identifier.repourl.spa.fl_str_mv |
https://repositorio.unal.edu.co/ |
| url |
https://repositorio.unal.edu.co/handle/unal/82053 https://repositorio.unal.edu.co/ |
| identifier_str_mv |
Universidad Nacional de Colombia Repositorio Institucional Universidad Nacional de Colombia |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
Adam M. Chekroud, J. B. (2021). The promise of machine learning in predicting treatment outcomes in psychiatry. World Psychiatry, 154-170 Ahmed Qureshi, S. V. (2017). Application of Principal Component Analysis (PCA) to Medical Data. Indian Journal of Science and Technolog Andy, L. (2002). Classification and regression by randomForest. R news 2.3 Aune D, S. A. (2016). BMI and all cause mortality: systematic review and non-linear dose-response meta-analysis of 230 cohort studies with 3.74 million deaths among 30.3 million participants. BMJ. Centers of disease control and prevention. (19 de marzo de 2020). Division of Nutrition, Physical Activity, and Obesity. Obtenido de https://www.cdc.gov/obesity/data/adult.html Chen, R. D. (2020). Selecting critical features for data classification based on machine learning methods. J Big Data. Colmenarejo, G. (2020). Machine Learning Models to Predict Childhood and. nutrients. Colombia, G. d. (1993). Ley 100 de 1993. DA, R. (1993). Medical prognosis--some fundamentals. Theor Med, 365-75 DeGregory, K. W. (2018). A review of machine learning in obesity. official journal of the International Association for the Study of Obesity Deo, R. C. (2015). Machine Learning in Medicine. Circulation, Vol 32 Díaz Novás, J. G. (2006). El diagnóstico médico: bases y procedimientos. Revista Cubana de Medicina General Integral ENSI. (2015). Encuesta Nacional de Salud Nutricional. Obtenido de Instituto Colombiano de Bienestar familiar: https://www.icbf.gov.co/bienestar/nutricion/encuesta-nacional-situacion-nutricional#ensin3 Faria Ferdowsy, K. S. (2021). A machine learning approach for obesity risk prediction. Current Research in Behavioral Sciences. Forero, G. L.¬r. (2005). Diferencias en los I¬ndices de masa corporal en Colombia en 2005: una aplicación de los indicadores de desigualdad. Documentos de trabajo Universidad del rosario. Fortich Mesa, R. &. (2019). Los determinantes de la obesidad en Colombia. Economía & Región, 155-182 García, G. M. (2016). La obesidad como factor de riesgo, sus determinantes. Revista Cubana de Medicina General Integral., 32 García-Rodríguez, J. F.-F.-L.-G. (2010). Dimensión económica del sobrepeso y la obesidad como problemas de salud pública. Salud en Tabasco, 891-896. Gonnelli, S. C. (2014). Obesity and fracture risk. Clinical cases in mineral and bone metabolism : the official journal of the Italian Society of Osteoporosis, Mineral Metabolism, and Skeletal Diseases, 9–14. Hasmat Malik, N. F. (2021). Chapter 1 - Advances in Machine Learning and Data Analytics. En N. F. Hasmat Malik, Intelligent Data-Analytics for Condition Monitoring. Academic Press. James, S. (2003). Obesity as a cardiovascular risk factor. The American Journal of Medicine, 37-41. Joaquín, A. R. (Abril de 2017). Máquinas de Vector Soporte (Support Vector Machines, SVMs). Obtenido de cienciadedatos.net: https://www.cienciadedatos.net/documentos/34_maquinas_de_vector_soporte_support_vector_machines Kain J, V. F. (2003). Tendencias en la obesidad y factores. Cad Saúde Pública. Kim, Y. J. (2017). Highrisk prediction from electronic medical records via deep attention networks. arXiv preprint arXiv:1712.00010. Li M, C. H. (2021). Application of Deep Learning Technology in Predicting the Risk of Inpatient Death in Intensive Care Unit. Healthc Eng. Li, X., & Li, J. (2018). Health Risk Prediction Using Big Medical Data - a. 20th International Conference on e-Health Networking, Applications and Services (Healthcom). Ligibel JA, A. C.-W. (2014). American Society of Clinical Oncology position statement on obesity and cancer. J Clin Oncol. Ministerio de Salud y proteccion social. (2021). Obesidad, un factor de riesgo en el covid-19. Boletín de Prensa No 324 de 2021. OMS. (9 de Junio de 2021). Organizacion Mundial de la Salud. Obtenido de https://www.who.int/es/news-room/fact-sheets/detail/obesity-and-overweight Orrego M., A. y. (2018). Actualización de conceptos sobre la patogenia de la obesidad. Revista Colombiana De Endocrinología, 37–45. Ottenbacher, K., Smith, P., Illig, S., Linn, R., Fiedlerc, R., & Granger, C. (2001). Comparison of logistic regression and neural networks to predict. Journal of Clinical Epidemiology, 1159–1165 Perreault, L. &. (2018). Overweight and obesity in adults: Health consequences. . Waltham: UpToDate. Rajkomar, A. D. (2019). Machine learning in medicine. New England Journal of Medicine, 1347-1358. Rico, M. A. (2 de Marzo de 2020). 60% de la población colombiana tiene malas costumbres a la hora de alimentarse. La Republica. Ruiz Carlos Alberto, B. M. (2001). Redes Neuronales: Conceptos Básicos y Aplicaciones. Catedra Informática Aplicada a la Ingeniería de Procesos, Universidad del Rosario. Russ, L. P. (2007). Neighborhood Risk Factors for Obesity. Risk Factors and Chronic Disease. Shee Khamis Hassan, K. S. (2014). Application of k- Nearest Neighbour Classification in Medical Data Mining. International Journal of Information and Communication Technology Research. T. M. Dugan, S. M. (2015). Machine Learning Techniques for. Applied Clininic Informatics |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.license.spa.fl_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional |
| dc.rights.uri.spa.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional http://creativecommons.org/licenses/by-nc-nd/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.spa.fl_str_mv |
51 páginas |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Universidad Nacional de Colombia |
| dc.publisher.program.spa.fl_str_mv |
Medellín - Minas - Maestría en Ingeniería - Analítica |
| dc.publisher.department.spa.fl_str_mv |
Departamento de la Computación y la Decisión |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Minas |
| dc.publisher.place.spa.fl_str_mv |
Medellín, Colombia |
| dc.publisher.branch.spa.fl_str_mv |
Universidad Nacional de Colombia - Sede Medellín |
| institution |
Universidad Nacional de Colombia |
| bitstream.url.fl_str_mv |
https://repositorio.unal.edu.co/bitstream/unal/82053/2/license.txt https://repositorio.unal.edu.co/bitstream/unal/82053/3/1101447150.2022.pdf |
| bitstream.checksum.fl_str_mv |
8153f7789df02f0a4c9e079953658ab2 698f14b5a6fd9ac339712e08b024206e |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| repository.mail.fl_str_mv |
repositorio_nal@unal.edu.co |
| _version_ |
1806886343003865088 |
| spelling |
Atribución-NoComercial-SinDerivadas 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Branch Bedoya, John Willian112eaa0bbeeaeb0d3d14dfe15d672a15600Agamez Julio, Wilmer Jesús1bfb4be25d27cbccb704411af1c9e3b02022-08-24T13:29:14Z2022-08-24T13:29:14Z2022-03-01https://repositorio.unal.edu.co/handle/unal/82053Universidad Nacional de ColombiaRepositorio Institucional Universidad Nacional de Colombiahttps://repositorio.unal.edu.co/ilustraciones, tablas, diagramasLa obesidad es una enfermedad de alto riesgo es una patología que es considerada como un problema de salud pública, en Colombia cerca del 60% de la población tiene malos hábitos alimenticios y esto influye a sufrir otras patologías donde intervenir a tiempo y evitar una hospitalización urgente o un fallecimiento es fundamental. Esta investigación trata de proponer un modelo de aprendizaje de máquinas, analizando los patrones de comportamiento y diferentes interacciones con los sistemas de salud colombiano, con el propósito de predecir un evento adverso, el resultado es un modelo escalable a los sistemas y de precisión aceptable que permitirá una mayor comprensión de los datos y contribuirá a generar una política preventiva en salud más eficiente. (Texto tomado de la fuente)Obesity is a high-risk disease, it is a pathology that is considered a public health problem, in Colombia about 60% of the population has poor eating habits and this influences suffering from other pathologies where timely intervention and avoid urgent hospitalization or a death is essential. This research tries to propose a machine learning model, analyzing the behavior patterns and different interactions with the Colombian health systems, with the purpose of predicting an adverse event, the result is a scalable model to the systems with an acceptable precision . It will allow us to better understand the data, which will contribute to generating a more efficient preventive health policy.MaestríaMagíster en Ingeniería - AnalíticaÁrea Curricular de Ingeniería de Sistemas e Informática51 páginasapplication/pdfspaUniversidad Nacional de ColombiaMedellín - Minas - Maestría en Ingeniería - AnalíticaDepartamento de la Computación y la DecisiónFacultad de MinasMedellín, ColombiaUniversidad Nacional de Colombia - Sede Medellín000 - Ciencias de la computación, información y obras generales610 - Medicina y saludAprendizaje automático (Inteligencia artificial)Inteligencia artificialMachine learningMachine learningAprendizaje de maquinasRiesgos en saludObesidadPredicción de riesgos en salud, para personas con obesidad empleando técnicas de aprendizaje de maquinasPrediction of health risks for obesity people using machine learning techniquesTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMAdam M. Chekroud, J. B. (2021). The promise of machine learning in predicting treatment outcomes in psychiatry. World Psychiatry, 154-170Ahmed Qureshi, S. V. (2017). Application of Principal Component Analysis (PCA) to Medical Data. Indian Journal of Science and TechnologAndy, L. (2002). Classification and regression by randomForest. R news 2.3Aune D, S. A. (2016). BMI and all cause mortality: systematic review and non-linear dose-response meta-analysis of 230 cohort studies with 3.74 million deaths among 30.3 million participants. BMJ.Centers of disease control and prevention. (19 de marzo de 2020). Division of Nutrition, Physical Activity, and Obesity. Obtenido de https://www.cdc.gov/obesity/data/adult.htmlChen, R. D. (2020). Selecting critical features for data classification based on machine learning methods. J Big Data.Colmenarejo, G. (2020). Machine Learning Models to Predict Childhood and. nutrients.Colombia, G. d. (1993). Ley 100 de 1993.DA, R. (1993). Medical prognosis--some fundamentals. Theor Med, 365-75DeGregory, K. W. (2018). A review of machine learning in obesity. official journal of the International Association for the Study of ObesityDeo, R. C. (2015). Machine Learning in Medicine. Circulation, Vol 32Díaz Novás, J. G. (2006). El diagnóstico médico: bases y procedimientos. Revista Cubana de Medicina General IntegralENSI. (2015). Encuesta Nacional de Salud Nutricional. Obtenido de Instituto Colombiano de Bienestar familiar: https://www.icbf.gov.co/bienestar/nutricion/encuesta-nacional-situacion-nutricional#ensin3Faria Ferdowsy, K. S. (2021). A machine learning approach for obesity risk prediction. Current Research in Behavioral Sciences.Forero, G. L.¬r. (2005). Diferencias en los I¬ndices de masa corporal en Colombia en 2005: una aplicación de los indicadores de desigualdad. Documentos de trabajo Universidad del rosario.Fortich Mesa, R. &. (2019). Los determinantes de la obesidad en Colombia. Economía & Región, 155-182García, G. M. (2016). La obesidad como factor de riesgo, sus determinantes. Revista Cubana de Medicina General Integral., 32García-Rodríguez, J. F.-F.-L.-G. (2010). Dimensión económica del sobrepeso y la obesidad como problemas de salud pública. Salud en Tabasco, 891-896.Gonnelli, S. C. (2014). Obesity and fracture risk. Clinical cases in mineral and bone metabolism : the official journal of the Italian Society of Osteoporosis, Mineral Metabolism, and Skeletal Diseases, 9–14.Hasmat Malik, N. F. (2021). Chapter 1 - Advances in Machine Learning and Data Analytics. En N. F. Hasmat Malik, Intelligent Data-Analytics for Condition Monitoring. Academic Press.James, S. (2003). Obesity as a cardiovascular risk factor. The American Journal of Medicine, 37-41.Joaquín, A. R. (Abril de 2017). Máquinas de Vector Soporte (Support Vector Machines, SVMs). Obtenido de cienciadedatos.net: https://www.cienciadedatos.net/documentos/34_maquinas_de_vector_soporte_support_vector_machinesKain J, V. F. (2003). Tendencias en la obesidad y factores. Cad Saúde Pública.Kim, Y. J. (2017). Highrisk prediction from electronic medical records via deep attention networks. arXiv preprint arXiv:1712.00010.Li M, C. H. (2021). Application of Deep Learning Technology in Predicting the Risk of Inpatient Death in Intensive Care Unit. Healthc Eng.Li, X., & Li, J. (2018). Health Risk Prediction Using Big Medical Data - a. 20th International Conference on e-Health Networking, Applications and Services (Healthcom).Ligibel JA, A. C.-W. (2014). American Society of Clinical Oncology position statement on obesity and cancer. J Clin Oncol.Ministerio de Salud y proteccion social. (2021). Obesidad, un factor de riesgo en el covid-19. Boletín de Prensa No 324 de 2021.OMS. (9 de Junio de 2021). Organizacion Mundial de la Salud. Obtenido de https://www.who.int/es/news-room/fact-sheets/detail/obesity-and-overweightOrrego M., A. y. (2018). Actualización de conceptos sobre la patogenia de la obesidad. Revista Colombiana De Endocrinología, 37–45.Ottenbacher, K., Smith, P., Illig, S., Linn, R., Fiedlerc, R., & Granger, C. (2001). Comparison of logistic regression and neural networks to predict. Journal of Clinical Epidemiology, 1159–1165Perreault, L. &. (2018). Overweight and obesity in adults: Health consequences. . Waltham: UpToDate.Rajkomar, A. D. (2019). Machine learning in medicine. New England Journal of Medicine, 1347-1358.Rico, M. A. (2 de Marzo de 2020). 60% de la población colombiana tiene malas costumbres a la hora de alimentarse. La Republica.Ruiz Carlos Alberto, B. M. (2001). Redes Neuronales: Conceptos Básicos y Aplicaciones. Catedra Informática Aplicada a la Ingeniería de Procesos, Universidad del Rosario.Russ, L. P. (2007). Neighborhood Risk Factors for Obesity. Risk Factors and Chronic Disease.Shee Khamis Hassan, K. S. (2014). Application of k- Nearest Neighbour Classification in Medical Data Mining. International Journal of Information and Communication Technology Research.T. M. Dugan, S. M. (2015). Machine Learning Techniques for. Applied Clininic InformaticsEstudiantesMaestrosPúblico generalLICENSElicense.txtlicense.txttext/plain; charset=utf-84074https://repositorio.unal.edu.co/bitstream/unal/82053/2/license.txt8153f7789df02f0a4c9e079953658ab2MD52ORIGINAL1101447150.2022.pdf1101447150.2022.pdfTesis de Maestría en Ingeniería - Analíticaapplication/pdf777770https://repositorio.unal.edu.co/bitstream/unal/82053/3/1101447150.2022.pdf698f14b5a6fd9ac339712e08b024206eMD53unal/82053oai:repositorio.unal.edu.co:unal/820532023-10-06 17:54:46.346Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.coUExBTlRJTExBIERFUMOTU0lUTwoKQ29tbyBlZGl0b3IgZGUgZXN0ZSDDrXRlbSwgdXN0ZWQgcHVlZGUgbW92ZXJsbyBhIHJldmlzacOzbiBzaW4gYW50ZXMgcmVzb2x2ZXIgbG9zIHByb2JsZW1hcyBpZGVudGlmaWNhZG9zLCBkZSBsbyBjb250cmFyaW8sIGhhZ2EgY2xpYyBlbiBHdWFyZGFyIHBhcmEgZ3VhcmRhciBlbCDDrXRlbSB5IHNvbHVjaW9uYXIgZXN0b3MgcHJvYmxlbWFzIG1hcyB0YXJkZS4KClBhcmEgdHJhYmFqb3MgZGVwb3NpdGFkb3MgcG9yIHN1IHByb3BpbyBhdXRvcjoKIApBbCBhdXRvYXJjaGl2YXIgZXN0ZSBncnVwbyBkZSBhcmNoaXZvcyBkaWdpdGFsZXMgeSBzdXMgbWV0YWRhdG9zLCB5byBnYXJhbnRpem8gYWwgUmVwb3NpdG9yaW8gSW5zdGl0dWNpb25hbCBVbmFsIGVsIGRlcmVjaG8gYSBhbG1hY2VuYXJsb3MgeSBtYW50ZW5lcmxvcyBkaXNwb25pYmxlcyBlbiBsw61uZWEgZGUgbWFuZXJhIGdyYXR1aXRhLiBEZWNsYXJvIHF1ZSBsYSBvYnJhIGVzIGRlIG1pIHByb3BpZWRhZCBpbnRlbGVjdHVhbCB5IHF1ZSBlbCBSZXBvc2l0b3JpbyBJbnN0aXR1Y2lvbmFsIFVuYWwgbm8gYXN1bWUgbmluZ3VuYSByZXNwb25zYWJpbGlkYWQgc2kgaGF5IGFsZ3VuYSB2aW9sYWNpw7NuIGEgbG9zIGRlcmVjaG9zIGRlIGF1dG9yIGFsIGRpc3RyaWJ1aXIgZXN0b3MgYXJjaGl2b3MgeSBtZXRhZGF0b3MuIChTZSByZWNvbWllbmRhIGEgdG9kb3MgbG9zIGF1dG9yZXMgYSBpbmRpY2FyIHN1cyBkZXJlY2hvcyBkZSBhdXRvciBlbiBsYSBww6FnaW5hIGRlIHTDrXR1bG8gZGUgc3UgZG9jdW1lbnRvLikgRGUgbGEgbWlzbWEgbWFuZXJhLCBhY2VwdG8gbG9zIHTDqXJtaW5vcyBkZSBsYSBzaWd1aWVudGUgbGljZW5jaWE6IExvcyBhdXRvcmVzIG8gdGl0dWxhcmVzIGRlbCBkZXJlY2hvIGRlIGF1dG9yIGRlbCBwcmVzZW50ZSBkb2N1bWVudG8gY29uZmllcmVuIGEgbGEgVW5pdmVyc2lkYWQgTmFjaW9uYWwgZGUgQ29sb21iaWEgdW5hIGxpY2VuY2lhIG5vIGV4Y2x1c2l2YSwgbGltaXRhZGEgeSBncmF0dWl0YSBzb2JyZSBsYSBvYnJhIHF1ZSBzZSBpbnRlZ3JhIGVuIGVsIFJlcG9zaXRvcmlvIEluc3RpdHVjaW9uYWwsIHF1ZSBzZSBhanVzdGEgYSBsYXMgc2lndWllbnRlcyBjYXJhY3RlcsOtc3RpY2FzOiBhKSBFc3RhcsOhIHZpZ2VudGUgYSBwYXJ0aXIgZGUgbGEgZmVjaGEgZW4gcXVlIHNlIGluY2x1eWUgZW4gZWwgcmVwb3NpdG9yaW8sIHF1ZSBzZXLDoW4gcHJvcnJvZ2FibGVzIGluZGVmaW5pZGFtZW50ZSBwb3IgZWwgdGllbXBvIHF1ZSBkdXJlIGVsIGRlcmVjaG8gcGF0cmltb25pYWwgZGVsIGF1dG9yLiBFbCBhdXRvciBwb2Ryw6EgZGFyIHBvciB0ZXJtaW5hZGEgbGEgbGljZW5jaWEgc29saWNpdMOhbmRvbG8gYSBsYSBVbml2ZXJzaWRhZC4gYikgTG9zIGF1dG9yZXMgYXV0b3JpemFuIGEgbGEgVW5pdmVyc2lkYWQgTmFjaW9uYWwgZGUgQ29sb21iaWEgcGFyYSBwdWJsaWNhciBsYSBvYnJhIGVuIGVsIGZvcm1hdG8gcXVlIGVsIHJlcG9zaXRvcmlvIGxvIHJlcXVpZXJhIChpbXByZXNvLCBkaWdpdGFsLCBlbGVjdHLDs25pY28gbyBjdWFscXVpZXIgb3RybyBjb25vY2lkbyBvIHBvciBjb25vY2VyKSB5IGNvbm9jZW4gcXVlIGRhZG8gcXVlIHNlIHB1YmxpY2EgZW4gSW50ZXJuZXQgcG9yIGVzdGUgaGVjaG8gY2lyY3VsYSBjb24gYWxjYW5jZSBtdW5kaWFsLiBjKSBMb3MgYXV0b3JlcyBhY2VwdGFuIHF1ZSBsYSBhdXRvcml6YWNpw7NuIHNlIGhhY2UgYSB0w610dWxvIGdyYXR1aXRvLCBwb3IgbG8gdGFudG8sIHJlbnVuY2lhbiBhIHJlY2liaXIgZW1vbHVtZW50byBhbGd1bm8gcG9yIGxhIHB1YmxpY2FjacOzbiwgZGlzdHJpYnVjacOzbiwgY29tdW5pY2FjacOzbiBww7pibGljYSB5IGN1YWxxdWllciBvdHJvIHVzbyBxdWUgc2UgaGFnYSBlbiBsb3MgdMOpcm1pbm9zIGRlIGxhIHByZXNlbnRlIGxpY2VuY2lhIHkgZGUgbGEgbGljZW5jaWEgQ3JlYXRpdmUgQ29tbW9ucyBjb24gcXVlIHNlIHB1YmxpY2EuIGQpIExvcyBhdXRvcmVzIG1hbmlmaWVzdGFuIHF1ZSBzZSB0cmF0YSBkZSB1bmEgb2JyYSBvcmlnaW5hbCBzb2JyZSBsYSBxdWUgdGllbmVuIGxvcyBkZXJlY2hvcyBxdWUgYXV0b3JpemFuIHkgcXVlIHNvbiBlbGxvcyBxdWllbmVzIGFzdW1lbiB0b3RhbCByZXNwb25zYWJpbGlkYWQgcG9yIGVsIGNvbnRlbmlkbyBkZSBzdSBvYnJhIGFudGUgbGEgVW5pdmVyc2lkYWQgTmFjaW9uYWwgeSBhbnRlIHRlcmNlcm9zLiBFbiB0b2RvIGNhc28gbGEgVW5pdmVyc2lkYWQgTmFjaW9uYWwgZGUgQ29sb21iaWEgc2UgY29tcHJvbWV0ZSBhIGluZGljYXIgc2llbXByZSBsYSBhdXRvcsOtYSBpbmNsdXllbmRvIGVsIG5vbWJyZSBkZWwgYXV0b3IgeSBsYSBmZWNoYSBkZSBwdWJsaWNhY2nDs24uIGUpIExvcyBhdXRvcmVzIGF1dG9yaXphbiBhIGxhIFVuaXZlcnNpZGFkIHBhcmEgaW5jbHVpciBsYSBvYnJhIGVuIGxvcyBhZ3JlZ2Fkb3JlcywgaW5kaWNlc3MgeSBidXNjYWRvcmVzIHF1ZSBzZSBlc3RpbWVuIG5lY2VzYXJpb3MgcGFyYSBwcm9tb3ZlciBzdSBkaWZ1c2nDs24uIGYpIExvcyBhdXRvcmVzIGFjZXB0YW4gcXVlIGxhIFVuaXZlcnNpZGFkIE5hY2lvbmFsIGRlIENvbG9tYmlhIHB1ZWRhIGNvbnZlcnRpciBlbCBkb2N1bWVudG8gYSBjdWFscXVpZXIgbWVkaW8gbyBmb3JtYXRvIHBhcmEgcHJvcMOzc2l0b3MgZGUgcHJlc2VydmFjacOzbiBkaWdpdGFsLiBTSSBFTCBET0NVTUVOVE8gU0UgQkFTQSBFTiBVTiBUUkFCQUpPIFFVRSBIQSBTSURPIFBBVFJPQ0lOQURPIE8gQVBPWUFETyBQT1IgVU5BIEFHRU5DSUEgTyBVTkEgT1JHQU5JWkFDScOTTiwgQ09OIEVYQ0VQQ0nDk04gREUgTEEgVU5JVkVSU0lEQUQgTkFDSU9OQUwgREUgQ09MT01CSUEsIExPUyBBVVRPUkVTIEdBUkFOVElaQU4gUVVFIFNFIEhBIENVTVBMSURPIENPTiBMT1MgREVSRUNIT1MgWSBPQkxJR0FDSU9ORVMgUkVRVUVSSURPUyBQT1IgRUwgUkVTUEVDVElWTyBDT05UUkFUTyBPIEFDVUVSRE8uIAoKUGFyYSB0cmFiYWpvcyBkZXBvc2l0YWRvcyBwb3Igb3RyYXMgcGVyc29uYXMgZGlzdGludGFzIGEgc3UgYXV0b3I6IAoKRGVjbGFybyBxdWUgZWwgZ3J1cG8gZGUgYXJjaGl2b3MgZGlnaXRhbGVzIHkgbWV0YWRhdG9zIGFzb2NpYWRvcyBxdWUgZXN0b3kgYXJjaGl2YW5kbyBlbiBlbCBSZXBvc2l0b3JpbyBJbnN0aXR1Y2lvbmFsIFVOKSBlcyBkZSBkb21pbmlvIHDDumJsaWNvLiBTaSBubyBmdWVzZSBlbCBjYXNvLCBhY2VwdG8gdG9kYSBsYSByZXNwb25zYWJpbGlkYWQgcG9yIGN1YWxxdWllciBpbmZyYWNjacOzbiBkZSBkZXJlY2hvcyBkZSBhdXRvciBxdWUgY29ubGxldmUgbGEgZGlzdHJpYnVjacOzbiBkZSBlc3RvcyBhcmNoaXZvcyB5IG1ldGFkYXRvcy4KTk9UQTogU0kgTEEgVEVTSVMgQSBQVUJMSUNBUiBBRFFVSVJJw5MgQ09NUFJPTUlTT1MgREUgQ09ORklERU5DSUFMSURBRCBFTiBFTCBERVNBUlJPTExPIE8gUEFSVEVTIERFTCBET0NVTUVOVE8uIFNJR0EgTEEgRElSRUNUUklaIERFIExBIFJFU09MVUNJw5NOIDAyMyBERSAyMDE1LCBQT1IgTEEgQ1VBTCBTRSBFU1RBQkxFQ0UgRUwgUFJPQ0VESU1JRU5UTyBQQVJBIExBIFBVQkxJQ0FDScOTTiBERSBURVNJUyBERSBNQUVTVFLDjUEgWSBET0NUT1JBRE8gREUgTE9TIEVTVFVESUFOVEVTIERFIExBIFVOSVZFUlNJREFEIE5BQ0lPTkFMIERFIENPTE9NQklBIEVOIEVMIFJFUE9TSVRPUklPIElOU1RJVFVDSU9OQUwgVU4sIEVYUEVESURBIFBPUiBMQSBTRUNSRVRBUsONQSBHRU5FUkFMLiAqTEEgVEVTSVMgQSBQVUJMSUNBUiBERUJFIFNFUiBMQSBWRVJTScOTTiBGSU5BTCBBUFJPQkFEQS4gCgpBbCBoYWNlciBjbGljIGVuIGVsIHNpZ3VpZW50ZSBib3TDs24sIHVzdGVkIGluZGljYSBxdWUgZXN0w6EgZGUgYWN1ZXJkbyBjb24gZXN0b3MgdMOpcm1pbm9zLiBTaSB0aWVuZSBhbGd1bmEgZHVkYSBzb2JyZSBsYSBsaWNlbmNpYSwgcG9yIGZhdm9yLCBjb250YWN0ZSBjb24gZWwgYWRtaW5pc3RyYWRvciBkZWwgc2lzdGVtYS4KClVOSVZFUlNJREFEIE5BQ0lPTkFMIERFIENPTE9NQklBIC0gw5psdGltYSBtb2RpZmljYWNpw7NuIDE5LzEwLzIwMjEK |