1. 新增趨勢分析欄位
先到 PostgreSQL 裡，新增一個欄位來存「趨勢方向」：

ALTER TABLE cancer_patients
ADD COLUMN afp_trend VARCHAR(10),
ADD COLUMN alt_trend VARCHAR(10);

2. 用 Python 計算變化率與趨勢
我們可以在之前的 predict_and_insert.py 裡增加一段邏輯，
每次更新時順便判斷最近兩筆資料的變化：

import psycopg2
import pandas as pd

conn = psycopg2.connect(
    host="localhost",
    database="cancer_db",
    user="admin",
    password="admin123",
    port=5432
)
cursor = conn.cursor()

# 取出最新兩筆資料
cursor.execute("""
    SELECT record_date, afp, alt
    FROM cancer_patients
    WHERE patient_id = '001'
    ORDER BY record_date DESC
    LIMIT 2;
""")

rows = cursor.fetchall()
latest, previous = rows[0], rows[1]

afp_change = (latest[1] - previous[1]) / previous[1] * 100
alt_change = (latest[2] - previous[2]) / previous[2] * 100

# 根據變化率分類趨勢
def get_trend(change):
    if change > 10:
        return '上升中'
    elif change < -10:
        return '下降中'
    else:
        return '穩定'

afp_trend = get_trend(afp_change)
alt_trend = get_trend(alt_change)

cursor.execute("""
    UPDATE cancer_patients
    SET afp_trend = %s, alt_trend = %s
    WHERE record_date = %s AND patient_id = '001';
""", (afp_trend, alt_trend, latest[0]))

conn.commit()
cursor.close()
conn.close()

print(f"AFP 變化率: {afp_change:.2f}% → {afp_trend}")
print(f"ALT 變化率: {alt_change:.2f}% → {alt_trend}")

這樣每次資料更新時，就會自動標註趨勢方向。

3. 在 Grafana 顯示「健康摘要卡」
(1) 新增一個 Stat Panel
查詢語法：

SELECT afp_trend FROM cancer_patients
WHERE patient_id = '$patient_id'
ORDER BY record_date DESC
LIMIT 1;

顯示「AFP 趨勢」文字結果：上升中 / 穩定 / 下降中
(2) 顏色設定

你可以在 Grafana 的 Value mappings 裡設定：
● 上升中 → red
● 穩定 → yellow
● 下降中 → green

4. 顯示趨勢曲線（變化率圖）
新增一個 Bar Chart Panel，查詢：

SELECT
  record_date AS "time",
  (afp - LAG(afp) OVER (ORDER BY record_date)) / NULLIF(LAG(afp) OVER (ORDER BY record_date), 0) * 100 AS "AFP Change (%)"
FROM cancer_patients
WHERE patient_id = '$patient_id'
ORDER BY record_date;

這樣可以看到每次檢查 AFP 的漲跌百分比，形成清晰的變化趨勢。

5. 加入「AI 預測 vs 實際變化」比較
要讓 Dashboard 更智能，可以再畫一張圖：
顯示「AI 預測變化」與「實際變化」差距。

SELECT
  record_date AS "time",
  (afp_pred - afp) AS "AFP Prediction Gap"
FROM cancer_patients
WHERE patient_id = '$patient_id'
ORDER BY record_date;

圖上紅色代表預測過高、藍色代表預測偏低。
這能幫助分析模型準確度。

6. 成果
完成後，Dashboard 將有三層資訊：
(1) 病人切換（patient_id 下拉選單）
(2) 健康摘要卡
● AFP 趨勢：上升中
● ALT 趨勢：穩定
(3) 數值變化
● AFP / ALT 實際值 + AI 預測曲線
● AFP 變化率百分比圖

這樣一眼就能看出病人是「改善中」還是「惡化中」。